智慧照明设计中用户感性意象分析模型研究

常 瑜，潘 刚，张明宇，徐 凯

(1.天津商业大学，天津 300134；2.青岛北洋建筑设计有限公司，山东 青岛 266101；3.天津大学天津市建筑物理环境与生态技术重点实验室，天津 300072)

引言

《“十三五”国民经济和社会发展规划纲要》中强调要推进能源消费革命，实施照明系统升级改造等重点工程。从智慧城市发展的角度来看，迫切需要集约、智能、绿色、低碳的民生服务类的智慧应用，以提升居民的幸福感和满意度，智慧照明作为主要的智慧应用成为研究热点。

目前，以智慧照明设计为目标，在照明技术上开展了诸多研究，如ZigBee[1，2]、GPRS[3]的技术应用提高了运行效率；借助RS-SI技术实现了LED间的通信[4]，提出了基于改进蚁群优化算法的多LED通信光功率优化[5]，运用物联网架构集合多种传感器[6]等。同时，注重运用智慧照明控制系统解决能耗问题，在封闭环境[7，8]、智慧城市建设[9]、材料优化[10]等方面的研究较多。但也开始逐步关注用户的重要性，如在大学校园内进行实验，分析不同照明亮度水平与夜间行人安全感之间的映射关系，提出了一种智能道路照明系统的路线图[11]，以此实现节能目的；在家用环境中检测居住空间内人的移动情况以此对LED灯的亮度进行控制，达到智能、节能并提高用户满意度的目的，但同时也注意到不同空间，用户的移动情况和满意度是有差别的[12]。

交互设计的兴起要求关注用户体验[13]。因此，照明设计也逐步将用户研究作为重点，如在灯光互动系统设计中，研究人员对用户与LED的互动效果进行了分析，目的在于获得用户更好的参与感[14]；提出照明系统要考虑用户需求，强调利用感性工学将用户体验与照明参数结合起来,让照明环境与用户之间建立良好的信息交流[15]。在具体的设计上，面向用户需求分析了智能医疗照明系统设计[16]；以及“动态照明”中用户视觉认知对照明设计的影响[17]；结合用户需求进行模块化LED室内照明灯具设计[18]等。但是，目前针对用户感性意象量化分析的研究很少。

用户感性意象具有主观性、不确定性的特点。在广义的用户研究中，比较重视语义分析间用户需求匹配[19]、用户感性意象量化分析[20]、用户评价分析[21]等，其中用户需求的量化分析是设计过程的关键点。因此，在具体的分析中引入FAHP法和熵权理论，以此构建用户感性意象的分析模型。FAHP法在传统的设计决策[22]、设计优化[23]、人机交互[24]中广泛使用；熵权理论则主要应用在风险评估[25]、效益评估[26]等管理学领域，二者的结合能够帮助形成智慧照明设计中用户感性意象和照明指标之间有效的联结，提高用户的满意度。

1 分析模型的构建与关键点分析

1.1 构建分析模型

本文将构建智慧照明设计中的用户感性意象分析模型。第一，结合专家评价完成用户意象的语义化并对意象词汇的设计权重进行判断；第二，结合建筑物理学理论，对目标空间照明设计指标进行筛选，生成计算机辅助照明场景并通过仿真实验量化与用户意象词汇间的联结关系；第三，通过用户模糊综合评价，筛选出最优方案。具体如图1所示。

图1 照明设计中的用户分析模型

1.2 照明标准分析

在模型中，应依据国家制定的照明标准，并结合目标照明空间相关作业面识别对象的最小尺寸、识别对象与背景亮度对比等特征来考虑空间内照明数量和质量问题。

第一，照明数量。照明数量由客观存在的照度标准值(lx)、眩光值(UGR)、显色指数(Ra)决定，《建筑设计照明标准》(GB 50034)中给出了具体的参考值。结合目标照明环境具体的工作要求，如需要绘图、资料整理、设计讨论等，参考标准中对办公建筑中设计室、文件整理复印及发行室和学校建筑中美术教室、实验室的设定，如表1所示。

表1 照明标准参考(部分)

第二，照明质量。照明质量可解析为空间内与视功能、用户舒适感、安全性等相关的亮度分布，主要指标为眩光、光源颜色、照明均匀度、反射比。其中，眩光包含直接眩光、反射眩光、光幕反射；光源颜色主要涉及冷暖感，冷暖感可以产生不同的用户感觉；照明的均匀度在GB 50034中给出了最小参考；反射比在GB 50034中也给出了室内各表面的光反射比参考范围(如作业面为0.2～0.6)。因此，在进一步的仿真实验中，可依据GB 50034给定的各指标参考值范围，将数据进行细化和组合，形成方案设计。

