地鐵車輛空氣質量在線監測系統及應用

姜 峰，張 萌，李 悅，劉 琿，石 慧

（北京市地鐵運營有限公司運營三分公司，北京 100083）

由于地鐵系統存在自然通風不足、缺乏自然采光、人群聚集且流動性大等健康危害因素，極易累積并引發群體性公共衛生事件。車站之間通過復雜的隧道系統連接，形成一個相對封閉的空間，地鐵車站與外界的空氣交換只能通過車站出入口和有限的隧道風井進行。此外，客流作為地鐵內部與外界進行物質交流的重要方式，對地鐵內顆粒物的質量濃度有很大影響，客流高峰時地鐵車廂內 CO2的濃度和細顆粒物（PM2.5）的質量濃度較高，車廂內空氣質量較差。同時，車廂內高度密集的人群釋放出大量異味，如香水味、體味、食品氣味等，還有裝飾材料釋放出的總揮發性有機物（TVOC），各種異味對人體感官刺激明顯，直接影響乘客滿意度。本文通過給地鐵車輛加裝空氣質量在線監測系統，實現對CO2、PM2.5、TVOC、溫濕度等數據進行連續監測，可實時了解車廂內的空氣質量狀況；運用云平臺記錄車廂內的數據，有助于運營部門分析制定相應的措施，以提升運營管理質量。

1 空氣質量在線監測系統

地鐵車輛空氣質量在線監測系統由空氣質量監測終端、云平臺、客戶端（用戶PC或者手機）組成。空氣質量在線監測系統通過監測終端實現對車廂內的PM2.5、TVOC、CO2、溫濕度數據進行采集。其中，PM2.5檢測采用激光粉塵傳感器，CO2檢測采用固態電化學型傳感器，TVOC檢測采用氣味傳感器，溫濕度檢測使用半導體溫度傳感器。

云平臺包括云服務器、數據存儲模塊、數據解析模塊、數據發送模塊、數據分析模塊、污染預警模塊等。云平臺采用linux服務器，使用C++編程，具備高并發特性，易于擴展，可方便對異構系統實現集成和被集成。數據通過4G通信模塊傳輸至服務器，云平臺支持客戶端網頁登錄和手機APP登錄方式接收云服務器的數據推送，對設備運行狀態和空氣質量數據進行實時監測，具有設備信息和歷史數據展示、異常數據報警反饋、多級架構管理、數據統計查詢等功能。

空氣質量在線監測系統工作原理如圖1所示。空氣質量監測終端通過CO2、氣味、粉塵、溫濕度傳感器采集當前安裝位置的空氣質量狀況，由監測終端的主控單元進行數據預處理形成數據隊列；在數據隊列達到一定的數量且蜂窩信號滿足要求的情況下，主控單元對數據按照特定的傳輸協議進行編碼和加密，并送入數據傳輸模塊；數據準備完成后啟動數據傳輸，由數據傳輸模塊通過運營商基站從空中發送至云平臺；云平臺在收到數據后進行加密校驗，校驗合格后進行數據解碼，并判斷是否為有效數據（若收到的數據符合預先制定的協議和規范，服務器則進行數據存儲并通知程序進行數據解析和展示）；云平臺根據已儲存的數據按協議進行數據解析，并根據既定的規則在客戶端進行數據展示。

圖1 空氣質量在線監測系統工作原理

2 空氣質量監測終端安裝及運行穩定性測試

2.1 安裝位置及接電

空氣質量監測終端的規格參數如表1所示，實物及安裝位置如圖2所示。其安裝在地鐵車廂2號車門處中頂板上方，采用防松螺絲對底板進行固定，采樣位置接近車廂中部客流密集處，能較好地反應車廂內的實際空氣質量。空氣質量監測終端由空調電控柜DC 24 V電源模塊供電，電路設有單聯1A空氣開關，電源線由車門上部側板進入空調電控柜。

2.2 運行穩定性測試

本測試在整列試驗車加裝了空氣質量監測終端（每節車廂各1臺），安裝后對其進行工作狀態、網絡信號質量、數據傳輸可靠性等多項測試。在穩定運行10 個月后，未出現裝置工作異常及車輛電氣控制線路異常的情況。4G與GPRS信號強度各連續測量 15 min，測試位置的網絡信號強度高于數據傳輸所需國標要求的最低信號強度（4G大于-110 dBm，GPRS大于-90 dBm）。云平臺設定每分鐘采樣1組數據，表2 為 2020 年 8 月 7 日空氣質量監測終端連續 1 h監測的數據記錄，每分鐘均正常上傳1 組數據。

