前面の空気取り入れ口は都市バスの自然換気を改善する可能性がある

Mar 18, 2023

Scientific Reports volume 12、記事番号: 21256 (2022) この記事を引用

786 アクセス

1 引用

16 オルトメトリック

メトリクスの詳細

このレポートでは、都市バスモデルの開いた窓を横切る空気の流れ (自然換気) と、その結果として乗客エリアに放出されるエアロゾルの拡散を分析します。この方法には、数値流体力学シミュレーションと、パッシブトレーサーの分散を特徴付けるための 3 つの方法 (連続濃度ベースのモデル、離散ランダムモデル、およびいわゆる空気の平均年齢に基づくパラメトリックスカラー) が含まれます。また、換気特性を評価するために、1:10 スケールのバスモデルとパッシブトレーサーとして \(\text{CO}_{2}\) を使用した実験も実施しました。私たちは、横窓を備えた標準的なバス設計では、エアロゾルの分散と排出が負圧によって引き起こされることを発見しました。また、空気の流れにより前方 (運転席エリア) へのエアロゾルの蓄積が促進され、空気の平均寿命は 6 分です。エアロゾルの排出を加速し、車内でのエアロゾルの蓄積を減らすために、前面に空気取り入れ口を備えたバス車体のプロトタイプを提案します。この研究で実施されたすべての数値モデルと実験は、この新しい構成ではエアロゾルの排出が大幅に増加し、空気の平均寿命が 50 秒に短縮されることに同意しました。平均空気流量は、前面の空気取り入れ口の存在によっても変化し、その結果、エアロゾルの排出は前面の速度場によって駆動されるようになります。

新型コロナウイルス感染症のパンデミックにより、世界中のさまざまな研究グループが空気中の汚染物質の調査を強化するようになりました。明確な結論を出すには、より厳密で管理された実験を待つ必要がある 1,2 が、証拠と研究事例の増加により、ウイルスの伝播中のビリオンを含む液滴の伝播および滞留時間における空気の流れの重要性が強調されています。パンデミック3、4、5、6、特に密閉された場所、混雑した場所、または換気が不十分な場所など、安全性がほとんどない場所1、7（公共交通機関での感染事例については参考文献3、8を参照、エアロゾル感染実験については参考文献9も参照）動物モデルを使用)。したがって、頻繁な換気12、マスクの着用、物理的距離の確保などの他の安全対策の定期的な実施と併せて、可能であれば屋外に移動するか屋外での活動を好むことが一般的に呼びかけられています10、11。このレポートの目的は、一般的なガイドラインを提供し、都市バス内で放出されるエアロゾルの換気と排出率を向上させるための新しい設計を提案することです。特に、これらのガイドラインは、私たちが最近経験したような緊急事態に役立ちます。

都市バス内の乱流と、そのような流れによって誘発される浮遊種の伝播に関する研究は、数値流体力学シミュレーション (CFD) を使用して、いくつかの研究グループによってすでに実施されています。最初のグループの論文では、空調システムによって生成されるバス内の乱流を考慮した論文が見つかります8、13、14、15。この状況では、空気の入口と排気の位置と、混合物に追加される再循環空気の量または新鮮な空気の量を設計変数として考慮して、さまざまな換気モードをテストし、内部で放出されるエアロゾルの排出を改善することができます。一方、2番目の一連の研究では、多くのラテンアメリカ、アジア、その他の地域で発生する、バスの開いた窓から流れる外気、または空調システムのないバスの犠牲によって形成される車内の乱流をシミュレートしました。アフリカ諸国。これらの論文8、16、17、18、19は、本報告書の主な背景と一致しています。まず第一に、これらの研究の大部分は、一見しただけでは明らかではない都市バス内の特徴的な流れを明らかにしています。私たちが予想していることに反して、バスが一定の数の開いた窓を持ち、一定の速度で移動しているとき、外気は後部の窓から入り、前部に向かって移動し、平均してエアロゾルを後ろから前に押し出すか一掃します。この直観に反する流れは、前方のウィンドウの圧力が後方の値に比べて低く、この圧力駆動の流れが発生するために発生します。これらの研究から得られたもう 1 つの重要な観察結果は、当然のことながら、バスの窓が開いていると室内粒子の除去が加速されるという事実です 8。特に、Li らは 16、開いた窓のさまざまな配置によって生成される汚染物質の流れ特性と抵抗を研究しました。重要なのは、すでに述べたように、バスの中央にある窓とともに運転席の窓を開けると、空気を後方から前方に輸送する観察可能な「ポンピング効果」が生じる可能性があると研究者らは指摘した。 Li の論文や他の著作 16、20、21 は、バスの外部で生成される汚染物質 (エンジンの排気ガスなど) の輸送に主に焦点を当てており、これらの汚染物質はその後バスの内部に浸透する可能性があり、また生成されるバス内部の温度分布にも焦点を当てています。流れ場とその温熱快適性レベルへの影響による17,19。 Zhang ら 8 だけが、バス内で放出および輸送されるエアロゾルの問題を明確に検討しましたが、屋外への排出は追跡しませんでした (密閉されたバス内の飛沫の拡散に関する Mesgarpour 22 の研究も参照してください)。したがって、外部の流れと内部の流れを同時に解決することにより、都市バスの開いた窓全体で発生するエアロゾルの輸送と排出に関する新しい研究を行う必要があります。

換気の質や屋内空間からの汚染物質の除去は、他の状況でも計算によって研究されていることに言及することが重要です。関連する例には、航空機の客室内の流れの特性と浮遊種の動き 23、24、高速列車の客室内の流れ 25、自動車内の流れ 26 が含まれます (これらの著者は、前述のバックツーフロントポンピング効果にも気づきました)。会議室 27、一般的な換気された部屋 28、スーパーマーケット 29 またはレストラン 30 内の流れとエアロゾル拡散、および建物や病院内の流れ (この主題に関する一般的なレビューについては参考文献 31 を参照)。 CFD シミュレーションは、いくつか例を挙げると、車内 32、自然換気の部屋 33、都市コミュニティ内の建物 34 内の空気の質とそれに関連する温熱快適性レベルを評価するのにも役立ちます。

図 1a と b は、このレポートで使用された数値モデルと実験モデルを示しています。

この研究で使用された数値モデル (a) と実験モデル (b) の画像 (詳細については、「方法」セクションを参照)。図 (c) は、空気が後ろから前に汲み上げられる横窓構成と、正面壁に吸気口が設置されて平均風量が変化する提案構成で観察される平均空気流方向のスキームを示しています。方向。数値モデル (a) では、座席は赤色で示され、開いている窓は青色で示されます。数値モデルと実験モデルは、乗客 (マネキン) の有無にかかわらずテストされました。

簡単に説明すると (詳細は「方法」セクションで参照できます)、この数値モデルは、代表速度 \(U=50 km/h) (13.9 メートル) で走行する実物大のバスに沿って同時に形成される内部および外部の空気の流れを解きます。 /s) と、開いているウィンドウの特定の分布があります。低速で何が起こるかの例は補足資料 S1 に示されています。乱流が得られると、3 つの異なるアプローチを使用して内部放出エアロゾルの換気の評価に進みました。最初のアプローチでは、乗客エリアの中心に位置する、幅 0.5 秒のガウスパルスによって放出される粒子 (濃度場) の連続的な「雲」の抗力と排出を分析します。呼吸（呼気）イベントのより現実的なシミュレーションを取得するために、エアロゾル放出の確率的性質を説明するために、一連のランダムパラメーター (粒子速度) を使用して、ラグランジュ粒子の統計的集合としてエアロゾルをモデル化しました。最後に、これらのオイラー表現とラグランジュ表現の換気特性は排出場所に依存するため、室内空気の再変化を視覚化するために、特定の流れ場のいわゆる平均空気年齢も計算しました。定義上、このパラメータは、特定のエミッタがエミッタの考えられる位置のコントロールボリュームから出るのがどのくらい難しいかを報告します。

