Ein frontaler Lufteinlass kann die natürliche Belüftung in Stadtbussen verbessern

Mar 18, 2023

Wissenschaftliche Berichte Band 12, Artikelnummer: 21256 (2022) Diesen Artikel zitieren

786 Zugriffe

1 Zitate

16 Altmetrisch

Details zu den Metriken

In diesem Bericht analysieren wir den Luftstrom über die offenen Fenster (natürliche Belüftung) eines Stadtbusmodells und die daraus resultierende Ausbreitung der im Fahrgastbereich emittierten Aerosole. Die Methoden umfassen numerische Strömungssimulationen und drei Möglichkeiten zur Charakterisierung der Ausbreitung passiver Tracer: ein kontinuierliches konzentrationsbasiertes Modell, ein diskretes Zufallsmodell und einen parametrischen Skalar basierend auf dem sogenannten mittleren Luftalter. Wir haben auch Experimente mit einem Busmodell im Maßstab 1:10 und \(\text{CO}_{2}\) als passivem Tracer durchgeführt, um die Belüftungseigenschaften zu bewerten. Wir haben festgestellt, dass die Ausbreitung und der Ausstoß von Aerosolen durch einen Unterdruck in der Standardbuskonstruktion mit seitlichen Fenstern gesteuert wird. Außerdem beträgt die durchschnittliche Luftalterung 6 Minuten, während der Luftstrom die Aerosolansammlung nach vorne (Fahrerbereich) fördert. Um den Ausstoß von Aerosolen zu beschleunigen und ihre Ansammlung im Fahrgastraum zu verringern, schlagen wir einen Prototyp einer Buskarosserie mit einem frontalen Lufteinlass vor. Alle in dieser Arbeit durchgeführten numerischen Modelle und Experimente stimmten darin überein, dass der Ausstoß von Aerosolen in dieser neuartigen Konfiguration deutlich erhöht wird, während das durchschnittliche Alter der Luft auf 50 Sekunden reduziert wird. Auch der durchschnittliche Luftstrom ändert sich mit dem Vorhandensein frontaler Lufteinlässe und als Folge davon wird der Aerosolausstoß nun durch ein frontales Geschwindigkeitsfeld angetrieben.

Die Covid-19-Pandemie hat verschiedene Forschungsgruppen auf der ganzen Welt dazu motiviert, die Untersuchung von Luftschadstoffen zu intensivieren. Obwohl strengere und kontrollierte Experimente noch auf endgültige Schlussfolgerungen warten müssen1,2, haben immer mehr Beweise und Studienfälle die Bedeutung hervorgehoben, die der Luftstrom für die Übertragung und Verweildauer virionhaltiger Tröpfchen während der Ausbreitung hat Pandemie3,4,5,6, insbesondere an Orten mit geringer Sicherheit wie beengten, überfüllten oder schlecht belüfteten Bereichen1,7 (zu Übertragungsfällen im öffentlichen Verkehr siehe Ref.3,8, siehe auch Ref.9 für ein Aerosolübertragungsexperiment unter Verwendung von Tiermodellen). Daher wurde allgemein dazu aufgerufen, Aktivitäten nach Möglichkeit ins Freie zu verlagern oder diese zu bevorzugen10,11, zusammen mit der regelmäßigen Anwendung anderer Sicherheitsmaßnahmen wie häufigem Lüften12, dem Tragen von Masken oder dem Praktizieren von physischem Abstand. Das Ziel dieses Berichts besteht darin, allgemeine Richtlinien bereitzustellen und neuartige Designs vorzuschlagen, um die Belüftungs- und Ausstoßrate der in Stadtbussen emittierten Aerosole zu verbessern. Insbesondere können diese Leitlinien in Notfällen, wie wir sie kürzlich erlebt haben, hilfreich sein.

Studien zu turbulenten Strömungen in Stadtbussen sowie zur Ausbreitung luftgetragener Arten, die durch solche Strömungen hervorgerufen werden, wurden bereits von mehreren Forschungsgruppen mithilfe von rechnergestützten Strömungssimulationen (CFD) durchgeführt. In einer ersten Gruppe von Arbeiten finden wir solche, die turbulente Strömungen im Inneren eines Busses berücksichtigen, die durch eine Klimaanlage erzeugt werden8,13,14,15. In dieser Situation können die Position der Luftein- und -auslässe zusammen mit der Menge der umgewälzten Luft oder der Menge der dem Gemisch hinzugefügten Frischluft als Entwurfsvariablen betrachtet werden, um verschiedene Belüftungsmodi zu testen und den Ausstoß interner emittierter Aerosole zu verbessern. Andererseits wurden in einer zweiten Reihe von Studien turbulente Strömungen in der Kabine simuliert, die dadurch entstehen, dass die Außenluft durch die offenen Fenster des Busses strömt oder keine Klimaanlage vorhanden ist, wie es in vielen lateinamerikanischen, asiatischen und asiatischen Ländern der Fall ist Afrikanische Länder; Diese Papiere8,16,17,18,19 bilden den Haupthintergrund des vorliegenden Berichts. Erstens haben die meisten dieser Studien eine charakteristische Strömung in Stadtbussen offenbart, die auf den ersten Blick vielleicht nicht offensichtlich ist: Anders als wir vielleicht erwarten, wenn sich ein Bus mit einer bestimmten Geschwindigkeit und einer festen Anzahl geöffneter Fenster bewegt, Die Außenluft tritt durch die hinteren Fenster ein und strömt dann nach vorne, wobei sie die Aerosole im Durchschnitt von hinten nach vorne drückt oder fegt. Dieser kontraintuitive Fluss entsteht, weil der Druck an den vorderen Fenstern niedriger ist als an der Rückseite, was zu diesem druckgetriebenen Fluss führt. Eine weitere wichtige Beobachtung aus diesen Studien ist die Tatsache, dass, was nicht überraschend ist, die Entfernung von Partikeln aus Innenräumen beschleunigt wird, wenn die Busfenster geöffnet sind8. Insbesondere untersuchten Li und Mitarbeiter16 die Strömungseigenschaften und den Widerstand von Schadstoffen, die durch unterschiedliche Anordnungen offener Fenster erzeugt werden; Wichtig ist, dass sie anmerkten, dass das Öffnen des Fahrerfensters zusammen mit den Fenstern in der Mitte des Busses zu einem beobachtbaren „Pumpeffekt“ führen kann, der, wie bereits erwähnt, Luft von hinten nach vorne transportiert. Lis Arbeiten sowie andere Arbeiten16,20,21 konzentrierten sich hauptsächlich auf den Transport von Schadstoffen, die außerhalb des Busses entstehen, wie z. B. Motorabgase, die dann in das Innere des Busses eindringen können, oder auf die Temperaturverteilung im Inneren des Busses durch das Strömungsfeld und seine Auswirkungen auf den thermischen Komfort17,19. Nur Zhang et al.8 haben sich explizit mit dem Problem der in einem Bus emittierten und transportierten Aerosole befasst, ohne jedoch deren Ausstoß nach außen zu verfolgen (siehe auch die Arbeit von Mesgarpour22 zur Ausbreitung von Tröpfchen in einem geschlossenen Bus). Daher ist es notwendig, eine neue Studie zum Transport und Ausstoß von Aerosolen durch die offenen Fenster eines Stadtbusses durchzuführen, indem die externen und internen Strömungen gleichzeitig untersucht werden.

Es ist wichtig zu erwähnen, dass die Belüftungsqualität oder die Entfernung von Schadstoffen aus Innenräumen auch unter anderen Umständen rechnerisch untersucht wurde; Zu den relevanten Beispielen zählen die Strömungseigenschaften und die Bewegung luftgetragener Lebewesen in einer Flugzeugkabine23,24, die Strömung in einer Kabine eines Hochgeschwindigkeitszuges25 und in einem Automobil26 (diese Autoren bemerkten auch den oben erwähnten Pumpeffekt von hinten nach vorne); Strömung und Aerosolausbreitung in einem Konferenzraum27, in einem allgemeinen belüfteten Raum28, einem Supermarkt29 oder einem Restaurant30 und der Strömung in Gebäuden und Krankenhäusern (siehe Ref.31 für einen allgemeinen Überblick zu diesem Thema). CFD-Simulationen waren auch nützlich, um die Luftqualität und den damit verbundenen thermischen Komfort in Autos32, natürlich belüfteten Räumen33 und Gebäuden in städtischen Gemeinden34 zu bewerten, um nur einige zu nennen.

Die Abbildungen 1a und b zeigen die in diesem Bericht verwendeten numerischen und experimentellen Modelle.

Bild der in dieser Studie verwendeten numerischen (a) und experimentellen (b) Modelle (weitere Einzelheiten finden Sie im Abschnitt „Methoden“). Abbildung (c) zeigt ein Schema der mittleren Luftströmungsrichtung, die in der seitlichen Fensterkonfiguration beobachtet wird, bei der Luft von hinten nach vorne gepumpt wird, sowie die vorgeschlagene Konfiguration, bei der Lufteinlässe an der Vorderwand installiert sind, wodurch sich die mittlere Strömung ändert Richtung. Im numerischen Modell (a) werden Sitze mit roter Farbe gekennzeichnet, während offene Fenster blau markiert werden. Es wurden numerische und experimentelle Modelle mit und ohne Passagiere (Manikins) getestet.

