博客文章 - Tigerkin

[TigerkinLBT]采光系数 Daylight Factor

快速生成符合国标/欧标的采光系数分布图，评估自然光渗透能力。应用场景：地下空间、中庭或进深较大的住宅单元设计 […]

自动识别全年可能出现视觉不适眩光的时间与位置。应用场景：在大面宽住宅或高窗办公空间方案中，提前识别眩光高风险

高效计算房间的DA（满足照度阈值的时间比例）与空间sDA（达标面积比例），符合LEED、WELL等绿色认证标准

生成建筑表面全年太阳辐射热力图，识别过热风险区域。应用场景：优化住宅阳台、屋顶花园或设备平台布局，避免高辐射

智能判断遮阳构件在全年中“遮阳有益” vs “遮阳有害”（冬季阻挡有益得热）的时间比例。应用场景：在夏热冬冷

快速对场地内建筑体块的日照时长进行分析

以下是Ladybug Tools与机器学习（深度学习）结合的应用场景、方法流程和具体案例。一、核心思想与

1.基本概念在绿色建筑性能分析中，Daylight Factor（日光系数，简称 DF）是一个经典的、静态

眩光自主性（Glare Autonomy, GA）的定义：眩光自主性（GA）是指在特定时间段内（通常是一年

在绿色建筑评估体系（如LEED）和建筑采光性能模拟中，DA 和 sDA 是两个关键的采光照度评价指标，用于衡量