《Building and Environment》：The Hidden Heatwave: Thermal Hazards in the New York City Subway System
编辑推荐：
摘要专业翻译
温度与相对湿度在连续两个夏季于纽约市112座地铁站进行了测量。70%的车站站台层热指数（Heat Index, HI）高于街道层。全部车站站台层热指数平均比街道层高出0.65°C。配备降温系统的车站其热指数比普通车站低2.2°C。基于城市全域数据
摘要专业翻译
温度与相对湿度在连续两个夏季于纽约市112座地铁站进行了测量。70%的车站站台层热指数（Heat Index, HI）高于街道层。全部车站站台层热指数平均比街道层高出0.65°C。配备降温系统的车站其热指数比普通车站低2.2°C。基于城市全域数据构建的随机森林（Random Forest）模型可预测站台温度（R2 = 0.85）。
论文解读文章
一、研究背景与问题提出
全球范围内，极端气候事件与前所未有的高温天气在近几十年变得愈发频繁和剧烈，对人类健康、基础设施和交通系统产生了深远影响。全球每年因高温导致的死亡人数估计高达26万人，且随着极端高温事件的加剧，死亡率和发病率预计还将上升。城市化进程通过城市热岛效应（Urban Heat Island, UHI）进一步放大了这些气候压力，城市密集的不透水表面、有限的植被以及建筑物和车辆排放的废热共同推高了城市气温。
纽约地铁系统作为全美规模最大、日均承载约400万乘客、覆盖472座车站的城市轨道交通骨干网络，其约60%的车站（275座）位于地下，且大多数缺乏空调或先进通风等气候控制系统。地下地铁系统既非完全室内也非完全室外环境，而是与地表大气、地下基础设施和土壤进行热交换的半封闭系统。然而，纽约地铁系统从未经历过基于全市范围的、以实测数据驱动的系统性热环境评估，极端高温如何影响乘客健康、劳动力安全、出行能力乃至轨道、电气系统和隧道衬砌等基础设施的长期寿命，仍存在关键的知识空白。2024年夏季东北部铁路网络因极端高温导致运营中断的事件，进一步凸显了填补这一空白的紧迫性。
二、研究内容与核心结论
为系统性地解决上述问题，研究人员开展了一项大规模、系统性的纽约地铁系统热环境评估研究。研究团队与纽约大都会运输署（Metropolitan Transportation Authority, MTA）建筑与发展部门合作，从472座车站中选取了112座地下车站，覆盖布朗克斯、布鲁克林、曼哈顿和皇后区四个行政区，车站类型涵盖换乘站、中间站和终点站，服务线路从1条至4条不等，确保了广泛的空间和运营代表性。研究周期为2024年7月1日至2025年8月14日，共收集了8,244组街道层与站台层的配对观测数据，其中约6,000个来自2024年和2025年6月至8月的数据点被用于最终分析。
研究得出以下核心结论：70%的车站站台层热指数（Heat Index, HI）高于街道层；全部车站站台层热指数平均比街道层高出0.65°C；配备降温系统的车站其热指数比普通车站低2.2°C。此外，研究人员开发了基于城市全域气象观测数据的随机森林（Random Forest）机器学习模型来预测站台温度，模型决定系数R2 = 0.85，展现出良好的预测性能。该研究首次将大规模实测数据与机器学习预测模型相结合，为地下轨道交通热环境提供了可扩展的连续监测工具，填补了此前缺乏系统级预测框架的方法学空白。
三、关键技术方法
研究人员采用了以下主要技术方法：其一，使用Extech RHT30温湿度数据记录仪（温度精度±0.5°C，相对湿度精度±3%）在站台层和街道层同步采集空气温度与相对湿度数据；其二，采用FLIR E5 Pro热红外相机（热分辨率160×120，热灵敏度<0.06°C）进行热成像记录（仅用于文档记录，未纳入定量分析）；其三，基于Rothfusz回归方程计算热指数（HI），作为评估热相关健康风险的主要指标；其四，构建随机森林（Random Forest）机器学习模型，利用城市全域气象观测数据预测站台温度。所有观测数据通过智能手机实时录入Google Sheets数据库并同步至Excel进行质量控制与分析。
四、研究结果
4.1 站台与街道热环境对比
通过配对观测数据的统计分析，研究发现70%的车站站台层热指数高于街道层，全部车站站台层热指数平均高出街道层0.65°C。这一结果表明地下站台环境在夏季普遍比街道环境更热，乘客在站台候车时面临更高的热暴露风险。
4.2 降温系统的影响
将配备降温系统或风扇的车站与普通车站进行对比分析后发现，配备降温系统的车站热指数比普通车站低2.2°C。这一量化结果证实了降温设施在缓解地下站台热应力方面的有效性，为MTA优化降温系统部署提供了直接的数据支撑。
4.3 机器学习预测模型
研究人员利用随机森林模型，以城市全域气象观测数据为输入特征，对站台温度进行预测，模型R2 = 0.85。该模型展示了利用现有城市气象监测网络间接评估地下站台热环境的可行性，为无需逐站布设传感器的低成本连续监测提供了新途径。
五、讨论与结论
研究讨论部分指出，纽约地铁系统作为半封闭环境，其热环境受地表大气、地下土壤和列车运行等多重因素共同影响。站台层热指数系统性高于街道层，意味着通勤者在夏季候车期间承受着额外的热负荷，这对老年人、儿童及患有慢性疾病的人群构成更高的健康风险。配备降温系统车站与普通车站之间2.2°C的热指数差异，为政策制定者提供了明确的降温设施投资回报依据。随机森林模型的高预测精度（R2 = 0.85）则表明，借助城市气象站数据即可对未监测车站进行热风险预警，为构建全市地铁热环境实时监测体系奠定了方法学基础。
研究结论部分指出，本研究通过112座车站的8,000余组实测数据，首次系统量化了纽约地铁系统的热环境特征，证实了地下站台在夏季普遍比街道更热，并验证了降温系统的显著降温效果。所开发的随机森林预测模型为城市尺度的地铁热风险监测提供了可扩展、低成本的有效工具，研究成果可为政策制定者设计针对夏季热浪的适应性措施提供科学依据。