Kurz gesagt (die Einzelheiten finden Sie im Abschnitt „Methoden“): Das numerische Modell löst den internen und externen Luftstrom, der gleichzeitig entlang eines Busses in Originalgröße gebildet wird, der mit einer repräsentativen Geschwindigkeit von \(U=50 km/h\) (13,9 m) fährt /s) und mit einer bestimmten Verteilung der geöffneten Fenster. Ein Beispiel dafür, was bei niedrigeren Geschwindigkeiten passiert, ist im Zusatzmaterial S1 dargestellt. Nachdem wir die turbulente Strömung ermittelt hatten, begannen wir mit der Bewertung der Belüftung der intern emittierten Aerosole mithilfe von drei verschiedenen Ansätzen. In einem ersten Ansatz analysieren wir den Widerstand und den Ausstoß einer kontinuierlichen „Wolke“ von Partikeln (Konzentrationsfeld), die von einem Gaußschen Impuls mit einer Breite von 0,5 Sekunden emittiert wird und sich in der Mitte des Passagierbereichs befindet. Um eine realistischere Simulation eines Atem- (Ausatmungs-)Ereignisses zu erhalten, haben wir das Aerosol auch als statistisches Ensemble von Lagrange-Partikeln modelliert und dabei eine Reihe zufälliger Parameter (Partikelgeschwindigkeit) verwendet, um die stochastische Natur der Aerosolfreisetzung zu berücksichtigen. Da die Belüftungseigenschaften dieser Euler- und Lagrange-Darstellungen schließlich vom Ort der Emission abhängen, haben wir auch das sogenannte mittlere Luftalter für ein gegebenes Strömungsfeld berechnet, um die erneute Veränderung der Raumluft zu visualisieren. Per Definition gibt dieser Parameter an, wie schwierig es für eine bestimmte Emission ist, ein Kontrollvolumen für jeden möglichen Standort des Emitters zu verlassen.

In der Lage sein, die Belüftungseigenschaften im Bus experimentell zu beurteilen und neue Lufteinlassorte zu erkunden; Um eine neuartige Verteilung offener Fenster zu erforschen, verwendeten wir als Versuchsaufbau ein Busmodell aus Acryl im Maßstab 1:10 mit oder ohne 3D-gedruckten Fahrgastfiguren (leerer oder voller Bus) (Abb. 1b). Als Skalierungsparameter haben wir gewählt, um die Zeit beizubehalten, die die Luft benötigt, um die gesamte Buslänge zurückzulegen, d. h. \(t=L/U\), wobei L die Länge eines realen Busses ist (\(\sim 10m\) ) oder die Länge unseres maßstabsgetreuen Modells (1 m), während U die Fahrgeschwindigkeit eines echten Busses (13,9 m/s) oder die Geschwindigkeit unseres maßstabsgetreuen Busses (1,3 m/s) ist. Beachten Sie, dass diese Skalierungsoption die Reynolds-Zahl um den Faktor 100 reduziert, aber dennoch das turbulente Regime (von \(2\times 10^{6}\) bis \(2\times 10^{4}\) beibehält. ) im experimentellen Modell). Die Reynolds-Zahl wird hier über U und die Breite des Busses als charakteristische Länge definiert. Zusätzlich haben wir einen \(\text{CO}_{2}\)-Impuls und einen kommerziellen Sensor verwendet, um die Belüftungseigenschaften im experimentellen Modell bei einer bestimmten Anordnung offener Fenster zu bewerten.

Nun wollen wir die Haupthypothese und Motivation dieses Berichts kommentieren, die beide in Abb. 1c dargestellt sind. Bei aktuellen Nutzbuskonstruktionen sind die Fenster entlang der Seitenwände der Karosserie angebracht, typischerweise 4 bis 5 Schiebefenster auf jeder Seite. Wie in der Einleitung erwähnt, fördert diese seitliche Anordnung aufgrund des an der Angriffswand entstehenden geringeren Druckfeldes im Durchschnitt die innere Belüftung bzw. Partikelbewegung von hinten nach vorne. Die neue Konfiguration, die wir untersuchen möchten, ist im rechten Bild von Abb. 1c dargestellt und besteht darin, zwei offene Fenster oder Lufteinlässe an der Vorderwand anzuordnen, während zwei seitliche Fenster an der Rückseite offen bleiben. Wir gehen davon aus, dass diese Konfiguration nicht nur die durchschnittliche Belüftungsrichtung (von vorne nach hinten) ändert, sondern auch den Ausstoß von intern emittierten Aerosolen erhöht. Obwohl es diese neuen Lufteinlässe in Nutzfahrzeugen nicht gibt, ist anzumerken, dass bei den aktuellen Buskonstruktionen im Bereich zwischen der Windschutzscheibe des Fahrers und dem Busdach (normalerweise zur Ankündigung der Busroute) Platz vorhanden ist. In diesem Raum platzieren wir die beiden Frontfenster sowohl im rechnerischen als auch im experimentellen Modell.

Wir begannen damit, die Auswirkungen der verschiedenen Konfigurationen geöffneter Fenster zu untersuchen, indem wir 2D-Simulationen auf einer horizontalen Ebene durchführten, die mit der Ebene übereinstimmt, in der sich die Fenster befinden. Diese Simulationen haben uns auch geholfen, die numerische Gittergröße zu optimieren und das Turbulenzmodell \(\kappa -\varepsilon \) mit dem strengeren, aber anspruchsvolleren SST-Modell \(\kappa -\omega \) zu vergleichen (die Details können eingesehen werden). im Abschnitt „Methoden“ und in den ergänzenden Materialien S2, S3 und S4, einschließlich Validierungstests für das SST \(\kappa -\omega \)-Modell, eine Gittergrößenabhängigkeitsstudie und eine Reynolds-Zahlenabhängigkeitsanalyse). Die verschiedenen Verteilungen geöffneter Fenster, die wir untersucht haben, sind in Abb. 2 dargestellt und haben die folgende Nomenklatur: 2W für 2 offene Fenster, 4W für 4 offene Fenster, AW für alle geöffneten Fenster und FW für die neue vorgeschlagene Anordnung, die darin besteht, zwei zu öffnen Lufteinlässe an der Vorderwand sowie 2 seitliche Fenster an der Rückseite. Darüber hinaus verwendeten wir in diesen 2D-Simulationen das konzentrationsbasierte Modell für Aerosole und wählten die Emissionsquelle in der Mitte des Busses (in der Abbildung mit Sternchen markiert). Das Diagramm zeigt die Gesamtmenge der Aerosole in der Kabine als Funktion der Zeit, normalisiert mit dem entsprechenden Maximalwert oder Spitzenwert, nach dem 0,5-sekündigen Emissionsimpuls (der Gaußsche Schweif beginnt zum Zeitpunkt \(t=0\)). Blaue Linien sind die Ergebnisse unter Verwendung des \(\kappa -\varepsilon \)-Modells, während die gelben Linien dem SST \(\kappa -\omega \)-Modell entsprechen.

Auf den ersten Blick können wir erkennen, dass die Ausstoßrate von Aerosolen erwartungsgemäß zunimmt, wenn wir von 2 auf 4 offene Fenster wechseln (wir haben einige Filme in die Beilage eingefügt, damit sich der Leser ein klares Bild von den Ausbreitungseigenschaften machen kann). Die 2W-Verteilung ermöglicht den Ausstoß von Aerosolen, fördert jedoch nicht die Entstehung des Pumpeffekts von hinten nach vorne oder die Luftzirkulation, da die hinteren Fenster geschlossen sind. In diesem Fall ist die beobachtete Verzögerungszeit bis zum Beginn des Ausstoßes, \(\sim 10s\), auf die Zeit zurückzuführen, die der Luftstrom benötigt, um nach dem Ausstoß die Position der offenen Fenster zu erreichen. Die 4W- und AW-Konfigurationen zeigen dagegen eine deutliche Verbesserung der Ausstoßrate, da sie die inneren Ströme aufgrund der Etablierung des Pumpeffekts erhöhen (im Ergänzungsmaterial S4 haben wir einige Flüssigkeitsströmungskarten eingefügt, um dieses Pumpen zu zeigen). Wirkung). Daher ist es für eine ordnungsgemäße Zirkulation und Erneuerung der Luft sehr wichtig, an jeder Seitenwand mindestens zwei offene Fenster zu lassen, zwei vorne und zwei hinten. Als kurze Anmerkung: Beachten Sie, dass die 2D-Simulationen darauf hindeuten, dass das Öffnen aller Fenster keinen nennenswerten Unterschied zur 4-W-Konfiguration macht oder nur das Öffnen von 2 Fenstern auf jeder Seite. Schließlich können wir sehen, dass die FW-Konfiguration hinsichtlich der Ausstoßrate die beste Leistung erzielte; Dies gab uns Zuversicht, mit den 3D-Simulationen und Pilottests fortzufahren.

2D-Simulationen: Gesamtmenge an Aerosolen im Bus als Funktion der Zeit, normiert mit den entsprechenden Maximalwerten. Blaue Linien sind die Ergebnisse unter Verwendung des \(\kappa -\varepsilon \)-Modells, während gelbe Linien dem SST \(\kappa -\omega \)-Modell entsprechen. Die Erklärung der verschiedenen Konfigurationen geöffneter Fenster wird im Text und im Schema auf der rechten Seite erläutert. Die Aerosolemission erfolgt in den ersten 0,5 Sekunden in der Mitte der Buskabine. Sehen Sie sich auch die im Zusatzmaterial enthaltenen Filme an. Die in den AW- und 4W-Fällen beobachteten lokalen Zuwächse um die 6er Jahre deuten auf den Wiedereintritt von Aerosolen hin, die durch die zirkulierenden Strömungen außerhalb des Busses gefördert werden; Das heißt, ein Teil der Aerosole, die den Bus an den frontal-lateralen Fenstern verlassen haben, kann durch die hinten-lateralen Fenster zurückkehren.