バス内の換気特性を実験的に評価し、新しい空気取り入れ口の位置を探索できるようにする。つまり、開いた窓の新しい分布を探索するために、実験設定として、3D プリントされた乗客フィギュア (空のバスまたは満員バス) の有無にかかわらず、アクリル製の 1:10 スケールのバスモデルを使用しました (図 1b)。スケーリングパラメーターとして、空気がバスの全長を移動するのにかかる時間を維持することを選択しました。つまり \(t=L/U\) です。ここで、L は実際のバスの長さです (\(\sim 10m\) ) またはスケールモデルの長さ (1 m)、U は実際のバスの移動速度 (13.9 m/s) またはスケールバスの速度 (1.3 m/s) です。このスケーリングオプションはレイノルズ数を 100 分の 1 に減らしますが、それでも乱流状態 (\(2\times 10^{6}\) から \(2\times 10^{4}\) を維持することに注意してください。 ) 実験モデルでは)。レイノルズ数は、ここでは U とバスの幅を特性長として使用して定義されます。さらに、\(\text{CO}_{2}\) のパルスと市販のセンサーを使用して、開いた窓の特定の配置を考慮した実験モデルの換気特性を評価しました。

ここで、このレポートの主な仮説と動機についてコメントしたいと思います。両方とも図 1c に示されています。現在の商用バスの設計では、窓は車体の側壁に沿って配置されており、通常は両側に 4 ～ 5 個の引き違い窓が付いています。冒頭で述べたように、この横方向の配置は、攻撃壁で確立される圧力場が低いため、平均して内部の換気や粒子の後方から前方への掃き出しを促進します。私たちが検討したい新しい構成は、図 1c の右の図に示されています。これは、2 つの開いた窓または吸気口を前壁に配置し、後部の 2 つの横窓を開いたままにすることで構成されています。この構成により、平均換気方向 (前から後ろ) が変化するだけでなく、内部で放出されるエアロゾルの排出も増加すると仮説を立てています。これらの新しい空気取り入れ口は商用車には存在しませんが、現在のバスの設計では、運転席のフロントガラスとバスの屋根 (通常はバスのルートをアナウンスするために使用されます) の間の領域に利用可能なスペースがあることは言う価値があります。このスペースに、計算モデルと実験モデルの両方に 2 つの正面ウィンドウを配置します。

私たちは、窓が配置されている平面と一致する水平面上で 2D シミュレーションを実行することにより、さまざまな開いた窓の構成の影響を調査することから始めました。これらのシミュレーションは、数値的なグリッドサイズを最適化し、 \(\kappa -\varepsilon \) 乱流モデルをより厳密ではあるが要求の厳しい SST \(\kappa -\omega \) モデルと比較するのにも役立ちました (詳細については、こちらを参照してください) SST \(\kappa -\omega \) モデルの検証テスト、グリッドサイズの依存性研究、およびレイノルズ数依存性解析を含む、方法セクションおよび補足資料 S2、S3、S4 に記載されています。私たちが研究した開いているウィンドウのさまざまな分布を図 2 に示します。これらの命名法は次のとおりです。2 つの開いたウィンドウを 2W、4 つの開いたウィンドウを 4W、開いているすべてのウィンドウを AW、2 つの開いたウィンドウで構成される新しい提案された配置を FW とします。正面の壁に空気取り入れ口があり、背面に 2 つの横窓があります。さらに、これらの 2D シミュレーションでは、エアロゾルの濃度ベースのモデルを使用し、排出源をバスの中央 (図のアスタリスクでマーク) に選択しました。このプロットは、0.5 秒の放出パルス後の機内エアロゾルの総量を時間の関数として示し、対応する最大値またはピーク値で正規化されています (ガウステールは時間 \(t=0\) で始まります)。青い線は \(\kappa -\varepsilon \) モデルを使用した結果であり、黄色の線は SST \(\kappa -\omega \) モデルに対応します。

一目見ただけで、予想どおり、開いたウィンドウが 2 つから 4 つになるにつれて、エアロゾルの排出速度が増加していることがわかります (読者が分散特性を明確に把握できるように、付録にいくつかのムービーを含めています)。 2W 分配は、後部の窓が閉じられているため、後部から前部へのポンピング効果や空気循環の確立を促進しないにもかかわらず、エアロゾルの排出を可能にします。この場合、放出が開始されるまでの観測された遅延時間 \(\sim 10s\) は、空気流が解放されてから開いている窓の位置に到達するまでにかかる時間によるものです。一方、4W および AW 構成では、ポンピング効果の確立により内部電流が増加するため、排出速度の顕著な向上が見られます (補足資料 S4 には、このポンピングを示すためにいくつかの流体の流れマップが含まれています)効果）。したがって、空気の適切な循環と更新のためには、各側壁に少なくとも 2 つの窓 (前部に 2 つ、後部に 2 つ) を開いておくことが非常に重要です。簡単なコメントとして、2D シミュレーションは、すべてのウィンドウを開いた場合、または両側で 2 つのウィンドウを開くだけの場合、4 W 構成に関して目立った違いが生じないことを示唆していることに注意してください。最後に、FW 構成が排除率の点で最高のパフォーマンスを達成したことがわかります。これにより、自信を持って 3D シミュレーションとパイロットテストを続行できるようになりました。

2D シミュレーション: 時間の関数としてのバス内のエアロゾルの総量。対応する最大値で正規化されます。青い線は \(\kappa -\varepsilon \) モデルを使用した結果であり、黄色の線は SST \(\kappa -\omega \) モデルに対応します。さまざまな開いているウィンドウ構成の説明は、本文と右側のスキームで説明されています。エアロゾルの放出は、バスキャビンの中央で最初の 0.5 秒間で発生します。補足資料に含まれるムービーもご覧ください。 AW および 4W のケースで 6 秒付近で観察された局所的な増加は、バスの外側で形成された循環流によって促進されたエアロゾルの再突入を示しています。つまり、バスの正面側面の窓から出たエアロゾルの一部は、背面側面の窓から戻る可能性があります。

3Dシミュレーションでは、横方向の4Wと正面方向のFW構成をより詳細に分析しました。図 3 は、いくつかの 3D 流線 (黒い線) と代表的な圧力場マップ、および空いているバス内の 2 つの開いた窓の分布における空気の平均年齢を示しています。図 3a と図 3c から、窓レベルの圧力場はバスの外の両方の状況で同様ですが、車内の圧力符号は 4W の場合の負 (吸引効果) から正 (推力効果) に変化することが明らかです。）FW配置で。空気の流線もそれぞれの場合で異なる運命を持っています。4W 構成では、前方から来る流線が客室に入らずにバスの車体を迂回します。対照的に、FW の場合は、前面の入口からバスに乗り込み、バスの車内を移動し、後部の窓から出ます。

