智能医疗建筑空间布局对自然通风气流的影响模型构建

方明铂,李昌华

(西安建筑科技大学 信息与控制工程学院,陕西 西安 710055)

随着计算机技术的发展应用,当今社会已进入信息化时代,信息化技术同社会各行各业相结合,推动着全行业进一步发展[1,2]。数字技术的发展为信息化的产生奠定了理论基础,数字技术的广泛应用则为信息化的普及奠定了基础[3]。在建筑行业内,建筑数字化、信息化及智能化已经成为发展新方向。近年来,智慧城市的提出促使着建筑行业的二次崛起,智慧医疗作为全行业的重中之重,与全民健康水平密切相关[4,5]。信息化、数字化技术介入医疗系统,使医疗水平大幅度提高,可以更好地为国民提供医疗服务[6]。

现阶段以信息化为主导的智能医疗建筑智能化运维与管理仍处于起步阶段,通常需要管理者凭着对建筑情况的掌握来督促项目施工,通过查阅各种书籍资料绘制出建筑图纸[7]。这种智能医疗建筑设计与施工模式会增加人的工作量,建造完成的医疗空间布局较为单一。大多数的智能医疗建筑设计在满足建筑功能、空间舒适度的同时,往往忽略运营维护期间通风问题[8]。然而医院对卫生标准要求极高,在自然风的作用下能够时刻保持智能医疗建筑内的通风是当前绿色环保理念的要求。刘鸣等[9]利用模拟仿真技术对医院门诊楼现状室内自然通风以及改进后的室内自然通风进行研究,结果表明改进后的方案室内风速、换气次数显著提高,温度和空气龄显著下降,室内环境舒适性明显改善。李晓颖等[10]对大连市某医院门诊楼的自然通风效果进行数值模拟,以建筑室外风环境模拟结果作为边界条件,综合考虑门诊楼主要房间的流场、风速、空气龄、通风量,对门诊楼的自然通风状况进行数值模拟分析,并结合《绿色建筑评价标准》对建筑的自然通风状况进行了评估。杜佳宁等[11]对南通第四人民医院室内自然通风进行模拟和评价,在过渡季节自然通风能够满足医院建筑的通风需求。张梓霆等[12]分析夏季和冬季青岛市城阳区人民医院室外风环境,研究绿化布局和绿化模式对医院室外风环境的影响,发现在模拟测点加种株高为1m的灌木时,对风速的改善作用最明显;绿化面积一定时,绿化应分散布置,并加种在局部风速较大的位置;一般情况下,乔灌混植改善传染病房室外风环境效果更好。通过现有理论可知,不同的智能医疗建筑空间布局对自然通风气流有着不同的影响,为此需要通过建模分析两者之间的影响关系。经过阶段性的应用分析可知,现有的影响分析模型运算能力不佳,为此,本文提出了智能医疗建筑空间布局对自然通风气流的影响模型的构建方法。

1 智能医疗建筑空间布局对自然通风气流影响建模

1.1 数值化处理自然通风流场形态和气流组织特性

智能医疗建筑空间内的自然通风遵守自然界的守恒关系,对智能医疗建筑空间自然风区域采用离散化的处理方式,确定单位空间内流体增量,其数值关系如下

(1)

上述数值关系中,ρ表示自然风的流体密度,t表示建筑单位空间通风的时间,ui表示自然风流体速度矢量的分量,xi表示流体速度动量。根据动量守恒,在固定的时间变化率范围内,空间范围内能量源数值可表示为

(2)

式中:Fi表示静压力,χij表示空间内的应力矢量,gj表示阻力能量源。

根据空间能源守恒规律,进入建筑空间的净热流量使部分能量增加,对空间内的气流产生了推动作用,这部分能量增加率可表示为

(3)

式中:Eh表示在建筑空间范围内产生的能量增加率,k表示空气分子的传导率,kt表示空气湍流传递引起的传导参数,Sh表示定义的体积源,其余参数含义不变。在这个湍流数值条件下,建筑空间内会形成不同的气体湍流条件,数值关系可表示为

(4)

式中:ε表示湍流产生的能耗散率,Gb表示气体湍流动能参数,Gk表示湍流粘性系数,其余参数保持原有含义不变。

1.2 智能医疗建筑空间布局与自然通风气流数值的变化系数

在确定自然通风气流数值变化系数前,根据空间句法理论将智能医疗建筑空间布局抽象为拓扑关系图,并随机标定建筑拓扑结构中的节点,以此构建建筑空间语句变量,数值关系可表示为

