交通建筑中新型冠状病毒的空气传播风险与室内环境控制策略
0 引言
自2020年1月新型冠状病毒肺炎(以下简称新冠肺炎)疫情暴发以来,已在我国及199个境外国家扩散
交通建筑每日存在大量的流动性人员,尤其是春运、复工阶段,人员密度增大,给新型冠状病毒(以下简称新冠病毒)的防控提出了更大的挑战。与2003年的SARS相比,此次疫情具有相同的暴发时间及相似的传播途径;与此同时,经过十多年的高速发展,我国交通运输行业的体量远超SARS暴发时期。其中铁路客运量是2003年的近百倍,航空、公路运输量也实现了数十倍的增长,交通建筑的规模及数量远大于当年,因此,目前交通建筑内的人员流动特性更为复杂。发达的交通网络使得交通建筑的旅客运转效率及覆盖范围大大提升,因此对当下疫情防控是严峻的考验。
对于交通建筑,如何进行环境控制并预测其内部病毒传播风险,是保证旅客健康及建筑安全运行的基础,也是当下全国有序复工复产背景下的疫情防控重点。基于此,本文对新冠病毒在交通建筑内的空气传播风险进行初步探讨,并提出相应的室内环境控制策略,为交通建筑在疫情时期室内环境运行控制提供参考。
1 病毒的空气传播途径
目前,关于新冠病毒传播机理尚待进一步明确,但从相关权威机构发布的文件及报告中可知,病毒主要依靠飞沫及密切接触传播,同时不排除通过气溶胶传播的可能性。《新型冠状病毒肺炎诊疗方案(试行第七版)》
关于新冠病毒在空气中的飘浮及存活时间,欧洲暖通空调学会(REHVA)认为,在普通室内环境中病毒的存活时间可达3 h,并存在气溶胶长距离传播的可能性
目前全球出现了大量封闭空间传播新冠病毒的案例,例如山东任城监狱,截至2020年2月20日,通过核酸检测确定监狱内确诊207人
综上所述,虽然关于新冠病毒的传播途径及传播机理尚待进一步研究明确,但通过各权威机构及最新研究发布的病毒传播途径和大量封闭空间的传播案例可知,空气传播的风险不能排除。而交通建筑中人员密集,又属于相对封闭空间,因此可能存在病毒通过空气传播导致人员感染的风险。
2 空气传播的防控思路
对于交通建筑,由于受交通工艺流程的影响,旅客在建筑内部的停留时间无法大幅度缩短,特别是航站楼及火车站,受值机/检票、安检、候机(车)等众多环节的制约,旅客的在室时间一般为0.5~1.5 h。因此,交通建筑的防控重点是对病原体数量的控制,主要有消杀及稀释2种方法。消杀指采用紫外线、酒精、消毒剂等将病毒杀死,以降低空间中的病毒浓度。该方法主要用于对固定表面的消杀,实践证明行之有效,但对悬浮于空气中的病毒的消杀作用并没有得到充分的实证,且由此带来的副作用也难以评估。通风稀释是一种有效降低室内病毒浓度的方法
通过以上分析可知,通风是降低室内病毒浓度经济、安全、有效的防控手段。因此本文主要从通风稀释的角度对病毒在交通建筑内的传播风险及防控措施进行分析。
3 疫情期客流变化与感染者比例分析
人员密度及感染者比例是影响交通建筑内旅客感染风险的2个重要指标。人员密度越大,说明旅客间的距离越近,旅客位于病毒覆盖范围的概率就越大,通过飞沫和接触传播的风险就越大,高人员密度也会导致相同通风量下的稀释效果减弱;感染者比例直接决定了病原体数量,同样影响相同通风量下的稀释能力。因此,在分析交通建筑感染风险时,首先需要确定这2个指标。
交通建筑中,目前汽车客运站及地铁车站采用即到即走的运营方式,旅客在车站内的停留时间较短;而航站楼及铁路车站是交通建筑中旅客停留时间较长的2类建筑,旅客与病毒接触的时间相对较长,因此本文选择航站楼及铁路车站作为代表性交通建筑进行分析。
3.1 人员密度确定
本次疫情暴发正值我国的春运高峰期,受疫情影响,民航、铁路的旅客发送量发生了急剧变化
