队列等待中空气传播的流体动力学路径：热梯度与运动学相互作用的感染风险研究

研究人员针对排队场景中空气传播风险这一被忽视的领域，通过实验室实验和直接数值模拟(DNS)揭示了热梯度(ΔT)与队列运动学(Um)的竞争效应。发现中等环境温度(22-30°C)下呼吸羽流(breath plume)因反向流体动力学流(counter-currents)滞留而增加感染风险，而当前物理隔离指南对气溶胶传播抑制效果有限。这项发表于《SCIENCE ADVANCES》的研究为动态社交场景的感染防控提供了新见解。

　　

在COVID-19大流行重塑社交方式的背景下，静态场景的感染传播机制已被广泛研究，但排队等待这类动态交互中的空气传播风险却鲜有关注。日常生活中从超市结账到疫苗接种点，排队场景普遍存在且涉及复杂的流体动力学过程——个体周期性启停运动产生的剪切流与呼吸羽流热浮力相互竞争，可能形成独特的传播路径。传统基于静态距离的防控指南（如"六英尺"规则）对此类场景是否有效？这成为亟待解决的科学问题。

为探究这一难题，研究人员创新性地结合实验室尺度实验与直接数值模拟(DNS)。通过构建由步进电机驱动的传送带系统，使用3D打印人体模型和圆柱模型在动态相似条件下模拟排队运动，采用紫外诱导荧光和粒子图像测速(PIV)技术可视化流动特征。数值模拟采用256×384×768网格解析Navier-Stokes方程，引入布西内斯克近似(Boussinesq approximation)处理热浮力效应，追踪拉格朗日粒子轨迹分析气溶胶扩散。

INTRODUCTION

研究指出呼吸道病原体主要通过<10μm的气溶胶传播，这些颗粒可在空气中悬浮数小时。虽然口罩和社交距离能有效降低静态场景风险，但排队场景引入了运动时间尺度(τ_l)、热梯度(ΔT)等新变量。通过定义雷诺数(Re=UD_s/ν)和格拉晓夫数(Gr=gβΔTD_s³/ν²)，揭示了运动速度(U_m)与浮力速度(U_b=√(gβΔTD_s))的竞争关系。

RESULTS AND DISCUSSION

实验发现：1）无论人体模型还是圆柱模型，均产生显著下洗流(downwash)，速度达0.6U_m；2）环境温度显著改变颗粒归宿——28°C时气溶胶滞留人脸高度，35°C时沉降地面，22°C时上浮；3）建立的竞争流模型Y-Y₀=(κ√(βΔT)-γU_m)τ_l准确预测羽流位置（γ≈0.1）。DNS进一步显示：水平扩散(MSD_h)在低温增强，而垂直扩散在高温更显著，但扩散标度均由队列运动主导。

MATERIALS AND METHODS

实验采用Arduino控制系统实现精确启停周期，通过水介质实现动态相似（模型尺寸缩小至11cm高）。数值模拟采用浸入边界法处理移动圆柱，Sc=1简化标量输运方程求解。验证显示即使Re差异显著（实验1-1.8×10⁴ vs DNS 6000），大尺度流动仍高度一致。

这项研究首次量化了排队场景中"运动学下洗流"与"热浮力"的对抗效应，指出中等温度范围(22-30°C)可能因流场平衡而加剧风险，而极端温度（热带>32°C或温带<22°C）反而抑制传播。研究突破性地揭示当前物理隔离指南对动态场景的局限性，为机场、医院等排队区域的差异化防控（如错位排队、定向通风）提供理论依据。未来可结合不同气候带通风条件，发展基于U_m/U_b比值的动态风险评估体系。