近日，我院徐霄枭老师在结构与建筑技术领域知名期刊《Journal of Building Engineering》（中科院2区Top期刊，影响因子6.7）上发表了题为“Reinforcement learning for occupant behavior modeling in public buildings: Why, what and how”的研究成果（链接：https://doi.org/10.1016/j.jobe.2024.110491）。我校为本研究的第一完成单位，第一作者为南京林业大学土木工程学院研究生余昊，通讯作者为南京林业大学徐霄枭老师。该成果得到了国家自然科学基金的资助。
有效控制公共建筑能耗对全球可持续发展至关重要。然而，运行阶段中用户行为的不确定性常导致设计能耗与实际能耗之间的巨大差异。尽管现有研究利用随机建模、统计建模、数据挖掘和基于主体建模等方法对公共建筑中的用户行为进行了研究，但这些方法未能系统揭示其内涵和形成机制，导致模型在实际应用中的适用性和可靠性较低。强化学习作为一种可以系统感知外部环境并通过随机互动过程自发学习的技术，具有很大的应用潜力。本研究旨在开发一种利用强化学习方法对公共建筑中用户行为进行建模的应用范例。研究结合半结构化访谈和文献综述收集相关信息，并通过定性分析找出应用强化学习的原因和适用算法。最终，研究提出了详细框架，并通过焦点小组进行了验证，为未来研究提供了包括收集用户数据、选择适当算法、有效地训练和部署强化学习智能体等步骤的全面指导。这项研究创新性地提出了公共建筑中基于强化学习的用户行为建模“全景图”，为改善公共建筑运行过程中的室内环境和能源效率奠定了坚实基础。
供稿：余昊、徐霄枭；供图：余昊；初审：李强；终审：柳任飞；编辑：许历隆