In den 3D-Simulationen haben wir die lateralen 4W- und frontalen FW-Konfigurationen detaillierter analysiert. Abbildung 3 zeigt einige 3D-Stromlinien (schwarze Linien) zusammen mit einer repräsentativen Druckfeldkarte sowie das mittlere Luftalter für diese beiden Verteilungen bei geöffneten Fenstern in einem unbesetzten Bus. Aus Abb. 3a und c wird deutlich, dass das Druckfeld auf Fensterhöhe in beiden Situationen außerhalb des Busses zwar ähnlich ist, das Druckvorzeichen in der Kabine jedoch von negativ (Saugwirkung) im 4W-Fall zu positiv (Schubwirkung) wechselt ) in der FW-Anordnung. Auch die Luftstromlinien haben jeweils ein anderes Schicksal: Bei der 4W-Konfiguration umfahren die von vorne kommenden Stromlinien die Karosserie des Busses, ohne in die Kabine einzudringen; Im FW-Fall hingegen betreten sie den Bus durch die vorderen Einlassöffnungen, durchqueren den Businnenraum und verlassen den Bus durch die hinteren Fenster.

Die entsprechenden 3D-Konturdiagramme des mittleren Luftalters sind in Abb. 3b und d dargestellt (ein Validierungsdiagramm des mittleren Luftalters, einschließlich seiner Werte innerhalb und außerhalb der Buskabine, ist im Zusatzmaterial S5 dargestellt). Das Alter der Luft im 4W-Gehäuse beträgt durchschnittlich 378 Sekunden (\(\sim 6\) Minuten), wobei das Maximum von 7,8 Minuten hauptsächlich in den Frontzonen des Busses liegt. Für die FW-Konfiguration beträgt das Durchschnittsalter der Luft 50 Jahre mit einem Maximum von 69 Jahren. Unter allen numerischen Ergebnissen ist dies vielleicht der bemerkenswerteste Unterschied zwischen der durch Unterdruck angetriebenen Strömung im 4W-Fall und der vorgeschlagenen FW-Konfiguration mit Schubeffekt. Beachten Sie außerdem, dass das Alter der Luft komplementär zu den Verweilzeitwerten ist, d Standard 4W in Bezug auf die Aerosolansammlung.

Um eine realistischere Simulation der Verbreitung und des Ausstoßes von im Bus emittierten Aerosolen zu erhalten, zeigen wir in diesem Abschnitt die Ergebnisse der Verfolgung eines statistischen Ensembles diskreter Partikel, die von der Hintergrundströmung transportiert werden, wobei wir Zufallsparameter verwenden, um die Stochastik eines Ausatmungsereignisses zu erfassen (Eine detailliertere Erläuterung des Freigabeprotokolls finden Sie in den Methoden.) Das Ausatmungsereignis besteht darin, 100 Partikel innerhalb eines Zeitraums von 2 s freizusetzen und dann ihrer Flugbahn als Funktion der Zeit zu folgen; Dieses Ereignis wird 40 Mal wiederholt, wobei die Freisetzungsparameter zufällig geändert werden, um eine Gesamtpopulation von 4000 Partikeln zu erhalten. Der Freisetzungsort war derselbe, der im konzentrationsbasierten Modell gewählt wurde.

Ein Beispiel für ein Ausatmungsereignis ist in Abb. 4a dargestellt, wo wir die Position des Partikelpakets 6 Sekunden nach der Emission sehen können, das an Platz Nummer 6 austritt, und dann die gleichen Partikel, aber jetzt zum Zeitpunkt 46,5 Sekunden (sehen Sie, wie einige Partikel starten). Verlassen des Busses durch die Heckscheibe). Die Abbildungen 4b und c zeigen die Anzahl der Partikel im Bus als Funktion der Zeit für die 4W- und FW-Konfigurationen; Die grauen Linien stellen jede Replik des Ensembles dar, während die rote Linie den Ensemble-Durchschnitt darstellt. Wir haben in den Einschüben auch die pdf(y) (Wahrscheinlichkeitsdichtefunktion) zum Auffinden der Partikel zum letzten Zeitpunkt der Simulationen in Bezug auf den Längsabstand eingefügt (Freisetzungsort liegt bei y=5m oder Sitz \(\#6\ )). Es ist wichtig zu sagen, dass wir den Partikeln (\(u_{p}=0\) an der Oberfläche) den klebrigen Zustand auferlegt haben, sodass sie jedes Mal immobilisiert werden, wenn sie eine feste Oberfläche berühren. Dies ist eine grobe Vereinfachung, da sich die Adhäsionskräfte viraler Partikel in Wirklichkeit je nach Art der Oberfläche ändern35 und vom Wandgesetz abhängen, das in den Übergangs- und unterviskosen Strömungsschichten angewendet wird36.

3D-Simulationen: Druckfeld, Stromlinien (schwarze Linien) und mittleres Luftalter für die 4W- und FW-Konfigurationen (siehe auch die Einschübe als Orientierung). Die Luftströmungsrichtung wird durch einen Pfeil angezeigt; Das Dach des Busses ist nicht dargestellt, um den Blick ins Innere zu erleichtern.

3D-Partikelverfolgung; (a) Beispiel für die Position von 100 Partikeln 6 und 46,5 s nach der Emission; (b) und (c): Anzahl der Partikel im Bus als Funktion der Zeit (Sekunden) für jedes Ausatmungsereignis (graue Linien) und für den Ensemble-Durchschnitt (rote Linie). Die vertikale blaue Linie in den Hauptdiagrammen zeigt die maximalen Luftalterswerte an, die für die 4W- und FW-Fälle ermittelt wurden; Die Einschübe zeigen das PDF(y) der Partikelposition zum letzten Zeitpunkt der Simulationen, die Sternchen geben die Position der Partikelfreisetzung an.

Belüftungsexperimente mit \(\text{CO}_{2}\) als passivem Tracer im leeren Bus. Die \(\text{CO}_{2}\)-Konzentration wird mit dem Maximalwert am Emissionspeak normalisiert und die Messungen wurden im mittleren Teil des Busses durchgeführt. Fehlerbalken werden für 5 Wiederholungen für jede Bedingung angezeigt.

Lüftungsexperimente mit \(\text{CO}_{2}\) als passivem Tracer in einem besetzten Bus. (a)–(c): \(\text{CO}_{2}\) Konzentration normalisiert mit dem Maximalwert am Emissionspeak als Funktion der Zeit, gemessen im vorderen (Fahrerbereich), mittleren und hinteren Bereich von der Bus für die Konfigurationen 4W (blaue Linie) und FW (orange Linie); (d): absolute \(\text{CO}_{2}\)-Konzentration, die am Emissionspeak für jeden Fall erfasst wurde. Fehlerbalken werden für 5 Wiederholungen für jede Bedingung angezeigt.

Im 4W-Fall (Abb. 4b) können wir sehen, dass die Partikel nach einer Verweilzeit beginnen, die Kabine durch die offenen Fenster mit einer durchschnittlichen Geschwindigkeit von 2 Partikeln/Minute zu verlassen. Andererseits zeigt pdf(y) eine höhere Wahrscheinlichkeit, die Partikel in der Nähe der Freisetzungsstelle und an der Vorderseite zu finden. Der Partikelausstoß ist im FW-Fall anders (Abb. 4c), da auf die Retentionszeit ein rascher Anstieg der Ausstoßrate \(\sim 28\) Partikel/Minute folgt, dieser dann jedoch abnimmt und einen stationären Wert erreicht. Das entsprechende pdf(y) zeigt, dass die Lokalisierungswahrscheinlichkeit im Vergleich zum 4W-Fall geringer ist und zum Heck des Busses hin belastet wird. Es ist wichtig anzumerken, dass das im entsprechenden Hauptdiagramm beobachtete Plateau auf die Tatsache zurückzuführen ist, dass die meisten Partikel, die den Bus zu einem frühen Zeitpunkt nicht verlassen haben, an den festen Innenwänden festgehalten werden. Im gleichen Sinne zeigt die im 4W-Fall beobachtete kontinuierliche Abnahme, dass die Mehrheit der Partikel in der Luft schweben bleibt. Zusammenfassend deuten alle diese Daten darauf hin, dass der Aerosolausstoß im seitlichen 4W-Fall langsam und kontinuierlich erfolgt und Aerosole länger in der Luft schweben bleiben als in der FW-Konfiguration, wo der Ausstoß schneller ist, einen stabilen Zustand erreicht und die Partikelabsetzung fördert.

In diesem Abschnitt präsentieren wir die experimentellen Ergebnisse der Streuung von \(\text{CO}_{2}\) unter Berücksichtigung eines leeren Busses und eines Busses voller Passagiere (siehe auch Abb. 1b und 8a, b). Wie in den Methoden ausführlich beschrieben, verwendeten wir für die Experimente einen 0,5-sekündigen Impuls von \(\text{CO}_{2}\), der in der Mitte des Busmodells freigesetzt wurde, und registrierten dann die Konzentrationsentwicklung an verschiedenen Stellen innerhalb des Busmodells Bus. Abbildung 5 zeigt die zeitliche Entwicklung von \(\text{CO}_{2}\), das in einem leeren Bus für die folgenden Konfigurationen freigesetzt wird: alle Fenster geschlossen, (2W) zwei offene Seitenfenster, (4W) vier offene Seitenfenster und FW, also die frontal-laterale Konfiguration. Wie wir in Abb. 5 sehen können, steigt die Dissipationsrate erwartungsgemäß an und erreicht die niedrigste Ausstoßrate, wenn alle Fenster geschlossen sind (\(\text{CO}_{2}\) entweicht langsam durch unversiegelte Teile der Buswände) und der größte für die FW-Konfiguration. Die Abbildungen 6a–c zeigen den normalisierten \(\text{CO}_{2}\)-Betrag speziell für die 4W- und FW-Fälle an drei verschiedenen Positionen und bei einem Bus voller Passagiere. Die Zerfalls- oder Ausstoßrate von \(\text{CO}_{2}\) ist in der FW-Konfiguration in allen Fällen höher, aber der Unterschied ist im Fahrerbereich besonders deutlich. Abbildung 6d zeigt den maximalen Absolutwert (ppm) von \(\text{CO}_{2}\), der nach der Freigabe für die drei Positionen und die beiden betrachteten Konfigurationen erfasst wurde. Hervorzuheben ist die Tatsache, dass die maximalen Beträge in der Position des Fahrers und im mittleren Teil des Busses für das 4W-Gehäuse erreicht werden, obwohl im hinteren Bereich der maximale Betrag für die FW-Konfiguration gilt.

