量化抬升建筑形态对密集城市阵列中行人层风和舒适度的影响：一项数据驱动的研究

《Sustainable Cities and Society》：Quantifying the effects of lift-up building morphology on pedestrian-level wind and comfort in dense urban arrays: A data-driven study

　　

行人层风（PLW）对高密度城市的室外舒适度有着强烈的影响。架空建筑被广泛采用以提升近地面通风，但建筑形态与周围城市建筑群之间的非线性气动交互作用仍未得到充分的量化分析。本研究开发了一种综合框架，结合了参数化计算流体动力学（CFD）、代理建模和可解释机器学习，以探讨架空建筑形态如何影响密集建筑群中的行人风环境。围绕一个被低层建筑包围的中心架空建筑生成了包含180个案例的数据集。模拟结果通过风洞测量进行了验证，一个随机森林代理模型（R2 = 0.966）实现了对行人层风速及压力相关指标的高效预测。统计分析首先确定了形态控制层级，其中主体高度与行人层通风改善的关联性最强，而平面比例与气流组织的关联性较弱。为进一步揭示非线性关系，本研究采用了Shapley可加性解释（SHAP）和一维累积局部效应（ALE）。出现了三种关键的气动模式。首先，增加主体高度能显著改善通风，但在较高采样高度时收益递减。其次，主体长宽比和平面比表现出非单调响应，在大约1.5–2.0的中间值处不利风舒适度比例较低。第三，建筑高度与风向显示出明显的交互作用。低层配置在不同采样对齐方式之间表现出更大的对比，而较高的案例则表现出更有利且对方向敏感度较低的行人层风况。这些发现阐明了架空形态的非线性气动作用，并为类似密集环境下的气候响应型城市体量设计早期阶段提供了初步的定量指导。

全球城市扩张正在加速，预计到2050年，约68%的世界人口将居住在城市中（Gu等，2021）。城市密度增加和开放空间减少加剧了空气污染和热岛效应（Yang等，2010），对公共健康风险和室外热不适产生了影响（Nieuwenhuijsen，2021）。在此背景下，城市风环境是调节微气候条件并影响室外舒适度的关键因素。建筑形态和空间布局显著调节气流，影响风荷载、行人层风舒适度和污染物扩散。强阵风会在立面上产生升高的压力，导致结构风险（Tamura，2009），而通风不足则促进空气停滞和雾霾形成，降低空气质量（Badach等，2023）。尽管许多研究使用简化的建筑形态来研究风-几何交互作用，但实际城市环境表现出由高层建筑流动扰动和周围结构引起的更复杂的流动模式（Wijesooriya等，2023）。当风接近建筑物时，会产生湍流、回流，甚至可能产生强烈的下降气流（Xiong等，2022）。

在高密度城市中，行人风舒适度和通风是城市设计中的重要考量。城市形态——包括街区布局、街道连通性和峡谷几何形状——对通风效率有显著影响。Maing证明，封闭的街区、不连续的街道和阶梯式峡谷会限制气流，而宽阔的走廊和开放空间则能增强通风（Maing，2022）。Adamek等人报告称，高层建筑会引起下降气流和涡旋脱落，这些效应可以通过裙房设计和合理的上游塔楼布置来缓解（Adamek等，2017）。为了提高评估准确性，Meroney提出了结合实验可靠性与参数灵活性的风洞-CFD混合方法（Meroney，2004）。Ng引入了通风评估（AVA）框架，该框架将速度比作为弱风环境下的关键指标（Ng，2009），Chen等人建议在32个风向中进行评估，以实现全面的场地特定风舒适度评估（Chen等，2025）。

建筑形态是行人风环境的关键决定因素。紧凑或锐利的形式增加了气动阻力并产生了滞流区，而比例良好的几何形状则促进更平稳的气流和增强的通风（Yuan和Ng，2012）。具有锐角、倾斜立面或大开口的非常规超高层建筑往往会增加局部风速并表现出强烈的方向敏感性（Zhang等，2019）。高度和整体密度的变化促进了湍流的产生和垂直交换（Chen等，2017）。裙房和顶篷等建筑元素可以降低行人层风速，而低处开口则可能根据位置加速局部气流（Van Druenen等，2019）。

