基于光環境舒適性的養老建筑多人居室南向采光口設計研究

房文博，王慶朵

（山東建筑大學，山東 濟南 250100）

0 引言

我國的老齡化現象具有未備先老、未富先老、慢性病患病率高以及少子化、老齡化并重等特征。人口老齡化無疑增加了對各種形式養老建筑的需求，以家庭為基礎的居家養老、依托社區的日間照料服務中心以及機構養老服務三種形式并存。隨著養老機構的不斷發展與完善，以及居家養老壓力較大難以實現，越來越多的老年人會選擇機構養老的形式?，F階段多數養老建筑居室設計中對室內物理環境的營造比較疏忽甚至遺漏，這樣反而無法給入住老人帶來舒適感。因此，在建設養老設施設計時，應該根據老年人的實際要求進行設計，從而有效保證老年人的生活質量。

老年人視覺特性與年輕人有所不同不一樣，由于晶狀體與眼角膜的慢慢黃化，色差識別功能減弱。另外，由于晶狀體逐漸失去彈性導致老年人適應光環境變化的能力減弱，容易受到眩光的影響。隨著老年人對光環境要求的增高，單純根據窗地比確定的窗口尺寸已不能滿足養老建筑復雜的采光要求，因此本文以濟南地區為例，針對養老建筑多人居室南向窗口進行優化研究。

1 養老建筑多人居室

我國現有養老建筑中老年人居室主要以單人間、雙人間和多人間為主，本次研究主要針對多人居室，國內的多人間的人數以4 人為主，這種護理間主要適用于失能老人以及對護理要求較高的介助/介護型老人。周燕珉教授在其《養老設施建筑設計詳解》[1]中給出了不同類型老人居室在服務效率和居住品質方面的排序，見圖1。本次研究在居室類型上選取適合介護老人的多人居室。

雖然在眾多機構養老建筑中其居室尺寸各有不同很難統一，但其居室形式與布局大同小異，比較容易總結出其典型的平面模式，本次研究對于老人居室尺寸方面將根據相關研究和設計資料進行繪制，見圖2。

圖1 不同類型老人居室在服務效率和居住品質方面的排序（圖片來源：周燕珉《養老設施建筑設計詳解》）

圖2 養老建筑中多人居室平面

2 方案設計

2.1 設計參數

本次研究只討論窗口設計相關參數，其他與窗口形態無關的參數或給予一個定值或保持軟件的默認值。其中，將窗口高度、窗口寬度以及遮陽板寬度作為本次研究設計變量，而窗口面積和窗臺高度設為定值。

在針對介護老人的多人居室中，老人活動不便，臥床休息時間較長，其窗臺高度不應過高，周燕珉教授在其著作《老年人住宅》中提出窗臺高度為0.5～0.6m 較為合適[2]，因此將介護老人的多人居室窗臺高度定為0.5m。

我國養老建筑相關規范中并未對窗地比有明確的規定，只是在《老年養護院建設標準（JB 144—2010）》中提過老年養護院老年人用房應保證良好的通風采光條件，窗地比不應低于1:6，并應保證足夠的日照時間。由于老年人對照度要求較年輕人較高，結合相關文獻及資料將本次研究的居室窗地面積比定為1:4[3]，因居室中獨立衛生間等服務空間具有一定的封閉性，所以在進行居室窗地比的計算時，只將除去衛生間外的主要生活區面積47.28m3代入計算，為方便計算窗口面積取值12m2，以此對窗口尺寸進行限定。在窗口遮陽方面，通過調研發現，濟南地區養老建筑的外遮陽方式多為水平遮陽板或簡易遮陽篷，因此本次研究選擇使用率較高的水平遮陽方式。表1 是本次優化研究的設計變量及其變化范圍。

表1 優化設計變量

2.2 優化目標

本次研究主要針對室內光環境的優化，那么需要對光環境評價指標進行選擇。主要有兩種：靜態評價指標和動態評價指標。靜態評價指標用來描述建筑單一時刻的采光環境，一般采用CIE標準全陰天模型或CIE 晴天天空模型，具有一定局限性。而動態評價指標的計算采用了Perez 全天候天空亮度模型，能夠更加綜合的計算全年各種天空條件下直射光、漫射光和地面反射光對室內光環境的影響[4]，更符合真實的采光情況。所以本次研究從動態評價指標中選取室內光環境的優化評價指標，選擇LEEDv4和北美照明工程協會所使用的光性能評價指標sDA 和ASE。

（1）空間全自然采光百分比sDA（Spatial Daylight Autonomy）。2013 年，美國照明工程協會提出空間全自然采光百分比sDA 指標，用來表述全年范圍內，DA 值超過某一給定值（一般取50%）的計算點占所有計算點的百分比。

