夏季办公楼较高温度设定值对办公室工作人员认知负荷和热舒适的影响

■  这是“神经工程管理”第9篇推送

■  内容来源：余明奇

■  校       对：邢孟林

■  审       核：郭晓彤

■  本期编辑：董博

■  仅用于学术交流，原文版权归原作者和原发刊所有

发表时间：2017年

发表期刊：《Building and Environment》

研究作者：Fan Zhang, Shamila Haddad, Bahareh Nakisa, Mohammad Naim Rastgoo, Christhina Candido, Dian Tjondronegoro, Richard de Dear.

本文是针对论文《夏季办公楼较高温度设定值对办公室工作人员认知负荷和热舒适的影响》（The effects of higher temperature setpoints during summer on office workers’ cognitive load and thermal comfort）的一篇论文解析，该论文于2017年发表于《Building and Environment》。

关键词：较高温度设定值；空调；认知负荷；热舒适

澳大利亚典型的商业租赁协议规定，夏季21-24℃是建筑物必须满足的热条件，尽管这似乎过冷，进而导致过度的能源消耗、气体排放和财务费用。然而，这种做法仍得到支持，例如一种支持的观点认为超出这个温度范围，办公室工作人员的生产率和热舒适性将打折扣。不过，越来越多更严格的研究报告表明，在中等较高的室内温度下，生产率水平是没有变化的。

Indoor Environmental Quality(IEQ)是一种研究物理环境对认知表现影响的指标，此前该指标被用于研究大学生需求响应事件表现（发现热环境对认知表现影响遵循拓展U型关系 如图1）。此外，对于不同难度的任务，温度对认知表现的影响不同，这表现在简单任务比复杂任务更不易受温度的影响。但目前尚不清楚任务难度如何在物理环境与认知表现之间起调节作用。

图1 温度与表现之间的扩展U型模型

目的：调查具有实际较高温度设定值的办公环境是否仍然具有良好的认知效率和舒适性，并探讨不同难度的任务是否会受到较暖温度的不同影响。

方法：认知能力测试分数、NASA-TLX、EEG和HR三种不同方法评估认知负荷。

研究问题：

1夏季的实际高温设定值是否会影响办公室工作人员的认知表现？

2这三种方法是否揭示了被试认知负荷的相似结果？

3更高的温度对认知负荷的影响是如何受到不同任务难度水平调节的？

4更高的温度是否会显著降低办公室工作人员的热舒适性？

图2 悉尼大学IEQ实验室平面图及室内实验装置

实验地点：悉尼大学IEQ实验室；时间：3小时；被试分组：2到4人一组。

被试首先要经过一段室内温度适应期，在此期间，他们被告知整个实验过程，并接受认知表现测试培训。

实验过程如图3所示（两次适应期、两次实验、一次休息）。其中，每次实验适应期结束时，研究人员帮助被试戴上脑电头盔，监控大脑活动。实验一温度设定22℃（澳大利亚商业建筑中常见的温度设定值），实验二温度设定在25℃。

图3 实验流程示意

01认知能力测试

一种是采用剑桥脑科学测试（CBS测试）来测量被试在四种不同认知技能中的认知能力：记忆力-数字广度测试、注意力-特征提取测试、推理力-语言推理测试和规划力-空间规划测试；另一种是通过同步听觉序列加法测试(PASAT)来测试认知能力。

本研究中，使用改良的计算机化的PASAT作为办公室内的一项工作任务，记录执行该任务时的脑力负荷与EEG，PASAT本身的得分不做记录。该方法的具体操作如下：通过在计算机上可视化显示一系列一位数的数字来实现的。被试被要求参加三个水平的PASAT，任务难度水平随着数字呈现速度的变化而变化。PASAT1，2和3分别以每3s、2s和1.5s出现一次。

02 NASA-TLX（美国国家航空航天局任务负荷量表）

本研究采用3个最相关的NASA-TLX子量表：脑力需求、努力程度和受挫程度，如图4所示；为了计算和报告的方便，采用7分量表。然后通过取这三个分量表的平均分数来计算调整后的NASA-TLX总分。

图4 本研究中使用的NASA-TLX

03脑电图和心率监测

本研究使用Emotiv Insight移动脑电图头盔来实时监控被试的大脑活动模式，通过分析大脑活动的时间、频谱和空间模式来确定认知负荷大小。该头盔安装了五个通道传感器——根据国际Jasper 10–20方法确定的AF3、AF4、T7、T8、Pz，以及位于左侧乳突的两个参考传感器（起参照系作用）。五通道脑电波的最低电压分辨率为0.51微伏，最低有效位和频率响应为0–43赫兹。每个通道的数据采样频率固定为每秒128个样本。为获得心率数据，由血液容积脉搏波传感器(PPG)组成的E4腕带被用于监测被试的血容量脉搏(BVP[推导心血管特征——心率和心率变异性(HRV)])。因Emotiv Insight头盔和E4腕带数量有限，研究者记录了19名被试的脑电图和心率数据，选择并分析了来自12个被试的高质量脑电图和心率数据。