Die vorliegende Studie wurde durch eine Notfallsituation inspiriert, in der gefährliche Partikel oder Aerosole in der Luft in einem Stadtbus emittiert werden und in kürzester Zeit (maximale Ausstoßraten) ausgestoßen werden müssen, um ihre Ansammlung in der Kabine zu reduzieren. Im Zusammenhang mit der durch COVID-19 verursachten Notlage ist die Untersuchung der Belüftungseffizienz im öffentlichen Verkehr von großer Bedeutung, da Studien darauf hinweisen37,38, dass in Stadtbussen im Vergleich zu anderen Transportmitteln das höchste Infektionsrisiko besteht.

Kernaussage und Vorschlag dieses Berichts ist, dass der Einbau eines Frontflügelfensters in die Buskarosserie die Belüftungsqualität im Vergleich zu aktuellen Konstruktionen, bei denen die Lufteinlässe ausschließlich entlang der Seitenwände des Busses verteilt sind, erheblich verbessern kann. Wir haben mit Experimenten und numerischen Simulationen gezeigt, dass die hier vorgeschlagene frontale FW-Konfiguration die Ausstoßrate von Aerosolen erhöht und die maximale Menge an Schwebeteilchen nach der Freisetzung verringert; Es reduziert außerdem die Partikelausbreitung im Bus und das Durchschnittsalter der Luft um eine Größenordnung im Vergleich zur Standard-Seitenfensterkonfiguration. Als zusätzliche Anmerkung ergibt die Gesamtdurchflussrate in der FW-Konfiguration bei einer Busgeschwindigkeit von 50 km/h und einer Besetzung von 50 Personen einen Wert von \(\sim 100 L/s/Person\), ein Wert, der liegt deutlich über der empfohlenen Beatmungsrate (8–10 l/s/Person), die von der Scientific Advisory Group of Emergencies (SAGE) im Vereinigten Königreich39 während des COVID-19-Notfalls vorgeschlagen wurde. Diese empfohlene Rate wird durch die FW-Konfiguration auch dann erreicht, wenn der Bus mit 9 km/h fährt.

Bei der Analyse haben wir andere Variablen außer Acht gelassen, die für die Konstruktion eines Stadtbusses wichtig sind, wie z. B. der gesamte hydrodynamische Widerstand des Busses, die Spezifität des Busmodells oder andere Überlegungen wie der Komfort der Fahrgäste. Auf jeden Fall sind unsere Beobachtungen für Designer oder Ingenieure nützlich, da sie eine praktische Lösung für eine Notfallsituation vorschlagen, in der der Ausstoß von Aerosolen zum relevanten Faktor wird und in der die natürliche Belüftung der einzige verfügbare Belüftungsmodus ist, wie dies bei mittlerer und niedriger Belüftung der Fall ist -Einkommensländer. Während sich diese Studie andererseits auf die Belüftungseigenschaften der Karosserie des Basisbusses konzentriert, sollten weitere Studien durchgeführt werden, um mögliche Auswirkungen der Temperaturunterschiede zwischen den Außenbereichen des Busses (unterschiedliche Umgebungsbedingungen) und der Innentemperatur zu untersuchen ( (Wärmeabgabe der Passagiere) sowie die daraus resultierenden thermischen Schwankungen, die durch diese Temperaturunterschiede verursacht werden40. Bitte beachten Sie, dass die durchschnittliche Innengeschwindigkeit im FW-Fall 0,8 m/s betrug, was viermal größer ist als die durchschnittliche Geschwindigkeit, die durch die thermische Wolke verursacht wird, gemessen unter stagnierenden Bedingungen und unter Verwendung einer Puppe (0,24 m/s mit \(19,5). ^{\circ }C\) in der Umgebungsluft41); Sie liegt jedoch in der gleichen Größenordnung wie die durchschnittliche Geschwindigkeit in der 4W-Konfiguration, sodass sie sich in diesem Fall auf das Strömungsfeld auswirken kann, wenn die Temperaturunterschiede groß sind. Parallel dazu gibt es eine aktuelle Arbeit42, in der die über realen Menschen gemessene Geschwindigkeit der thermischen Fahnen angegeben wird und festgestellt wird, dass die damit verbundene Geschwindigkeit im Durchschnitt kleiner (0,07 m/s) ist als der zuvor mit Übungspuppen gemessene Wert von 0,24 m/s. Daher glauben wir, dass das Problem der Temperaturunterschiede und ihrer Auswirkungen auf die inneren Strömungen eine völlig neue, spezielle Studie erfordert, die Temperaturen unter und über 30 °C oder Umgebungsbedingungen berücksichtigt, die für Länder zwischen den Wendekreisen repräsentativ sind.

Wir haben auch andere Konfigurationen offener Fenster untersucht, die grundsätzlich eine attraktive Wahl sein und die Innenlüftung verbessern könnten. Beispielsweise haben wir eine Geometrie konstruiert, in der wir ein Fahrerfenster modelliert haben (siehe Zusatzmaterial S6). Dieses Fenster öffnet sich durch Drehen eines Scharniers, sodass es in Bezug auf die Außenströmung in eine „Angriffsposition“ (luvwärts) ausgerichtet werden kann. Überraschenderweise konnten wir keine nennenswerte Verbesserung hinsichtlich des Pumpeffekts von hinten nach vorne beobachten, der beobachtet wird, wenn zwei Sätze von Fensterpaaren geöffnet sind. Stadtbusse verfügen ebenfalls über mobile Tore auf dem Dach, diese bieten jedoch grundsätzlich keine nennenswerte Verbesserung oder Änderung der mittleren Geschwindigkeitsstruktur im Vergleich zu den herkömmlichen seitlichen Fenstern (weitere Erläuterungen hierzu finden Sie in Ref. 18).

Eine weitere interessante Frage, die es wert ist, untersucht zu werden, sind die Auswirkungen, die die bloße Anwesenheit von Passagieren auf den Luftstrom oder die Aerosolentfernung haben kann (neben der offensichtlichen Tatsache, dass die Aerosolkonzentration mit der Anzahl der Passagiere zunimmt). Um diese Effekte in der vorgeschlagenen FW-Konfiguration zu bewerten, haben wir die entsprechenden Simulationen wiederholt, nun jedoch unter Berücksichtigung der Anwesenheit von Passagieren (Puppen) und unter Anwendung einer rutschfesten Bedingung auf die entsprechenden neuen Oberflächen. Die Ergebnisse für das Alter der Luftverteilung, \({\mathscr {A}}\), sind in Abb. 7 dargestellt. Es zeigt sich, dass die Anwesenheit von Passagieren die Größenordnung von \({\mathscr {A} }\), führt aber gleichzeitig zu einer Verringerung seines Durchschnittswerts: 32 s (max. 49 s) im besetzten Bus im Vergleich zu den 50 s (max. 69 s) im leeren Bus. Unerwarteterweise bedeutet dies, dass die Anwesenheit von Passagieren die Ausstoßrate erhöht oder die Verweilzeit der Luft im Bus verkürzt. Da die Anwesenheit von Passagieren das von der Luft eingenommene Volumen verringert, deuten diese numerischen Ergebnisse darauf hin, dass die Verringerung des internen Volumenanteils der Luft einen größeren Einfluss auf die Erhöhung der Ausstoßrate hat als der behindernde Effekt, der durch die angewandte Gleitschutz-Randbedingung verursacht wird der Oberfläche der Passagiere (hydrodynamischer Effekt). Der mit der Anwesenheit von Passagieren verbundene Anstieg der Ausweisungsrate wurde durch die Experimente bestätigt, die die Entwicklung der \(\text{CO}_{2}\)-Menge mit und ohne Übungspuppen verglichen, siehe ergänzendes Material S7. In das Zusatzmaterial S8 haben wir auch eine zweite Simulation mit hochauflösenden Manikins für den FW-Fall aufgenommen und dabei einen ähnlichen Trend wie in Abb. 7 erhalten (diese Simulation wurde nicht in den Haupttext aufgenommen, da sie keinen numerischen Wert erreichte). Toleranz unter \(10^{-3}\)).

Luftalterskonturen, die für die FW-Konfiguration einschließlich Übungspuppen ermittelt wurden. Der obere Einschub zeigt die Details der verwendeten Puppenfigur.

Im Zusammenhang mit den in dieser Arbeit verwendeten Turbulenzmodellen konnten wir keine wesentlichen Unterschiede zwischen den globalen Ausstoßraten von Aerosolen feststellen, die mit dem \(\kappa -\varepsilon \)- oder dem SST \(\kappa -\omega \)-Modell erhalten wurden, siehe Abb. 2. Wie im Zusatzmaterial S4 gezeigt, weist das Strömungsfeld je nach verwendetem Turbulenzmodell einige Unterschiede auf. Wir haben auch einen Vergleich zwischen den mit diesen beiden Modellen erhaltenen Ausstoßraten einbezogen, jedoch ohne den turbulenten Mischungsterm in die Diffusions-Konvektionsgleichung einzubeziehen (siehe Abschnitt Methoden und S3). In diesem Fall ist der Unterschied in den Ausstoßraten sehr auffällig, was die Tatsache unterstreicht, dass man immer die turbulente Vermischung in die maßgeblichen Massentransportgleichungen einbeziehen sollte, um zuverlässige Ergebnisse zu erhalten. In das Zusatzmaterial S4 haben wir auch die Ergebnisse einer 2D-Simulation einbezogen, bei der die Reynolds-Zahl um den Faktor 100 variiert wurde. Es wird gezeigt, dass eine Änderung von Re innerhalb des turbulenten Regimes die Struktur des durchschnittlichen Strömungsfeldes beibehält, aber um dieselbe abnimmt Faktor, die turbulenten Parameter wie die turbulente kinematische Viskosität. Daher wird erwartet, dass die hier präsentierten experimentellen Ergebnisse unter Verwendung des maßstabsgetreuen Busmodells nicht genau ein reales Szenario widerspiegeln, da der schwankende Teil der Strömung in einem Bus in realer Größe intensiver sein wird, ebenso wie die Aerosolausbreitung . Dies stellt eine konzeptionelle Einschränkung für die in diesem Bericht vorgestellten Experimente dar.