空気の平均年齢の対応する 3D 等高線プロットを図 3b と d に示します（バスキャビンの内側と外側の値を含む、空気の平均年齢の検証プロットは補足資料 S5 に示されています）。 4W の場合の空気年齢の平均値は 378 秒 (\(\sim 6\) 分) で、バスの主に前方ゾーンに位置する最大値は 7.8 分です。 FW 構成の場合、空気の平均寿命は 50 秒、最大で 69 秒です。すべての数値結果の中で、これはおそらく、4W の場合に見られる負圧駆動の流れと、推力効果を有する提案された FW 構成との間の最も顕著な違いです。さらに、空気の年齢は滞留時間の値、つまり乗客がバス内で過ごす時間と相補的であるため、一定の滞留時間では、FW 構成で旅行する方が常に安全であることに注意してください。エアロゾル蓄積に関しては標準 4W。

バス内で放出されるエアロゾルの拡散と排出のより現実的なシミュレーションを取得するために、このセクションでは、呼気イベントの確率性を捉えるランダムパラメーターを使用して、バックグラウンドの流れによって輸送される離散粒子の統計的集合を追跡した結果を示します。 (リリースプロトコルの詳細な説明については、メソッドを参照してください)。呼気イベントは、2 秒間に 100 個の粒子を放出し、時間の関数として粒子の軌道をたどることで構成されます。このイベントは、放出パラメーターをランダムに変更して 40 回反復され、合計 4000 個の粒子のアンサンブル母集団が得られます。放出部位は、濃度ベースのモデルで選択されたものと同じでした。

呼気イベントの例を図 4a に示します。ここでは、放出後 6 秒で粒子パケットの位置がわかり、座席番号 6 で退場し、その後同じ粒子ですが、時間 46.5 秒での粒子パケットの位置がわかります (一部の粒子がどのように開始するかを見てください)後部の窓からバスから降ります）。図 4b と図 4c は、4W 構成と FW 構成のバス内の粒子数を時間の関数として示しています。灰色の線はアンサンブルの各レプリカを表し、赤色の線はアンサンブルの平均を表します。また、挿入図には、縦方向の距離に関してシミュレーションの最後の時点で粒子を見つける pdf(y) (確率密度関数) も含まれています (リリースサイトは y=5m またはシート \(\#6\) ））。重要なのは、粒子が固体表面に触れると常に固定化されるように、粒子に粘着条件 (表面で \(u_{p}=0\) ) を課したということです。実際には、ウイルス粒子の付着力は表面の種類に応じて変化し 35、遷移層と粘性未満の流れ層で使用される壁の法則に依存するため、これは大まかな単純化です 36。

3D シミュレーション: 4W および FW 構成の圧力場、流線 (黒い線)、および空気の平均年齢 (ガイドとして挿入図も参照)。空気の流れの方向は矢印で示されます。内部を見やすくするために、バスの屋根は示されていません。

3D粒子追跡。 (a) 放出後 6 秒と 46.5 秒後の 100 個の粒子の位置の例。 (b) および (c): 各呼気イベント (灰色の線) およびアンサンブル平均 (赤色の線) の時間 (秒) の関数としてのバス内の粒子の数。メインプロットの青い垂直線は、4W および FW の場合に得られた空気値の最大経過時間を示します。挿入図はシミュレーションの最後の時点での粒子位置の pdf(y) を示し、アスタリスクは粒子が放出された位置を示します。

空のバス内で \(\text{CO}_{2}\) をパッシブトレーサーとして使用した換気実験。 \(\text{CO}_{2}\) 濃度は放出ピークの最大値で正規化されており、測定はバスの中央部分で行われました。エラーバーは、各条件で行われた 5 回の繰り返しに対して示されています。

\(\text{CO}_{2}\) をパッシブトレーサとして使用した、占有バス内の換気実験。 (a) – (c): \(\text{CO}_{2}\) 濃度は、車両の前方 (運転席エリア)、中央および後方エリアで測定された時間の関数として発光ピークの最大値で正規化されています。バスはそれぞれ 4W (青色の線) 構成と FW (オレンジ色の線) 構成用です。 (d): 各ケースの発光ピークで検出された絶対 \(\text{CO}_{2}\) 濃度。エラーバーは、各条件で行われた 5 回の繰り返しに対して示されています。

4W の場合 (図 4b) では、滞留時間の後、粒子が平均 2 粒子/分の速度で開いた窓を通って客室から出始めていることがわかります。一方、pdf(y) は、放出サイトの近くおよび前方で粒子を見つける確率が高いことを示しています。 FWの場合（図4c）、粒子の排出は異なります。これは、保持時間の後に排出速度\(\sim 28\)粒子/分が急速に増加しますが、その後減少して定常値に達するためです。対応する pdf(y) は、4W の場合と比較して定位確率がより狭く、バスの後方に向かって負荷がかかっていることを示しています。対応するメインプロットで観察されるプラトーは、早い時間にバスから出なかった粒子のほとんどが固体の内壁で捕捉されるという事実によるものであることに留意することが重要です。同じ意味で、4W の場合に観察された継続的な減少は、粒子の大部分が空気中に浮遊したままであることを示しています。要約すると、これらすべてのデータは、横型 4W の場合のエアロゾルの放出が遅く、連続的であり、放出が速く、定常状態に達し、粒子の沈降を促進する FW 構成よりも長時間空気中に浮遊するエアロゾルを維持することを示しています。

このセクションでは、空のバスと乗客でいっぱいのバスを考慮した \(\text{CO}_{2}\) の分散の実験結果を示します (図 1b および図 8a、b も参照)。「方法」で詳しく説明されているように、実験では、バスモデルの中央で放出された \(\text{CO}_{2}\) の 0.5 秒パルスを使用し、バスモデル内のさまざまなサイトでの濃度の変化を記録しました。バス。図 5 は、次の構成における空のバス内で解放された \(\text{CO}_{2}\) の時間変化を示しています: すべてのウィンドウが閉じている、(2W) 2 つの横ウィンドウが開いている、(4W) 4 つの横ウィンドウが開いている、および前横配置のFW。図 5 からわかるように、散逸率は予想どおり増加し、すべての窓が閉じているときに最低の排出率が得られます (\(\text{CO}_{2}\) はバスの壁の密閉されていない部分からゆっくりと逃げます)。、FW構成の最大のもの。図 6a ～図 6c は、特に 3 つの異なる位置にあり、バスが乗客でいっぱいの 4W および FW の場合の正規化された \(\text{CO}_{2}\) の量を示しています。 \(\text{CO}_{2}\) の減衰率または排出率は、すべての場合において FW 構成の方が高くなりますが、その違いは特にドライバーズゾーンで顕著です。図 6d は、3 つの位置と考慮された 2 つの構成についてリリース後に検出された \(\text{CO}_{2}\) の最大絶対値 (ppm) を示しています。 FW構成の場合は後方ですが、4Wの場合はドライバーとバスの中央部分で最大量が得られるという事実が際立っています。

本研究は、都市バス内で浮遊危険粒子、つまりエアロゾルが放出され、車内の蓄積を減らすために可能な限り短い時間（最大排出率）で排出する必要があるという緊急事態に着想を得たものである。新型コロナウイルス感染症によってもたらされた緊急事態の状況において、公共交通機関における換気の有効性に関する研究は、他の交通機関と比較して都市部のバスで感染のリスクが最も高いことが研究で示されているため、非常に重要である。

この報告書の重要なメッセージと提案は、バスの車体に前面開き窓を設置することで、吸気口がバスの側壁に沿って独占的に配置されている現在の設計と比較して、換気の品質を大幅に向上できるということです。我々は、実験と数値シミュレーションにより、ここで提案した正面 FW 構成がエアロゾルの排出速度を高め、放出後の浮遊粒子の最大量を減少させることを示しました。また、標準的な横窓構成と比較して、バス内に広がる粒子と空気の平均年齢を 1 桁減少させます。補足として、バスが 50 km/h で移動し、50 人が乗車している場合の FW 構成の総流量は、\(\sim 100 L/s/人\) の値をもたらします。この換気量は、新型コロナウイルス感染症による緊急事態下で英国の緊急科学諮問グループ (SAGE) が提案した推奨換気量 (1 人あたり 8 ～ 10 L/秒) を大幅に上回っています39。この推奨速度は、バスが 9km/h で移動する場合でも、FW 構成によって達成されます。

