一种基于数字孪生的自适应优化框架，用于平衡地下空间中整体舒适度与能效

《BUILDING AND ENVIRONMENT》：A Digital Twin-enabled Adaptive Optimization Framework for Balancing Holistic Comfort and Energy Efficiency in Underground Spaces

　　

• •
  数字孪生框架实现地铁环境的主动控制。
• •
  利用传感器数据、问卷调查和客流数据综合评估舒适度。
• •
  机器学习和SHAP方法揭示不同场景下的动态舒适度驱动因素。
• •
  该策略将夏季大厅不适率从20.4%降至3.1%。
• •
  年度能耗和碳排放分别降低15.25%和15.32%。

引言

快速城市化加剧了地面交通拥堵，使地铁系统成为大城市缓解交通压力的关键支撑[1,2]。然而，乘客流量的爆炸式增长对封闭环境中的地下车站构成了挑战。高密度人群和封闭结构导致热量和湿度积聚、空气质量下降以及噪音污染，威胁乘客的舒适度和健康[3]。此外，暖通空调和照明系统为维持室内环境条件消耗大量能源，对运营成本产生重大影响[4]。

为改善地下空间环境质量，大量研究聚焦于室内环境质量（IEQ）的评估与控制。许多学者对热环境、光照、空气质量或声学环境等单一物理因素进行了深入调查，并建立了这些指标的基准舒适阈值[5]。例如，Fang等人分析了湿热地区地铁站台的实测数据和调查反馈，确定了21.6–28.8°C的最优舒适温度范围[6]。Hu等人强调地下空间的光照舒适度，指出长期停留人员和短期停留人员的最优照度分别应大于300 lx和494 lx，这有助于降低病态建筑综合征（SBS）的发生率[7]。

尽管单因素研究已较为成熟，但当前评估体系存在两个显著局限。首先，缺乏对整体舒适度的综合视角。环境心理学研究表明，人类对环境的感知是多维物理刺激（声、光、热和空气质量）与拥挤感和安全感知等心理因素之间复杂相互作用的结果[8,9]。仅关注单个环境维度可能无法充分反映乘客的整体满意度。其次，现有模型普遍忽视了运营情境的动态影响。大多数模型在静态实验条件下构建，未充分考虑高动态客流对舒适阈值的实时影响。例如，Liu等人发现，在拥挤条件下，个体的热耐受性发生显著变化，这突显了在动态运营场景下进一步考察舒适度差异的必要性[10]。

近期研究进一步证实，这些局限并非孤立问题。多领域IEQ研究表明，热、声、视觉和空气质量各领域之间的相互作用仍缺乏充分的量化，尤其是在考虑整体满意度时[11]。多领域仿真研究也表明，整合所有IEQ领域的已验证模型仍然有限[12]。与此同时，以使用者为中心的控制研究强调，建筑环境调控应响应占用信息，而非仅依赖预设时间表[13]。这一问题在地铁站尤为突出，因为其客流高度不均匀且动态变化；因此需要将客流信息整合到建筑能耗建模中，以评估适应占用情况的暖通空调策略[14]。尽管近期的数字孪生研究已展示了实时感知、虚拟仿真和决策支持在建筑环境管理中的潜力[[15], [16], [17], [18]]，但大多数应用仍聚焦于监测、预测、设施管理或单一领域的环境控制，而非一个同时考虑多领域舒适度、客流情境和能耗表现的集成框架。因此，在开发一个连接多源感知、情境感知舒适度评估和基于仿真的能耗优化的数字孪生使能框架方面，仍存在方法学上的空白。

为弥补这一空白，本研究提出了一种数字孪生使能的地下空间环境管理自适应优化框架，旨在协调乘客整体舒适度与系统能耗。该方法结合了现场测量、问卷调查、机器学习评估、可视化建模和能耗仿真，制定策略以识别和优化地下空间的环境状态。所提框架的有效性通过实际案例的能耗仿真进行评估。本研究的主要目标为：(i) 整合地下空间中包括热环境、光照、声学、空气质量和客流拥挤度在内的多源数据；(ii) 开发一个融合几何建模、数字孪生可视化和性能仿真的系统框架；(iii) 将该框架应用于一个具有代表性的地下换乘站，通过传统控制策略与优化策略的对比分析，评估所提数字孪生框架的潜在效益。

章节摘要

文献综述

本节综述了数字孪生使能的地下交通空间环境管理的进展与剩余空白，聚焦于三个方面：(1) 地下环境中的数字孪生，(2) 动态运营情境下的整体舒适度评估，以及(3) 舒适度–能耗优化与决策支持的集成。

平台设计框架（M_UDT）

选择Tao等人提出的五维模型，是因为其物理实体、虚拟实体、数据、连接和服务维度与地下环境控制的感知、仿真、数据集成和决策支持需求高度契合[19]。与特定应用的BIM–IoT或面向监测的架构相比，该模型提供了更清晰的跨层关系和更强的可扩展性。因此，为实现精准评估和

案例研究与结果

该案例研究旨在评估M_UDT框架在现有地铁站中的适用性和潜在性能。评估遵循三个步骤：(i) 利用现场测量建立并校准基准仿真模型；(ii) 识别典型运营场景下的舒适度和能耗性能短板；(iii) 对比现有策略与优化策略。模型校准采用NMBE和CV(RMSE)进行评估，而框架

主要发现与启示

近期多领域IEQ研究强调，环境舒适度源于热、视觉、声学和空气质量条件的综合作用，而非单一物理变量[43,44]。本研究的发现支持了这一观点，即在地下交通空间中，环境感知还随功能区域和客流拥挤度而变化。特别是，热–空气质量交互作用在夏季高峰时段显示出最高的SHAP归因，

结论

本研究通过开发一种针对地下地铁站的数字孪生使能自适应优化框架（M_UDT），解决了传统固定时间表环境控制策略中高峰时段舒适度不足与非高峰时段能耗浪费之间的矛盾。该框架在北京市一个典型换乘站通过现场测量、主观调查、基于机器学习的舒适度评估和校准能耗仿真进行了评估。核心结论如下：

• (i)

资助

本研究由国家社会科学基金一般项目（项目编号：25BKX005）资助，项目名称为"数字孪生驱动的城市地下空间环境韧性与舒适度协同优化机制与路径研究"。

数据可用性

支持本研究结论的数据公开可在GitHub仓库中获取，地址为https://github.com/DanielBoBo/paper_experiment_data.git。

CRediT作者贡献声明

叶子健：写作–审阅与编辑、验证、监督、资源、项目管理、方法学、资金获取、数据整理、概念化。梁天隆：写作–原稿撰写、可视化、验证、软件、项目管理、方法学、调查、形式分析、数据整理。陈宇：可视化、软件、方法学、数据整理。

Zijian Ye|Tianlong Liang|Yu Chen