疏散通道溫度變化與人員流動關系的實驗研究
——以高校教學樓為例

戎傳亮，雷文君，齊新葉

(山東建筑大學熱能工程學院，山東濟南250101)

0 引言

隨著現代社會城市化進程的加快，越來越多的人進入城市工作和生活，各種娛樂、展覽等大規模人群活動頻繁出現；人們出游的頻率也越來越高，尤其是在節假日期間，相關景區的人流量十分密集；火車站、地鐵站等公眾聚集場所的人員數量急劇地增加，人群密度過大則會因擁擠而產生矛盾，不利于行人流的管理[1－3]，甚至會對人員的生命安全產生威脅。因此，對行人流量的精確統計分析成為各場所管理行人流向不可缺少的重要依據。

隨著建筑物越來越多元化，建筑物內的疏散通道和出口也由一個變為多個，但是仍存在疏散通道和出口不均衡使用的現象。 LEI 等[4]通過實地觀察發現建筑物的疏散出口存在不均衡使用的現象，從改變建筑結構的想法入手，提出了建筑物疏散出口與疏散樓梯相對位置的改進措施，有助于疏散出口的均衡使用。 但是，如何實現建筑內某個區域人員參數的精確統計一直是國內外相關學者關注的熱點問題。 近些年來，國內外學者在人流量的統計方法的研究中做了大量地探索與實踐，相關的技術已經應用到生活領域當中。 徐健等[5]對教室圖像做了灰度化和二值化處理，進行了中值濾波，再對圖像作了二值化形態學分析和運算，通過腐蝕和膨脹算法，獲得了可以對人員分布作出有效分析的圖像，從而得到對教室人員密度的分析；馬海軍等[6]和張雅俊等[7]提出一種基于卷積神經網絡的人數統計方法，通過卷積神經網絡回歸圖像中人頭中心點獲得人群密度分布特征圖，然后使用嶺回歸模型分析人群密度分布特征圖得到該幀圖像對應的人數；吳松等[8]和沈澤等[9]最先引入了一種基于移動網絡信令數據的思想來實現對人流量的實時統計；茅飛等[10]以軌道交通車站閘機通道為研究對象，研究閘機通道對過往人員流量的智能識別統計；CHEN 等[11]和許勝強等[12]基于傳感器的原理，利用視頻、紅外傳感器、壓力傳感器、柔性力敏傳感器等設備同時監測各疏散通道的人員流量。

上述研究對人員密度及流量的監測具有一定的指導作用和應用價值。 但是，當人員流動相對復雜，且人員較為密集時，這些方法主要存在以下問題:(1) 人數統計準確率下降；(2) 有一定的場景使用限制、效率略低，人們的通行體驗往往受到影響；(3) 在現實場景中應用時隱蔽性一般、投資較高且不容易實施等。 而建筑內的環境參數傳感器具有體積小、反應靈敏、成本低等優點，能夠實時記錄人員釋放的熱量和二氧化碳產物，如果能借助環境參數傳感器預測人群密集程度將會事半功倍。 LEI等[13－14]通過現場測試，發現疏散通道內環境的溫度與二氧化碳體積分數隨著人員流動的快慢而產生相應的變化且在人員流動速度較小時，其變化顯著；二氧化碳體積分數與人員流動速度常存在反比關系。進而說明，建筑內的環境參數可以用來反饋人員流動狀況，但疏散通道內溫度的變化與人員流動狀況存在何種關系需要進一步探討。

利用這一思路，文章針對某高校教學樓各疏散通道開展了實驗測試，分析疏散通道內同一時間溫度與人員密度變化的關系，以期用溫度的變化實現對行人流的預測，獲取各疏散通道的使用情況，有助于各疏散通道的均衡使用。

1 疏散通道溫度變化與人員流動關系的實驗方案設計

1.1 研究對象

監測的區域為教學樓一樓疏散通道，是絕大多數學生上、下課通行的主要通道，短時間內人員密度較大。 監測區域的人員分布在時間上具有一定的規律性，在某些特定的時間段(如上、下課時間段)較為擁擠。 文章將一樓的疏散通道分為了4 個區域(A、B、C、D)，并布設了溫度測點 P1、P2、P3、P4，如圖1 所示。 通過對同一時間的實測溫度數據發現，4個區域的溫度隨時間的變化規律具有一致性，如圖2 所示。 區域B 的溫度變化相比其他3 個區域的溫度變化較大，因此為避免溫度的變化不靈敏以及減小誤差，文章僅針對區域B 進行數據監測，分析溫度變化與人員密度的關系。