架空配置被认为是改善行人层风况的有效策略（Chen和Mak，2021）。以往研究表明，地面层架空层可以显著增加近地面风速，通常可增加两倍以上，并且随着架空层高度的增加，这种增强通常更加明显（Chew和Norford，2019）。高架结构下方的半室外架空空间也能增强气流，但附近的障碍物可能会削弱这种效益（Liu等，2019）。首层架空和引风装置可以破坏多涡旋滞流区，减少污染物积聚，增强通风性能。然而，过大的高度变化可能会降低其效果（Zhang等，2019）。架空建筑还在结构下方产生加速区，并促进更强的下游风渗透。剩余的弱风区域主要取决于周围布局和来风方向（Du等，2017）。当与相邻街道网络协调时，适当对齐的地面层开口可以进一步增强局部污染物扩散和行人舒适度（Fan等，2017）。

架空建筑的气动响应强烈依赖于几何参数。Zhang等人研究了长宽比从4:1到0.5:1不等以及四种核心几何形状（矩形、倒角、凹进和圆角）的架空建筑。凹进和倒角核心减少了高风区并改善了行人风舒适度，特别是对于高瘦建筑（Zhang等，2017）。Du等人将CFD与Box-Behnken响应面法结合，发现较低的长宽比和核心设计显著提高了行人层风舒适度（Du等，2018）。在街道峡谷尺度上，Chew和Norford通过水槽测试表明，大约2-6米的架空层可使行人层风速几乎翻倍，其中约4米时改善效果最强（Chew和Norford，2018）。他们的CFD研究证实了这一发现，表明较高的架空层仍是增强风的主要因素，而将建筑高度从24米增加到48米或采用非均匀高度对行人层风速的变化相对较小（Chew和Norford，2019）。在建筑综合体尺度上，Du等人通过CFD和风洞测试表明，建筑间距是影响风和热舒适度最具影响力的因素，而其他几何参数起中度或次要作用（Du等，2019）。

CFD模拟已成为评估行人层风况不可或缺的工具。超过80%的城市微气候研究采用雷诺平均纳维-斯托克斯（RANS）方法（Toparlar等，2017）。稳态RANS可以在关键区域有效替代风洞测试，提供约10%精度内的低成本可靠评估，而大涡模拟（LES）提供更详细的湍流信息，但通常仅用于需要更高保真度的情况（Blocken等，2016）。然而，高层建筑周围的存在增加了流动复杂性并降低了RANS精度，而LES能更好地捕捉湍流结构和阵风波动（Shirzadi和Tominaga，2022）。分离涡模拟（DDES）方法进一步解决了架空建筑下方的非定常涡旋，刻画了低风区和阵风影响区域的变化（Liu等，2017）。最近，多孔CFD技术得到了发展，以平衡计算效率和准确性，在适当校准时，该技术能增强地面层气流预测，尽管过度简化的孔隙率模型可能会高估风速（Nevers等，2024）。

机器学习（ML）越来越多地被用作基于物理的CFD在建成环境研究中的计算高效补充（Brunton等，2020）。通过直接从数据中学习非线性输入-输出关系，训练后的ML代理可以实现快速预测，从而实现计算高效的设计探索和敏感性分析（Westermann和Evins，2019）。现有的代理方法包括参数化回归器、高斯过程模型（Cheng等，2023）、基于树的模型（Scholkopf和Smola，2005）或神经网络架构（B?lcskei等，2019；Agostini，2020），而混合物理信息策略则被提出以提高泛化能力和可解释性（Caron等，2025）。最近的研究应用了可解释机器学习，特别是SHAP，来揭示复杂建筑环境中预测变量的重要性和交互作用。在城市气流方面，SHAP已量化了形态参数对冠层阻力的影响（Chen等，2025）以及对低层建筑风压的影响（Meddage等，2022）；它还用于解释微气候和热舒适度（Guo等，2024）、建筑能耗与碳排放（Zhou等，2024）以及形态对城市热岛效应的日变化影响（Shi等，2025）。

最近的发展扩展了代理模型的能力。He等人采用了基于图像的特征提取与CFD和ML相结合的方法，以识别建筑物后方的低速尾流区域（He等，2021）。Batureyeva等人引入了一种多输出模型，能够同时预测风速、湍流强度和CO?浓度（Baitureyeva等，2025）。Wang等人评估了用于城市风分布的深度学习代理模型，发现其在孤立或简单几何形状中表现强劲，但在密集城市环境中的准确性有所下降，凸显了跨多样化形态泛化的挑战（Wang等，2025）。

