城市街区形态多目标优化研究：集成CFD与机器学习的热舒适与PM2.5空气质量协同调控框架

本研究创新性地提出融合计算流体力学（CFD）与机器学习的两阶段耦合数值模型，通过多目标遗传算法解析城市街区形态参数（建筑长宽高、间距、朝向）对热环境（UTCI）与PM2.5浓度的协同影响机制。研究发现建筑朝向与主导风向夹角<15°、高宽比0.7-1.6区间的形态组合能有效平衡热舒适与空气质量矛盾，为高密度城市健康人居环境设计提供量化依据。

　　

关键发现与既往研究对比

本研究的集成优化框架揭示出若干重要发现，这些发现既验证又拓展了既往城市形态学优化研究。双向耦合模型证明热环境与空气质量存在复杂互作关系，这是单目标研究无法有效捕捉的。

建筑朝向优化结果与既定通风原则一致：与主导风向夹角小于15°的朝向对热舒适和颗粒物扩散均产生最佳效果，而纵向间距展现出最强影响力（相关性±0.81）。这些发现与Cui等人（2025年）关于形态参数对微气候影响的观测相符，但本研究通过量化多重环境目标间的权衡关系进行了重要拓展。

结论

本研究开发了一种集成优化框架，通过新型双向耦合数值模型同时处理热舒适与空气质量问题，成功桥接了物理驱动的CFD模拟与数据驱动的优化技术。主要研究发现包括：

• •
  建筑朝向与主导风向夹角15°以内可提供最佳环境性能
• •
  纵向间距是形态参数中影响力最强的因子
• •
  高宽比优化区间随容积率变化：低密度开发为0.7-1.0，高密度开发为1.3-1.6
• •
  深圳案例验证显示最高可实现气温降低2.09℃