(5)

式中:vi表示建筑空间的拓扑连接点,eij表示建筑空间拓扑结构间的连接数字关系,n表示建筑拓扑结构中的节点数量,s表示建筑层数。通过上述数值关系,标定建筑空间的连接密集程度,数值关系可表示为

(6)

式中:CON(vj)是以vi为起点的边的总数,也就是建筑空间拓扑结构节点的连接数值,CTR(vi)表示建筑空间对其他空间的影响数值。

定义建筑空间的影响平均深度数值,数值关系可表示为

(7)

式中:MD(vi)表示vi个节点与其余节点之间的平均步长,Dmin(vi,vj)为是节点vi和vj之间最短的步长。由上述数值关系可知,MD(vi)的数值大小可以反映出建筑拓扑节点的通达性,这个值越小,表示这个建筑空间结构中的自然通风气流通达性越强。

定义建筑空间与气体流动之间的集成度,并将其处理为集成度表达形式,数值关系可表示为

(8)

上述数值关系中,I(vi)表示建筑空间布局参数与数值指标间的集成变化系数,其余参数保持原有含义不变。以空间句变量法整理得到的变化数值关系作为智能医疗建筑空间布局与自然风指标间的关系,在深入剖析二者关系的基础上,构建智能医疗建筑空间布局对自然通风气流的影响模型。

1.3 构建影响分析模型

在建筑空间范围内,不同的布局方式下有效风量数值不同,有效风量数值大小影响通风气流,从房间换气的角度,定义自然环境内的有效风量,数值关系可表示为

(9)

式中:Q1表示恒定条件下的有效风量,Q2表示非恒定条件下的有效风量,τ(t)表示t时刻室内自然风的平均空气龄参数。在固定空间内,人体的吹风感指数随通风量的波动幅度变化的趋势如图1所示。

图1 吹风感指数变化

图1表示吹风感指数与波动浮动的变化规律,从图中可知随着空间范围内波动幅度越大,所感知的吹风感指数越小。综合上述数值变化,当建筑空间内处于恒定通风时,建筑空间布局的变化与自然通风气流的影响数值关系就可表示为

(10)

式中:r表示建筑空间的有效通风半径,e表示建筑暴露量,C0表示建筑的通风效率。

以上述构建的数值关系作为最终构建的影响分析模型,综合上述分析,最终完成对智能医疗建筑空间布局对自然通风气流影响模型的构建。

2 模型测试

2.1 提取智能医疗建筑空间

随机选定一处医院改造工程作为模型处理对象,已知这个建筑为框架结构,且建筑抗震在设防烈度上划分为7°,利用改进遗传算法的智能医疗建筑来导入建筑基本参数,初始化提取建筑数据信息,并在上位机的数据库中调用智能医疗建筑的信息模块,待优化处理后,基于Revit二次开发数据图如图2所示[13]。

在图2所示的数据图结构内,根据开发平台内初始化数据生成指定的初始群体,并初始化抽取10种类建筑空间布局,抽取的智能医疗建筑空间布局如图3所示。

图2 Revit二次开发初始化数据图

在图3初始群体中标记建筑空间特征,重复迭代基因信息后,得到的初始化数据图生成10组子代空间布局方案,通过抽取过程中空间布局得到的遗传率来选择空间布局的空间特征,设定选择重复迭代的次数为10,此时,初始化抽取的空间布局在多样性与收敛性之间达成平衡,且表现出明显波动。对应开发平台向初始化抽取的空间布局变化过程,整理空间布局产生的群体目标特征[14]。

图3 初始化抽取的空间布局

对应不同空间布局,根据协同管控过程,整理建筑空间布局在10次迭代后参数的演化过程,数值关系可表示为

(11)

式中:Zb表示空间布局指标函数,Sn-1表示目标跳跃目标函数,η表示10次迭代后的遗传率,η0表示发生迭代前的遗传率。将上述迭代遗传率作为影响建模的处理数据,并在上位机上运行Intel Endeavor集群,连接型号为Intel Composer XE的编译器,在安装Intel MKL 11.0.5.192后,搭建形成单行并行兼容的测试环境。调试兼容的模型测试环境后,选择文献[7]构建的三维非稳态湍流场模型、文献[8]构建的动态估算模型以及所设计的影响分析模型参与测试,对比3种模型的性能。

