本发明属于智能建筑，涉及室内空调温度调控，特别涉及一种基于博弈模型的多人环境下空调温度智能化设定方法。
背景技术：
1、人员代谢率、体质和能源意识等方面因素会产生热偏好差异，导致室内人员受环境刺激的生理需求和心理需求存在偏差，对空调温度调节意愿也不一致。对于多人空间，群体由于生理和心理需求差异而产生不同空调调节需求，即产生了基于空调温度调节的分歧。然而，个体无法独立于群体而单独存在，即使存在分歧，但终会产生一个平衡的决策策略，平衡的达成不仅基于人员自身生理和心理需求，还需要考虑不同策略对他人生理和心理需求的影响。
2、有鉴于此，本发明提供一种基于博弈模型的多人环境下空调温度智能化设定方法。
技术实现思路
1、本发明的目的在于克服现有技术的不足，提供一种基于博弈模型的多人环境下空调温度智能化设定方法，引入演化博弈思想，追求群体效益最大化，将基于动态热环境的生理、心理和社交需求融合，以群体需求融合指标最小化为驱动，求解空调调节最优策略。
2、本发明解决其技术问题是通过以下技术方案实现的：
3、一种基于博弈模型的多人环境下空调温度智能化设定方法，所述方法的步骤为：
4、s1、基于不同环境工况下的人员热偏好投票结果，将人员热偏好的类别分为喜热型r、适中型q和喜冷型p，通过人员生理监测获得盛理监测结果，包括心率变化率δhr、心率变异性指标lf/hf、皮肤温度mst及脑电信号eegi；
5、s2、采用xgboost算法将δhr、lf/hf、mst和eegi四个分项特征生理信号作为输入变量，建立相应的目标函数，构建不同偏好人员集成生理信号预测模型，得到不同偏好人员集成生理信号预测值ips，所述集成生理信号预测值ips的计算公式为：
6、
7、式中，ips表示集成生理信号预测值；xi表示样本参数的输入项；n表示决策树的数量；ψ表示由所有决策树组成的函数空间；
8、以中性状态下的集成生理信号作为目标值，在空调温度的调节过程中以尽可能使实时集成生理信号接近目标值来表示人员生理需求的降低，建立基于热偏好的单类人员生理需求预测模型uphy,a；
9、s3、基于s1中的生理监测结果，提取人员脑电信号，经过预处理后计算出人员的认知负荷cla，所述人员的认知负荷cla计算公式如式(2)所示，
10、
11、式中，cla表示a偏好人员在t时刻所处温度下的认知负荷；和分别表示a偏好人员在θ频段f3通道下、θ频段f4通道下、α频段p3通道下和α频段p8通道下处于静息状态的脑电特征值相对功率；uf3,uf4,uf7和uf8表示不同认知状态下的脑电特征值相比于静息状态的修正系数；
12、基于所获得的人员的认知负荷cla，以人员在中性环境中的认知负荷为基准值，在空调温度的调节过程中以尽可能使实时认知负荷接近目标值来表示人员心理需求的降低，建立基于热偏好的单类人员心理需求预测模型upsy,a；
13、s4、室内人员相互影响会产生一定的社交需求，通过判断温度调节行为意向靠近或是偏离他人期望温度，建立基于热偏好的单类人员社交需求预测模型，如式(3)、(4)所示，
14、
15、式中，uapp,a表示a偏好人员受到群体影响所产生的正向需求，即靠近他人期望；upun,a表示a偏好人员受到群体影响所产生的负向需求，即偏离他人期望；εapp,a和εpun,a表示社交需求系数；μi表示群体空间中i偏好人员所占比例；uapp,i,a和upun,i,a分别表示a偏好人员受到i偏好人员的影响所产生的正向和负向需求；
16、s5、集成s2～s4所获得的需求预测模型，通过基于最小二乘法的静态权重估计和基于粒子滤波方法的动态权重更新估计内在需求权重比例构建人员期望效益模型，得到空调温度调节意向，所述人员期望效益模型如式(5)所示，
17、
18、式中，u表示人员期望效益，分别表示生理需求、心理需求以及社交需求对人员期望效益的权重占比；ui＝[uphy,upsy,uapp,upun]t，表示分项需求；
19、s6、基于s5的人员期望效益模型，以具有不同热偏好的各类人员群体为博弈主体，构建各方主体策略选择的效益函数，计算平均期望效益；
20、s7、进行群体空调温度调节博弈，博弈过程分为两个阶段，第一阶段以各类偏好人员基于当前环境温度分别以调高温度和不调高温度作为行为策略，构建博弈模型复制动态方程，根据博弈模型复制动态方程不断迭代来求解演化博弈均衡解，若均衡解为(1，1，1)，即r、q和p类人员的博弈结果为调高温度，结束博弈；若所均衡解为(0，0，0)，即r、q和p类人员的博弈结果不调高温度，进行博弈第二阶段；
