城市地铁环境空气污染及热舒适调查

张翠林,张金萍*,蒋佳昀

(1.北京建筑大学环境与能源工程学院，北京 100044；2.北京市 “供热、供燃气、通风及空调工程” 重点实验室，北京 100044)

地铁环境的空气质量会对长期乘坐地铁的乘客产生较大影响甚至危害健康。地铁作为当前城市内最为先进的公共交通工具，承担着大量的客运任务，地铁环境存在客流量大、人员密集且空气流通性较差等特点，因此了解地铁环境内的空气质量和热舒适对改善乘客乘车环境具有重要意义。

地铁环境的不同区域，其空气质量和热环境不尽相同。地下站台通过风井与外界进行空气交换，空气污染物不易排出；而列车车厢具有乘员密集性和空间封闭性，污染物排放源多，空气流通受阻。据分析和文献报道，地铁空气环境中存在的主要污染物是颗粒物(particulate matter,PM)(PM1.0，PM2.5及PM10)和CO2。研究表明，如果地铁空气环境中的颗粒物没有被及时排除，则会对长期乘坐地铁的乘客的身体健康产生较大危害[1-3]。同时，如果空气中CO2的浓度很高，也会影响乘客身体健康。因此，深入了解地铁空气环境内颗粒物和CO2的浓度水平对改善地铁环境空气品质并减少对人体的影响有一定指导作用。另外，了解地铁车厢的热环境及由此对人产生的热舒适，不仅可为改善乘客的热环境提供指导，同时对减少地铁环控系统的能耗、实现有效节能具有指导意义。

近年来，许多研究者较多地关注地铁空气环境的污染问题。在对于地铁空气颗粒物的研究方面，Dong-UK等[4]通过测试得到韩国首尔地铁系统PM2.5浓度范围为0.078～0.158 mg/m3，PM10浓度超过US-EPA颁布的空气质量标准的83.3%。何生全等[5]发现大气雾霾严重时，虽然地铁站内空气污染加重，但颗粒物的浓度仅少量增加，而地铁驶入时会引起站台和车厢空气中的PM10浓度加速上升。事实上，地铁颗粒物元素组成与室外大气颗粒物存在明显差异[6-8]，地铁颗粒物Fe、Cr、Mn等质量浓度高于室外，这是由于轨道、车轮和制动器之间的机械摩擦和磨损过程，会产生不同于大气环境的颗粒物。对于地铁空气热环境的研究，王树刚等[9]研究了地铁运行过程中活塞风对地铁热环境的影响。在轨道交通运行中，更高的热舒适水平会伴随着更高的能源消耗[10]。同样，热环境控制不合理也会导致能源浪费。因此，有学者通过建立实车和人体模型进行模拟仿真，探究不同工况下的空调性能、热环境和乘客的热舒适性[11-12]。此外，朱培根[13]和廖神德[14]分别采用相对热指标(RWI)和平均热感觉投票指数(PMV)对地铁乘客热舒适进行了实测评价。虽然研究者们对地铁环境空气污染和热舒适进行了较多研究，并取得了一些成果。但对于地铁列车在不同时段、不同区域和站内外的颗粒物(PM1.0，PM2.5及PM10)质量浓度和CO2质量分数水平关注较少，同时缺乏对空气质量和热舒适主客观调查研究的相关性分析。

基于上述问题，现经过现场调研后开展对北京6条地铁线路车厢和站台空气环境中颗粒物和CO2污染水平以及热环境的测试研究，对测试结果运用空气污染的单因子分析法和环境质量的主客观对比分析法，分析地铁环境内的空气质量和热舒适及相关影响因素。

1 测试方法

1.1 测试对象

目前北京市投入运行的地铁线路共计20条，覆盖11个市辖区，遍布广泛。按照城市郊区与中心区室外环境的差异及城市工作者的通勤流量，在2019年5月选取了6条横越、纵越和环越北京中心区的地铁线路1号线、2号线、4号线、5号线、6号线和10号线的中部车厢作为测试研究对象，其目的在于减少列车两端人少车空的不稳定因素。另外，对于地铁环境站台的选取，考虑所选地铁线路包含较多站台，且客流量也不相同，为保证研究对象更具代表性，选取了6条地铁线路中进出站乘客相对较多的站台如换乘站、景点附近和火车站附近等的站台。并分别对列车车厢内和站台空气中的颗粒物(PM1.0，PM2.5及PM10)的浓度、CO2质量分数和热环境参数进行监测。图1、表1为线路和站台测试点位的分布情况以及基本信息。