1.2 實驗方案

區域B 的結構及測點布置如圖3 所示。 為了減少測量數據的誤差和隨機性，在區域B 內的縱向中軸線上布置2 個溫度測點M 和N ，測點高度均為1.9 m、水平間距為1.0 m。 利用2 臺空氣質量檢測儀(TSI 7545)進行數據的監測，其溫度的測量精度為±0.6 ℃、溫度分辨率為0.1 ℃。 通過2 個測點的溫度平均值進行結果分析。 同時，在人員不知情的情況下，采取多角度數碼攝像的方式實時錄像疏散通道區域B 的人群流動。 測試時間為2019 年4 月8日教學日的上、下課時間段(人員流動相對集中的時間段)，每個教學日上、下課時間見表 1。 選擇 7:30 ～8:00、9:20～9:50、12:00 ～12:30、13:20 ～13:50、15:10 ～15:40、16:50～17:20 等 6 個時間段進行實地監測，分別為上課進教室的單向流(7:30～8:00、13:20～13:50)、下課出教室的單向流(12:00～12:30、16:50～17:20)以及上、下課交替的雙向流(9:20～9:50、15:10～15:40)。

圖1 一樓疏散通道建筑結構及區域劃分圖

圖3 區域B 測點布置圖/m

表1 教學日每節課上、下課的時刻表

1.3 實驗數據分析方法

1.3.1 人員數量測量的誤差分析

用數碼相機錄制的視頻來記錄人員數量。 為了保證數據的準確性，對每個視頻中的行人計數5 次。行人流量特征通常用行人密度和行人流量表示。 行人密度是指給定時間單位面積的人數，人/m2；行人密度的時間分辨率為5 s；行人流量是指單位時間內通過某一區域截面的人數，人/s。 利用變異系數Cv來反映數據的離散程度。 當需要比較兩組數據離散程度大小的時候，如果兩組數據的測量尺度相差太大，或者數據量綱的不同，直接使用標準差進行比較不精準，而變異系數能夠消除測量尺度和量綱的影響，它是原始數據標準差與原始數據平均數的比。依據《實驗設計與數據處理》[15]可知:測試結果的優劣按變異系數值來劃分等級，變異系數Cv＜5%為“優等”；5%＜Cv＜10%為“一般”；Cv＞10%為“不良”。變異系數越小，代表其數據的離散程度越小，其平均數的代表性就越好，反之亦然。 人員數量的變異系數計算由式(1)表示為

式中σxi為測量人數的標準誤差，人；為測量平均值，人。

測量人數的標準誤差由式(2)表示為

式中xi為直接測量值，人；N為測試數，次。

根據式(1)和(2)計算得到人員數量的變異系數Cv為4.65%，可知數值處在“優等”范圍內，故可以忽略此誤差對測試結果的影響。

1.3.2 疏散通道內空氣溫度分析方法

室內疏散通道內的空氣熱平衡方程文字表達式為:墻體內壁與空氣的對流換熱量＋通風得熱量＋人體顯熱散熱量＝單位時間內室內空氣中顯熱量的增值，可由式(3)表示為

式中F為墻體總面積(不包括門窗面積)，m2；α為室內空氣與墻壁的對流換熱系數，W/(m2·K)；T為墻體內表面空氣溫度，K；Ti為室內測試點空氣溫度，K；T0為室外空氣溫度，K；ρ為室內空氣密度，kg/m3；ρi為室內測試點空氣密度，kg/m3；C為室內空氣比熱容，J/(kg·K)；Ci為室內測試點空氣比熱容，J/(kg·K)；Q為通風率，m3/s；q為人體顯熱散熱量，W/人；N為行人數量，人；t為通風時間，s；V為室內疏散通道內的體積，m3。

由式(3)可知，室內空氣中的溫度不僅與行人數量有關，還與圍護結構傳熱、通風率(機械風量、自然風量)、送風溫度等變量有關。 為了便于數據分析，文章對式(3)進行了如下簡化:

(1) 疏散通道的墻體均為建筑內墻，墻體溫度穩定，且與室內空氣溫差較小，不考慮墻體傳熱的影響；

(2) 測試過程中未開啟機械通風系統，故不考慮機械通風的影響；

(3) 每個測試時間段前5 min 內室內疏散通道的空氣溫度與室外空氣溫度的變化情況如圖4 所示，這段時間內沒有大規模的人員進出測試區域，測試區域的行人密度約為0。

由圖4 可知，在行人大規模地進出測試區域之前，室內疏散通道中空氣的溫度波動較小或接近穩定。 這可能是由于測試區域沒有與外部直接相通的門窗，室內環境參數溫度受室外環境參數變化的影響較小。 因此，忽略自然通風對室內疏散通道內空氣溫度的影響。 但是，如果建筑疏散通道內有與外部直接相通的門窗，則需要考慮自然通風率的影響。自然通風對室內空氣溫度的影響需要通過有限條件(可控)實驗進一步研究和探討。