2.2 单行纵向加速性能

控制3种模型将影响分析过程处理为10个线程,并在线程内同时显示自然通风气流的加速比参数,得到3种模型的纵向加速性能结果,如图4所示。

图4 3种影响分析模型纵向加速结果

控制3种影响建模所处理的线程数量为10,在上位机的线性整流函数内,重复迭代模型的线程20次,并固定线程在规定时间范围内运行。由图4所示的纵向加速结果可知,随着线程数量不断地增加,以10组线程数量条件下的模型加速比作为最终的试验结果。根据图4所示的数值变化可知,动态估算模型消耗的进程运行时间为400 s,模型的加速比为4,这种模型的纵向加速性能较差。三维非稳态湍流场模型消耗的运行时间为320 s,且模型产生的加速比为6.8,模型的纵向加速性能较好。而所设计的影响分析模型进程运行时间为100 s,且模型的加速比数值为10,与两种参与测试的模型相比,设计的影响分析模型的纵向加速性能最佳。

2.3 并行横向拓展性能测试

保持上述试验环境不变,在相同的运行线程条件内,调用模型并行的处理过程,调整参与CPU数量,固定模型与CPU的通信时间,定义并行状态下模型单次线程可处理的数据量,数值关系可表示为

(12)

式中:D表示模型单程可处理的数据量结果,c表示参与运行的CPU数量,T表示模型处理运行的通信时间,M表示并行试验环境同步值,G表示并行计算增量。标定参与并行运行影响模型的数量为5,计算并汇总3种影响分析模型可处理的数据量,数据量结果如图5所示。

图5 3种影响分析模型单程可分析的数据量

选择3种模型进行并行运行模式,在模型运行环境内增加1～5个并行CPU,对应上述构建的可处理的数值关系,整理可分析结果,计算不同并行CPU数量条件下模型可处理的数据量均值。分析图5所示的可处理的数据量结果可知,三维非稳态湍流场模型可处理的数据量均值为70 MB,模型单线程可处理的数据量较小。动态估算模型在相同处理条件下,可处理的平均数据量为120 MB,模型可处理的数据量较大。而所设计的影响分析模型处理的平均数据量为220 MB,与两种参与测试的影响分析模型相比,设计的影响模型可处理的数据量最大,横向拓展能力最佳。

2.4 模型运算能力测试结果

使用上述单行纵向加速测试以及并行横向拓展测试条件下得到的各项数据,按照模型的处理时间,整理加速比数值以及可处理的数据量结果为8组数据集,对应不同的数据集,定义3种模型的运算能力,数值关系可表示为

(13)

式中:J为代表影响分析模型运算能力的系数,其余参数保持原有含义不变。对应整理3种影响分析模型的运算指数,整理不同数据条件下,分析模型的运算能力结果,如图6所示。

对应上述定义的模型运算能力数值关系,整理数值在不同数据集内表现出的系数大小,计算得到的参数越大,则表示建立的影响分析模型运算能力最强,整理3种模型在不同数据集表现出的系数,取8个数据集得到的数值均值作为判断影响分析模型的参数。由图6所示的数值结果可知,动态估算模型得到的系数均值为3.5,表明此分析模型的运算能力较差。三维非稳态湍流场模型得到的系数均值为3.85,这个分析模型的运算能力较强。而所设计的影响分析模型能力系数均值为4.25,与两种模型相比,所设计的影响分析模型的运算能力最佳。

图6 3种影响分析模型运算能力结果

3 结束语

实际应用中,医疗建筑具备的智能化功能往往会引起对其建筑空间布局的调整,不同的空间布局对自然通风气流有着不同的影响,为此需要通过建模分析其中的影响关系。本文基于空间句法理论、采用离散化处理方式构建出影响模型,与现行的“动态估算模型”和“三维非稳态湍流场模型”进行计算能力量化比较,本文模型均表现出如下较优的性能。

(1)单行纵向加速性能:本研究构建模型、动态估算模型和三维非稳态湍流场模型的消耗运行时间分别为400 s、320 s和100 s,模型加速比分别为4、6.8和10。

(2)并行横向拓展性能:本研究构建模型、动态估算模型和三维非稳态湍流场模型的可处理数据量均值分别为220 MB、120 MB和70 MB。

(3)模型运算能力:研究构建模型、动态估算模型和三维非稳态湍流场模型的运算能力系数分别为4.25、3.5和3.85。