基于物理信息的替代建模方法，进行长期概率性城市风环境评估，以提升城市空气出行的韧性

《Sustainable Cities and Society》：Long-term probabilistic urban wind assessment for resilient urban air mobility using physics-informed surrogate modeling

　　• 一种基于物理知识的POD–Transformer框架用于重建具有建筑物分辨率的城市风场。
• 以一分钟的时间分辨率重建了一整年的城市风环境。
• 概率评估揭示了城市风危害的显著空间和时间变异性。
• 基于平均值的风参数指标被证明低估了瞬态阵风和剪切危险。
• 概率评估揭示了城市空中 mobility (UAM) 面临的重大风诱导运行限制。

**引言**
全球城市正在经历快速城市化，对可持续和高效的交通系统的需求不断增加。根据联合国的预测，到21世纪中叶，全球大部分人口将居住在城市地区，这加剧了对城市基础设施、环境质量和交通系统的压力（联合国经济和社会事务部人口司，2025年）。在这种背景下，新兴的交通概念（如城市空中 mobility，UAM）作为未来可持续城市交通系统的潜在组成部分而受到关注，它们能够在密集建筑环境中提供灵活且高效的交通方式（Cohen等人，2021年；Holden和Goel，2016年）。然而，这些系统的安全可靠运行在很大程度上取决于城市冠层内复杂且高度变化的风环境。
城市风环境是由大气边界层流动与复杂的城市地形相互作用形成的，其中自然表面被密集排列的建筑物所取代。这些相互作用产生了高度异质的流动结构，包括街道峡谷中的通道效应、建筑物周围的流动分离、屋顶剪切层以及间歇性湍流（Blocken，2015年；Fernando，2010年；Oke，1988年）。这些流动特征影响着多种城市过程，包括室外热舒适度、污染物扩散、能源消耗和交通安全（Blocken，2015年；Toparlar等人，2017年；S. Yang等人，2023年）。随着城市的日益密集，它们越来越容易受到与风相关的危害和微气候极端事件的影响，因此需要可靠且高分辨率的城市风评估框架来支持有韧性的城市规划和基础设施建设。

实验方法，包括风洞测试和实地测量活动，在推进对城市流动现象的理解方面发挥了关键作用。风洞研究澄清了城市几何形状对边界层发展、通风和扩散过程的影响（Carlo等人，2024年；Hang和Chen，2022年；Ricci等人，2017年），而大规模实地测量项目如URBAN 2000、Joint Urban 2003、MID05和DAPPLE提供了多空间尺度的宝贵真实世界观测数据（Allwine和Flaherty，2006年；Allwine和Flaherty，2007年；Allwine等人，2002年；Wood等人，2009年）。尽管有这些贡献，但由于空间稀疏性和时间覆盖范围的限制，实验方法难以捕捉到在现实、变化多变的气象条件下的连续三维流动演变。
因此，计算流体动力学（CFD）已成为城市风分析的核心工具。雷诺平均纳维-斯托克斯（RANS）模型因其计算效率和适用于复杂几何形状的能力而被广泛使用（Chen等人，2009年；Hsieh等人，2010年；Xi等人，2021年；Yang等人，2016年），而不稳态RANS（URANS）则扩展了其在时变条件下的应用范围（Antoniou等人，2019年；Kaoru等人，2011年）。然而，这些方法依赖于湍流建模，在解析瞬态和多尺度流动结构方面存在局限性。大涡模拟（LES）能够明确解析能量湍流涡旋，提供了显著更高的保真度，并已通过实验数据得到验证（Mirzaei，2021年；Tominaga等人，2004年；Wyszogrodzki等人，2012年；Yoshie等人，2007年）。高性能计算的最新进展扩大了LES在城市规模问题上的应用范围（Mortezazadeh等人，2022年；Mu?oz-Esparza等人，2020年；Yang，Oh等人，2023年）。尽管如此，LES的计算成本仍然较高，特别是对于在真实城市环境中所需的长期、分钟级分辨率的模拟（Katal等人，2022年；Yang，Oh等人，2023年）。
为了克服这些限制，最近探索了机器学习（ML）和深度学习（DL）方法作为城市风预测的替代建模策略（Fujiwara等人，2024年；Masoumi-Verki等人，2022年；Shao等人，2023年；Xiang等人，2021年；Xiao等人，2019年；Zheng等人，2023年）。数据驱动模型可以快速进行预测，但往往缺乏物理一致性，并且难以捕捉多尺度湍流动态（Brunton等人，2020年；Duraisamy等人，2019年）。基于物理知识的神经网络（PINNs）通过纳入控制方程来提高物理保真度（Raissi等人，2019年；Shao等人，2023年），但计算要求仍然很高。降阶建模方法，如适当的正交分解（POD），在以较低的计算成本捕获主导流动结构方面显示出巨大潜力（Osman等人，2026年；Xiang等人，2021年；Xiao等人，2019年）。尽管有这些进步，大多数现有方法仅限于短期预测或孤立场景，无法解决在持续变化的气象条件下的长期重建问题。
因此，实际中的城市风评估通常依赖于时间平均指标或有限数量的代表性场景，这从根本上限制了捕捉对风险敏感应用至关重要的瞬态阵风和间歇性湍流的能力。对于新兴的低空移动系统（如UAM）来说，这一限制尤为重要，因为其运行可行性取决于短期极端事件而非平均条件（Dai等人，2025年）。因此，可靠、长期和概率性的城市风环境表征对于支持基于风险的基础设施规划和未来城市交通系统的有韧性运行至关重要。