分析では、バスの総流体力学抵抗、バスモデルの特異性、乗客の快適性などのその他の考慮事項など、都市バスの設計において重要な他の変数は脇に置いています。いずれにせよ、私たちの観察は、エアロゾルの排出が関連要因となり、中低地で発生するような自然換気が利用可能な独自の換気モードである緊急事態に対する実用的な解決策を提案するため、設計者やエンジニアにとって有益です。 -所得国。一方、この研究は基本的なバスの車体構造の換気特性に焦点を当てていますが、バスの外側領域（さまざまな環境条件）と内部温度の間の温度差の考えられる影響を調査するには、さらなる研究を行う必要があります（乗客の熱放出）と、これらの温度差によって引き起こされるその後の熱プルーム40。注記として、FW ケースの平均内部速度は 0.8 m/s で、これは停滞状態でマネキンを使用して測定した熱プルームによって引き起こされる平均速度 (\(19.5 の 0.24 m/s) より 4 倍大きいです) ^{\circ }C\) 周囲空気中 41); ただし、これは 4W 構成で見られる平均速度と同じ桁であるため、温度差が大きい場合、流れ場に影響を与える可能性があります。これと並行して、実際の人間の上空で測定された熱プルームの速度を報告する最近の研究 42 があり、その速度は平均して、以前にマネキンを使用して測定された 0.24 m/s の値よりも小さい (0.07 m/s) ことを発見しました。したがって、温度差とその内部流れへの影響の問題については、30\(^\circ \)C 以下の温度とそれ以上の温度、または熱帯の間に位置する国々を代表する周囲条件を考慮した、まったく新しい専用の研究が必要であると考えています。

私たちは、原則として魅力的な選択肢となり、室内の換気を改善できる他の開いた窓の構成も検討しました。たとえば、運転席の窓をモデル化したジオメトリを構築しました (補足資料 S6 を参照)。この窓はヒンジを回転させて開き、外側の流れに対して「攻撃」(風上) の位置に向けることができます。驚くべきことに、2 セットのウィンドウのペアが開いているときに観察される、後方から前方へのポンピング効果に関しては、顕著な改善は観察されませんでした。都市バスも屋根に可動式ゲートを備えていますが、原則として、従来の横窓と比較して平均速度構造に目立った改善や変化はありません（この点に関する詳細は参考文献 18 を参照）。

検討する価値のあるもう 1 つの興味深い問題は、乗客が存在するだけで気流やエアロゾルの除去に影響を与える可能性があることです (エアロゾル濃度は乗客の数に応じて増加するという明白な事実のほかに)。提案された FW 構成でのこれらの効果を評価するために、対応するシミュレーションを繰り返しましたが、今度は乗客 (マネキン) の存在を考慮し、対応する新しい表面に滑り止め条件を適用しました。空気流通時代 \({\mathscr {A}}\) の結果を図 7 に示します。乗客の存在によって \({\mathscr {A} }\) ですが、同時に平均値の短縮を引き起こします。空のバスで観察された 50 秒 (最大 69 秒) と比較して、占有バスでは 32 秒 (最大 49 秒) です。予想外なことに、これは、乗客の存在によって排出率が増加するか、バス内の空気の滞留時間が減少することを意味します。乗客の存在により空気が占める体積は減少するため、これらの数値結果は、空気の内部体積分率の減少が、適用される滑り禁止境界条件によって引き起こされる阻害効果よりも、排出率の増加に大きな影響を与えることを示唆しています。乗客の表面（流体力学的効果）。乗客の存在に関連する排除率の増加は、マネキンがある場合とない場合の \(\text{CO}_{2}\) 量の変化を比較する実験によって裏付けられました。補足資料 S7 を参照してください。補足資料 S8 には、FW の場合の高解像度マネキンを使用した 2 番目のシミュレーションも含まれており、図 7 と同様の傾向が得られました (このシミュレーションは数値に達しなかったため、本文には含まれませんでした) \(10^{-3}\)) 未満の許容差。

マネキンを含む FW 構成で取得された空気の年齢 [s] コンター。上部の挿入図は、使用されたマネキンのフィギュアの詳細を示しています。

この研究で使用された乱流モデルに関連して、 \(\kappa -\varepsilon \) または SST \(\kappa -\omega \) モデルで得られたエアロゾルの全球放出速度の間に重要な違いは検出されませんでした。図 2. 補足資料 S4 に示されているように、流れ場は使用する乱流モデルに応じていくつかの違いを示します。また、これら 2 つのモデルで得られた排出速度の比較も含めましたが、拡散対流方程式に乱流混合項は含めていませんでした (方法セクションと S3 を参照)。この場合、排出速度の違いは非常に悪名高く、信頼できる結果を得るには支配的な物質輸送方程式に乱流混合を常に含める必要があるという事実が強調されます。補足資料 S4 には、レイノルズ数を 100 倍に変化させた 2D シミュレーションの結果も含まれています。乱流領域内での Re の変化は平均流れ場の構造を維持しますが、同じだけ減少することが示されています。係数、乱流動粘度などの乱流パラメータ。したがって、実際のサイズのバスでは流れの変動部分がより激しくなり、エアロゾルの拡散もより激しくなるという意味で、スケールバスモデルを使用してここで提示された実験結果は実際のシナリオを正確に反映していないことが予想されます。。これは、このレポートで提示される実験に概念的な制限を課します。

最後に、本報告書が都市バス内で発生する物理学と自然の流れの一般的な理解に貢献し、意思決定者が緊急時や危機的状況において室内換気を改善できる代替設計を選択するのに役立つことを願っています。現在の数値結果は、レイノルズ応力輸送モデルなどのより高度な RANS モデルの開始点としても使用できます。これは、いわゆる 2 層モデルで補完され、粒子の堆積予測を改善することが示されています 36,43。屋内で放出されるエアロゾルの乱流および輸送変動に関する詳細情報を提供できる渦シミュレーションまたは直接数値シミュレーション。

図 1 は、このレポートで使用された数値モデルと実験モデルを示しています。数値モデルでは、長さ (L) = 9.92 m、幅 (W) = 2.5 m、高さ (H) = 2.2 m の実際のサイズのバスを生成し、バスの内部床と床の間に 0.42 m の隙間を残しました。地上レベル。バスの固体壁と内部座席は厚さがゼロであると想定されているため、バスの車体は実際には 3D 数値領域に埋め込まれた 2D 数値メッシュです。数値バス全体は、サイズ \(8L\times 2L\times 2L\) の 3D 長方形ボックス内に配置されました (図 8c および d を参照)。バスは正面外壁 i の近くに配置されます (デカルト座標の原点は、バスの前壁、Y 軸はバスの長さ方向を向いています）。開いた窓は、バスの固体壁にある、滑り止め条件が適用されていない領域です。側面の窓のサイズは \(53\times 40\)cm で、正面の窓のサイズはそれぞれ \(90\times 20\)cm です。より細かい四面体メッシュが、バスの壁、車内、バス後壁のすぐ後ろのゾーンで生成されました。通常、乱流螺旋渦構造が形成され、より高い空間分解能が必要となります 44,45,46。合計 \(1.3\times 10^{6}\) と \(3\times 10^{6}\) の要素が、空いているバスと占有されているバスの 3D モデルで使用され、\(5.9\times 10^) 2D モデルの {4}\) (AW の場合を除き、すべてのシミュレーションは左右対称であると想定されているため、要素の数はドメイン全体の半分のみを反映しています)。