图1 线路及站台测试点位分布Fig.1 Distribution of test points in line and platform of subway

表1 测试点位基本信息Table 1 Basic information of test points

1.2 测试与分析方法

1.2.1 测试方法及仪器

(1)测试时间。

在工作日或节假日的无风晴天，且在每日地铁高峰期7：00—9：00、17：00—19：00和低峰期 10：00—11：00、15：00—16：00进行测试，记录列车车厢开关门时间和人员、环境变化情况。且为保证测试数据的客观性和有效性，采取持续测量的方式，故对于站台及室外的测试点，测试时间设置为45 min，仪器记录间隔30 s；而对于列车车厢，则是进行列车运行全程中持续监测，以反映测试数据在时间上的变化规律。

(2)测试仪器。

颗粒物检测采用DustTrak8533颗粒物分析仪(美国TSI公司)；CO2质量分数和温湿度检测采用空气质量检测仪TSI7525(美国TSI公司)；风速检测采用热线式风速仪。仪器性能参数如表2所示。

表2 仪器性能参数Table 2 Instrument performance parameters

(3)测试点位。

依据《室内空气质量标准》(GB/T 18883—2002)的采样点设置原则，对环境进行测试时，每个站台沿对角线上均匀布3个点，测试车厢时在中心线上均匀布2个点，并在站台外布1个点。采样测试高度均离地面约1.2 m。布置站台测点时远离列车轨道，避免列车进出站的影响。

1.2.2 分析和评价方法

(1)空气污染的单因子评价。

根据空气污染的单因子评价标准，对测试地铁内温度、湿度、空气流速和空气洁净度的客观参数与相关标准提供的指标限值作比较，对超标状况进行量化分析。其中，颗粒物浓度限值参考《环境空气质量标准》(GB 3095—2012)中规定的PM2.5日平均浓度小于0.075 mg/m3、PM10日平均浓度小于0.15 mg/m3；CO2质量分数及温湿度限值参考《公共交通工具卫生标准》(GB 9673—1996)中规定的CO2日平均浓度小于0.15%、夏季空调温度24～28 ℃、夏季空调相对湿度40%～70%，风速≤0.5 m/s。通过SPSS 22.0绘制列车运行过程中车厢内颗粒物浓度动态变化曲线及站台与车厢内污染物浓度图，并用其统计分析站台内外污染物的相关性及站台与车厢污染物浓度的差异性，从而探究影响污染物浓度的因素。

(2)热舒适分析方法。

地铁乘客空间的热环境直接影响乘客的舒适性和地铁的能源消耗。为了解地铁车厢的热舒适状况，利用通过测试得到的地铁车厢的热环境参数并选取适用于均匀空调环境热舒适评价指标预测平均投票指数-不满意率(predicted mean vote-predicted percentage dissatisfied,PMV-PPD)对地铁车厢的热舒适性进行一般性评价。PMV指标代表了在同一环境下绝大多数人的热感觉程度。然而，在实际生活中，即使大部分人认为室内环境为最佳舒适状态，仍会有少数处于过度活动状态的人对该环境表示不满意，PPD则用来表示人们对热环境的不满意程度[15]。

PMV模型可表示[15]为

PMV=[0.303e(-0.036M)+0.028]{[(M-W)-

3.05×10-3[5 733-6.999(M-W)-

pa]-0.42[(M-W)-58.15]-1.7×

10-5M(5 867-pa)-0.001 4M(34-ta)-3.96×10-8fcl[(tcl+273)4-(tr+273)4]-fclhc(tcl-ta)}

(1)

式(1)中：M为人体代谢产热率，W/m2;W为人体机械做功,W/m2；pa为空气水蒸气分压力，Pa;ta为空气干球温度；fcl为服装表面积系数；tcl为服装表面温度，℃；tr为平均辐射温度，℃；hc为人体表面换热系数，W/(m2·K)。

由式(1)可知，计算PMV需要8个变量，其中fcl和tcl由服装热阻决定，hc是风速的函数，所以影响人体热感觉的主要因素有6个，即2个人体参数(活动量和服装热阻)和4个环境参数(空气干球温度、平均辐射温度、风速以及空气湿度)。当服装热阻、做功量和平均辐射温度确定后，那么热舒适PMV模型就转变为关于空气干球温度、空气湿度和风速的函数。

