大巴车飞沫扩散特性及乘客感染风险预测
Dispersion characteristics of droplet in bus and risk prediction of infection
通讯作者:
收稿日期: 2021-03-15
基金资助: |
|
Received: 2021-03-15
Fund supported: | 国家自然科学基金资助项目(51775395);国家重点研发计划资助项目(2018YFB0105301) |
作者简介 About authors
杨亚锋(1993—),男,博士生,从事飞沫气溶胶扩散的研究.orcid.org/0000-0002-4881-7744.E-mail:
为了研究飞沫在大巴车中的扩散特性并揭示病毒的传播规律,以空调开启状态下的大巴车为研究对象,通过对车内流场结构的分析,应用拉格朗日方法对位于车内前部、中部、后部的患者咳嗽产生飞沫的扩散过程进行计算,获取飞沫的传播路径、浓度分布、逃逸速率等扩散特性参数. 根据飞沫中病毒颗粒数量,结合Wells-Riley方程对车内乘客的感染概率进行预测. 研究结果表明,飞沫在舱内的分布特性与患者位置、回风口位置、气流组织等因素密切相关;与位于后部患者相比,前部患者会使更多的乘客面临较高的感染风险;位于飞沫扩散路径且距离患者三排以内的乘客感染概率均高于30%.
关键词:
The bus with air-condition was chosen as research object in order to analyze the dispersion of droplet in bus and reveal the mechanism of virus transmission. The dispersion characteristic parameters of droplet such as dispersion path, concentration distribution and escape rate were obtained by the analysis of flow field. The calculation of transport of the droplets exhaled from a single cough by patient in the front, middle and back of the cabin with the Lagrangian method. Then the infection risk for passenger can be evaluated by the Wells-Riley equation according to the amount of inhaled virus particles by passenger. Results show that location of the patient and air return opening, the airflow pattern can significantly affect the droplet distribution. The patient in the front may cause more passengers at a higher infection risk compared with the patient in the back. The infection probability of passengers located in the droplet dispersion pathway and within three rows of the patient is higher than 30%.
Keywords:
本文引用格式
杨亚锋, 汪怡平, 陈志鑫, 苏建军, 杨斌.
YANG Ya-feng, WANG Yi-ping, CHEN Zhi-xin, SU Jian-jun, YANG Bin.
继2003 年席卷全球的非典型性肺炎(severe acute respiratory syndrome,SARS)疫情之后,2005 年的禽流感(bird flu)和2009 年的猪流感(swine influenza)以及当下的“新型冠状病毒肺炎(Covid-19)”相继爆发,此类呼吸道传染病引发的疫情给世界带来严重的公共健康问题和巨大的经济损失[1-2]. 呼吸道传染病的主要传播途径包括近距离直接传播、污染物接触传播、远距离空气传播. 在“新型冠状病毒”疫情中,远距离空气传播加大了疫情防控工作的难度. 所谓“远距离空气传播”是指患者呼吸活动释放的飞沫扩散引发的病毒远距离传播[3]. 在建筑物内、飞机舱内、火车舱内及大巴车舱内,远距离空气传播的可能性较大. 在这些室内环境中,大巴车空间狭窄、人员密度高,且“多排送风,集中回风”的送风方式更容易使飞沫在舱内大范围扩散,乘客感染风险更高. 大量公共卫生事件[4-5]表明,许多传染性疾病的传播是因患者乘坐大巴车而引发的. 如2009年爆发的H1N1流感病毒,在澳大利亚太平洋岛出现大面积人员感染,通过对接触者追踪分析可知,一名H1N1病毒患者在乘坐大巴车从堪培拉返回太平洋岛的过程中,将同车的12名乘客感染并使病毒在岛内迅速传播[6]. 在新型冠状病毒肺炎疫情爆发期间,出现了病患因乘坐长途大巴和班车而导致同车13人感染的案例[7]. 研究大巴车内飞沫的扩散特性并预测乘客感染风险对疫情防控工作具有积极的指导意义.
目前,对于飞沫扩散的研究,主要有试验测试和数值模拟2种手段,但试验测试耗时且成本较高,利用CFD数值模拟能够经济、快速地获取温度场、速度场及飞沫浓度在空间及时间上的分布. 本文采用CFD获取大巴车内的流场分布特性,运用拉格朗日方法,分别对车内前部、中部、后部的患者咳嗽产生飞沫的扩散过程进行计算. 依据飞沫浓度分布以及飞沫中病毒颗粒物数量,应用人体呼吸模型计算得到乘客吸入的病毒颗粒物数量,结合Wells-Riley方程预测4 h旅程后车内各位置乘客的感染概率.
1. 感染风险预测方法
1.1. 湍流模型
式中:
1.2. 拉格朗日方法
与欧拉方法相比,利用拉格朗日方法能够准确地提供颗粒物在空间与时间上的分布[17] . 采用拉格朗日方法模拟咳嗽喷出飞沫的扩散过程.