数値および実験のセットアップ。 (a) と (b) は、3D プリントされた乗客の人形、中央に位置する \(\text{CO}_{2}\) の給餌を含む、アクリル製のバスモデル (L = 1 m) を示しています。底壁、\(\text{CO}_{2}\) センサー (S) および風速計 (A)。窓の位置は、目を誘導するために破線でマークされています。 (c) は、空気が領域に入る入口壁 (i)、開いた境界とみなされる出口壁 (o) と上壁 (uw)、および底部を含む数値領域全体のパノラマビューを示しています。滑り止め条件が適用される壁 (bw)。メッシュの密度が高い領域はバスが位置する場所です。 (d) バスの車体 (灰色) と外壁 (青色) を示す数値領域のズーム。座席は赤いマークが付いています。

シミュレーションは風洞セットアップと同様に実行されました。つまり、バスは空間に固定されていますが、風は図 8c に示す \(U=50\, \text{km}/\text{h}\) の外壁 "i" を通って入ります。残りの外壁 "uw" と "o" は開いた境界 (応力のない状態) であると想定されますが、底壁 "bw" または地面レベルには滑りなしの条件が適用されます。マネキンがモデルに含まれている場合、滑りなし境界条件も対応するサーフェスに適用されます。外部レイノルズ数は、バス幅に基づいて \(Re\およそ 2\times 10^{6}\) でした。シミュレーションは COMSOL Multiphysics で実行されました。ソルバー構成の詳細については、補足資料 S2 を参照してください。

空気の流れは等温で非圧縮性であり、エアロゾルの存在下でも変化がないと仮定されます (希薄領域 13)。この場合、流体の流れを輸送方程式から切り離し、それらを 2 つの連続したステップで解くことができます。次に、最初に RANS モデルに従って平均定常速度 \({\overline{u}}_{j}\) と平均圧力 \({\overline{p}}\) を解きました。47,48

ここで、 \(\rho \) と \(\mu \) はそれぞれ中間密度と粘度であり、 \(\mu _{T}\) は \(\kappa -\varepsilon \ のいずれかで得られる乱流粘度です。 ) または SST \(\kappa -\omega \) 乱流モデル。 SST \(\kappa -\omega \) を使用して収束解を見つけようとするときは常に、最初の解を見つけるために \(\kappa -\varepsilon \) を使用し始めました。滑りのない壁上の \(\kappa -\varepsilon \) には標準壁関数を適用し、SST \(\kappa -\omega \) には Wolfshtein 壁モデル 49 を適用しました。一方、どちらのモデルも乱流の運動エネルギー \(\kappa \) を解く必要があるため、得られた入口壁 "i" に適用される \(\kappa \) の値をモデルに与えました (図 8c を参照)。風洞実験より45．補足資料では、SST \(\kappa -\omega \) モデルに対して行われた以前の検証テストに関する参考資料をさらに提供しました。

定常状態での平均流体流量を計算したら、次に 2 つの異なるアプローチを使用してエアロゾル輸送シミュレーションを進めました。最初のアプローチでは、エアロゾル雲の濃度ベースのアプローチ (連続定式化) を検討しました。ここで \({\overline{c}}\) は平均濃度場を表し、その支配方程式は次のように記述できます。

どこ

\({\mathscr {D}}\) は質量拡散係数、\({\mathscr {D}}_{T}\) は乱流拡散または乱流混合です。さらに、Sc は乱流シュミット数であり、その値は広範囲の Re 数に対してほぼ定数 \(\sim 0.7\) になります 50 が、代わりに流れ場の変数の観点から定義することもできます 51。時間 \(t=0\) から始まるエアロゾルの放出を考慮するために、式 (1) にソース項を含めました。 (3) \(S(x_{o},t)={\dot{q}}\;pulse(t)\;{\hat{c}}|_{node:x_{o} という形式になります}\)。ここで、pulse(t) は標準偏差 0.5 秒の滑らかなパルス関数、\({\hat{c}}\) は有限要素形式における濃度場の検定関数、\({\dot{q }}\) は、ノード \(x_{o}\) で発生する放射の強度です。研究例として、点光源を \(x_{o}=\{\pm 0.6,5,1.6+0.42[m]\}\) に配置します。エアロゾルは空気の流体力学特性を変化させないほど希釈されていると仮定しているため、実際には \({\dot{q}}\) は任意の値を取ることができます。したがって、パルスの最大値またはピークで正規化された \({\overline{c}}(x,t)\) の展開を表すことができます。具体的には、図 2 では、機内エアロゾルの総量 \({\mathscr {N}}(t)|_{in}\) を時間の関数として示し、時刻に現れる最大値で正規化しました。時間 \(t_{max}\)、つまり、

エアロゾル雲も、連続定式化の場合と同じサイト \(x_{o}\) で放出される一連のラグランジュ球形粒子を追跡することによって明示的にモデル化されました。このようにして、エアロゾル液滴の放出が明示的に記述され、関連するポイント強度を持つパルス放出を使用する必要がありません。一方、\(\sim 1\mu \text{m}\) 程度のサイズを持つ粒子の典型的な緩和時間は \(9\times 10^{-9}s\) 程度であることに注意してください。特徴的なストークス数は小さく、液滴は連続製剤と同様にバックグラウンドの流れに厳密に従う必要があります。ニュートン方程式は、次のように抗力 \(F_{d}\) を考慮して解かれます。

ここで、\(m_{p}\)、\(\rho _{p}\)、\(d_{p}\)、\(\vec {u}_{p}\) は質量、密度、直径です。 \({\overline{u}}_{i}\) は RANS モデルで得られた平均定常速度です。ここでは、通常の呼吸中に放出されるエアロゾル粒子の経路を追跡することに興味があります。したがって、Ref.52 で実験的に見つかった粒子分布を考慮しました。その粒子サイズ範囲は 0.7 ～ 5.5\(\mu {m}\) で、ピークは 1.5\(\mu {m}\) です (確率密度のみを考慮しました) \(10^{-2}\) より大きい場合、より小さな粒径部分は無視されます)。これらの粒子サイズの場合、浮力は無視できます (\(\rho _{p}=1000kg/m^{3}\)) だけでなく、特有の時間スケールが小さいため、蒸発ダイナミクスも無視できます 30。一方、これらの粒子サイズでは、クヌーセン数 \(Kn\sim 0.1\) がそれほど小さくないため、カニンガムの滑り補正 53 が次のように抗力に適用されます。

ただし、 \(C_{c}\) が含まれていない場合には大きな変化は検出されませんでした。抗力係数 \(C_{D}(Re_{r})\) は \(Re_{r}\sim 10^{6}\) まで有効な標準テーブルを使用して計算されましたが、シラー関数の場合でも結果は似ています。代わりに、Naumann54 の経験式が使用されます。ここで、相対レイノルズ数は \(Re_{r}=\rho |\vec {u}-\vec {u}_{p}|d_{p}/\mu \) と定義されます。呼気イベントをシミュレートするために、\(x_{o}\) で 2 秒の時間枠で 100 個の粒子を放出しました。この粒子は、\(47^{\circ }\) の円錐体 55 から出てくる単位ベクトルが均一に分布しています。バスの前壁。呼気中のエアロゾル分布のランダム性を考慮するために、呼気イベントを 40 回繰り返し、そのたびに 2 秒のウィンドウ内の各粒子の異なる送達時間と、乱数発生器の数を使用して異なる速度または速度の大きさを選択しました。呼気速度の範囲は 0 ～ 20m/s で、これが咳の特性速度の上限です 56。補足として、\(\sim \sqrt{k_{B}T}\) に比例する項で表されるブラウン運動を考慮しても、シミュレーションでは大きな違いは生じませんでした。最後に、粒子が滑りのない表面に接触するたびに、粒子に粘着条件が適用されます。つまり、粒子は停止します (\(u_{p}=0\))。