在这项研究中，我们使用基于物理知识的替代建模框架，展示了传统基于平均值的城市风评估在密集城市环境中的局限性，实现了具有建筑物分辨率的城市风场的长期重建。该方法将基于LES的流动知识与分钟级分辨率的气象观测数据相结合，从而实现了高空间和时间分辨率的城市风环境的连续重建。该框架应用于首尔汝矣岛的一个密集高层建筑区，利用一年的气象数据评估了多个代表性位置和流动状态下的城市风条件。分析显示，代表性城市形态下的未受干扰的基准运行可用性始终低于34%，这突显了所研究密集高层建筑区中重大的风诱导运行限制。

**主要贡献如下：**
(1) 我们开发了一种基于物理知识的POD–Transformer框架，可以直接从气象观测数据重建具有建筑物分辨率的城市风场。
(2) 我们实现了城市风环境的长期（年尺度、分钟分辨率）重建，能够对时空变异性进行概率表征。
(3) 我们证明了传统的基于平均值的风评估系统性地低估了间歇性风危害，并未能捕捉与运行风风险相关的瞬态变异性。
这些发现为基于风险的城市系统的规划和设计提供了基础。

**第2节描述了方法论，包括替代建模框架、风参数指标和代表性分析水平。第3节介绍了研究区域、计算域、气象输入数据和案例研究配置。第4节分析了重建风场的空间和时间特征。第5节提出了与UAM运行相关的风条件的概率评估。最后，第6节总结了主要发现并讨论了对城市规划和未来研究方向的影响。

**城市风评估框架**
本研究开发了一个框架，通过将时间分辨率的气象条件与具有建筑物分辨率的流动场联系起来，实现对城市风环境的长期评估。该框架能够连续重建长时间内的城市风变异性，为密集城市环境中风相关风险的概率评估提供了基础。图1展示了研究的概念模型和端到端工作流程。

**城市测试平台和计算域**
韩国首尔中部的汝矣岛区被选为这项研究的城市测试平台，因为它具有代表性和挑战性的低空空中操作特性。汝矣岛是一个位于汉江中的岛屿区，是首尔的主要商业和商业中心。图2(a)展示了汝矣岛区的地理背景，包括三个嵌套尺度：韩国、首尔和汝矣岛。如图2(a)所示，其城市形态为……

**城市风环境的时空特性**
本节基于全年分钟级分辨率数据，对重建的城市风环境的时空特性进行了全面分析。分析重点在于识别控制空间异质性、季节性变化和时间变异性的主导机制，这对于理解密集城市环境中的风相关风险至关重要。这些结果为概率安全评估提供了物理和统计基础。

**城市空中移动性的概率风评估**
本节在UAM安全的背景下评估了长期城市风环境。参考标准使用一组综合阈值定义，这些阈值结合了最近的UAM导向研究和我现有的航空标准（如表2所示）。具体来说，从中等至极端风速的阈值来自Reiche等人（2021年）的研究，他们报告在风速超过7.5 m/s（15节）时存在显著的操作限制。相比之下……

**结论**
本研究提出了一种基于物理知识的替代建模框架，通过将高保真LES数据与全年气象观测数据相结合，实现了城市风环境的长期评估。所提出的方法能够在较长时间内重建具有建筑物分辨率的风场，为分析传统CFD或基于观测的方法无法捕捉的时空变性提供了基础。

**作者贡献声明**
Jungwoo Kim：撰写——原始草稿、可视化、验证、软件、方法论、调查、形式分析、数据整理、概念化。
Mingyu Yang：撰写——原始草稿、可视化、验证、软件、方法论、调查、概念化。
Jung Min Han：撰写——审稿与编辑、调查。
Jung-Il Choi：撰写——审稿与编辑、撰写——原始草稿、监督、资源、概念化。

**利益冲突声明**
作者声明没有已知的财务利益或个人关系可能影响本文报告的工作。

**致谢**
本研究得到了韩国国家研究基金会（NRF）的资助（由韩国政府（科学技术信息部）提供）（NRF-2022R1A2C2003643和RS-2023-00282764）。计算资源由韩国科学技术信息研究院（KISTI）通过创意研究计划（KSC-2023-CRE-0309和KSC-2024-CRE-0280）提供。该研究还得到了延世大学项目Y研究所的支持（2024-22-0345）。

**作者名单**
Jungwoo Kim | Mingyu Yang | Jung Min Han | Jung-Il Choi