1.3 用户感性意象的语义表达

模型中，用户感性意象的量化分析是基于语义表达展开的，主要通过意象词汇的收集与典型性筛选完成，筛选过程依靠照明设计专家的评价，具体如下。

第一，按时序收集与目标照明环境设计相关的描述、说明和评价内容，要尽可能多地收集能够表达用户在目标空间中，与照明环境相关的、主观感受的文本内容，获取途径包括典型照明设计书籍、期刊、互联网资源、与照明从业者进行焦点小组法分析等。

第二，专家进行评价和筛选，完成语义文本内容的规范化与聚类。收集的词汇内容多数具有多义性、上下文相关性、模糊性等特点，需要将文本内容进行规范化处理[27]，并结合目标照明空间基本使用特征，对所搜集的感性语汇进行聚类分析，完成典型意象词汇的筛选。

1.4 用户评价的量化分析算法

在完成用户感性意象的语义表达后，词汇的权重计算依据用户评价展开，具体的算法运用层次分析法中的判断矩阵和熵权理论相结合进行。

首先，运用层次分析法构建意象词汇间的判断矩阵，计算初步的权重值。计算依靠目标用户对典型感性词汇间两两比较的主观评价展开，表2所示为用户评价示意表，其中重要程度判定标度使用模糊数值定义为1～9的整数[28]。

表2 用户评价示意表

(1)

在式(1)中，当pij(j=1，2，…，n)接近相等时，可理解为评价的模糊性接近最大，即pij取值相等时，熵最大，为Ymax=lnn，用Ymax对式(1)进行归一化处理，可知意象词汇ni相对重要性的熵值(用fi′表示)为

(2)

同理，当pij(j=1，2，…，n)值相同时，fi′=1，即fi′范围为0≤fi′≤1。可将意象词汇ni的重要度定义为(1-fi′)。式(2)归一化处理后，得到ni的重要度权值(用Φi表示)为：

(3)

2 仿真实验

2.1 实验设置

本文将基于某产品设计工作室照明设计开展具体的仿真分析，实验设置如下：

第一，实验用户选择。本次实验选定20名用户作为参与者，包含工作室拟定的工作人员5名、照明设计从业人员5名、高校产品设计专业师生10名，男女比例为1∶1，参与感性意象词汇权重的初步评价和实验场景评价等环节；同时，邀请专家用户5名参与感性意象词汇修正权重计算。在进行实验相关评价前，各用户均通过了石原氏色盲测验，确保能够正常感知照明实验场景。

第二，实验过程控制。本次实验基于虚拟现实(VR)技术进行，VR技术可以创造第一人称视角的高度沉浸式的虚拟空间，已广泛应用于城市和社区规划[29，30]、建筑设计等设计行业[31]，且已有学者通过实验证明在主观评价方面，虚拟现实照明环境被评为最接近物理照明环境[32]。因此，仿真实验结合Twinmotion软件和VR技术进行，具体实现过程如下。

首先，运用Twinmotion软件构建照明环境模型。可根据目标照明空间设计要求定义空间尺寸，满足无自然光情况下符合GB 50034中的照明基本要求。结合设计参数，渲染生成VR实验场景。

然后，运用VR技术进行仿真实验，图2所示为仿真实验基本情况。图2(a)为运用Twinmotion软件完成的360°VR照明设计场景，可实现实时、沉浸式3D建筑可视化，帮助仿真实验建立；图2(b)为实验采用的VR设备，即由HTC公司开发的虚拟现实头戴式显示器HTC-VIVE，可进行较好的照明仿真实验；图2(c)为实验场景展示。用户可通过设备照明进入仿真场景中，由实验人员控制VR场景的切换，将VR照明场景依次展示给实验用户进行多视角观察，每个照明场景呈现30 s，然后要求用户在下一个30 s时间内，对视觉感受依次进行赋值(1～5分)，同时避免用户的视觉疲劳。以此类推，完成所有实验场景的观察与评分。

图2 仿真实验(VR)

2.2 目标用户感性意象提取与分析

第一，典型意象词汇的提取。通过筛选，形成某产品设计工作室照明感性意象典型词汇。其中确立意象词汇库(数量为120个)，再进行焦点小组法讨论形成三组低层次意象词汇，最后由专家评价逐步筛选出典型意象词汇，如表3所示。

