优化封闭空间中的照明环境和任务流程:一种多模态数据驱动的框架,以提高人类表现和幸福感

《BUILDING AND ENVIRONMENT》:Optimizing lighting environments and task sequences in confined spaces: A multimodal data-driven framework for enhanced human performance and well-being

【字体: 时间:2026年02月14日 来源:BUILDING AND ENVIRONMENT 7.6

编辑推荐:

  多模态数据驱动方法研究封闭空间中照明参数与任务序列协同优化对人员情绪、警觉性和绩效的影响,揭示4500K/600lx与递减任务序列组合最佳,为极端环境照明设计提供理论依据。

  
Linfeng Fei|Mengru Xue|Qilong Pang
中国浙江大学宁波全球创新中心

摘要

在空间站、潜艇和地下设施等封闭建筑环境中,优化照明条件对居住者的健康、警觉性和操作效率至关重要。然而,照明参数和任务组织对人类表现的协同效应尚未得到充分理解。本研究提出了一个多模态数据驱动框架,系统地探讨了照明环境和任务序列如何影响封闭空间中的生理反应、情绪状态和工作表现。24名参与者在两种难度序列(逐渐增加和逐渐减少)下,分别暴露于六种照明条件(300/600 lx × 3000/4500/6000 K)中。我们收集了包括面部表情、生理信号、主观评估和行为表现指标在内的同步多模态数据。开发了一种改进的深度学习架构以实现准确的面部情绪识别,同时利用机器学习分类器分析生理特征以预测警觉性、舒适度、情绪价值和任务动机。TOPSIS方法结合混合效应模型确定了最佳的照明和任务排序策略。结果表明,与300 lx相比,600 lx的照度显著增强了积极情绪和警觉性,尽管视觉舒适度有所下降。4500 K的相关色温同时优化了情绪和任务表现。值得注意的是,4500 K/600 lx的配置结合逐渐增加的任务难度,产生了更好的整体表现。这项研究为极端建筑环境中的照明优化提供了基于证据的设计指南,对传统建筑物的室内环境质量管理也有广泛的意义。该框架展示了先进评估方法如何支持封闭空间的基于表现的设计标准。

引言

封闭空间是指相对封闭、狭窄且受限的环境,与外部环境有一定程度的隔离,自然通风不足,只能容纳有限数量的人员进行操作活动。在现代社会,由于需要执行复杂任务,人们在空间站[1]、潜艇[2]和地下矿井[3]等封闭空间中的活动日益增多。然而,长时间暴露在这些环境中会对人员的生理和心理健康产生不利影响,而照明是影响这些效应的关键环境因素。研究表明,照明显著影响个体的情绪状态和任务表现[4]。从生理学角度来看,不适当的照明条件会导致视觉系统问题,包括视觉疲劳和视力受损[5],以及昼夜节律紊乱,从而导致睡眠质量差[6]、身体疲劳增加和内分泌失衡[7]。从心理学角度来看,与外部环境的有限互动会引发负面情绪[8],而缺乏自然光和外部刺激会损害认知能力并造成进一步的心理压力。
大量研究表明,各种光照环境因素,包括照度和色温,对主观感知、情绪、警觉性和认知表现有显著影响[[9], [10], [11], [12], [13], [14], [15]]。一些研究表明,较高的相关色温(CCT)水平(如6000 K和6500 K)可以引发更积极的情绪反应[9,10]。相反,其他研究认为高CCT(例如6500 K)可能会增加负面情绪[12,14],关于色温的情绪效应存在一些争议。关于色温对表现的影响,一项研究调查了美国海军潜艇上的24小时照明周期,发现高CCT(13,500 K)下的船员表现得分明显低于标准CCT(4100 K)[2]。在照度方面,发现高照度(1000 lx)比低照度条件(100 lx)更有效降低负面情绪[12]。此外,在6500 K的色温下,强光(1200 lx)比弱光(200 lx)更有利于维持积极情绪[16]。通常,较高的照度水平与更强烈的情绪相关,而较低的照度水平则倾向于营造一种更柔和、更平静的氛围,有利于情绪感知[17]。在封闭空间中执行的任务通常要求人员保持持续的注意力并适应重复性操作。先前的研究已经确定了各种可能对操作员情绪和表现产生不利影响的心理和人际挑战[18],包括高任务压力和重复性任务及环境的性质[19]。同时,实施合理的任务序列已被证明可以提高人员任务能力,有证据表明科学结构化的任务序列可以指导学习者逐步提高与任务相关的技能[[20], [21], [22]]。
在当前对光照环境与任务序列优化之间协同作用的研究中,主要依赖于主观测量方法,如Karolinska嗜睡量表(KSS)和正面与负面情感量表(PANAS)[23],以及心率、皮肤电导和脑电图信号等生理指标[24]。这些方法评估了光照环境对个人主观感知、情绪状态和警觉性的影响;然而,它们无法准确分类特定类型的情绪。此外,之前的照明研究主要集中在单独的照度水平或色温上,而关于任务序列的研究仅限于环境条件静态的教育场景[20,21,25]。相比之下,本研究明确将认知任务序列作为照明优化框架中的实验因素。这种整合产生了新的实证见解,超越了简单的叠加,其关键重要性由三个因素强调:(a) 封闭空间中的操作涉及在整个工作班次中不断变化的动态认知需求[26,27];(b) 在低认知负荷下提高表现的光照条件在任务难度激增时可能产生不利影响[28,29];(c) 在潜艇、空间站和紧急矿井等极端环境中,任务效率受多种因素影响,实际的照明设计指南必须考虑任务调度的现实[30]。因此,必须在这些环境中最大化处理不同难度任务的效率,并合理安排序列以提高任务准确性并减少因调度管理不善造成的关键错误。与以往的工作不同,我们提供了第一个实证证据,表明照明和任务调度必须协同优化,而不是独立设计;封闭空间中的工作效率依赖于环境和认知压力的协调管理。同时,情感计算领域的人工智能算法的最新进展促进了通过特征提取[24]、数据融合[31]和情绪分类[32]等技术对多模态数据的分析;然而,这些方法在照明研究设计中的应用仍然有限。因此,本研究提出了一个多模态数据驱动框架,并将其作为实验案例研究,以验证深度融合多维生理和行为特征以支持封闭空间中光照环境和任务序列动态协同优化的可行性和有效性。
本文的主要贡献总结如下:
1. 本研究提出了一个多模态数据驱动框架,用于照明和任务序列的协同优化,并通过实验案例研究进行了验证。与以往依赖于静态主观评级的封闭空间研究不同,我们的框架整合了深度学习和机器学习架构,以增强细粒度面部特征的识别能力。这使得能够更精确地识别居住者的情绪状态和生理特征,从而为评估封闭环境中人员状态提供了一种高保真度的方法模型。
2. 本研究提供了第一个实证证据,表明照明和任务序列必须协同优化,而不是独立设计,揭示了环境和认知压力之间的相互作用并非简单的叠加。虽然现有的照明研究主要关注照度或色温等孤立因素,但本研究明确将认知任务序列作为实验变量纳入其中。这种方法填补了封闭空间照明优化和任务调度领域的一个关键空白,表明封闭环境中的工作效率取决于环境和认知压力的协调管理。
3. 通过将TOPSIS方法与混合效应模型相结合,本研究阐明了照明条件、任务序列、警觉性、情绪反应和任务表现之间的交互机制,为有限空间中环境和认知压力的协同管理建立了定量基础。该分析不仅量化了照明和任务组织对行为结果的联合影响,还区分了主观状态与环境因素的相对贡献,从而为封闭空间中的人体工程学干预提供了更理论化的科学依据。总体而言,这些发现为封闭空间中照明和任务序列的协同优化提供了坚实的实证基础。该研究为深海探索、地下设施、太空任务和其他受控室内环境的管理提供了实用的设计建议。