21、以保持温度不变和降低温度分别作为行为策略，重新再构建博弈模型复制动态方程，不断迭代求解演化博弈均衡解，若均衡解为(-1，-1，-1)，即r、q和p类人员的博弈结果为调低温度，若均衡解为(0，0，0)，即r、q和p类人员的博弈结果为保持温度不变，由博弈结果来判断空调温度调节方向，从而实现室内温度的最佳控制。
22、而且，所述s2基于热偏好的单类人员生理需求预测模型uphy,a构建基于损失函数，如式(6)～(8)所示，
23、
24、
25、式中，uphy,a表示热环境变化引发的a偏好人员相对生理需求；表示热环境变化引发的a偏好人员实时生理需求；表示热环境变化引发的a偏好人员的最大可能生理需求；γa表示外部结构的比例常数；ipsa(tt+1)表示a偏好人员在t+1时刻调节后热环境下的集成生理信号；ipsa(texp)表示a偏好人员在中性状态下的集成生理信号；和分别表示a偏好人员舒适域的上下限，℃。
26、而且，所述s3基于热偏好的单类人员心理需求预测模型upsy,a构建基于太古奇损失函数，如式(9)～(11)所示，
27、
28、式中，upsy,a表示热环境变化引发的a偏好人员相对心理需求；表示热环境变化引发的a偏好人员实时心理需求；表示热环境变化引发的a偏好人员的最大可能心理需求；表示外部结构的比例常数；cla(tt+1)表示a偏好人员在t+1时刻调节后热环境下的认知负荷；cla(texp)表示a偏好人员在中性状态下的认知负荷。
29、而且，所述s4基于热偏好的单类人员社交需求预测模型构建基于反馈机制，如式(12)、(13)所示，
30、
31、式中，uapp,i,a和upun,i,a分别表示a偏好人员受到i偏好人员的影响所产生的正向和负向需求；和分别表示i偏好人员基于热环境调节意向的正向生理需求因子和正向心理需求因子；和分别表示i偏好人员基于热环境调节意向的负向生理需求因子和负向心理需求惩罚因子。
32、而且，所述s6构建各方主体策略选择的效益函数，如式(14)所示，
33、
34、式中，ua,i为参与者a选择策略i时的期望效益值；ua,i,j,k表示参与者a选择第i个策略，同时其他参与者b和c选择第j,k策略时，参与者a的期望效益；yb,j，zc,k分别表示参与者b和c选择某一策略的概率值；
35、各方主体策略选择的平均期望效益如式(15)所示，
36、
37、式中，为参与者a的平均期望效益；xa,i为参与者a选择策略i时的概率。。
38、而且，所述s7的博弈模型复制动态方程如式(16)所示，
39、
40、式中，xa,i为参与者a选择策略i时的概率；ua,i表示为参与者a选择策略i时的期望效益；为参与者a的平均期望效益。
41、本发明的优点和有益效果为：
42、1、本发明通过融合不同热偏好的人员的生理需求、心理需求和社交需求，构建人员内在需求融合模型，更准确的预测不同热偏好的人员的空调温度调节意向。
43、2、本发明针对多人环境下存在温度调节矛盾的问题，引入演化博弈思想，构建了基于人员内在需求融合的博弈模型，追求群体效益最大化。
44、3、本发明以群体效益最大化为目标，同时最大程度平衡群体内在需求，保证了室温稳定性。
1.一种基于博弈模型的多人环境下空调温度智能化设定方法，其特征在于：所述方法的步骤为：
2.根据权利要求1所述基于博弈模型的多人环境下空调温度智能化设定方法，其特征在于：所述s2基于热偏好的单类人员生理需求预测模型uphy，a构建基于损失函数，如式(6)～(8)所示，
3.根据权利要求1所述基于博弈模型的多人环境下空调温度智能化设定方法，其特征在于：所述s3基于热偏好的单类人员心理需求预测模型upsy，a构建基于太古奇损失函数，如式(9)～(11)所示，
4.根据权利要求1所述的基于博弈模型的多人环境下空调温度智能化设定方法，其特征在于：所述s4基于热偏好的单类人员社交需求预测模型构建基于反馈机制，如式(12)、(13)所示，
5.根据权利要求1所述基于博弈模型的多人环境下空调温度智能化设定方法，其特征在于：所述s6构建各方主体策略选择的效益函数，如式(14)所示，
6.根据权利要求1所述基于博弈模型的多人环境下空调温度智能化设定方法，其特征在于：所述s7的博弈模型复制动态方程如式(16)所示，