环境的热感觉等级对应于PMV的划分如表3所示。

表3 PMV评价指标Table 3 PMV evaluation index

基于上述计算结果PMV，再根据PPD的数学公式可计算出当前环境内人员的不满意程度。PPD的表达式[15]为

PPD=100-95exp[-(0.033 53PMV4+

0.217 9PMV2)]

(2)

依据ISO7730推荐，当PMV在-0.5～+0.5且PPD<10%时，表示当前环境为舒适状态。

此外，基于预测得到的PMV-PPD值，判断地铁车厢是否满足《人类居住热环境条件》(ANSI/ASHRAE标准55—2013)的热舒适要求。

(3)调查问卷。

对地铁车厢热舒适状况除了采用客观计算的评价方法外，又结合对地铁车厢环境的主观满意度进行现场问卷调查。问卷内容包含个人背景资料，对环境的热感觉程度以及满意程度。测试期间采用送发问卷的形式，每条地铁线路不同时段各随机调查50人，受调查人员尽可能涵盖各个年龄阶段。问卷调查内容如表4所示。

表4 问卷内容Table 4 The questionnaire content

2 结果与分析

统计分析了地铁高峰时段列车车厢和站台空气中颗粒物(PM1.0，PM2.5及PM10)质量浓度和CO2的质量分数及车厢热环境参数，并对所有污染物浓度进行差异性检验，结果具有统计学意义。

2.1 地铁车厢及站台颗粒物浓度分析

运用单因子分析法分别对各地铁车厢内高峰段不同粒径段颗粒物的浓度变化趋势、高低峰时段颗粒物平均浓度变化情况以及PM1、PM2.5和PM10间的平均浓度比进行分析评价，从而确定其相应的颗粒物主要来源和影响因素以及对人体健康的影响。

2.1.1 车厢内颗粒物浓度分析

图2所示为地铁1、2、4、5、6和10号线列车车厢在测试时间段(1号线列车测试时间18：53—19：39，2号线列车测试时间7：21—8：03，4号线列车测试时间17：16—18：40，5号线列车测试时间18：39—19：23，6号线列车测试时间8：07—9：05，10号线列车测试时间17：41—18：33)测试点位的颗粒物(PM1.0，PM2.5及PM10)动态质量浓度的变化趋势。

由图2可看出，在高峰时段，六条列车车厢内颗粒物PM1.0，PM2.5和PM10质量浓度的变化趋势基本一致，而PM1.0和PM2.5、PM2.5和PM10质量浓度值相差较多。测试记录显示，当列车减速到站时，车厢内颗粒的质量浓度迅速增加，原因可能是制动轨道与列车之间的摩擦产生大量金属粒子通过通风或车体缝隙进入车厢和开门作业共同增加了车厢内颗粒物的浓度，使其达到峰值。上述现象表明刹车与人员进出会产生较大颗粒物PM2.5～PM10。而PM1.0质量浓度随地铁运行在较小范围内变化，说明PM1.0受列车运行及人员进出等不稳定因素影响较小，主要来源于车厢内较稳定的空调系统。

图3所示为高、低峰时段各地铁车厢内颗粒物平均浓度情况以及与标准值的比较。

从图3可看出，车厢内各粒径段颗粒物的平均质量浓度在高峰时段都高于低峰时段,这是由于高峰时段车厢内乘客较多，增大了颗粒物的浓度。此外，在高峰时段，地铁1号线和5号线列车车厢内PM2.5平均质量浓度有超出标准0.075 mg/m3的现象，而低峰时段，6条列车车厢内PM2.5平均质量浓度均未超标，高、低峰时段6条列车车厢内PM10平均质量浓度均未超出标准0.15 mg/m3；说明列车空调控制可对颗粒物达到净化效果。

