设计仿真 | 黑科技来袭，在室内环境中怎样有效预防新冠肺炎？-Cradle CFD-流体动力学分析-软服之家

东京的圣玛丽大教堂在日本天主教信仰中扮演着重要角色。这座美丽的建筑高耸入云，屋顶的几个部分形成了一个复杂的造型，从上面看是一个十字架的形状。这座大教堂是一个大型混凝土结构，最多可容纳800人。东京大教堂面临的问题是如何在COVID-19（新冠肺炎）疫情期间安全地举行圣诞弥撒。新冠肺炎人传人的主要来源是呼吸、打喷嚏和咳嗽等产生的携病毒的空气飞沫[1]。因此，在教堂里做弥撒时，了解气流如何带动这些液滴是至关重要的。现代的计算流体动力学(CFD)工具可以分析这一点，但需要详细的建筑三维模型数据，而该建筑建于1964年，当时并没有这样的数据存在。

ecoKaku公司的液滴可视化系统可以让空气中液滴的运动变得不再神秘，而且不需要在CAD工具中进行详细的建模。该解决方案利用Leica 3D激光扫描仪和海克斯康的Cradle CFD对空间进行数字化转换，从而能够详细分析液滴在建筑环境中如何运动。scSTREAM使用了大教堂的三维扫描模型，建立了建筑空调设备的运行能力。其中，所有被允许进入大楼的人都被包括在内，并被假定佩戴口罩并按照当地的建议就座。最终，模拟了热传导和流体流动，并对非感染者和潜在感染者呼出的飞沫、呼吸和说话进行了跟踪。

图1. 采取措施之前的流线分布图，门半开后10分钟进行空气清洁。

首先，在部署对策之前，对气流的稳定状态进行分析和可视化。最初的模拟表明，随着建筑物内部自然对流漩涡上升的水滴并没有停留在天花板附近，而是被温度较低的混凝土冷却，沿着墙壁下降，落在一些靠近墙壁的座位上。事实证明，一些液滴在落地之前一直在大教堂内漂浮。世卫组织(WHO)、日本首相办公室和日本卫生劳动省(Japanese Ministry of Health, Labor and Welfare)提出的避免新冠疫情的“3c”之一—通风不良的封闭空间[5]，因此，他们采用瞬时CFD模拟分析了空气净化器的效果，并通过打开大教堂的3扇主门来改善空气流通。模拟结果表明，通过打开大教堂的门，可以在10分钟内更换里面的空气。选取简单的开门方案进行模拟，可以证明它创造了一个安全的室内环境。

图2. 空气循环可以通过一个区域的空气被新鲜空气替换所需的时间来进行可视化，红色表示替换空气的时间较长，蓝色区域则表示快速替换。

在圣诞节那天，单独的椅子被移走了，只使用了教堂的部分长凳，标志着把“液滴可视化系统”的工作流程放了上去。这样人们就不会坐在墙边的长凳上，三扇双开门只有一边是开着的。在教堂的墙壁上投影了模拟的飞沫，引导老年人和有潜在疾病的人转移到教堂的中心区域，以降低他们接触飞沫难以到达的地方的风险，并举行了一场弥撒。

开发“飞沫可视化系统”进行模拟

东京圣玛丽大教堂的模拟是基于ecoKaku京都技术部、海克斯康Leica Geosystems和海克斯康MSC Software合作开发的“飞沫可视化系统”。这是一个分析可能含有病原体的飞沫传播一致性和时效性的过程。

图3. “飞沫可视化系统”的工作流程。

该系统利用多个位置的点云数据，通过配备惯性测量单元(IMU)的3D激光扫描仪建立物体的3D模型，允许扫描仪在移动时跟踪其新位置，通过多个数据组合，形成整个建筑的点云数据。基于整个建筑的点云数据，建立了带有空调设备的三维CAD模型，并对气流和液滴运动进行了CFD模拟。通过模拟结果，可以直观地看到液滴在建筑物内的运动，并根据模拟结果识别病原体在室内空间的传播问题。

在虚拟空间验证新冠病毒，实施感染

预防措施

图4.利用海克斯康技术进行实时气流分析的室内环境工作流程数字化转换。

主要感染方式为感染者呼出的空气飞沫(气溶胶感染)[1]。为了防止聚集性暴发，有必要观察病原体是如何在室内传播的，以实施例如优化空调和通风等对策。

图5. 三维建筑GIS数据。

然而，创建和模拟这些场景以及探索可能的应对措施需要相当长的时间。ecoKaku通过徕卡的点云采集、海克斯康 Cradle CFD和CADLM ODYSSEE技术，将实际测量数据的分析转化为降阶模型(ROM)，实现了实时的“what if”分析，同时保持准确性。

图6. 地铁通道下的空气流动。

这使他们能够对空间进行数字化转型，并在铁路通道对抗措施优化下为3D建筑GIS数据气流创建数字孪生体，就像东京圣玛丽大教堂一样。

环境与灾害预防的CFD分析

全球气候正在发生变化，这给土木工程师和城市规划者带来了新的挑战，因为以前安全的地区现在容易受到极端天气的影响，如洪水、越来越大的台风带来的极风、暴雨等。

图7. 风级分布。

这些新的场景需要进行研究，以预防灾难并将极端天气的影响降至最低。ecoKaku多年来一直致力于城市景观CFD分析，为当地政府提供可操作的报告。ecoKaku的Nakata先生解释说:“我们使用GPV1天气预报或AMeDAS2气象观测数据，这是由超级计算机提供的天气信息，来预测城市某一区域的风速分布和风向分布。这些数据在海克斯康scFLOW中用于详细分析考虑建筑环境的风速。此外，我们还在内部建立了一个风预测系统，使我们能够快速、有效地向客户提供可操作的结果，客户参与了减轻气候变化影响的决策制定。”

图8. 风向分布。

利用GVP天气预报或AMeDAS气象观测数据，CFD模拟给出了详细城区的风速大小和风向分布，包括海拔和建筑物。

图9. 不同高度的风速。

有了这些风况计算数据，就有可能任何位置的任何风况进行可视化，并利用它来掌握灾难发生时的情况。例如，一个人可以预测由大型建筑物引起的强侧风；验证无人机飞行的安全性；预测风力涡轮机产生的功率(可以集成到大型建筑物和摩天大楼)以及评估eVTOL直升机的安全性和状况等等。

图10.来自东京东侧的Koto City的Hazard Map，左边显示的是海啸或暴雨导致的淹没深度超过5米，右边显示的是洪水消失所需的时间，红色表示超过两周的时间[3]。

此外，如果大坝和防洪堤被冲垮，居民区会因洪水而遭受巨大损失。根据当地海拔的不同，这些地区比其他地区更容易发生洪水，决策者通常使用灾害地图来评估情况。这些危险地图也会影响当地的房地产价格，所以公众对这些地图也很感兴趣。以东京东部为例，可以看到洪水或海啸对这个拥有1350万人口的大都市地区潜在的灾难性影响[3]。