圖4 室內溫度與室外溫度隨時間的變化圖

2 實驗結果與分析

2.1 7：30～8：00 和 13：20 ～ 13：50 時間段溫度與人員流動關系分析

7:30 ～ 8:00 和 13:20 ～ 13:50 是學生單純上課前的時間段，人員流動為進入教學樓的單向流，人員密度較小，如圖5 所示。 通過對測試數據的分析，得到了兩個時間段溫度和人員密度隨時間的變化曲線，如圖6 所示。 由圖6 可知，這兩個時間段人員密度隨時間的波動幅度較大、規律性較差。 這可能跟學生上課前出行的時間較為分散有關，人員密度的最大值約為0.3 人/m2。 溫度波動的幅度較小，整體的規律性較強，兩者的變化規律是先增大到峰值后再下降到接近初始狀態。 由于人員密度較小、波動太大，在這兩個人員流動較為隨機的時間段，很難得到溫度變化與人員密度之間的定性關系。

圖5 教學樓B 區域的人員流動情況圖

圖6 溫度和人員密度隨時間的變化圖

2.2 12：00～12：30 和 16：50 ～17：20 時間段溫度與人員流動關系分析

12:00～12:30 和 16:50 ～17:20 這兩個時間段的人員流動為下課出教室的單向流，如圖7 所示。由于下課時間的一致性，大量的人員幾乎是同步走出教室，人員活動時間較為集中、隨機性小，溫度和人員密度隨時間的變化曲線符合高斯分布。 疏散通道的人員密度在下課后1 ～3 min 內達到了峰值，其峰值人員密度分別為3.5、4.0 人/m2，如圖8 所示。隨后溫度也達到了峰值，12:00～12:30 時間段，溫度升高了 4.2 ℃；16:50 ～17:20 時間段，溫度升高了1.4 ℃。 溫度達到峰值的時間要滯后，溫度曲線斜率最大的時刻是人員密度剛好達到最大值的時刻；溫度達到峰值的時刻為人員密度降到最低值的時刻；溫度升高的過程為人員由聚集狀態轉為分散狀態的過程。 這兩個時間段，人員密度和溫度隨時間的變化規律具有一致性。 人員的流動引起了溫度的變化，溫度的變化也可以體現人員流動的狀態，以此可以根據溫度的變化判定出疏散通道的人員密集程度。

圖7 教學樓B 區域的人員流動情況圖

圖8 溫度和人員密度隨時間的變化圖

2.3 9：20～9：50 和 15：10 ～ 15：40 時間段溫度與人員流動關系分析

9:20 ～ 9:50 和 15:10 ～ 15:40 這兩個時間段是上下課交替的時間，特點是人員數量較多，上、下課人員在同一時間開始流動，上課的人員進入教學樓的時間隨機性較大，人群存在雙向逆流動，如圖9 所示。 由于下課時間的一致性，人員幾乎是在同一時間開始走出教室，人員活動時間較為集中，隨機性小，溫度和人員密度隨時間的變化曲線同樣也符合高斯分布。 疏散通道的人員密度在下課后1～2 min 內達到了峰值，其峰值人員密度分別為3.5、2.7 人/m2，如圖10 所示。 隨后溫度也達到了峰值，9:20 ～9:50時間段，溫度升高了5.9 ℃；15:10～15:40 時間段，溫度升高了2.1 ℃。 溫度達到峰值的時間要滯后，與2.2 所得出的結論具有一致性。 同時也說明，對于人員活動時間集中、隨機性小的人員密集性建筑，利用溫度的變化來判定人員的密集程度是合理的。 在實際應用中可以通過設定溫升界限ΔTmax來判定疏散通道的人員密集程度。 如果溫升超過ΔTmax還未達到峰值溫度，說明人員還在持續疏散，同時也暗示了疏散通道初始狀態的人員較為密集，不易疏散；反之，疏散通道的人員較為分散，較容易疏散。

圖9 教學樓B 區域的人員流動情況圖

圖10 溫度和人員密度隨時間的變化圖

3 結論

通過現場實測教學樓一樓大廳B 區域6 個時間段的溫度和人員密度、數據分析，得到如下結論:

(1) 疏散通道內的環境溫度會隨著人員密度的變化而產生相應變化。 當行人進入建筑物疏散通道的時間隨機性較大時(7:30 ～8:00 和 13:20 ～13:50時間段)，人員密度較小(＜0.3 人/m2)，溫度的變化不靈敏，人員密度和溫度隨時間的變化規律性較差，難以得到溫度變化與人員密度之間的定性關系。

(2) 當絕大多數行人同一時間進入建筑物的疏散通道時(12:00～12:30、16:50 ～17:20、9:20 ～9:50和15:10～15:40 時間段)，人員密度較大(最大時達到4 人/m2)，溫度的變化較為靈敏，人員密度和溫度隨時間的變化趨勢有著較強的相似性，兩者隨時間的變化規律基本符合高斯分布，且溫度的變化總是滯后于人員密度的變化，滯后時間約為4 min，即溫度曲線斜率最大的時刻是人員密度剛好達到最大值的時刻，溫度達到峰值的時刻為人員密度降到趨向0 的時刻。 溫度升高的過程為人員由聚集狀態轉為分散狀態的過程，疏散通道內的溫度變化可以判定人員的密集程度。