技术成果：基于视觉识别的动态热舒适度量化方法

（一）    技术名称：
       基于视觉识别的动态热舒适度量化方法
（二）    技术提供方：
       英国威廉集团  王雅斐  wangyf97@mail.sysu.edu.cn
（三）    适用范围：
       本技术适用于城市社区、公园绿地、大学校园等中小尺度户外环境的热舒适度动态评价、景观优化验证及智慧化管理。应用时要求场地具备布设微型监测站的物理条件，并需覆盖视频采集设备以支撑 AI 行为识别算法的运行。
（四）    技术内容：
       1、技术原理
       本技术立足于微气候学与人体热生理学的深度融合，构建了一种基于多源数据耦合的人体动态热舒适度量化评估模型。其核心逻辑分为三个层次：首先是环境物理场的精确表征，通过在目标区域布设集成式水热监测站，实时获取黑球温度、大气温度、湿度、风速及辐射等关键气象因子，作为评价微气候调节服务的基础边界条件。利用自主研发的 AI 智慧监测系统，集成 YOLOv5 与 SlowFast 双流卷积神经网络，对人群活动进行 0.5 秒级高频识别，并将其转化为动态代谢率（MET）参数。这一步骤攻克了传统静态评价长期存在的代谢率恒定假设瓶颈，实现了人体热体验随行为变化的实时映射。最后是评价指标的参数化求解，技术依托Rhino&Grasshopper平台下的Ladybug模块，将监测站获取的动态环境参数与视觉识别获取的生理参数注入基于Gagge人体两节点模型构建的计算电池组中。通过模拟皮肤温度与核心温度的动态平衡过程，计算得出动态等效标准温度（动态OUT_SET*）。该技术通过气象数据、三维空间框架与人体热响应的高效耦合，实现了对城市尺度热环境调节服务的智慧化量化与可视化表达。
       2、技术创新性
       本技术在城市微气候评价与生态系统服务量化领域实现了三大核心创新：
       1）实现了从“静态稳态”到“动态行为”的评价维度跨越。传统户外热舒适度评价（如常规OUT_SET*）多假设人体处于静止或固定代谢率状态，难以真实反映居民在复杂户外环境中通过改变活动强度或位置进行的主动热调节行为。本技术创新性地引入基于双流架构视觉识别的动态代谢率，构建了“动态OUT_SET*”指标，实现了0.5秒级高频行为感知与热生理评价的深度耦合，填补了热舒适评价中人体行为反馈机制的空白，使评价结果更贴近人体实际感知；
       2）建立了多源异构数据深度耦合的计算框架。技术有机整合了小型水热监测站的实测气象数据、三维空间建模获取的景观格局数据，以及计算机视觉识别的人体行为数据。通过Rhino-Grasshopper-Ladybug平台的参数化逻辑，实现了环境物理场与人体生理场对接，提升了评估的系统性与科学性；
       3）实现了高空间分辨率的微气候调节服务精准量化与可视化。相比传统大尺度气象研究，本技术聚焦于中小尺度，能够精准识别建筑遮阴、下垫面材质及局部通风对热舒适度的贡献差异。这为基于性质的解决方案（NbS）和精细化城市设计提供了量化验证手段，支撑了城市微气候服务的智慧化管理。
       3、技术优势
       1）大幅提升了热应激水平评估的准确性。传统方法往往忽略了人体在极端气候下的行为调节，导致评价结果与实际感知存在偏差；实证研究表明，本技术构建的动态OUT_SET*与静态指标相比，平均差值可达7.5℃，极端时段甚至可达14.0℃，能够更真实地捕捉人体在户外环境中的热应激状态；
       2）具备行为反馈与适应性分析能力。技术首次整合了基于SlowFast双流架构的行为识别系统，实现了 0.5 秒级的高频响应。这使得模型能够科学解释居民如何通过改变代谢率或寻找微气候优越点来维持热舒适，这种“行为调节”维度的加入，使得对绿地、建筑等景观要素热调节服务的评价不再仅局限于物理降温，而是深入到对人群实际热体验的改善程度；
       3）实现了微环境尺度的高精细化解析。依托Ladybug的高精度计算能力，技术可针对社区内不同下垫面和空间布局实现1℃甚至更细微的热梯度可视化，精准识别“高温热斑”与“低温避暑带”，为景观优化提供直观的数据驱动方案；
       4）技术集成度高，具备智慧化管理潜力。该框架打通了从物理监测、行为识别到三维模拟的全链路，可直接服务于未来智慧城市的热风险预警与精细化城市设计验证。
       4、工艺流程
       本技术的应用工艺流程构建了从环境与行为双维度感知到动态热舒适度量化的完整闭环，具体分为以下阶段：
       1）多源数据动态采集：在目标场地布设小型水热监测站，实时获取温度、湿度、风速等气象因子。同步利用文化服务AI智慧监测系统，集成YOLOv5行人检测与DeepSort多目标跟踪算法实现行人连续追踪，并采用SlowFast双流卷积神经网络自动识别行走、站立、锻炼等活动类型；
       2）动态代谢率转化与空间建模：利用OpenCV实现功能区域精细划分，并将识别的行为类型实时转化为对应的动态代谢率（MET）参数。同时，利用Rhinoceros 3D建立高精度空间模型，并依托Ladybug模块读取气象数据，针对人体活动高度（1.5m）进行风速修正；
       3）动态耦合模拟与评价：将修正后的气象参数与AI感知的动态代谢率注入自主构建的热舒适度计算电池组中。基于Gagge二节点模型，耦合计算动态等效标准温度（OUT_SET*）及平均辐射温度（MRT）；
       4）结果输出与决策支持：生成高分辨率空间分布图，解析建筑遮阴等景观要素的调节效能。通过对比动态与静态指标差异，量化人群行为调节对热舒适的贡献，为社区微气候智慧管理提供数据支撑。

       5、技术获奖情况
       2025年：第三届全国大学生生态环境科研创新大赛，国家级特等奖。
       2024年：第二十三届中国生态学大会研究生论坛，优秀报告奖。
       2023年：第二届全国大学生生态环境科研创新大赛，国家级二等奖。
       6、技术推广情况

       该技术已在广州广钢公园（西区、中区）及william威廉英国南校园等典型城市更新与校园场景中完成实证应用。通过对不同季节（夏、秋、冬）及不同功能分区（游乐场、绿地、硬质铺装）的长周期监测，验证了动态热舒适度模型在评估人群行为响应方面的可靠性。目前，该技术正逐步推广至智慧社区微气候调节服务的量化评估工作中，为精细化城市设计提供科学的决策支持工具。