热舒适问卷在每次实验的开始和结束时被询问。其中热感觉、感知空气质量和空气运动偏好问卷采用7分制(数值范围为-3至3)，热可接受性问卷采用二元制(0，1)

图5 本研究中采用的热舒适和空气质量问卷

01统计分析

测量数据先用Shapiro-Wilk法进行正态检验，正态数据采用配对样本t检验，非正态数据采用相关样本Wilcoxon符号秩和检验。采用相关样本McNemar检验两种条件下二元热可接受度的差异。显著性水平设为p<0.05。采用重复测量方差分析的方法，分析被试在不同任务难度水平下在不同实验条件下的NASA-TLX。

02脑电和心率信号分析

分析采用基于机器学习的分析方法，通过MATLAB软件实现。这一步分析了在两种温度条件下，被试在进行三种不同难度的PASAT测试时的生理反应。

整个过程包括：预处理、特征提取和机器学习。

预处理过程：将带通滤波器应用于五个脑电信号通道数据的每一个，以获得对应于频带0–30Hz。在滤除伪迹和噪声之后，从信号中提取时频特征。采用离散小波变换(DWT)将信号分解到不同的频带，同时保留信号的时间信息。

特征提取过程：先将每个脑电信号分割成50%重叠的1秒窗口。然后，利用db4函数对每个窗口进行小波变换，将信号分解为对应不同脑波类型的四个频带，然后从每个频带中提取能量。应用统计测量(即所有窗口的平均值)来获得每个频带的平均能量特征。总共为每个受试者生成了20个脑电图特征；对心率数据进行了同样的处理，但只提取了两个统计特征(平均值和标准差)。

最后，将22个特征(20脑电+2心率)融合并输入到机器学习模型中。

01实验期间的温度和湿度条件

在实验过程中，第一次实验的平均温度约为22℃，第二次实验的平均温度约为25℃，每五分钟测量一次空气温度和相对湿度。用热敏电阻(±0.2℃精度)在0.6米的高度测量气温，用1.7米高的壁挂式湿度传感器监控室内的空气湿度。

图6 实验期间的空气温度和相对湿度条件

02认知负荷的评估

1）剑桥脑科学测试

（表1）两种温度条件下，四个测试分数没有显著差异；四个测试在25℃条件下的得分均高于22℃条件下。当然，这也可能是学习效应的结果，因为被试均在经历22℃的实验后再参与25℃的实验。

表1 22℃条件和25℃条件下认知能力测试的配对样本t检验

（图7）两种温度条件下，可能的学习效果并没有显著影响被试的分数。

图7 22℃条件和25℃条件下剑桥脑科学测试结果的比较

2）NASA任务负荷量表

PASAT2和PASAT3通常比CBS测试和PASAT1给被试带来更高的认知负荷。

图8（上）、9（下）脑力需求、努力程度、受挫程度和NASA-TLX总表的CBS tests，PASAT1，2和3测试

温度之间的比较如表2所示。对于CBS测试，被试在22℃和25℃条件下的脑力需求、努力程度、受挫程度以及NASA-TLX总体没有显著差异。

表2相关样本威氏符号秩和检验和配对样本t检验结果的脑力需求，努力程度，受挫程度和整体NASA-TLX在22℃条件和25℃条件下的剑桥脑科学测试

重复测量方差分析结果显示，忽略不同的实验条件，被试的总体NASA-TLX在各种任务难度之间有显著差异(p<0.001)；忽略不同的任务难度水平，被试的脑力负荷在不同温度之间也有显著差异(p<0.001)。随着任务难度的增加，被试的脑力负荷也明显增加。

图10 任务难度和实验条件对NASA-TLX的主效应

任务难度和实验条件对被试的脑力负荷也有显著的交互作用(p < 0.05)。表明实验条件对被试的NASA-TLX有不同的影响，这取决于任务的难度。

图11两条线不平行，表明交互作用的影响。

图11 任务难度和实验条件对NASA-TLX的交互影响

3）评估认知负荷的脑电图和心率信号

根据机器学习原理，如果不同(低、中、高)水平的认知负荷能够被可靠地区分和分类，就可将脑电图和心率数据作为认知负荷的可靠指标。使用10倍交叉验证将多层感知器(MLP)分类器应用于提取的特征，以生成对过度拟合和随机结果鲁棒性的通用模型。使用多层感知器分类器对三个难度等级的分类结果显示在混淆矩阵中(表3)，结果表明使用EEG和HR信号的多层感知器分类器可以对低，中和高认知负荷进行分类，准确性为90％。这些结果证实脑电和心率信号可以可靠地用于分类认知负荷水平。