由上述分析可知,对于航站楼及火车站,在疫情影响下的春运期间客流变化规律一致:1月23日前,旅客发送量正常,可认为此时客流量为100%;1月23日后的短时间内,客流量迅速下降至正常值的50%左右;1月23日后的长时间内,客流量降至正常值的20%左右,并维持在该水平。上述3个分段值基本可以反映疫情影响下的航站楼及铁路车站在一段时期内的旅客流量变化情况。
旅客发送量直接影响交通建筑内的人员密度,因此在确定人员密度时,认为交通建筑内的旅客流量与交通工具里的旅客发送量变化规律相同。测算人员密度时,认为工作人员数量不变,只是旅客数量按100%,50%及20%的比例变化。根据项目组前期的大量实地调研及某平台的大数据统计,大型机场及火车站在不同客流量下的人员密度见表1。
表1 交通建筑典型区域在不同客流量下的人员密度
m2/人
客流量 | |||
100% | 50% | 20% | |
值机大厅 |
6~7 | 11~12 | 23~24 |
候机大厅 |
8~9 | 14~15 | 35~36 |
到达厅 |
5~6 | 10~11 | 26~27 |
候车大厅 |
2~3 | 4~5 | 11~12 |
3.2 感染者比例确定
目前尚无航站楼及火车站内人员感染的报导,但有在交通工具中感染的案例。交通建筑是旅客乘坐交通工具的必经之地,从人员构成上,除工作人员及接送人员外,交通建筑与交通工具的人员构成基本一致,说明在感染比例方面,交通建筑与交通工具具有明显的相关性。因此本文将对交通工具的感染案例及比例进行分析,通过相关性获得交通建筑的感染者比例。
据报道,1月4日至2月11日,我国709个车船航班确认有新冠肺炎患者
机场方面,日最多感染航班出现在武汉机场,最多感染航班达14个/d(1月21,22日),约占出港航班数的70%~75%。
通过上述的测算可知,在已发现感染人员的航班中,感染者比例均不大于3%,而有感染人员的航班占机场总航班比例最高为70%~75%。在进行航站楼感染者比例确定时,取最不利情况,即认为机场所有的航班中均存在感染人员,且感染者比例为3%,因此从安全的角度,确定航站楼内的感染者比例为3%。
铁路方面,根据报道发现病例的大部分车次中,感染人数均≤3人,1月23日前列车基本满座,新冠肺炎感染者比例小于0.5%;23日后,平均客座率不足50%,新冠肺炎感染者比例约为1%;发现感染者最多的车次为1月22日武昌—汕头的K799,共发现5例确诊和1例疑似病例
火车站方面,日最多感染车次出现在武汉站,最多感染车次达19个/d(1月20日),约占发车数的10%~15%;武昌站、汉口站情况较严重。
采用与航站楼相同的测算原则,确定火车站内感染者比例为1%。
4 各种运行模式下感染风险的评价
4.1 运行模式确定
航站楼、火车站的建筑运营方式和空调系统运行模式直接影响建筑内的通风量,最终影响建筑内的病毒感染概率。因此,在进行感染风险评估前,首先确定交通建筑运营方式。
根据项目组对大量交通建筑运营方式的调研结果,将航站楼及火车站归纳为3种可能出现的运行场景,并分别称为正常、通常及非常运行工况。
1) 正常工况:
旅客出入口正常启闭,建筑整体气密性较好,渗风量较小;空调系统正常开启,将新风比提高到30%,室内温度达标,满足使用要求。
2) 通常工况:
部分旅客出入口常开,以满足安检要求,渗风量较大;空调系统全回风运行,新风靠室外渗透风供给,室内温度基本达标。
3) 非常工况:
所有出入口全开,利用自然通风,空调系统全部停运,室内温度不保证,该模式也是疫情期间部分交通建筑使用的方式。
4.2 不同运行模式下的风险评价
4.2.1 评价模型
对不同运行模式下的交通建筑室内感染风险进行评价,评价过程中,由于旅客空间均为大空间,空调系统不涉及服务多房间的问题,因此不考虑回风对病毒传播的影响。风险评价采用2个原则:1) 当患者呼出的空气被稀释10 000倍时,认为人在该空间中没有感染风险
式中 Pe为大众体质人群的感染概率;A为接受到病毒后被感染的概率,取30%;B为常数,取值为0.01;K为稀释倍数;T为旅客在环境中的滞留时间,s;T0为旅客每次呼吸时间,s。