表3 某产品设计工作室照明感性意象典型词汇

第二，意象词汇权重的计算。初步的权重计算由实验用户20人给出评价值并依据Yaaph软件进行。修正权重由5名专家进行分析，计算参考式(1)～式(3)，最终形成了各意象词汇的最终权重，具体计算结果如表4所示。

表4 典型词汇间权重计算结果

2.3 实验过程

第一，实验过程中，将依据具体照明场景的计算机辅助三维模型，运用Twinmotion软件，可对照明进行参数赋值，并通过渲染形成VR照明仿真场景模型。具体将依据标准(GB50034)中对办公建筑中设计室、文件整理复印及发行室和学校建筑中美术教室、实验室的设定标准中给定的参考范围进行。设定为无自然光条件下，对某一稳定照明环境进行仿真，计算机辅助模型空间的尺寸设定为长10 m、宽6 m、高3 m；窗户类型为落地窗，采用单侧采光。光源安装高度为3 m，从落地窗侧顶部开始，在6 m×6 m的作业面(作业面高度为0.75 m)上布置3×3个白色LED光源(每个间隔1 m),对各照明指标进行赋值，形成不同的照明设计方案(如表5所示)，并生成VR实验场景5个，如图3所示。

表5 各场景设计主要指标参数

图3 照明实验场景

第二，运用VR技术进行仿真实验。筛选出的20名实验用户参与VR仿真实验。由实验人员按照要求控制VR场景的切换，并实时记录评价分值，如表6所示，数据需进一步进行模糊评价分析。

表6 VR实验场景评分表

2.4 照明设计场景量化评价

结合表6结果，运用模糊综合评价法进行方案的评价，确定最优解。第一，设定对应5级量表的评价等级，5个等级由高到低分别赋值为90分、80分、70、60分和50分。第二，根据表5结果，建立各意象词汇的权重向量(用w表示)，即w=(0.3058 0.2308 0.4634)。第三，建立模糊综合评价矩阵。为提高评价的客观性，为降低评价主观性，仅统计20名实验用户对各分值的打分次数，据此建立各照明场景的的评价矩阵如下(用S1～S5表示)。

根据评价矩阵，计算意象词汇针对各场景的的评价权重(用M1～M5表示)如下：M1=w×S1=(0 0 0.0808 0.6273 0.2919)；M2=w×S2=(0 0 0.2187 0.5960 0.1854)；M3=w×S3=(0 0.0923 0.2493 0.4731 0.1854)；M4=w×S4=(0 0 0.3860 0.4377 0.1763)；M5=w×S5=(0 0.0612 0.3601 0.5092 0.0695)。最后，计算各照明场景的百分制评价结果(用字母N表示)：N1=82.111；N2=79.675；N3=77.523；N4=77.903；N5=78.87。

通过综合评价可知，照明场景1为最优方案，评价结果是依据典型意象词汇“明亮的、愉悦的、稳定的”进行打分和分析的得出的。在照明场景1的主要参数选择上能够看出，第一，照度较高(600 lx)且照度均匀度为0.8，高于标准中针对设计室和美术教书的设定(500 lx)，利于提供明亮的意象；第二，色温选择5 000 K，在实验中用户在此色温下心理状态稳定，能为产品设计工作室提供稳定的照明意象。第三，在本次产品设计工作室照明实验中，UGR和Ra的设定在符合GB 50034的范围内调节，对于用户感性意象的影响不大。

3 结论

本文针对智慧照明设计中的用户感性意象进行了量化分析，形成了分析模型，可以解决设计过程中用户感性意象模糊、主观性强的问题，在模型中：第一，用户感性意象词汇提取要基于调研和统计归纳展开，同时要借助专家评价进行典型词汇确认。第二，典型意象词汇是实验评价的重要参考，通过层次分析法与熵权理论的引入，可提高权重计算的精度。第三，运用VR等计算机辅助技术进行照明实验，以此完成用户定量化评价，可以提高实验效率，实验结果通过模糊综合评价获得最优方案。

值得注意的是，本文仅考虑了照明指标标准，实际上，用户感性意象还会受到智慧照明环境中多模态信息变化的影响，如环境中出现的影音、图像、文本；环境内的温度、湿度等，目前尚未有结合智慧照明环境中多模态信息分类、评价等进行用户感性意象分析的研究。本文给出了基于虚拟现实技术和模糊综合评价的用户感性意象定量化分析模型，可为进一步的研究提供参考。