该论文由我院姚佳伟副教授（通讯作者）指导，作为2021年同济大学大学生创新创业项目的教学成果，由我院本科生张星曌（第一作者）及跨学科团队共同完成。他们提出了一种基于机器学习的华东地区工人新村的室外环境评估方法，该方法可以根据工人新村的几何形态和气候条件预测行人水平风和通用热气候指数。文中比较了7种机器学习算法，以建立工人新村建筑形态与室外环境之间的非线性关系模型。该方法相较于数值模拟，提高了大型工人新村的室外风环境和热舒适的评估效率。相关成果于2022年刊发于Building and Environment，期刊位于JCR Q1分区、中科院一区top期刊，影响因子7.4。
题目：《利用机器学习评估华东地区工人新村的室外环境》
摘要：中国东部的工人新村代表了政府在20世纪50年代至80年代为解决住房短缺问题而建造的安置住房的典型形式。近年来，随着城市更新趋势的发展，优化老旧社区的风环境和热舒适成为了重点。本文收集了150个工人新村的几何形态数据，并利用经过验证的仿真软件计算了工人新村的行人水平风和通用热气候指数（UTCI）。比较了七种机器学习（ML）算法，以建立工人新村建筑形态与室外环境之间的非线性关系模型。集成模型，特别是Adaboost模型，在预测静风比和UTCI时表现最佳，R²分别为0.89和0.99。训练好的模型被用于估计中国东部1118个工人新村的室外环境。结果显示，大多数工人新村的静风比超过0.7。江苏的工人新村在夏季承受更严重的极端高温，而浙江的工人新村在冬季和夏季的静风比更高。相较于数值模拟，使用ML可以更快速地估计大型工人新村的室外风环境和热舒适，从而为城市更新提供更有针对性的指导。