本文采用上述评判标准时作如下假定:
1) 区域内任意处被感染的概率相等;
2) 病毒浓度即感染者数量、呼出的病原体数量在整个分析时段内稳定;
3) 忽略病毒在分析时段内的死亡率;
4) 忽略通过泄漏、过滤或沉降等方式移出分析区域或建筑内的病毒数量;
5) 人员在空间内分布均匀;
6) 以空间内的平均稀释倍数进行评价,未考虑通风的不均匀性。
4.2.2 评价边界条件
根据评价模型,并在满足相应的假定条件下,通过不同工况下的人均新风量、人员密度及停留时间可测算出稀释倍数及感染概率。分析过程中,采用的边界条件如下:
1) 航站楼(值机厅、到达厅、候机厅)及火车站候车厅的感染者比例根据上述分析分别确定为3%,1%。
2) 人在静坐时的呼吸量为0.3 m3/h,但考虑到交通建筑中人员基本处于走动状态,评价过程中每人的呼吸量取0.4 m3/h。
3) 对于正常工况,室内新风由空调系统供给,不同区域的空调系统送风量指标由大量的设计调研和实地调研获得,根据此送风量指标及设定的30%新风比、各客流情况下的人员密度,计算得出不同区域的人均新风量。
4) 对于通常及非常工况,室内新风由室外渗透,此时通过数值模拟计算新风量,并将模拟结果与现场调研数据比对验证。针对航站楼的值机厅、到达厅、候机厅及火车站的候车厅分别建立模型,如图3所示。
航站楼的值机厅与到达厅建在一个模型内,如图3a所示。模型最顶层为值机厅,中间层为到达厅,最低层为交通换乘厅,各楼层之间由部分共享空间贯通。其中值机厅、到达厅分别有外门,交通换乘厅通过地下通道与室外相连。屋顶与玻璃幕墙的交界处存在一定的缝隙,同时设有屋顶天窗。在通常工况模拟时,将值机厅、到达厅和交通换乘厅各50%的旅客出入口设置为开启,屋顶考虑缝隙及个别天窗渗风;在非常工况模拟时,则将所有旅客出入口及屋顶部分天窗设置为开启。
航站楼的候机厅选择出发旅客和到达旅客分流的模式进行建模(见图3b),即顶层为候机厅,底层为旅客到达廊,空间贯通。室内与外界进行气流交换的界面主要为登机桥的外门、屋顶的天窗及缝隙。在通常工况模拟时,将50%的登机桥外门设置为同时开启,屋顶考虑缝隙及个别天窗渗风;非常工况模拟时,则设定所有登机桥外门和屋顶部分天窗开启。
火车站候车厅主要的出入口为旅客的进站门及候车厅通往站台的门,同时屋顶与幕墙的交界处存在一定的缝隙。对于通常工况,将50%的进站门和25%的站台门设置为开启;对于非常工况,则设定所有的进站门和50%的站台门开启。
模拟过程中,只考虑热压通风,这样从通风稀释的角度来看是一种安全的做法。考虑到我国本次疫情蔓延的时间主要是在2月份,结合当时大部分地区的气候状况,将室外空气温度设为5 ℃;室内热量来源于人员、灯光和设备的发热,在通常工况时,空调的送风温度设定为30 ℃。
4.2.3 结果分析
根据实测调研及数值模拟,得到不同工况下的新风量,结合表1中的人员密度及不同类型建筑内的感染者比例,测算出的不同运行工况下的稀释倍数及感染概率见表2~4。
表2 正常工况下不同类型交通建筑在不同客流量下的风险评估
客流量 | |||||||||
100% | 50% | 20% | |||||||
人均新风量/ (m3/h) |
稀释倍数 | 感染风险 |
人均新风量/ (m3/h) |
稀释倍数 | 感染风险 |
人均新风量/ (m3/h) |
稀释倍数 | 感染风险 | |
航站楼值机厅 |
80 | 6 600 | Pe接近0,安全 | 135 | 11 250 | 安全 | 280 | 23 000 | 安全 |
航站楼候机厅 |
75 | 6 250 | Pe接近0,安全 | 130 | 10 850 | 安全 | 320 | 26 500 | 安全 |
航站楼到达厅 |