（2）全年光暴露量ASE（Annual Light Exposure）。全年光暴露量ASE 表示接受過多太陽直射的工作面面積百分比，1000Lx 以上的光照，且全年時長大于250h 被認為是受到了太陽直射過多，會增加眩光發生的概率[5]。

2.3 優化模型

2.3.1 窗口參數化模型

首先在Rhino 中建立居室幾何模型，通過Grasshopper 在居室模型南向墻面所在平面建立矩形（Rectangle）作為窗口，然后通過引入新變量，范圍在103～133，并乘以0.05，得到在5.15～6.65m范圍內以步長0.05m 變化的變量b（窗口寬度）。將上述建立的矩形窗口通過電池DeconstructBrep 進行分解，并提取其窗口上沿線，通過電池Extrude 擠出面作為遮陽板。最后，同變量b 的方法，得到在0.5～1.2m 范圍內以步長0.1m 變化的變量l（遮陽板寬度），見圖3。

2.3.1 性能模擬模型

進行光環境模擬前，需要確定模擬分析面的范圍，選取室內老年人主要生活區域為分析面，見圖4。

圖3 窗口參數化模型

圖4 光環境分析范圍

本次研究選擇了Rhino 平臺下DIVA for Rhino 插件中的Annual Daylight 電池進行光環境模擬，在運算之前需要居室模型拾取到Annual Daylight 中，此處需要借助Scene Object 電池進行居室各個圍護結構屬性和材質的賦予。連接好居室模型和分析面后，最后點擊Location 進行濟南地區氣象數據的選擇，見圖5。

圖5 光環境模擬模型

2.3.2 多目標優化模型

本次優化目標為使空間全自然采光百分比sDA 值盡可能大，而全年光暴露量ASE 值盡可能小。因優化平臺Octopus 默認計算最小值，因此在得出sDA 的數值后應在將結果賦予一個負值，隨后再連入Octopus 中。

Octopus 包含多種收斂機制和優化算法，本次研究選用的是HypE Redcution 收斂機制和HypE Mutation 優化算法，運行前需要對優化參數進行了解和設置。Elitism（精英比率）：表示直接復制到下一代的染色體數目，一般取默認值0.5。Mutation Rate（變異率）：較小的數值意味著參數值只會發生較小幅的變化，而較大的變異率意味著變化的幅度較大。Mut. Probability（變異概率）：指每一個基因或者參數根據變異率會發生變異的概率，設置得過大，會導致最優解的丟失且運算時間過長，設置過小則會過早收斂，出現局部最優的狀況，一般取值為0.0001～0.1[6]。Crossover Rate（交叉率）：表示兩個隨后生成的解交換彼此參數值的概率，一般保持默認值0.8。Population Size（種群規模）：表示每一代參與進化的種群數量。Max Generations（最大世代）：即Octopus 將會在世代數達到所設數值時停止計算，默認值為0，表示計算不會停止，直到手動停止。綜合上述內容以及計算機的運行時間，Octopus 相關參數設置見表2。

表2 Octopus 相關參數

3 結果分析

當世代達到20 代時，優化計算自動停止，得到優化解的分布圖（見圖6），其中當進行到10 代左右，解的分布已經趨于穩定。通過20 代的計算，空間全自然采光百分比sDA 值的變化范圍為4.4%～24.9%，全年光暴露量ASE 值的變化范圍為33.1%～49.8%。由于上文提到的在連接sDA 值時給計算結果賦予了一個負值，圖6 中坐標原點對應的就是sDA 最大值、ASE 最小值，因此越靠近原點的解其優化效果越好。圖中顏色越淺的表示越早的解，顏色最深的代表帕累托前沿解，它們的連線稱為帕累托前沿線。

圖6 優化解分布

將圖6 中的帕累托前沿解進行整理，A 區的解具有較高的sDA 值，但其ASE 值也較高，眩光可能性較大；C 區的解具有較低的ASE 值，但其sDA 值也較低；B 區的解所代表的光環境性能則表現相對平衡一些，將B 區帕累托解進行整理得到表3。

表3 優化解目標值與變量值

4 結語

隨著優化迭代次數和種群數量的增加，其優化結果會隨之更加理想，優化計算所得帕累托前沿解，可以作為基于光舒適度考慮的建筑窗口優化的設計依據。當然在實際的工程項目應用中，性能指標的設計不單只有光環境一項，在后續設計中可以結合熱環境、風環境等因素進一步篩選，提供多個可以選擇的方案。