式中:
1.3. Wells-Riley方程
式中:
在实际情况中,病毒颗粒物在空间中并非均匀分布. 为了弥补这一缺陷,提出以下公式[21]:
式中:
2. 大巴车内飞沫扩散的仿真计算
2.1. 大巴车几何模型
研究对象为空调开启状态下的大巴车,车内座椅布局如图1所示,左侧为司机座椅和12排乘客座椅、右侧为11排乘客座椅. 如图2所示为送风口布置形式,空气通过车舱两侧风道上的送风口送到车舱. 沿着两侧风道在每排乘客前方0.2 m处布置2个直径为0.05 m的圆形送风口,舱首与舱尾各布置16个直径为0.05 m的送风口. 车舱左、右两侧的行李架上方均匀分布7个长方形送风口,长0.13 m,宽0.037 m,车内送风口的总面积为0.22 m2. 回风口位于车舱后部,长0.65 m,宽0.44 m,面积为0.28 m2. 乘客身高假定为1.7 m,由头、手臂、躯干、腿和脚5个部分组成. 以鼻子为中心的0.027 m3的正方体为乘客呼吸区域(见图3).
图 1
图 2
图 3
2.2. 案例设置
表 1 边界条件设置
Tab.1
边界条件 | 设置值 | |
送风口 | 送风速度为3 m/s,温度20 ℃,垂直送风口. | |
湍流强度为2.5%,湍流尺度为0.005 m. | ||
回风口 | 压力出口,0 Pa. | |
人体表面 | 人体热流密度为20 W/m2 | |
天花板、地板、车身 | 热交换系数为3 W/(m2·K) | |
玻璃 | 热交换系数为5 W/(m2·K) | |
其余壁面 | 绝热 |
表 2 求解器设置
Tab.2
设置项 | 设定值 |
湍流模型 | RNGk-ε |
壁面函数 | 标准壁面函数 |
空间离散格式 | 二阶迎风格式 |
计算方法 | SIMPLE算法 |
为了消除网格尺寸对计算结果的影响,建立3种网格进行无关性验证,以3处截面气流面的平均流速作为评价标准. 如表3所示, 700万与1 800万网格的计算结果相差小于5%,因此最终的网格数量设置为700万. 网格划分尺寸如下:送风口面网格尺寸设置为5 mm,人体与座椅为20 mm,其余部分为40 mm. 所有网格偏斜值(skewness)小于0.88.
表 3 网格无关性验证
Tab.3
X方向截面 | 面平均流速/(m·s−1) | ||
330万 | 710万 | 1800万 | |
1.5 m | 0.190 | 0.187 | 0.192 |
4.5 m | 0.179 | 0.185 | 0.176 |
8.5 m | 0.223 | 0.220 | 0.212 |
3. 计算结果分析与讨论
3.1. 车内稳态流场
图 4
空气从送风口进入舱内,在后部的回风口回风. 如图4(a)~(c)所示,送风口布置的非对称性造成3处横截面的气流组织不同. 与6-D处相比,2-B与12-C处的横向方向中,从左侧送风口进入的气流主要向右侧流动. 横截面上部两侧均存在2个大尺度涡流,表明气流在横向方向强烈混合.
如图4(d)、(e)所示,纵截面的速度分布表明,舱内存在占主导地位的纵向气流. 因座椅阻滞效应,气流沿着人体向上流动至车舱上部并快速流至回风口.
3.2. 舱内飞沫扩散情况
图 5
图 6
图 7
大部分飞沫分布在患者后部空间. 案例2中,患者位于车舱中部,由于存在从左至右的横向气流,飞沫被限制在右侧区域,30 s后扩散至车舱最后部,集中分布于右侧的6~11排. 案例3中,患者位于最后一排,飞沫在回风口至最后一排的区域间快速混合后,由回风口排出,没有扩散至回风口以前的区域,飞沫主要集中于10~12排. 在车舱内,飞沫在舱内的分布特性与患者位置、回风口位置、气流组织等因素密切相关.
在舱内,一部分飞沫沉降在地板上,另一部分飞沫经扩散后从回风口逃逸.飞沫在车舱内的停留时间直接影响舱内乘客的感染风险,因此有必要研究飞沫逃逸速率.飞沫逃逸率等于逃离舱内的飞沫占飞沫总量的比例,可以作为考察飞沫逃逸速率的指标. 如图8所示为3个案例飞沫逃逸的情况. 图中,Res为逃逸率. 案例1~3中逃逸90%的飞沫分别需要140、100、66 s. 案例1中乘客的感染风险可能更高.
