State-of-the-art review of occupant behavior modeling and implementation in building performance simulation
Notice bibliographique
Résumé
Occupant Behavior (OB) is one of the major drivers of building energy consumption. However, OB is usually oversimplified in Building Performance Simulation (BPS), resulting in a significant performance gap between actual and simulated building energy use. Thus, understanding the true nature of OB and its accurate representation within BPS is crucial. Despite the existence of many review articles that focus on several aspects of OB, the vast majority of reviews are centered on a specific aspect of OB modeling, scattering the main findings among various studies. The literature still lacks a comprehensive review that compiles and analyzes the recent studies on each stage of OB such as data collection and analysis, modeling, integration of OB models into BPS, validation, and presentation of the data in a suitable format. To this end, the present review summarizes, compiles, and analyzes the recent literature on every aspect of OB in BPS, and presents an up-to-date evaluation of the multiple facets of OB modeling in BPS. It aims to present the development and implementation steps of the OB model within BPS tools. A general outline characterizing the recommended workflow for modeling OB in BPS is described. A brief categorization of data collection methods used in OB modeling is presented. Common quantitative OB modeling approaches in BPS i.e., Stochastic, Statistical, Data mining, and Agent-based methods, are elucidated. The main applications, advantages, and limitations of each model are discussed. The available literature on the influence of different OB patterns and occupants’ interaction with building systems, such as cooling, lighting, shading, and appliances, on building energy performance is evaluated. In brief, this study provides an up-to-date review of OB in BPS, offering valuable insights to both academic researchers and industrial professionals to aid them in choosing and adopting correct strategies to accurately model OB and incorporate it into available BPS tools.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».