Abschließend hoffen wir, dass der vorliegende Bericht zum allgemeinen Verständnis der physikalischen und natürlichen Strömungen in Stadtbussen beitragen und Entscheidungsträgern dabei helfen kann, sich für Designalternativen zu entscheiden, die die Innenbelüftung in einem Notfall oder einer kritischen Situation verbessern können. Die aktuellen numerischen Ergebnisse können auch als Ausgangspunkt für fortgeschrittenere RANS-Modelle wie das Reynolds-Spannungstransportmodell verwendet werden, das durch das sogenannte Zweischichtmodell ergänzt wird und nachweislich die Vorhersagen der Partikelablagerung36,43 oder für Large verbessert Wirbelsimulationen oder direkte numerische Simulationen, die mehr Informationen über die turbulenten und Transportschwankungen der in Innenräumen emittierten Aerosole liefern können.

Abbildung 1 zeigt die in diesem Bericht verwendeten numerischen und experimentellen Modelle. Im numerischen Modell haben wir einen Bus in Originalgröße mit einer Länge (L) = 9,92 m, einer Breite (B) = 2,5 m und einer Höhe (H) = 2,2 m generiert, wobei zwischen dem Innenboden des Busses und dem Innenboden des Busses ein Abstand von 0,42 m verbleibt das Bodenniveau. Es wurde davon ausgegangen, dass die massiven Wände und Innensitze des Busses eine Dicke von Null haben, so dass es sich bei der Buskarosserie tatsächlich um ein numerisches 2D-Netz handelt, das in einen numerischen 3D-Bereich eingebettet ist. Der gesamte numerische Bus wurde in einem rechteckigen 3D-Kasten der Größe (8L\times 2L\times 2L\) platziert, siehe Abb. 8c und d, wobei der Bus näher an der vorderen Außenwand i platziert wurde (der Ursprung der kartesischen Koordinaten liegt bei). Stirnwand des Busses, wobei die y-Achse an der Buslänge ausgerichtet ist). Bei den offenen Fenstern handelt es sich um Bereiche an den massiven Wänden des Busses, in denen die Rutschfestigkeitsbedingung nicht gilt. Die seitlichen Fenster haben eine Größe von 53 x 40 cm, während die vorderen Fenster jeweils 90 x 20 cm groß sind. Ein feineres tetraedrisches Netz wurde an den Buswänden, im Innenraum und in der Zone direkt hinter der Busrückwand erzeugt, wo normalerweise turbulente helikale Wirbelstrukturen gebildet werden, die eine höhere räumliche Auflösung erfordern44,45,46. In den 3D-Modellen wurden insgesamt \(1,3\times 10^{6}\) und \(3\times 10^{6}\) Elemente für den unbesetzten und besetzten Bus verwendet, und \(5,9\times 10^ {4}\) in den 2D-Modellen (bei allen Simulationen wurde eine Links-/Rechts-Symmetrie angenommen, mit Ausnahme des AW-Falls, sodass die Anzahl der Elemente nur die Hälfte der gesamten Domäne widerspiegelt).

Numerische und experimentelle Aufbauten. (a) und (b) zeigen das Acryl-Busmodell (L = 1 m), einschließlich der 3D-gedruckten Passagierfiguren, der \(\text{CO}_{2}\)-Einspeisung, die sich in der Mitte befindet Bodenwand, dem \(\text{CO}_{2}\)-Sensor (S) und dem Anemometer (A). Zur Orientierung des Auges sind die Positionen der Fenster mit gestrichelten Linien markiert. (c) zeigt eine Panoramaansicht des gesamten numerischen Bereichs, einschließlich der Einlasswand (i), an der Luft in den Bereich eintritt, der Auslasswand (o) und der oberen Wand (uw), die als offene Grenzen gelten, sowie des Bodens Wand (bw), auf die die Rutschfestigkeitsbedingung angewendet wird. Im dichteren Netzbereich befindet sich der Bus. (d) Zoom des numerischen Bereichs, der die Buskarosserie (grau) und die Außenwände (blau) zeigt; Die Sitzplätze sind rot markiert.

Die Simulationen wurden ähnlich einem Windkanalaufbau durchgeführt; Das heißt, der Bus ist im Raum fixiert, während der Wind durch die in Abb. 8c gezeigte Außenwand „i“ bei \(U=50\, \text{km}/\text{h}\) eindringt. Bei den übrigen Außenwänden „uw“ und „o“ wird davon ausgegangen, dass es sich um offene Grenzen handelt (spannungsfreier Zustand), während wir an der unteren Wand „bw“ bzw. auf Bodenniveau den rutschfesten Zustand anwenden. Bei der Einbeziehung von Übungspuppen in das Modell wurde die Randbedingung der Rutschfestigkeit auch auf die entsprechenden Oberflächen angewendet. Die externe Reynolds-Zahl betrug \(Re\ca. 2\times 10^{6}\) basierend auf der Busbreite. Simulationen wurden in COMSOL Multiphysics durchgeführt; Weitere Einzelheiten zur Solver-Konfiguration finden Sie im Zusatzmaterial S2.

Es wird davon ausgegangen, dass der Luftstrom isotherm und inkompressibel ist und sich bei Vorhandensein von Aerosolen nicht ändert (verdünnter Bereich13). In diesem Fall können wir den Flüssigkeitsfluss von den Transportgleichungen entkoppeln und diese in zwei aufeinanderfolgenden Schritten lösen. Anschließend haben wir zunächst die durchschnittliche stationäre Geschwindigkeit \({\overline{u}}_{j}\) und den durchschnittlichen Druck \({\overline{p}}\) nach RANS-Modellen berechnet:47,48

wobei \(\rho \) und \(\mu \) die mittlere Dichte bzw. Viskosität sind, während \(\mu _{T}\) die turbulente Viskosität ist, die entweder mit \(\kappa -\varepsilon \ ) oder die turbulenten SST \(\kappa -\omega \)-Modelle. Immer wenn wir versuchten, mit SST \(\kappa -\omega \) eine konvergente Lösung zu finden, begannen wir, \(\kappa -\varepsilon \) zu verwenden, um eine erste Lösung zu finden. Standardwandfunktionen wurden auf \(\kappa -\varepsilon \) auf die Wände mit rutschfestem Zustand angewendet, während das Wolfshtein-Wandmodell49 auf SST \(\kappa -\omega \) angewendet wurde. Da andererseits beide Modelle die turbulente kinetische Energie \(\kappa\) lösen müssen, haben wir das Modell mit Werten von \(\kappa\) gefüttert, die auf die erhaltene Einlasswand „i“ angewendet wurden (siehe Abb. 8c). aus Windkanalexperimenten45. Im ergänzenden Material haben wir weitere Referenzen zu früheren Validierungstests bereitgestellt, die am SST-Modell \(\kappa -\omega \) durchgeführt wurden.

Nachdem wir den durchschnittlichen Flüssigkeitsfluss im stationären Zustand ermittelt hatten, fuhren wir mit den Aerosoltransportsimulationen unter Verwendung zweier verschiedener Ansätze fort. Im ersten haben wir einen konzentrationsbasierten Ansatz (kontinuierliche Formulierung) der Aerosolwolke betrachtet, wobei \({\overline{c}}\) das durchschnittliche Konzentrationsfeld darstellt und dessen maßgebliche Gleichung wie folgt geschrieben werden kann:

Wo

wobei \({\mathscr {D}}\) der Massendiffusionskoeffizient und \({\mathscr {D}}_{T}\) die turbulente Diffusion oder turbulente Vermischung ist. Darüber hinaus ist Sc die turbulente Schmidt-Zahl, deren Wert für einen weiten Bereich von Re-Zahlen50 nahezu konstant \(\sim 0,7\) ist, alternativ aber auch anhand der Strömungsfeldvariablen51 definiert werden kann. Um die Emission von Aerosolen ab dem Zeitpunkt \(t=0\) zu berücksichtigen, haben wir einen Quellterm in Gleichung eingefügt. (3) mit der Form \(S(x_{o},t)={\dot{q}}\;pulse(t)\;{\hat{c}}|_{node:x_{o} }\). Dabei ist Pulse(t) eine glatte Pulsfunktion mit einer Standardabweichung von 0,5s, \({\hat{c}}\) ist die Testfunktion für das Konzentrationsfeld im Finite-Elemente-Formalismus und \({\dot{q }}\) ist die Stärke der am Knoten \(x_{o}\) auftretenden Emission. Zur Veranschaulichung wird die Punktquelle bei \(x_{o}=\{\pm 0.6,5,1.6+0.42[m]\}\) platziert. Da wir davon ausgehen, dass die Aerosole so verdünnt sind, dass sie die hydrodynamischen Eigenschaften der Luft nicht verändern, kann \({\dot{q}}\) in der Praxis jeden beliebigen Wert annehmen; Daher können wir die Entwicklung von \({\overline{c}}(x,t)\) normalisiert mit dem Maximalwert oder der Spitze des Impulses darstellen. Konkret haben wir in Abb. 2 die Gesamtmenge der Aerosole in der Kabine, \({\mathscr {N}}(t)|_{in}\), als Funktion der Zeit gezeigt, normalisiert mit dem Maximalwert, der bei erscheint Zeit \(t_{max}\), also,