一般的な輸送方程式 (ラグランジュまたはオイラー) を使用すると、エアロゾルの抗力とその後の開いた窓からの排出を明確に見ることができますが、選択された各放出点は特定の位置に応じて異なる流体力学的抗力を受けるため、その応用は何らかの形で制限されます。 ; つまり、エアロゾルの滞留時間（または排出率）の完全なマップを取得し、換気の悪い領域を検出するには、かなりの数の異なる点源を調査する必要があります。したがって、バス内の換気の質をより一般的に把握するために、バスの外側と内側の領域のいわゆる平均空気年齢 \({\mathscr {A}}\)57 も計算しました。バス。 \({\mathscr {A}}\) の解釈は、次の用語で与えられます。ある時点 \(t=0\) で、入ってくる流れとともに移動する粒子の束をバスが受け取ると想像してください。壁「i」から（図8c）。次に、バス内またはバス外のどこかの場所で、観察者が粒子が通過する瞬間を検出します。スカラー場 \({\mathscr {A}}\) は、入口壁で粒子が放出されてから観察者がそのような粒子を検出するまでに経過した平均時間になります。正式には、 \({\mathscr {A}}\) のローカル値は次のように定義されます。

Li と Tilton、Sandberg と Spalding 57、58、59 によって示されているように、輸送方程式は次のようになります。 (3) は、(8) で与えられた定義に適合するように操作して、\({\mathscr {A}}\) の偏微分方程式を次の形式で取得できます。

Liu と Tilton がコメントしたように、Eq. 9 は、反応項に対応し 1 に等しい追加項を備えた、希釈種の定常輸送方程式と同じ形式をとります。この意味で、与えられた平均速度を使用して \({\mathscr {A}}\) を解くことができます。乱流モデルと通常の偏微分方程式に使用されるものと同じ数値ソルバーを使用します。補足資料には、 \({\mathscr {A}}\) の検証テストが含まれています。これは、出口壁 "o" での値 (図 8c を参照) が、空気は計算領域全体、つまり \(8L/U=79.3[m]/13.9[m/s]=5.7s\) を移動するのに費やされます。最後に、フィールド \({\mathscr {A}}\) については、入口 "i" にディリクレ条件 \({\mathscr {A}}=0\) を適用し、壁の残りの部分にはディリクレ条件 \({\mathscr {A}}=0\) を適用しました。固体の壁とコンセントには、ノイマン条件 \(\overrightarrow{n}\cdot \nabla {\mathscr {A}}=0\) を適用しました。

実験は、着席した人々の 3D プリントされたフィギュアを備えた、または備えていない都市バスのアクリル製 1:10 スケールモデルを使用して実行されました。図 1 と 2 を参照してください。 1b、8aおよびb。スケーリングパラメーターとして、空気流がバス全長を移動するのにかかる時間を固定することを選択しました。つまり、\(\sim 0.7s\) です。風速計 (A) を使用して、モデルの前面に配置された通常のファンによって提供される風速 \(\sim 1.3m/s\) を調整しました。 \(\text{CO}_{2}\) をパッシブトレーサーとして使用し、開いている窓の特定の分布を考慮した換気特性を推測しました (モデル内の窓は、アクリルの壁に開けられた単純な穴で、必要に応じて閉じられています)アセテートシート）。長さ 0.5 秒の \(\text{CO}_{2}\) のパルスが、バスの中央部分に配置された接続を通じてバス内に導入されました (図 8b を参照)。市販のワイヤレス \(\text{CO}_{2}\) センサー (S) とレコーダー (ST8310A、0 ～ 20,000 ppm) を中央部、背面、前面の位置に配置し、\(\text{CO時間 \(t=0\) で解放された後のモデル内の }_{2}\) の濃度。各条件で 5 回の繰り返しが行われ、連続する測定の間にモデルの上部キャップを取り外して、残りの \(\text{CO}_{2}\) を消散させました。最後のコメントとして、\(\text{CO}_{2}\) の放出と検出は実験的に実装するのが簡単で、バス内の換気特性の尺度を提供するものの、実験モデルと数値モデルは、各モデルに実装された異なる放出によって現れる可能性があります。一方には微粒子が、もう一方にはガスが含まれます。

この研究中に生成または分析されたすべてのデータは、この公開された論文 [および補足資料] に含まれています。

モラフスカ、L.ら。屋内での covid-19 の空気感染を最小限にするにはどうすればよいでしょうか? 環境。内部。 142、105832–7 (2020)。

記事 CAS Google Scholar

ルイス、D. コロナウイルスが空気感染することを示唆する証拠は増えていますが、健康上のアドバイスは追いついていません。自然 583、510–513。 https://doi.org/10.1038/d41586-020-02058-1 (2020)。

記事 ADS CAS Google Scholar

Tang, S. et al. Sars-cov-2 のエアロゾル感染? 証拠、予防、管理。環境。 Int 144、106039–10。 https://doi.org/10.1016/j.envint.2020.106039 (2020)。

記事 CAS Google Scholar

ミルトン、DK、フェビアン、MP、カウリング、BJ、グランサム、ML & マクデビット、JJ 人間の呼気中のインフルエンザウイルスエアロゾル: 粒子サイズ、培養可能性、およびサージカルマスクの効果。 PLOS 病原体 9、e1003205-8。 https://doi.org/10.1371/journal.ppat.1003205 (2013)。

記事 CAS Google Scholar

Stadnytskyi, V.、Bax, C.、Bax, A. & Anfinrud, P. 小さな音声飛沫の空中寿命と、sars-cov-2 感染におけるそれらの潜在的な重要性。 PNAS 117、11875–11877 (2020)。

記事 ADS CAS Google Scholar

Jayaweera, M.、Perera, H.、Gunawardana, B.、Manatunge, J. 飛沫とエアロゾルによる covid-19 ウイルスの伝播: 未解決の二分法に関する批判的レビュー。環境。解像度 118、109819–18 (2020)。

記事 Google Scholar

Somsen, G.、van Rijn, C.、Kooij, S.、Bem, R. & Bonn, D. 換気の悪い空間における小さな飛沫エアロゾルと sars-cov-2 の伝播。ランセットレスピア。医学。 8、658–659 (2020)。

記事 CAS Google Scholar

Zhang、Z.ら。都市バス内での呼気エアロゾルを介した病気の伝播。物理学。流体 33、015116–16 (2021)。

記事 ADS CAS Google Scholar

ポート、JR 他 in vivo での sars-cov-2 系統 a と比較して、b.1.1.7 の小粒子エアロゾル透過率が増加。ナット。微生物。https://doi.org/10.1038/s41564-021-01047-y (2022)。

記事 Google Scholar

Prather、KA et al. sars-cov-2 の空気感染。サイエンス 370、303–304 (2020)。

ADS Google Scholar

アブルハッサン、Y. & ジョージア州デイビスコロナウイルスのパンデミックの中での学齢期の児童の輸送に関する考慮事項。トランスペアレント解像度学際的。視点。 9、1002905 (2021)。