65 | 5 500 | Pe接近0,安全 | 125 | 10 400 | 安全 | 280 | 23 000 | 安全 |
火车站候车厅 |
23 | 5 600 | Pe接近0,安全 | 40 | 10 000 | 安全 | 100 | 25 000 | 安全 |
表3 通常工况下不同类型交通建筑在不同客流量下的风险评估
客流量 | |||||||||
100% | 50% | 20% | |||||||
人均新风量/ (m3/h) |
稀释倍数 | 感染风险 |
人均新风量/ (m3/h) |
稀释倍数 | 感染风险 |
人均新风量/ (m3/h) |
稀释倍数 | 感染风险 | |
航站楼值机厅 |
125 | 10 400 | Pe接近0,安全 | 225 | 18 800 | 安全 | 460 | 38 500 | 安全 |
航站楼候机厅 |
150 | 12 500 | Pe接近0,安全 | 260 | 21 500 | 安全 | 630 | 52 600 | 安全 |
航站楼到达厅 |
380 | 31 600 | Pe接近0,安全 | 720 | 60 000 | 安全 | 2 800 | 234 000 | 安全 |
火车站候车厅 |
28 | 7 100 | Pe接近0,安全 | 50 | 12 800 | 安全 | 130 | 32 700 | 安全 |
表4 非常工况下不同类型交通建筑在不同客流量下的风险评估
客流量 | |||||||||
100% | 50% | 20% | |||||||
人均新风量/ (m3/h) |
稀释倍数 | 感染风险 |
人均新风量/ (m3/h) |
稀释倍数 | 感染风险 |
人均新风量/ (m3/h) |
稀释倍数 | 感染风险 | |
航站楼值机厅 |
95 | 7 900 | Pe接近0,安全 | 165 | 13 900 | 安全 | 340 | 28 500 | 安全 |
航站楼候机厅 |
38 | 3 200 | Pe接近0,安全 | 65 | 5 460 | 安全 | 160 | 13 300 | 安全 |
航站楼到达厅 |
180 | 15 100 | Pe接近0,安全 | 345 | 28 800 | 安全 | 775 | 64 600 | 安全 |
火车站候车厅 |
10 | 2 620 | Pe=0.000 000 1% | 19 | 4 710 | 安全 | 48 | 12 000 | 安全 |
由表2可知,正常工况下室内均处于安全状态,即使100%客流量时,不同区域的稀释倍数也均达到5 000以上,测算出的感染风险Pe接近于0;而对于50%及20%客流量情况,稀释倍数均大于10 000,保证了室内的环境安全。
通常工况下空调系统仍然开启,但采用全回风运行,室内新风为建筑开口的渗透风,新风量通过模拟获得。根据现场实测结果
非常工况下空调系统关闭,所有的建筑开口均打开,依靠室内人员、灯光及设备的散热量进行热压通风,室内新风为建筑开口的渗透风。表4中的新风量指标为模拟所得。根据现场实测结果
5 室内环境运行控制参数
从利用通风稀释控制病毒传播的角度,只要知道空间内的病毒浓度,就可以确定所需的稀释新风量,但目前的技术手段难以直接获得空气中病毒浓度的相关数据。如果从病毒来源看,将CO2浓度作为指导运行的控制参数是可行的,因为交通建筑内新冠病毒来源于感染者的呼吸,与建筑内CO2的来源一致;当然将CO2浓度作为控制指标的前提是必须知道空间内感染者比例,这个比例无法实测,只能通过对疫情变化情况、病毒传播强度、传播案例分析得到。
通过对疫情期间进入交通建筑的感染者比例分析,可以初步得到这个重要数据,在此基础上,将CO2浓度作为室内环境控制参数来指导运行管理应该是一种最具可操作性的方法,这样可以在保证室内安全的前提下实现节能运行,减少不必要的能源浪费。