Die Aerosolwolke wurde auch explizit modelliert, indem einer Reihe von kugelförmigen Lagrange-Partikeln gefolgt wurde, die an derselben Stelle \(x_{o}\) wie in der kontinuierlichen Formulierung emittiert wurden. Auf diese Weise wird der Ausstoß von Aerosoltröpfchen explizit beschrieben und es ist nicht erforderlich, eine Impulsemission mit zugehöriger Punktstärke zu verwenden. Beachten Sie andererseits, dass die typische Relaxationszeit von Teilchen mit Größen der Ordnung \(\sim 1\mu \text{m}\) etwa \(9\times 10^{-9}s\) beträgt Die charakteristische Stokes-Zahl ist klein und die Tröpfchen sollten der Hintergrundströmung genau folgen, ähnlich wie bei der kontinuierlichen Formulierung. Newtons Gleichungen wurden unter Berücksichtigung der Widerstandskraft \(F_{d}\) wie folgt gelöst:

wobei \(m_{p}\), \(\rho _{p}\), \(d_{p}\) und \(\vec {u}_{p}\) die Masse, die Dichte und der Durchmesser sind und Geschwindigkeit der Teilchen, während \({\overline{u}}_{i}\) die durchschnittliche stationäre Geschwindigkeit ist, die mit den RANS-Modellen erhalten wird. Hier geht es uns darum, den Weg der beim normalen Atmen emittierten Aerosolpartikel zu verfolgen; Daher haben wir die experimentell in Lit. 52 gefundene Partikelverteilung berücksichtigt, deren Partikelgrößenbereich 0,7–5,5\(\mu {m}\) mit einem Peak bei 1,5\(\mu {m}\) beträgt (wir haben nur Wahrscheinlichkeitsdichten berücksichtigt). größer als \(10^{-2}\), kleinere Partikelgrößenfraktionen wurden vernachlässigt). Für diese Partikelgrößen können Auftriebskräfte (\(\rho _{p}=1000kg/m^{3}\)) sowie die Verdunstungsdynamik aufgrund der kleinen charakteristischen Zeitskala30 vernachlässigt werden. Andererseits ist bei diesen Partikelgrößen die Knudsen-Zahl nicht so klein, \(Kn\sim 0,1\), sodass die Cunningham-Schlupfkorrektur53 auf die Widerstandskraft angewendet wird wie folgt:

obwohl wir keine signifikanten Änderungen festgestellt haben, wenn \(C_{c}\) nicht einbezogen wurde. Der Widerstandsfaktor \(C_{D}(Re_{r})\) wurde unter Verwendung von bis zu \(Re_{r}\sim 10^{6}\) gültigen Standardtabellen berechnet, obwohl die Ergebnisse ähnlich sind, wenn die Schiller- Stattdessen wird die empirische Formel von Naumann54 verwendet. Hier ist die relative Reynolds-Zahl definiert als \(Re_{r}=\rho |\vec {u}-\vec {u}_{p}|d_{p}/\mu \). Um das Ausatmungsereignis zu simulieren, haben wir 100 Partikel bei \(x_{o}\) für ein Zeitfenster von 2 s freigesetzt, mit einer gleichmäßigen Verteilung von Einheitsvektoren, die aus einem \(47^{\circ }\)-Kegel55 herauskommen, der in Richtung zeigt Vorderwand des Busses. Um die Zufälligkeit der Aerosolverteilung während einer Ausatmung zu berücksichtigen, haben wir das Ausatmungsereignis 40 Mal wiederholt und dabei jedes Mal unterschiedliche Abgabezeiten für jedes Partikel innerhalb des 2-Sekunden-Fensters und unterschiedliche Geschwindigkeiten oder Geschwindigkeitsgrößen mithilfe einer Zufallsgeneratorzahl ausgewählt. Der Bereich der Ausatemgeschwindigkeit lag zwischen 0 und 20 m/s, was die Obergrenze der charakteristischen Geschwindigkeit eines Hustens darstellt56. Als zusätzliche Anmerkung führte die Berücksichtigung der Brownschen Bewegung, die proportional zu \(\sim \sqrt{k_{B}T}\) ausgedrückt wird, in den Simulationen nicht zu einem wesentlichen Unterschied. Schließlich wurde den Partikeln immer dann der klebrige Zustand verliehen, wenn sie eine rutschfeste Oberfläche berührten, d. h. sie wurden festgehalten (\(u_{p}=0\)).

Während die gängigen Transportgleichungen (Lagrange- oder Eulersche Gleichungen) es uns ermöglichen, den Widerstand von Aerosolen und ihren anschließenden Ausstoß durch die offenen Fenster explizit zu sehen, ist ihre Anwendung irgendwie begrenzt, da jeder ausgewählte Emissionspunkt abhängig von seinem jeweiligen Standort einem anderen hydrodynamischen Widerstand ausgesetzt ist ; Mit anderen Worten: Wir müssen eine beträchtliche Anzahl verschiedener Punktquellen untersuchen, um eine vollständige Karte der Verweildauer (oder Ausstoßrate) der Aerosole zu erhalten und Regionen mit schlechter Belüftung zu erkennen. Um ein allgemeineres Bild der Belüftungsqualität im Bus zu erhalten, haben wir daher auch das sogenannte mittlere Luftalter \({\mathscr {A}}\)57 im äußeren und inneren Bereich berechnet der Bus. Die Interpretation von \({\mathscr {A}}\) kann wie folgt erfolgen: Stellen Sie sich vor, dass der Bus zu einem bestimmten Zeitpunkt \(t=0\) ein Bündel von Partikeln empfängt, die sich bewegen, während der ankommende Strom abfließt von der Wand „i“ (Abb. 8c); dann erkennt ein Beobachter an einer Stelle innerhalb oder außerhalb des Busses die Partikel in dem Moment, in dem sie ihn passieren; Das Skalarfeld \({\mathscr {A}}\) ist dann die durchschnittliche Zeit, die seit der Freisetzung der Partikel an der Einlasswand vergangen ist, bis der Beobachter solche Partikel entdeckt. Formal ist der lokale Wert von \({\mathscr {A}}\) definiert als:

Wie von Li und Tilton, Sandberg und Spalding57,58,59 gezeigt, ist die Transportgleichung. (3) kann manipuliert werden, um die durch (8) gegebene Definition zu berücksichtigen und eine partielle Differentialgleichung für \({\mathscr {A}}\) in der Form zu erhalten:

Wie von Liu und Tilton kommentiert, Gl. 9 hat die gleiche Form wie die stationäre Transportgleichung für verdünnte Spezies mit einem zusätzlichen Term, der einem Reaktionsterm entspricht und gleich 1 ist. In diesem Sinne können wir \({\mathscr {A}}\) mithilfe der angegebenen mittleren Geschwindigkeiten lösen durch die turbulenten Modelle und unter Verwendung derselben numerischen Löser, die für reguläre PDEs verwendet werden. Im Zusatzmaterial haben wir einen Validierungstest für \({\mathscr {A}}\) beigefügt, der zeigt, dass sein Wert an der Auslasswand „o“ (siehe Abb. 8c) gut mit der Gesamtzeit übereinstimmt, die der Luft verbringt den gesamten Rechenbereich, d. h. \(8L/U=79,3[m]/13,9[m/s]=5,7s\). Schließlich haben wir für das Feld \({\mathscr {A}}\) die Dirichlet-Bedingung \({\mathscr {A}}=0\) am Einlass „i“ angewendet, während in den übrigen Wänden, einschließlich Für die massiven Wände und Auslässe haben wir die Neumann-Bedingung \(\overrightarrow{n}\cdot \nabla {\mathscr {A}}=0\) angewendet.

Die Experimente wurden mit einem Acrylmodell eines Stadtbusses im Maßstab 1:10 mit oder ohne 3D-gedruckten Figuren sitzender Personen durchgeführt, siehe Abbildungen. 1b, 8a und b. Als Skalierungsparameter haben wir uns dafür entschieden, die Zeit festzulegen, die der Luftstrom benötigt, um die gesamte Buslänge zurückzulegen, also \(\sim 0,7s\). Ein Anemometer (A) wurde verwendet, um die Luftgeschwindigkeit (\sim 1,3 m/s) einzustellen, die von einem normalen Ventilator an der Vorderseite des Modells bereitgestellt wurde. Wir haben \(\text{CO}_{2}\) als passiven Tracer verwendet, um die Belüftungseigenschaften bei einer bestimmten Verteilung offener Fenster abzuleiten (die Fenster im Modell sind einfach Löcher, die in die Acrylwände gebohrt und bei Bedarf mit verschlossen werden). Acetatplatten). Über eine Verbindung im mittleren Teil des Busses wurden Impulse mit einer Länge von \(\text{CO}_{2}\) 0,5 s in das Innere des Busses eingeleitet (siehe Abb. 8b). Ein drahtloser kommerzieller \(\text{CO}_{2}\)-Sensor (S) und Rekorder (ST8310A, 0-20.000 ppm) wurde im mittleren Teil, hinten und vorne platziert, um dem \(\text{CO} zu folgen }_{2}\) Konzentration im Modell nach der Freisetzung zum Zeitpunkt \(t=0\). Für jede Bedingung wurden fünf Wiederholungen durchgeführt, wobei zwischen aufeinanderfolgenden Messungen die obere Kappe des Modells abgenommen wurde, um das verbleibende \(\text{CO}_{2}\) abzuleiten. Als abschließende Bemerkung ist es wichtig anzumerken, dass die Freisetzung und Erkennung von \(\text{CO}_{2}\) zwar einfach experimentell umzusetzen ist und ein Maß für die Belüftungseigenschaften im Bus liefert, es jedoch Diskrepanzen zwischen den Aufgrund der unterschiedlichen Emissionen, die in jedem Modell implementiert sind, können experimentelle und numerische Modelle auftreten: mikroskopische Partikel im einen und ein Gas im anderen.