Google スカラー

Browne, A.、Ahmad, SS-O.、Beck, CR & Nguyen-Van-Tam, JS インフルエンザとコロナウイルスの伝播における交通機関と輸送ハブの役割: 系統的レビュー。 J.トラベルメッド。 23、1-7。 https://doi.org/10.1093/jtm/tav002 (2016)。

記事 Google Scholar

ヤン、Ｘら。バス内での病原体を含んだ呼気飛沫の感染。 J.ハザード・メーター。 397、122609–15。 https://doi.org/10.1016/j.jhazmat.2020.122609 (2020)。

記事 CAS Google Scholar

Zhu, S.、Srebric, J.、Spengler, JD & Demokritou, P. バスの微小環境におけるインフルエンザの空気感染を評価するための高度な数値モデル。環境を構築します。 47、67–75。 https://doi.org/10.1016/j.buildenv.2011.05.003 (2012)。

記事 Google Scholar

Zhu, S.、Philip, D. & Spengler, JD 公共交通機関のバス内の微環境条件の実験および数値調査。環境を構築します。 45、2077–2088 (2010)。

記事 Google Scholar

Li, F.、Lee, ES、Zhou, B.、Liu, J.、Zhu, Y. スクールバス内の微環境条件に対する窓の開口部の影響。アトモス。環境。 167、434–443。 https://doi.org/10.1016/j.atmosenv.2017.08.053 (2017)。

記事 ADS CAS Google Scholar

Kale, S.、Veeravalli, S.、Punekar, H.、Yelmule, M. 窓が開いたエアコンのないバスの中には空気が流れます。サーダナ 32、347 ～ 363。 https://doi.org/10.1007/s12046-007-0029-3 (2007)。

記事 Google Scholar

Xingjun, H.、Fengtao, R.、Bo, Y. & Peng, G. 交通バスの空力特性に対するサンルーフとサイドウィンドウの影響。応用メカ。メーター。 224、333–337。 https://doi.org/10.4028/www.scientific.net/AMM.224.333 (2012)。

記事 Google Scholar

Lin, B.、Wang, X.、Hu, X. cfd 数値シミュレーション手法に基づいた、夏季のバスへの自然換気の影響に関する研究。上級マット。解像度 361、1056–1060。 https://doi.org/10.4028/www.scientific.net/AMR.361-363.1056 (2012)。

記事 Google Scholar

Lee、ES、Fung、C.-C. & Zhu, Y. スクールバス内の粒子状汚染物質を削減するための高効率客室空気 (heca) 濾過システムの評価。環境。科学。テクノロジー。 49、3358–3365 (2015)。

記事 ADS CAS Google Scholar

Li, F.、Lee, ES、Liu, J.、Zhu, Y. CFD とマルチゾーン結合モデルを使用したスクールバス内の自己汚染の予測。アトモス。環境。 107、16–23 (2015)。

記事 ADS Google Scholar

Mesgarpour、M. et al. バス内で飛沫を運ぶコロナウイルスの蔓延を予測 - 計算ベースの人工知能アプローチ。 J.ハザード・メーター。 413、125358–18。 https://doi.org/10.1016/j.jhazmat.2021.125358 (2021)。

記事 CAS Google Scholar

Li, F.、Liu, J.、Ren, J.、Cao, X.、Zhu, Y. 航空機客室内のさまざまな渦構造下での空気中の汚染物質輸送の数値的調査。内部。 J. 熱物質移動 96、287–295。 https://doi.org/10.1016/j.ijheatmasstransfer.2016.01.004 (2016)。

記事 CAS Google Scholar

ジー、M.ら。航空機の客室内での咳輸送の数値流体力学モデリング。科学。議員 11(1)、1-10。 https://doi.org/10.1038/s41598-021-02663-8 (2021)。

記事 CAS Google Scholar

リー、N.ら。粒子群最適化と多重忠実度クリギングを使用した、高速列車の客室換気システム設計のための多目的最適化。環境を構築します。 155、161–174。 https://doi.org/10.1016/j.buildenv.2019.03.021 (2019)。

記事 Google Scholar

Mathai, V.、Das, A.、Bailey, JA & Breuer, K. 乗用車内の空気の流れと空気感染による感染症への影響。科学。上級 7、eabe0166-7。 https://doi.org/10.1126/sciadv.abe0166 (2021)。

記事 ADS CAS Google Scholar

Zhang, Y.、Feng, G.、Kang, Z.、Bi, Y.、Cai, Y. 会議室における咳による飛沫の数値シミュレーション。手順工学 205、302–308。 https://doi.org/10.1016/j.proeng.2017.09.981 (2017)。

記事 Google Scholar

Issakhov、A. et al。さまざまな呼吸および咳のプロセスにおける covid-19 の空気感染を防ぐためのソーシャルディスタンシングの数値評価。科学。議員11(1)、1-9。 https://doi.org/10.1038/s41598-021-88645-2 (2021)。

記事 CAS Google Scholar

Vuorinen, V. et al. 屋内での吸入による sars-cov-2 感染に関連した数値シミュレーションによるエアロゾル輸送とウイルス曝露のモデル化。サフ。科学。 130、104999。https://doi.org/10.1016/j.ssci.2020.104866 (2020)。

記事 Google Scholar

Liu, H.、He, S.、Shen, L.、Hong, J. レストランの空調に関連した covid-19 の発生に関するシミュレーションに基づく研究。物理学。液体 33、02330–181。 https://doi.org/10.1063/5.0040188 (2021)。

記事 CAS Google Scholar

Peng, S.、Chen, Q. & Liu, E. 病原体伝播の調査における数値流体力学ツールの役割: 予防と制御。科学。トータル環境。 746、142090–23。 https://doi.org/10.1016/j.scitotenv.2020.142090 (2020)。

記事 ADS CAS Google Scholar

カトゥーン S. & キム M.-H. 3 次元数値解析を使用した車室内の温熱快適性とファンガーの快適モデルとの比較。エネルギー 13、690–15。 https://doi.org/10.3390/en13030690 (2020)。

記事 Google Scholar

Raczkowski, A.、Suchorab, Z. & Brzyski, P. 自然換気された部屋の温熱快適性の数値流体力学シミュレーション。マテックWeb会議 252、04007–5。 https://doi.org/10.1051/matecconf/201925204007 (2019)。

記事 Google Scholar

Hu, Y. et al. 都市コミュニティ内の建物の換気と汚染物質の拡散に対する屋内外の温度差の影響。雰囲気13、27〜28。 https://doi.org/10.3390/atmos13010028 (2022)。

記事 ADS CAS Google Scholar

Guo, A.、Shieh, YC、Wang, RR ナノスコピック定量化によって決定された、ウイルスの付着に影響を与える材料表面の特徴。コロイドサーフ。 A 602、125109–10。 https://doi.org/10.1016/j.colsurfa.2020.125109 (2020)。

記事 CAS Google Scholar

Tian, L. & Ahmadi, G. 乱流ダクト流における粒子の堆積 - さまざまなモデル予測の比較。 J.エアロゾルサイエンス。 38、377–397。 https://doi.org/10.1016/j.jaerosci.2006.12.003 (2007)。

記事 ADS CAS Google Scholar

Sun, C. & Zhiqiang, Z. covid-19 感染予防における社会的距離と換気の有効性。持続する。都市協会 62、102390。https://doi.org/10.1016/j.scs.2020.102390 (2020)。