关于形态-风关联的定量研究已经扩展，但主要仍集中在规则形状或单体建筑场景。在建筑群中同时评估多种形态参数的研究仍然稀缺，且许多分析将参数独立处理，这限制了对耦合几何变化如何重塑行人层气流的相互理解。此外，虽然数据驱动的代理建模因其在降低城市风评估计算成本方面的作用而受到关注，但大多数现有研究仍依赖于“黑箱”机器学习算法。这些模型输出预测结果，但未清晰揭示所学特征-响应结构中嵌入的可物理解释的关系。对于嵌入密集建筑群中的架空建筑，其流动受上游尾流干扰与立面下降气流之间高度非线性交互作用的控制，缺乏明确将非线性形态耦合与行人层舒适度分布联系起来的系统性分析，这限制了物理理解和实际设计应用。

这些差距凸显了需要一种框架，不仅能高效预测现实城市环境中架空建筑的行人层风，还能改进对这些预测背后非线性气动关系的解释。为满足这一需求，本研究开发了一种结合参数化CFD与可解释机器学习的综合框架。不仅仅是构建一个传统的预测代理，本研究的核心目标是通过基于SHAP的解释来检验代理模型所学习的形态参数之间复杂的非线性气动交互作用。通过识别非线性响应区间以及耦合的形态模式和耦合的响应模式，本研究旨在将数据驱动的结果转化为更具可解释性和可推广性的气候响应型城市体量建筑设计指导。

建筑配置和案例描述
考察了一系列具有系统性变化几何比例的矩形架空建筑，以评估建筑尺寸如何影响行人层风环境。每栋建筑都包含一个平面尺寸为6.4米×6.4米的中心架空核心。四个几何参数定义了中心架空建筑的形态：主体高度（????）、平面进深（??）、平面宽度（??）和架空高度（????）。为每个参数选择了一系列值（??=24, 32和40米；??=36, 66和

机器学习模型训练与评估结果分析
表5比较了所测试的机器学习算法的预测性能。其中，随机森林模型在未见的验证数据集上取得了最高的准确率，测试??2为0.966，RMSE为0.845，MAE为0.379。单独评估时，该模型对风速的??2为0.943，对压力系数（Cp）的??2为0.989，表明其对于速度和与压力相关的流动变量均能进行可靠预测。
决策树模型表现出较低的总体

研究优势
本研究开发的综合代理框架既提供了实用价值，又提供了具有物理信息的解释。通过将CFD生成的数据集与多输出随机森林模型以及使用SHAP和ALE的可解释机器学习相结合，该框架能够快速预测行人层风速和压力系数，同时揭示多种形态参数之间的非线性响应和特征交互作用。这种双重能力使其区别于

结论
本研究开发了一种结合参数化CFD、统计分析和可解释机器学习（SHAP）的综合框架，以考察密集建筑群中架空建筑周围与行人风舒适度相关的气动模式。通过在案例级别的空间风场分析与可解释的数据驱动方法相结合，该框架量化了城市形态参数与行人层风环境的关联，同时改进了对

伦理审查声明
本研究不涉及人类或动物参与者。

鉴于此，根据机构和国家指南，本研究无需获得伦理批准。数据可用性：支持本研究发现的数据可向通讯作者提出合理请求后获取。利益冲突：作者没有需要披露的利益冲突。作者贡献声明（CRediT）：彭书齐：撰写——初稿、可视化、验证、软件、方法论、调查、正式分析、数据整理。麦卓明：撰写——初稿、监督、方法论、数据整理、概念构思。李文鑫：方法论、调查、数据整理。陈岚：方法论、调查、正式分析、数据整理、概念构思。李生彪：调查。李金玉：调查。周子清：调查。严飞：调查。刘畅：竞益声明：作者声明，他们没有已知的竞争性财务利益或个人关系可能影响本文所报告的工作。致谢：本研究由中国国家自然科学基金（NSFC资助号：42371471）、中国自然资源部城市国土资源监测与模拟重点实验室开放基金（资助号：KF-2022-07-022）资助。彭书齐|麦卓明|李文鑫|陈岚|李生彪|李金玉|周子清|严飞|刘畅|何逸 华中科技大学建筑与城市规划学院，中国武汉，430074