为了对比地铁车厢环境与燃烧源场所、住宅环境颗粒物粒径分布的不同，对高、低峰时段车厢内PM1.0、PM2.5和PM10质量浓度间的比值进行计算，结果如表5所示。

从表5可以看出，PM1.0/PM2.5范围为0.74～0.94，PM2.5/PM10范围为0.63～0.83。文献[16-17]对燃烧场所(火锅店、烤肉店和开放式厨房)及住宅进行的颗粒物浓度水平研究，测得燃烧源场所PM1.0/PM2.5范围为0.92～0.99，PM2.5/PM10范围为0.88～0.99；住宅内PM1.0/PM2.5范围为0.87～0.96，PM2.5/PM10范围为0.66～0.88。对比地铁车厢、燃烧源场所和住宅的颗粒物粒径分布，发现地铁车厢内PM2.5在PM10中占比相对较小，地铁环境内粒径大于2.5 μm的颗粒物相对占比较其他场所稍大，而2.5～10 μm的颗粒物会被呼吸道表面的纤毛-黏液层黏附或清除，因而对人体健康影响较小。

图2 高峰时段各地铁线路列车颗粒物动态质量浓度Fig.2 Dynamic concentration values of particulate matter in trains of each subway line during peak hours

图3 高峰、低峰时段各地铁车厢内颗粒物平均浓度Fig.3 Average concentration of particulate matter in all subway carriages during peak and low periods

表5 高、低峰时段各地铁车厢内PM1.0、PM2.5和PM10之间的平均质量浓度比Table 5 The average concentration ratio between PM1.0,PM2.5 and PM10 in each subway carriage during high and low peak periods

2.1.2 站台颗粒物浓度分析

在2019年5月13日—18日进行了站台测试，图4给出了各站台在高、低峰时段颗粒物平均浓度以及与标准值的比较。

图4 高峰、低峰时段各地铁站台内颗粒物平均浓度Fig.4 Average concentration of particulate matter in all subway platforms during peak and low periods

从图4可看出，6号线南锣鼓巷站台和朝阳门站台PM2.5平均质量浓度超出标准值0.075 mg/m3，其他站台PM2.5和PM10平均质量浓度未超标。事实上6号线站台使用全高闭式屏蔽门隔开站台区域与轨道区域，使得站台与轨道之间仅有少量气流交换，故此时颗粒物超标的原因主要是南锣鼓巷站和朝阳门站人员流量大，使得污染源增多。

对比地铁站台与车厢环境内颗粒物粒径分布情况，即对比两者的PM1.0/PM2.5范围和PM2.5/PM10范围。站台PM1.0/PM2.5范围为0.68～0.79，PM2.5/PM10范围为0.46～0.62。车厢PM1.0/PM2.5范围为0.74～0.94，PM2.5/PM10范围为0.63～0.83。可以看出相比于车厢，站台的颗粒物粒径分布中2.5～10 μm的大颗粒占比较大。说明站台内的人员活动和车辆进站主要产生2.5～10 μm的颗粒物，但由于其危害小，需加强通风过滤即可。

2.2 地铁车厢站台CO2质量分数水平

2.2.1 车厢内CO2质量分数水平分析

图5所示为高、低峰时段各地铁车厢内CO2在空气中的质量分数以及与标准值的比较。

从图5可看出，高峰时段CO2质量分数高于低峰时段，原因在于高峰时段车厢内乘客较多，人员相对比较拥挤，CO2质量分数相对较高；高峰期4号线、5号线、6号线CO2质量分数均超出了标准限值0.15%，表明列车车厢内影响CO2的主要因素为车厢内乘客密度。

车厢内的空调系统的调节能力是有一定限度的，当车厢内的CO2质量分数超过这一限度时，空调系统调节能力不足，使得CO2质量分数超标。由于车厢内CO2的主要来源是乘客，且在高峰时段各条地铁线路客流量虽较大，但是不同线路存在差异，有些线路经过多个主要商业区和重要交通枢纽，客流量大导致部分线路CO2质量分数超标。而CO2质量分数会影响车厢内乘客的舒适感，影响乘客的承载体验，同时长时间的高浓度会对乘客产生一定健康影响。故应该根据CO2质量分数适当地增强车厢内空调系统的调节能力，以保证乘客的舒适性和身体健康，并提供良好的车厢环境。

图5 高峰、低峰时段各地铁车厢内CO2质量分数Fig.5 Content of CO2 in all subway carriages during peak and low periods