記事 Google Scholar

ポンテ、C.ら。接触者を追跡し、公共交通機関で感染した濃厚接触者からの covid-19 の感染を評価します。科学。議員 11、24443–11。 https://doi.org/10.1038/s41598-021-03998-y (2021)。

記事 ADS CAS Google Scholar

Tirachini, A. & Cats, O. 新型コロナウイルス感染症と公共交通機関: 現在の評価、見通し、研究のニーズ。 J. 公共交通機関 22、1–21。 https://doi.org/10.5038/2375-091.22.1.1 (2020)。

記事 Google Scholar

Yan, Y.、Li, X. & Tu, J. 旅客機の客室セクションにおける浮遊粒子の輸送および分布特性に対する乗客の熱プルームの影響。科学。テクノロジー。環境を構築しました。 22、153–163。 https://doi.org/10.1080/23744731.2015.1090254 (2016)。

記事 Google Scholar

Wang, C.、Liu, J.、Li, J. & Li, F. 飛行機のキャビンのモックアップにおける人間の熱プルームの混沌とした挙動。内部。 J. 熱質量輸送。 119、223–235。 https://doi.org/10.1016/j.ijheatmasstransfer.2017.11.059 (2018)。

記事 Google Scholar

Bogdan, A.、Ogłodzinski, K.、Szyłak-Szydłowski, M. 男性被験者上に形成される熱プルームの分析。 J.ビルド。工学 45、103596–12。 https://doi.org/10.1016/j.jobe.2021.103596 (2022)。

記事 Google Scholar

Chen, HC & Patel, VC 剥離を含む複雑な流れの壁近傍乱流モデル。 AIAA J. 26、641–648。 https://doi.org/10.2514/3.9948 (1988)。

記事 ADS Google Scholar

Menter, F. & Kuntz, M. 車両後方の非定常分離流への渦粘性乱流モデルの適応、大型車両の空気力学: トラック、バス、電車、応用力学および計算力学の講義ノート (マッカレン、R 編) .、Browand、F.、Ross、J.）（Springer-Verlag、ベルリン、2004）。

Lienhart, H. & Becker, S. 単純化された自動車モデルをきっかけとした流れと乱流の構造。 SAE テクニカルペーパーシリーズ 2003-01-0656、1 ～ 12 (2003)。

Jakirlić, S.、Jester-Zücker, R.、Tropea, C. 洗練された乱流モデリングに関する第 9 回 ERCOFTAC/IAHR/COST ワークショップ (ダルムシュタット工科大学、ドイツ、2001 年)。

Google スカラー

ペンシルバニア州デイビッドソン乱気流: 科学者および技術者のための入門第 2 版（オックスフォード大学出版局、オックスフォード、2015）。

MATH を予約する Google Scholar

Zhang、Z.、Zhang、W.、Zhai、ZJ & Chen、QY CFD による密閉環境における気流と乱流を予測する際のさまざまな乱流モデルの評価: パート 2 - 文献の実験データとの比較。 HVAC &R 研究所 13(6)、871–886 (2007)。

記事 Google Scholar

Wolfshtein, M. 乱流増大と圧力勾配を伴う一次元流れにおける速度と温度の分布。内部。 J. 熱物質移動 12、301–318 (1969)。

記事 Google Scholar

ゴールドマン、IB & マルチェロ、JM 乱流のシュミット数値。内部。 J 熱物質移動 12、797–802 (1969)。

記事 CAS Google Scholar

Li, F.、Liu, J.、Ren, J. & Cao, X. さまざまな渦構造からの修正乱流シュミット数を使用した汚染物質の分散の予測。環境を構築します。 130、120–127 (2018)。

記事 Google Scholar

Shao, S. et al. さまざまな実際の環境下での、無症状者による covid-19 の空気感染のリスク評価。 J.エアロゾルサイエンス。 151、105661–9。 https://doi.org/10.1016/j.jaerosci.2020.105661 (2021)。

記事 ADS CAS Google Scholar

Buckley, R. & Loyalka, SK カニンガムの補正係数と調節係数: millikan のデータの解釈。 J.エアロゾルサイエンス。 20、347–349。 https://doi.org/10.1016/0021-8502(89)90009-8 (1989)。

記事 ADS CAS Google Scholar

Homann, H.、Bec, J. & Grauer, R. 曳航される球体とその境界層の抗力と揚力に対する乱流変動の影響。 J.流体メカ。 721、155–179。 https://doi.org/10.1017/jfm.2013.66 (2013)。

記事 ADS MathSciNet MATH Google Scholar

Xua, C.、Nielsen, PV、Liu, L.、Jensen, RL & Gong, G. シュリーレン画像技術を利用した人間の呼気の特性評価。環境を構築します。 112、190–199。 https://doi.org/10.1016/j.buildenv.2016.11.032 (2017)。

記事 Google Scholar

クォン、S.-B. 他。咳や発声による呼気の初速度分布に関する研究。ケモスフィア 87、1260–1264。 https://doi.org/10.1016/j.chemosphere.2012.01.032 (2012)。

記事 ADS CAS Google Scholar

Liu, M. & Tilton, JN 安定した連続流における平均年齢と高次モーメントの空間分布。 AICHE J. 56、2561–2572 (2010)。

記事 CAS Google Scholar

Sandberg, M. 換気効率とは何ですか? 環境を構築します。 16、123–135 (1981)。

記事 Google Scholar

Spalding, DB 任意の複雑さの定常流における平均滞留時間に関するメモ。化学。工学科学。 9、74–77 (1958)。

記事 CAS Google Scholar

リファレンスをダウンロードする

著者らは、Investigadores por México プログラムと CONACyT 助成金 FORDECYT-PRONACES/731759/2020 を認めています。また、モデルの構築に関しては、Laboratorio Nacional de la Materia fue de Equilibrio、LANIMFE、Jesús Israel García Villaseñor の支援にも感謝します。

サンルイスポトシ自治大学物理学研究所、アルバロオブレゴン 64、78000、サンルイスポトシ、SLP、メキシコ

F. アレクセイ・ピシャルド＝オルタ & オスカル・アドリアン・パティーニョ・ルナ

サン・ルイス・ポトシ自治大学メキシコ物理学研究所の研究者、アルバロ・オブレゴン64、78000、サン・ルイス・ポトシ、SLP、メキシコ

J・ロドリゴ・ベレス・コルデロ

PubMed Google Scholar でこの著者を検索することもできます

FAPO は実験とシミュレーションを行い、OAPL は実験と実験モデルの構築を行い、JRVC はシミュレーションを行って論文を執筆しました。

J・ロドリゴ・ベレス・コルデロへの通信。

著者らは競合する利害関係を宣言していません。

シュプリンガーネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

補足２．

オープンアクセスこの記事はクリエイティブコモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブコモンズライセンスへのリンクを提供し、変更が加えられたかどうかを示します。この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブコモンズライセンスに含まれています。素材が記事のクリエイティブコモンズライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Alexei Pichardo-Orta、F.、Luna、OAP & Cordero、JRV 前面の空気取り入れ口は、都市バスの自然換気を改善する可能性があります。 Sci Rep 12、21256 (2022)。 https://doi.org/10.1038/s41598-022-25868-x

引用をダウンロード

受信日: 2022 年 1 月 29 日

受理日: 2022 年 12 月 6 日

公開日: 2022 年 12 月 8 日

DOI: https://doi.org/10.1038/s41598-022-25868-x

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

コメントを送信すると、利用規約とコミュニティガイドラインに従うことに同意したことになります。虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。

前: テスラエアライドサービス次: サービスロボットが周囲の環境をどのように認識するか

お問い合わせを送信

送信