[論文レビュー] Comfort-as-a-Service: Designing a User-Oriented Thermal Comfort Artifact for Office Buildings

Svenja Laing, Niklas Kühl|arXiv (Cornell University)|Mar 27, 2020

Building Energy and Comfort Optimization被引用数 6

ひとこと要約

本論文は、IoTデータとリアルタイムのユーザーフィードバックを活用して、オフィス環境における熱的快適性を個人に合わせてカスタマイズする『快適性サービス（Comfort-as-a-Service）』を提案する。デザインサイエンスの手法と、平均R²が41.5%の機械学習モデルを用いることで、既存の建物システムを変更せずに、従業員が座席や服装の選択を最適化し、快適性と生産性を向上させることができる。

ABSTRACT

Most people spend up to 90 % of their time indoors. However, literature in the field of facility management and related disciplines mostly focus on energy and cost saving aspects of buildings. Especially in the area of commercial buildings, only few articles take a user-centric perspective and none of them considers the subjectivity of thermal comfort. This work addresses this research gap and aims to optimize individual environmental comfort in open office environments, taking advantage of changes in modern office infrastructure and considering actual user feedback without interfering with existing systems. Based on a Design Science Research approach, we first perform a user experience testing in an exemplary corporate office building. Furthermore, we build a mechanism to gather user feedback on environmental comfort. Based on this, we build a machine learning model including different IoT data sources (e.g. building data and weather data) with an average coefficient of determination of 41.5%. Using these insights, we are able to suggest current individual comfort zones within the building and help employees to make better informed decisions on where to sit or what to wear, to feel comfortable and work productively. Therefore, we contribute to the body of knowledge by proposing a user-centric design within a cross-disciplinary context on the basis of analytical processes.

研究の動機と目的

• 商業ビルにおける個々の熱的快適性に関して、ユーザー中心の取り組みが不足しているという問題に取り組むこと。
• コストやエネルギー効率の改善にとどまらず、住環境の快適性という主観的な熱的快適性に焦点を当てることで、エネルギー効率と居住者の健康のギャップを埋めること。
• 既存の建物システムを変更せず、リアルタイムのフィードバックと環境データを統合する非侵襲的でユーザー指向のアーティファクトを開発すること。
• 人間とコンピュータのインタラクション、機械学習、建物システムを統合したクロスディシプリナリーな設計フレームワークを提供し、職場体験の向上に寄与すること。

提案手法

• 実際の企業オフィス環境でユーザー体験のテストを実施し、熱的快適性の好みに関するベースラインの知見を収集した。
• 既存の建物システムに影響を与えることなく、リアルタイムのユーザー入力を環境快適性について収集するフィードバックメカニズムを開発した。
• 建物自動化データや屋外天気データを含む、複数のIoTデータソースを統合し、快適性モデリングのプロセスを豊かにした。
• これらのデータストリームを用いて機械学習モデルを構築し、個々の快適ゾーンを予測した。その平均決定係数（R²）は41.5%を達成した。
• 予測された快適度に基づいて最適な座席や服装の選択を推奨する意思決定支援システムを設計した。
• デザインサイエンス研究手法を用い、実際のオフィス環境において反復的かつ検証可能な形でアーティファクトを構築した。

実験結果

リサーチクエスチョン

• RQ1 既存の建物管理システムに干渉せずに、オープンプランオフィス環境における熱的快適性をどのようにパーソナライズできるか。
• RQ2 リアルタイムのユーザーフィードバックは、個々の熱的快適性予測モデルの精度をどのように向上させるか。
• RQ3 建物のIoTデータと天気情報源の統合は、居住者の快適性予測をどの程度向上できるか。
• RQ4 非侵襲的かつスケーラブルな方法で、ユーザー指向のアーティファクトをどのように設計し、個人の快適性意思決定を支援できるか。
• RQ5 混合データソースを用いた機械学習モデルは、オフィス環境における個々の快適ゾーンを特定する可能性をどの程度持っているか。

主な発見

• 機械学習モデルは、IoTデータとユーザーのフィードバックデータを統合して個々の熱的快適性を予測する際、平均決定係数（R²）が41.5%を達成した。
• ユーザーのフィードバックは、従来のエネルギー中心のモデルがしばしば無視する熱的快適性の主観性を捉える能力を、モデルの性能向上に顕著に寄与した。
• システムはオフィス環境内での個々の快適ゾーンを正常に同定し、座席や服装の選択に関するパーソナライズドな推奨を可能にした。
• アーティファクトは非侵襲的設計であり、インfraストラクチャの変更を要せず、既存の建物システムと併用して動作した。
• リアルタイムのユーザー入力と環境データの統合により、動的で文脈に即した快適性の推奨が可能となり、生産性の向上を支援した。
• 本研究は、商業ビルにおけるユーザー中心のデータドリブンな熱的快適性の実現可能性を示し、革新的なクロスディシプリナリーなフレームワークを貢献した。