Alle während dieser Studie generierten oder analysierten Daten sind in diesem veröffentlichten Artikel [und im Zusatzmaterial] enthalten.

Morawska, L. et al. Wie kann die Übertragung von Covid-19 über die Luft in Innenräumen minimiert werden? Umgebung. Int. 142, 105832–7 (2020).

Artikel CAS Google Scholar

Lewis, D. Immer mehr Beweise deuten darauf hin, dass das Coronavirus in der Luft übertragen wird – aber die Gesundheitsratschläge haben nicht aufgeholt. Natur 583, 510–513. https://doi.org/10.1038/d41586-020-02058-1 (2020).

Artikel ADS CAS Google Scholar

Tang, S. et al. Aerosolübertragung von Sars-Cov-2? Beweise, Prävention und Kontrolle. Umgebung. Int 144, 106039–10. https://doi.org/10.1016/j.envint.2020.106039 (2020).

Artikel CAS Google Scholar

Milton, DK, Fabian, MP, Cowling, BJ, Grantham, ML & McDevitt, JJ Influenzavirus-Aerosole in der menschlichen Ausatemluft: Partikelgröße, Kultivierbarkeit und Wirkung von chirurgischen Masken. PLOS Pathogens 9, e1003205-8. https://doi.org/10.1371/journal.ppat.1003205 (2013).

Artikel CAS Google Scholar

Stadnytskyi, V., Bax, C., Bax, A. & Anfinrud, P. Die Lebensdauer kleiner Sprachtröpfchen in der Luft und ihre potenzielle Bedeutung für die Übertragung von Sars-Cov-2. PNAS 117, 11875–11877 (2020).

Artikel ADS CAS Google Scholar

Jayaweera, M., Perera, H., Gunawardana, B. & Manatunge, J. Übertragung des Covid-19-Virus durch Tröpfchen und Aerosole: Eine kritische Überprüfung der ungelösten Dichotomie. Umgebung. Res. 118, 109819–18 (2020).

Artikel Google Scholar

Somsen, G., van Rijn, C., Kooij, S., Bem, R. & Bonn, D. Kleine Tröpfchenaerosole in schlecht belüfteten Räumen und Sars-Cov-2-Übertragung. Lanzettenatmung. Med. 8, 658–659 (2020).

Artikel CAS Google Scholar

Zhang, Z. et al. Krankheitsübertragung durch Ausatmungsaerosole in einem Stadtbus. Physik. Flüssigkeiten 33, 015116–16 (2021).

Artikel ADS CAS Google Scholar

Port, JR et al. Erhöhte Aerosolübertragung kleiner Partikel von b.1.1.7 im Vergleich zur Sars-Cov-2-Linie a in vivo. Nat. Mikrobiol.https://doi.org/10.1038/s41564-021-01047-y (2022).

Artikel Google Scholar

Prather, KA et al. Luftübertragung von Sars-Cov-2. Wissenschaft 370, 303–304 (2020).

ADS Google Scholar

Abulhassan, Y. & Davis, GA Überlegungen zum Transport von Kindern im schulpflichtigen Alter inmitten der Coronavirus-Pandemie. Transp. Res. Interdisziplinär. Perspektive. 9, 1002905 (2021).

Google Scholar

Browne, A., Ahmad, SS-O., Beck, CR & Nguyen-Van-Tam, JS Die Rolle von Transport und Verkehrsknotenpunkten bei der Ausbreitung von Influenza und Coronaviren: eine systematische Übersicht. J. Travel Med. 23, 1–7. https://doi.org/10.1093/jtm/tav002 (2016).

Artikel Google Scholar

Yang, X. et al. Übertragung erregerbeladener Exspirationströpfchen in einem Reisebus. J. Hazard Mater. 397, 122609–15. https://doi.org/10.1016/j.jhazmat.2020.122609 (2020).

Artikel CAS Google Scholar

Zhu, S., Srebric, J., Spengler, JD & Demokritou, P. Ein fortschrittliches numerisches Modell zur Bewertung der Übertragung von Influenza über die Luft in Mikroumgebungen von Bussen. Umgebung erstellen. 47, 67–75. https://doi.org/10.1016/j.buildenv.2011.05.003 (2012).

Artikel Google Scholar

Zhu, S., Philip, D. & Spengler, JD Experimentelle und numerische Untersuchung von Mikroumgebungsbedingungen in Bussen des öffentlichen Nahverkehrs. Umgebung erstellen. 45, 2077–2088 (2010).

Artikel Google Scholar

Li, F., Lee, ES, Zhou, B., Liu, J. & Zhu, Y. Auswirkungen der Fensteröffnungen auf die Mikroumgebungsbedingungen in einem Schulbus. Atmosphäre. Umgebung. 167, 434–443. https://doi.org/10.1016/j.atmosenv.2017.08.053 (2017).

Artikel ADS CAS Google Scholar

Kale, S., Veeravalli, S., Punekar, H. & Yelmule, M. Luftstrom durch einen nicht klimatisierten Bus mit offenen Fenstern. Sadhana 32, 347–363. https://doi.org/10.1007/s12046-007-0029-3 (2007).

Artikel Google Scholar

Xingjun, H., Fengtao, R., Bo, Y. & Peng, G. Einfluss von Schiebedächern und Seitenfenstern auf die aerodynamischen Eigenschaften von Transitbussen. Appl. Mech. Mater. 224, 333–337. https://doi.org/10.4028/www.scientific.net/AMM.224.333 (2012).

Artikel Google Scholar

Lin, B., Wang, Adv. Matte. Res. 361, 1056–1060. https://doi.org/10.4028/www.scientific.net/AMR.361-363.1056 (2012).

Artikel Google Scholar

Lee, ES, Fung, C.-C. & Zhu, Y. Bewertung eines hocheffizienten Kabinenluftfiltersystems (Heca) zur Reduzierung von Partikelschadstoffen in Schulbussen. Umgebung. Wissenschaft. Technol. 49, 3358–3365 (2015).

Artikel ADS CAS Google Scholar

Li, F., Lee, ES, Liu, J. & Zhu, Y. Vorhersage der Selbstverschmutzung in Schulbussen mithilfe eines CFD- und Mehrzonen-gekoppelten Modells. Atmosphäre. Umgebung. 107, 16–23 (2015).

Artikel ADS Google Scholar

Mesgarpour, M. et al. Vorhersage der Ausbreitung von Corona-Virus-Tröpfchen in einem Bus – ein rechnerbasierter Ansatz der künstlichen Intelligenz. J. Hazard Mater. 413, 125358–18. https://doi.org/10.1016/j.jhazmat.2021.125358 (2021).

Artikel CAS Google Scholar

Li, F., Liu, J., Ren, J., Cao, X. & Zhu, Y. Numerische Untersuchung des luftgetragenen Schadstofftransports unter verschiedenen Wirbelstrukturen in der Flugzeugkabine. Int. J. Wärme-Massentransf. 96, 287–295. https://doi.org/10.1016/j.ijheatmasstransfer.2016.01.004 (2016).

Artikel CAS Google Scholar

Zee, M. et al. Computergestützte Fluiddynamikmodellierung des Hustentransports in einer Flugzeugkabine. Wissenschaft. Rep. 11(1), 1–10. https://doi.org/10.1038/s41598-021-02663-8 (2021).

Artikel CAS Google Scholar

Li, N. et al. Multiobjektive Optimierung für den Entwurf eines Kabinenlüftungssystems für Hochgeschwindigkeitszüge unter Verwendung von Partikelschwarmoptimierung und Multi-Fidelity-Kriging. Umgebung erstellen. 155, 161–174. https://doi.org/10.1016/j.buildenv.2019.03.021 (2019).

Artikel Google Scholar

Mathai, V., Das, A., Bailey, JA & Breuer, K. Luftströme in Personenkraftwagen und Auswirkungen auf die Übertragung von Krankheiten durch die Luft. Wissenschaft. Adv. 7, eabe0166-7. https://doi.org/10.1126/sciadv.abe0166 (2021).

Artikel ADS CAS Google Scholar

Zhang, Y., Feng, G., Kang, Z., Bi, Y. & Cai, Y. Numerische Simulation von Hustentröpfchen im Konferenzraum. Proz. Ing. 205, 302–308. https://doi.org/10.1016/j.proeng.2017.09.981 (2017).

Artikel Google Scholar

Issakhov, A. et al. Eine numerische Bewertung der sozialen Distanzierung zur Verhinderung der Übertragung von Covid-19 in der Luft während verschiedener Atem- und Hustenprozesse. Wissenschaft. Rep. 11(1), 1–9. https://doi.org/10.1038/s41598-021-88645-2 (2021).

Artikel CAS Google Scholar

Vuorinen, V. et al. Modellierung des Aerosoltransports und der Virusexposition mit numerischen Simulationen in Bezug auf die Sars-Cov-2-Übertragung durch Inhalation in Innenräumen. Sicher. Wissenschaft. 130, 104999. https://doi.org/10.1016/j.ssci.2020.104866 (2020).

Artikel Google Scholar

Liu, H., He, S., Shen, L. & Hong, J. Simulationsbasierte Studie zum Covid-19-Ausbruch im Zusammenhang mit der Klimaanlage in einem Restaurant. Physik. Flüssigkeiten 33, 02330–181. https://doi.org/10.1063/5.0040188 (2021).

Artikel CAS Google Scholar

Peng, S., Chen, Q. & Liu, E. Die Rolle von Computational Fluid Dynamics-Tools bei der Untersuchung der Übertragung von Krankheitserregern: Prävention und Kontrolle. Wissenschaft. Gesamtumgebung. 746, 142090–23. https://doi.org/10.1016/j.scitotenv.2020.142090 (2020).