图 8
3.3. 乘客感染概率预测
通过上述计算飞沫扩散的过程获得乘客呼吸区域的病毒颗粒物浓度,结合人体呼吸模型获得单次扩散过程中乘客吸入的病毒颗粒物数量. 假设一次旅程时间为4 h,已感染乘客每小时咳嗽20次,利用叠加方法获得乘客在整个旅程中吸入病毒颗粒的数量[22],通过Wells-Riley方程预测旅程后各位置乘客的感染风险.
如图9所示为3个案例中乘客的感染概率(剔除患者数据). 案例1中,2~11排乘客感染概率均高于10%,其中2~5排乘客的感染概率为25%~65%,乘客2-A的感染概率最高,达到65%. 同排左侧乘客的感染风险高于右侧乘客. 案例2中,最接近患者的乘客6-E感染概率最高,达到85%,位于8~10排右侧的乘客感染概率为15%~40%,左侧乘客的感染概率低于5%. 案例3中, 11与12排乘客的感染风险较高,感染概率高于30%,但位于11排之前的乘客感染概率低于5%.
图 9
在案例1中,由于车舱前部的患者产生的飞沫扩散至整个车舱,需要更长时间逃逸,舱内乘客吸入飞沫数量更多,案例1中大部分乘客面临较高的感染风险. 在案例3中,位于车舱后部的患者产生的飞沫主要集中于后部,车舱前部乘客的感染风险较小.
4. 结 论
(1)“多排送风,集中回风” 的送风策略加剧了飞沫在纵向方向上扩散,送风口的非对称布置造成飞沫在车舱内局部位置横向扩散. 在车舱内,飞沫分布极不均匀,分布特性与患者位置、回风口位置、气流组织等因素密切相关.
(2)位于车舱前部的患者2-B使舱内75%的乘客面临较高的感染风险,感染概率高于10%,位于车舱中部和车舱后部的患者会使17%的乘客面临较高的感染风险.
(3)位于患者3排内且位于飞沫扩散路径的乘客感染概率高于30%.
呼吸道传染性疾病的传播受多个因素的影响. 为了更准确地评估乘客的感染风险,在未来的研究中,可以进一步考虑病毒毒性与活性、不同粒径飞沫携带病毒的能力、乘客是否佩戴口罩等因素.
参考文献
Droplet fate in indoor environments, or can we prevent the spread of infection?
[J].
The roles of transportation and transportation hubs in the propagation of influenza and coronaviruses: a systematic review
[J].DOI:10.1093/jtm/tav014 [本文引用: 1]
Airborne biological hazards and urban transport infrastructure: current challenges and future directions
[J].DOI:10.1007/s11356-016-7064-8 [本文引用: 1]
Isolation and quarantine during pandemic (H1N1) 2009 influenza in NSW: the operational experience of public health units
[J].
Community outbreak investigation of SARS-CoV-2 transmission among bus riders in Eastern China
[J].DOI:10.1001/jamainternmed.2020.5225 [本文引用: 1]
An advanced numerical model for the assessment of airborne transmission of influenza in bus microenvironments
[J].
Transmission of pathogen-laden expiratory droplets in a coach bus
[J].DOI:10.1016/j.jhazmat.2020.122609 [本文引用: 1]
Disease transmission through expiratory aerosols on an urban bus
[J].DOI:10.1063/5.0037452 [本文引用: 1]
Exhaled droplets due to talking and coughing
[J].
Experimental study of gaseous and particulate contaminants distribution in an aircraft cabin
[J].DOI:10.1016/j.atmosenv.2013.11.049
Improvement of the indoor environment and airborne contamination control in an operating room
[J].DOI:10.4028/www.scientific.net/AMR.255-260.1532 [本文引用: 1]
Comparison of different k-ε models for indoor air flow computations
[J].DOI:10.1080/10407799508928838 [本文引用: 1]
Prediction of room air motion by Reynolds-stress models
[J].DOI:10.1016/0360-1323(95)00049-6
A zero-equation turbulence model for indoor airflow simulation
[J].DOI:10.1016/S0378-7788(98)00020-6 [本文引用: 1]
Comparison of the Eulerian and Lagrangian methods for predicting particle transport in enclosed spaces
[J].DOI:10.1016/j.atmosenv.2006.05.086 [本文引用: 1]
Airborne spread of measles in a suburban elementary school
[J].DOI:10.1093/oxfordjournals.aje.a112560 [本文引用: 1]
Study on transport characteristics of saliva droplets produced by coughing in a calm indoor environment
[J].DOI:10.1016/j.buildenv.2005.06.024 [本文引用: 1]
Flow dynamics and characterization of a cough
[J].DOI:10.1111/j.1600-0668.2009.00619.x [本文引用: 2]
Accelerating the Lagrangian method for modeling transient particle transport in indoor environments
[J].DOI:10.1080/02786826.2015.1031724 [本文引用: 1]
/
〈 |
|
〉 |