表3三个难度等级(低、中、高)的脑电和心率特征混淆矩阵

采用相同的逻辑，如果脑电和心率信号可以通过不同的温度条件可靠地区分，那么被试的认知负荷受温度的影响。这里研究者采用了一种简单的k均值聚类方法，试图将脑电和心率数据分成两类温度条件。聚类结果以混淆矩阵的形式显示在（表4）中，表明在25℃条件下的脑电图和心率信号与22℃条件下的太相似，以至于不能可靠地分类。研究结合脑电和心率信号，分类精度更高(表5)。

表4 两种温度条件（22、25℃）的脑电图和心率特征的混淆矩阵

表5基于脑电信号、心率信号和脑电与心率信号组合的三种机器学习模型的分类精度

03热舒适投票

下图显示了热感觉投票(TSV)的统计分布。

图12 两种温度条件下的热感觉分布

采用两种不同的方法来确定被试在调查时所处热环境的可接受程度。

第一种方法是通过热可接受性问卷。其中被试被问及他们感觉当前的热环境如何。

图13 22℃条件下的热可接受性(左)和25 ℃条件下的热可接受性(右)

第二种方法是基于被试对热感觉等级的三个中心类别(即稍冷、中性和稍暖)的投票百分比。

表6 22 ℃条件的热可接受性和热感觉投票的交叉列表

表7 25℃条件下热可接受性和热感觉投票的交叉列表

01较高温度设定值对办公室工作人员认知负荷的影响

CBS测试与NASA-TLX的结果一致，即被试的认知能力测试分数在22℃条件和25℃条件之间没有显著差异。虽然这两个结果可能被学习效应所混淆(学习效应和温度效应可能相互抵消)，但脑电和心率的测量有助于确认认知表现不受温度的影响。该结果也证实了先前在较高温度下的实验研究，居住者的认知表现在一系列温度下相对稳定。

NASA-TLX显示的认知负荷显著降低更可能是学习效果的结果，而不是物理环境的变化。任务难度和实验条件之间的显著交互作用也可能源于学习效果的降低或不利环境效果的增加，或两者的结合。

脑电图和心率结果显示，随着任务难度的增加，自我认知负荷显著增加，与NASA-TLX的结果一致。采用PASAT开始前休息期间的单独基线值来减轻学习效应对脑电图和心率测量的影响。这样，两个实验间的学习效应可以消除，而不同水平的PASAT之间的学习效应可保留。但一般来说，在22℃条件和25℃条件下的脑电图和心率信号的比较(表4所示)揭示了几乎纯粹的温度效应，因为沿着PASAT 1、2和3的学习效应在不同的温度条件下没有太大差异。因此，CBS测试不太可能受温度的显著影响；NASA任务负荷指数量表(图10，右)在任务难度最高时自我感知的认知负荷减少，这应该是源于学习效应。

图10 任务难度和实验条件对NASA-TLX的主要影响

02较高温度设定值对办公室工作人员热舒适的影响

结果（表8），被试在22°C时的热感觉，空气流动偏好明显低于25°C时(p<0.01)。尽管如此，被试对热环境的可接受性水平没有受到影响(p=0.688)，这一点也被相关样本麦克尼马尔测试所证实。

表8 22℃条件和25℃条件下热舒适和空气质量问卷的配对样本t检验

总之，本研究中采用三种认知负荷评估方法能消除混杂变量并得出更有力的结论：办公室工作人员的认知负荷不受22℃至25℃的适度温度上升的影响。

热舒适和空气质量问卷表明，3℃的实际温度上升不太可能显著损害办公室工作人员的热舒适性。本研究的结果对澳大利亚商业建筑中通常采用的严格的热舒适标准提出了挑战，澳大利亚的租赁市场显然需要“绿色转型”，为“绿色租赁”让路，这将促进和支持商业地产以更环保的方式使用。

NASA-TLX表明认知负荷随任务难度增加而显著增加；25°C时的认知负荷比22°C显著降低，最有可能是由于学习效应

2、CBS test、NASA-TLX以及EEG和HR信号的结果表明温度对办公室工作人员的认知负荷没有影响

3、办公室工作人员对热环境的可接受性没有显著变化

4、在澳大利亚办公建筑中，较高的实际夏季温度设定值仍然可以创造出一个认知上高效的工作环境，并且不会严重损害办公人员的热舒适性

测试了两种温度下的认知负荷和热舒适性

采用认知能力测试、NASA-TLX、EEG和HR测量认知负荷

结果表明被试的脑力负荷和热舒适性不受温度的显著影响

参考文献：

[1] Zhang F, Haddad S, Nakisa B, et al. The effects of higher temperature setpoints during summer on office workers’ cognitive load and thermal comfort[J]. Building and Environment, 2017, 123:176–188.