Artikel ADS CAS Google Scholar

Khatoon, S. & Kim, M.-H. Thermischer Komfort im Fahrgastraum anhand einer dreidimensionalen numerischen Analyse und Vergleich mit Fanger-Komfortmodellen. Energien 13, 690–15. https://doi.org/10.3390/en13030690 (2020).

Artikel Google Scholar

Raczkowski, A., Suchorab, Z. & Brzyski, P. Computergestützte Fluiddynamiksimulation des thermischen Komforts in natürlich belüfteten Räumen. MATEC Web Conf. 252, 04007–5. https://doi.org/10.1051/matecconf/201925204007 (2019).

Artikel Google Scholar

Hu, Y. et al. Einfluss des Temperaturunterschieds zwischen Innen- und Außentemperatur auf die Gebäudelüftung und die Schadstoffverteilung innerhalb städtischer Gemeinden. Atmosphäre 13, 27–28. https://doi.org/10.3390/atmos13010028 (2022).

Artikel ADS CAS Google Scholar

Guo, A., Shieh, YC & Wang, RR Merkmale von Materialoberflächen, die die Virusadhäsion beeinflussen, bestimmt durch nanoskopische Quantifizierung. Kolloidsurf. A 602, 125109–10. https://doi.org/10.1016/j.colsurfa.2020.125109 (2020).

Artikel CAS Google Scholar

Tian, ​​L. & Ahmadi, G. Partikelablagerung in turbulenten Kanalströmungen – Vergleiche verschiedener Modellvorhersagen. J. Aerosol Sci. 38, 377–397. https://doi.org/10.1016/j.jaerosci.2006.12.003 (2007).

Artikel ADS CAS Google Scholar

Sun, C. & Zhiqiang, Z. Die Wirksamkeit sozialer Distanz und Belüftungseffektivität bei der Verhinderung der Übertragung von Covid-19. Aufrechterhalten. Städte Soc. 62, 102390. https://doi.org/10.1016/j.scs.2020.102390 (2020).

Artikel Google Scholar

Ponte, C. et al. Nachverfolgung von Kontakten zur Bewertung der Übertragung von Covid-19 durch hochexponierte Personen in öffentlichen Verkehrsmitteln. Wissenschaft. Rep. 11, 24443–11. https://doi.org/10.1038/s41598-021-03998-y (2021).

Artikel ADS CAS Google Scholar

Tirachini, A. & Cats, O. Covid-19 und öffentliche Verkehrsmittel: Aktuelle Einschätzung, Aussichten und Forschungsbedarf. J. Öffentliche Verkehrsmittel 22, 1–21. https://doi.org/10.5038/2375-091.22.1.1 (2020).

Artikel Google Scholar

Yan, Y., Li, Wissenschaft. Technol. Gebaute Umgebung. 22, 153–163. https://doi.org/10.1080/23744731.2015.1090254 (2016).

Artikel Google Scholar

Wang, C., Liu, J., Li, J. & Li, F. Chaotisches Verhalten menschlicher Wärmefahnen in einem Flugzeugkabinenmodell. Int. J. Wärmemassentran. 119, 223–235. https://doi.org/10.1016/j.ijheatmasstransfer.2017.11.059 (2018).

Artikel Google Scholar

Bogdan, A., Ogłodzinski, K. & Szyłak-Szydłowski, M. Analyse der thermischen Fahnen, die sich über männlichen menschlichen Probanden bilden. J. Bauen. Ing. 45, 103596–12. https://doi.org/10.1016/j.jobe.2021.103596 (2022).

Artikel Google Scholar

Chen, HC & Patel, VC Wandnahe Turbulenzmodelle für komplexe Strömungen einschließlich Ablösung. AIAA J. 26, 641–648. https://doi.org/10.2514/3.9948 (1988).

Artikel ADS Google Scholar

Menter, F. & Kuntz, M. Adaptation of Eddy-Viscosity Turbulence Models to Instationary Separated Flow Behind Vehicles, In The Aerodynamics of Heavy Vehicles: Trucks, Buses, and Trains, Lecture Notes in Applied and Computational Mechanics (Hrsg. McCallen, R ., Browand, F., Ross, J.) (Springer-Verlag, Berlin, 2004).

Lienhart, H. & Becker, S. Strömungs- und Turbulenzstruktur im Sog eines vereinfachten Automodells. SAE Technical Paper Series 2003-01-0656, 1–12 (2003).

Jakirlić, S., Jester-Zücker, R. & Tropea, C. 9. ERCOFTAC/IAHR/COST Workshop zur verfeinerten Turbulenzmodellierung (Technische Universität Darmstadt, Deutschland, 2001).

Google Scholar

Davidson, PA Turbulence: An Introduction for Scientists and Engineers 2. Aufl. (Oxford University Press, Oxford, 2015).

Buchen Sie MATH Google Scholar

Zhang, Z., Zhang, W., Zhai, ZJ & Chen, QY Bewertung verschiedener Turbulenzmodelle zur Vorhersage von Luftströmungen und Turbulenzen in geschlossenen Umgebungen durch CFD: Teil 2 – Vergleich mit experimentellen Daten aus der Literatur. HVAC & R Res. 13(6), 871–886 (2007).

Artikel Google Scholar

Wolfshtein, M. Die Geschwindigkeits- und Temperaturverteilung in eindimensionaler Strömung mit Turbulenzverstärkung und Druckgradient. Int. J. Wärme-Massentransf. 12, 301–318 (1969).

Artikel Google Scholar

Goldman, IB & Marchello, JM Turbulente Schmidt-Zahlen. Int. J Wärmemassentransf. 12, 797–802 (1969).

Artikel CAS Google Scholar

Li, F., Liu, J., Ren, J. & Cao, X. Vorhersage der Schadstoffausbreitung mithilfe modifizierter turbulenter Schmidt-Zahlen aus verschiedenen Wirbelstrukturen. Umgebung erstellen. 130, 120–127 (2018).

Artikel Google Scholar

Shao, S. et al. Risikobewertung der Übertragung von Covid-19 über die Luft durch asymptomatische Personen unter verschiedenen praktischen Bedingungen. J. Aerosol Sci. 151, 105661–9. https://doi.org/10.1016/j.jaerosci.2020.105661 (2021).

Artikel ADS CAS Google Scholar

Buckley, R. & Loyalka, SK Cunningham-Korrekturfaktor und Akkommodationskoeffizient: Interpretation der Millikan-Daten. J. Aerosol Sci. 20, 347–349. https://doi.org/10.1016/0021-8502(89)90009-8 (1989).

Artikel ADS CAS Google Scholar

Homann, H., Bec, J. & Grauer, R. Einfluss turbulenter Fluktuationen auf die Widerstands- und Auftriebskräfte auf eine gezogene Kugel und ihre Grenzschicht. J. Fluid Mech. 721, 155–179. https://doi.org/10.1017/jfm.2013.66 (2013).

Artikel ADS MathSciNet MATH Google Scholar

Xua, C., Nielsen, PV, Liu, L., Jensen, RL & Gong, G. Charakterisierung der menschlichen Ausatmung mit Hilfe der Schlieren-Bildgebungstechnik. Umgebung erstellen. 112, 190–199. https://doi.org/10.1016/j.buildenv.2016.11.032 (2017).

Artikel Google Scholar

Kwon, S.-B. et al. Studie zur anfänglichen Geschwindigkeitsverteilung der ausgeatmeten Luft beim Husten und Sprechen. Chemosphäre 87, 1260–1264. https://doi.org/10.1016/j.chemosphere.2012.01.032 (2012).

Artikel ADS CAS Google Scholar

Liu, M. & Tilton, JN Räumliche Verteilungen des Durchschnittsalters und höherer Momente in stetigen kontinuierlichen Strömungen. AICHE J. 56, 2561–2572 (2010).

Artikel CAS Google Scholar

Sandberg, M. Was ist Lüftungseffizienz? Umgebung erstellen. 16, 123–135 (1981).

Artikel Google Scholar

Spalding, DB Eine Anmerkung zu mittleren Verweilzeiten in stetigen Flüssen beliebiger Komplexität. Chem. Ing. Wissenschaft. 9, 74–77 (1958).

Artikel CAS Google Scholar

Referenzen herunterladen

Die Autoren danken dem Investigadores por México-Programm und dem CONACyT-Stipendium FORDECYT-PRONACES/731759/2020. Wir wissen auch um die Unterstützung des Laboratorio Nacional de la Materia fuera de Equilibrio, LANIMFE, und von Jesús Israel García Villaseñor für den Modellbau.

Institut für Physik, Autonome Universität San Luis Potosí, Álvaro Obregón 64, 78000, San Luis Potosí, SLP, Mexiko

F. Alexei Pichardo-Orta & Oscar Adrián Patiño Luna

Forscher für Mexiko-Institut für Physik, Autonome Universität San Luis Potosí, Álvaro Obregón 64, 78000, San Luis Potosí, SLP, Mexiko

J. Rodrigo Velez Cordero

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

FAPO führte Experimente und Simulationen durch, OAPL führte Experimente durch und konstruierte das experimentelle Modell, JRVC führte Simulationen durch und verfasste die Arbeit.

Korrespondenz mit J. Rodrigo Vélez Cordero.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Ergänzende Informationen 2.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Alexei Pichardo-Orta, F., Luna, OAP & Cordero, JRV Ein frontaler Lufteinlass kann die natürliche Belüftung in Stadtbussen verbessern. Sci Rep 12, 21256 (2022). https://doi.org/10.1038/s41598-022-25868-x

Zitat herunterladen

Eingegangen: 29. Januar 2022

Angenommen: 06. Dezember 2022

Veröffentlicht: 08. Dezember 2022

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

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.