如果把“将患者呼出的空气稀释10 000倍以上”作为环境安全的控制目标,同时结合室内的感染者比例、室外CO2浓度、人员呼出气体中CO2浓度,通过下式即可测算出室内安全标准对应的CO2浓度,当实测浓度低于该值时视为室内环境安全。
式中 Cin,Co分别为室内、外CO2体积分数,10-6;Ca为人体呼出气体中CO2的体积分数,取5.3%;I为病毒携带者比例。
由式(2)可知,室内安全的CO2浓度标准由感染者比例及室外CO2浓度决定,其影响关系如图4所示。
由图4可知,随着感染者比例的升高,达到室内安全状态时对应的室内CO2浓度降低,说明需要大量的新风稀释室内空气。对于航站楼及火车站,根据前述分析,在疫情高峰期时假定其内部可能的感染者比例分别为3%,1%,若此时室外的CO2体积分数为400×10-6,则计算可得室内安全状态时对应的CO2体积分数分别为576×10-6,930×10-6;对于全面复工期,国内疫情基本得到控制,此时按航站楼及火车站的感染者比例分别下降至1%及0.5%进行预估,则对应的安全状态时室内CO2体积分数分别为930×10-6,1 460×10-6。当然CO2浓度的控制指标还需满足室内空气质量的其他要求,因此,CO2体积分数应控制在1 000×10-6以下。
实际运行过程中,可采用上述思路结合疫情变化对交通建筑内的感染者比例进行评估,从而确定合理的CO2浓度控制目标,并对典型区域的CO2浓度进行监测,若高于控制指标,则可加大新风量,从而保证室内环境安全。
根据项目组近几年对大量交通建筑的室内环境现场实测结果,航站楼中值机厅、候机厅、到达厅及火车站候车厅等区域的CO2浓度均低于上述安全指标,说明这些区域空气环境一般均处于安全状态。
6 结论与思考
本文基于江亿院士提出的感染概率评价模型及稀释倍数指标,对交通建筑在不同运行模式及客流量下新冠病毒的空气传播风险与室内环境控制策略进行了分析,可以得出以下结论:
1) 在环境控制手段良好的前提下,航站楼及火车站的主要旅客停留区域总体是安全的,在这些空间内造成新冠病毒感染的概率较低。
2) 建筑内感染者比例影响室内通风量的确定,应通过对传染案例、疫情变化的分析,研究和掌握感染者比例,并根据此数据制定相应的室内CO2浓度控制目标,指导运行管理。
3) 上述研究是基于平均值的旅客空间空气传播风险评价,实际运行中应考虑人员分布和通风的不均匀性,对安检区、值机区、联检区、候机(车)区等典型区域进行CO2浓度监测,适时调整通风量。
4) 采用全面停用空调系统、所有出入口全开的运行方式,不仅室内环境舒适性很差,而且通风稀释效果在某些区域也有不同程度的下降,因此,这种运行方式在供暖季节是不可取的。
本文的分析结果是在现有的感染风险评价模型和通过对交通工具患者数量的调查基础上得出的,可供当前全国有序复工复产背景下的交通建筑疫情防控参考。随着基础数据的不断积累和研究的深入,感染风险评价体系将不断完善;进入交通建筑的感染者比例与病毒传播强度、当地总感染人口比例等之间的关系将不断揭示:这些都有助于准确制定建筑内防止空气传播的策略。
参考文献
[9] 钱华,郑晓红,张学军.呼吸道传染病空气传播的感染概率的预测模型[J].东南大学学报(自然科学版),2012,42(3):468- 472
[12] 江亿.“非典”问题引起的对今后空调系统方式的思考[J].暖通空调,2003,33(3):146- 149
[13] 江亿,薛志峰,彦启森.防治“非典”时期空调系统的应急措施[J].暖通空调,2003,33(3):143- 145
[17] 孔令晗,李明珠.讲述:航班上多数人戴着口罩,曾听到患者咳嗽[N].北京青年报,2020-03-05(A04)
[19] 刘效辰,张涛,梁媚,等.高大空间建筑冬季渗透风研究现状与能耗影响[J].暖通空调,2019,49(8):92- 99