章节片段

封闭空间中的光照对情绪和表现的影响

在封闭空间的照明设计中,必须考虑光的视觉和非视觉效应。视觉效应主要涉及视觉舒适度、眩光和亮度分布等方面,而非视觉效应则影响由于光照暴露而产生的生理和行为功能,包括睡眠、警觉性、情绪和认知表现[33]。影响视觉和非视觉效应的关键照明参数包括颜色

多模态框架概述

为了解决单一模态评估在捕捉环境、生理和表现之间复杂相互作用方面的局限性,我们采用了一个全面的多模态数据驱动框架,系统地探索了照明参数和任务序列对封闭建筑环境中人类反应的协同效应。具体来说,面部表情分析捕捉了参与者的明确情绪表达,补充了解码这些表达的机器学习模型

面部表情结果分析

在检测模型训练期间,从WIDER FACE数据集中选择了12,876张面部图像用于训练[53]。此外,分类模型使用Fer2013数据集作为YOLOv8-CR模型的训练集,该数据集包含26,190张48 × 48像素的灰度图像[54]。训练过程在PyTorch框架内进行,使用了Ultralytics库,并利用了NVIDIA GeForce RTX 4060 GPU的计算能力。

讨论

本研究通过构建一个集成的多模态数据驱动框架,深入探讨了光照环境参数和任务序列对封闭空间中人类因素人体工程学的影响,该框架结合了深度学习架构YOLOv8-CR和机器学习优化。实验设计包括不同的色温、照度和任务序列组合,以及参与者的面部表情、生理数据、量表数据和任务行为数据

结论

本研究采用多模态数据分析方法,全面研究了光照环境参数(色温和照度)以及任务序列对封闭空间中个体心理和生理状态的全面影响。研究结果不仅为优化光照环境设计奠定了科学基础,还为提升个体的情绪、警觉性和任务表现提供了重要的实证证据

资助

本研究由中国xxxxx大学资助(资助编号:xxxxxxxxx)。

作者声明

所有参与者在参与研究之前都被告知了研究的目的、过程、潜在风险和益处。

数据可用性声明

数据将按请求提供。本研究的完整模型代码将在GitHub上开源,以支持结果的可重复性。

CRediT作者贡献声明

Linfeng Fei:撰写 – 原始草稿、可视化、监督、软件、资源、项目管理、方法论、调查、正式分析、数据管理、概念化。Mengru Xue:撰写 – 审稿与编辑、项目管理、方法论、资金获取、概念化。Qilong Pang:调查。
相关新闻
生物通微信公众号
微信
新浪微博

知名企业招聘

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号