用于热带城市社区热舒适和建筑能源评估的代理人工智能框架

为了应对新加坡的城市热岛效应和建筑能源需求，本研究提出了一种基于人工智能的代理推理框架，将 大语言模型 (LLM) 与轻量级基于物理的模型相结合。通过快速定制，LLM解读城市设计任务，提取相关政策，并激活适当的基于物理的模型进行评估，形成闭环推理-行动过程。这些基于物理的轻量级模型利用核心热学和气流原理，简化传统模型以减少计算时间，同时预测微气候变量，例如建筑表面温度、地面辐射热和气流条件，从而能够估计热舒适指数，例如生理等效温度 (PET) 和建筑能源使用情况。该框架允许用户探索各种适应气候变化的建筑表面策略，例如绿色外墙和冷漆应用，以提高热舒适度，同时减少墙壁得热和能源需求。通过将LLM的自主推理能力与轻量级物理模型的快速定量评估相结合，该系统展示了可持续城市设计、室内外环境一体化和气候适应规划等跨学科应用的潜力。本研究中使用的源代码和数据可在以下网址获取：https://github.com/PgUpDn/urban-cooling-agent。