地鐵車輛地下線路可能存在通信信號強度不穩定的情況，表3記錄了連續一個月（2020年5月份）內試驗車在正線運營期間空氣質量監測終端采集的數據量，所有時段均采用1 min采集1組（包括PM2.5、TVOC、CO2、溫濕度）數據的頻率進行采集。與運營期間每臺空氣質量監測終端理論應采集的數量進行比較，發現僅有1臺監測終端在5月10日與5月22日出現了共2組數據的丟失（見表3標黃色的部分）。連續1個月監測過程中所得的數據丟失率（丟失率=丟失的數據量/應采集數據量）約為0.13×10-3，低于國標對于信息傳輸要求丟包率的上限值1×10-3。

表1 空氣質量監測終端規格參數

表2 空氣質量監測終端連續1 h監測的數據記錄

圖2 空氣質量監測終端實物及安裝位置

表3 2020年5月份試驗車空氣質量監測終端采集的數據量

3 云平臺對車輛空氣質量監測數據分析

3.1 車廂內PM2.5監測數據分析

由于車站站廳與車廂相通，站內PM2.5的濃度會隨客流變化而受到影響，同時乘客的攜帶、氣流的流動作用也會使其從站臺軌道進入車廂，從而對車廂內的濃度造成影響。在2020年1月—11月運營期間試驗車某車廂內PM2.5濃度整體變化趨勢如圖3所示。在新冠肺炎疫情的影響下，2月較1 月的PM2.5整體數據隨著乘客量的下降變化比較明顯，在疫情后車輛通風系統采用最大換風量設置，車廂內的PM2.5數值保持在較低的水平。本文列出試驗車某車廂在連續某3個工作日（2020年11月9日—11日）運行過程中PM2.5數據的變化趨勢，如圖4所示。由圖可知，PM2.5濃度隨著早晚高峰客流的變化波動，并在運行一天的情況下會累計增加。

3.2 車廂內 CO2 監測數據分析

在2020年1月—11月運行期間試驗車某車廂內CO2濃度整體變化趨勢如圖5所示。由圖可知，CO2濃度的變化趨勢與客流量的變化趨勢一致，即使在全新風模式下，客流高峰期的CO2濃度依然較高。由于高峰期客流爆增，乘客呼出的CO2也隨之劇增，并在車廂的小空間內聚積。本文列出試驗車某車廂在連續某3 個工作日（2020年11月9日—11日）運行過程中CO2濃度的變化趨勢，如圖6所示。

圖3 2020年1月—11月試驗車某車廂內PM2.5濃度整體變化趨勢

圖4 2020年11月9日—11日試驗車某車廂內PM2.5濃度變化趨勢

圖5 2020年1月—11月試驗車某車廂內CO2濃度整體變化趨勢

3.3 車廂內 CO2 與TVOC 監測數據關聯分析

丁力行等人指出 TVOC 的濃度過高會直接刺激人們的嗅覺和其他器官。試驗車某車廂在某兩日（2020年11月11日和13日）TVOC與CO2濃度的連續監測數據分別如圖7和圖8所示。通過比較可看出，二者在早晚高峰時間段出現峰值的時間一致。由此可知，車輛在運行過程中，車廂內TVOC與CO2濃度的變化均與客流量有關，在早晚高峰客流量較大時二者的濃度較高，容易造成乘客感官不適。

3.4 車廂內溫、濕度監測數據分析

圖6 2020年11月9日—11日試驗車某車廂內CO2濃度變化趨勢

圖7 2020年11月11日和13日試驗車某車廂內TVOC濃度變化趨勢

圖8 2020年11月11日和13日試驗車某車廂內CO2濃度變化趨勢

圖9 2020年1月—11月試驗車某車廂內溫度變化趨勢

圖10 2020年1月—11月試驗車某車廂內濕度變化趨勢

2020年1 月—11月運行期間試驗車某車廂內的溫濕度連續監測數據分別如圖9和圖10所示。由圖可看出，溫度變化趨勢在空調設定范圍內，冬季略低于夏季，濕度變化趨勢也同樣冬季低于夏季；與龐雪瑩等人關于冬夏兩季北京地鐵車廂內溫度檢測數據趨勢一致，濕度變化趨勢也與冬夏兩季北京濕度變化趨勢一致。

4 結論

本文通過測試試驗，驗證了在地鐵車輛車廂內加裝空氣質量在線監測系統后運行的安全性及穩定性，未發現對車輛既有設施及電路造成影響，通過數據記錄得出采集的數據完整性較好。由連續監測車廂內PM2.5、CO2、TVOC、溫濕度數據的變化趨勢可看出，各項目指標均與客流量變化直接相關。若該系統在地鐵車輛中擴大運用，可積累更多的車輛空氣質量各項指標數據，以便為提升列車運營服務質量、制定改善措施提供參考依據。