2.2.2 站台CO2质量分数水平分析

图6为各站台CO2在空气中的质量分数与标准值的比较。

图6 各站台CO2质量分数Fig.6 Content of CO2 in all the subway platforms

图6显示，站台空气中CO2质量分数大致在0.053%～0.09%，均未超出标准限值(0.15%)。对比地铁站台与车厢环境内CO2质量分数分布情况，可知站台CO2的质量分数小于车厢。原因应在于车厢内乘客人员较多，通风不足，使得CO2难以被及时排出。而站台里空间较大，人员较少，空气流通好。

2.3 地铁车厢内人员热舒适性

2.3.1 地铁列车车厢PMV计算

以现场测试热环境数据为依据，采用式(1)计算高、低峰时段PMV-PPD值。其中地铁乘客一般为坐姿或轻松站立，人体代谢率M=69.78 W/m2；人体做功W=0；服装热阻取测试时期日常着装水平，在此取0.61 clo[18]；平均辐射温度认为与车厢内平均空气温度基本一致；地铁车厢内平均空气温度、平均相对湿度和平均风速，均由TSI7525型空气质量检测仪测试得到，并通过这些参数计算车厢环境的PMV-PPD值，参数及结果如表6所示。

表6 高、低峰段地铁车厢内温湿度、风速测试及热舒适计算结果Table 6 Measurement results of temperature,humidity,wind speed and thermal comfort calculation in all subway carriages during peak and low periods

根据《公共交通工具卫生标准》(GB 9673—1993)可知，旅客列车车厢内夏季空调温度标准值为24～28 ℃，空调相对湿度标准值为40%～70%，风速≤0.5 m/s。表6显示，低峰时段时各地铁线路平均温度相比于高峰时段普遍较低，风速明显较大，PMV都低于0，其中1号线、2号线和10号线低于-0.5，且PPD高于10%，属于不舒适范围。这是因为夏季北京室外设计温度较高，为了降低乘客的热感觉，使乘客感觉凉爽，空调温湿度按设计工况(最不利)确定，故在低峰期由于人员较少，没有及时调节空调，而出现了温度较低、风速偏大、乘客会感觉稍凉的现象。而4号线、5号线和6号线PMV和PPD值都不超标的原因是这三条线路都属于城市重要线路，贯穿几个城区，即使在低峰时段，其乘客量也会保持在一定范围内，因此CO2质量分数相比于其他线路虽略微偏大，车厢内温度也稍高，但仍属于舒适区域。

在高峰时段，各地铁线路平均温度都相应地增大，且风速明显降低，都在标准范围内，PMV值都高于0。这是因为高峰时段乘客较多，可能更接近空调设计工况时的要求，故1、2、5号线和10号线的热环境较为舒适。其中，4号线和6号线平均温度超标，PMV大于0.5，PPD高于10%。主要原因应在于这两条线路在高峰时段的乘客量瞬间增大，车厢变得十分拥挤，使得CO2质量分数急剧增大且超标，偏离设计或运行工况，导致温度升高至标准范围外，此时虽然空调系统会起到一定的调节作用，但短时间不易使热环境变为舒适。

总之，影响地铁车厢内热舒适的主要因素是客流量。但是，车厢内的空调系统对环境热舒适起到了一定的调节作用，故建议地铁空调系统在低峰时段可以适当地升高温度，以减小能耗；在高峰时段适当地降低温度，以提高乘客的热舒适性，为乘客提供一个良好的乘车环境。

2.3.2 地铁列车车厢主观调查问卷分析

为验证地铁热环境的客观分析结果，运用了主观调查方法对地铁列车车厢的热舒适情况进行了调查分析，即对6条地铁线路地铁车厢在高低峰时段进行了热舒适度主观问卷调查。在调查问卷中，“冷”“适中”“热”分别对应于PMV在-3～-1,-1～1,+1～+3内的热感觉，且“适中”代表对环境热感觉满意，“热”或“冷”代表不满意。调查过程中发现，大多数乘客虽然都比较着急进出地铁，但对于空气质量及热感觉的反应很敏感。图7所示为不同时段各地铁线路车厢内乘客对车厢内热感觉投票占比结果。

由图7可知，①低峰时段，各个地铁线路均有乘客认为车厢环境比较冷，其中地铁1号线、2号线和10号线投票为“冷”的人数较多，且三者的不满意度分别为15%、12%和14%，这一现象与该线路车厢内的乘客人员密度有关，低峰时段人员较少，可能偏离空调设计或运行工况，故被调查者有明显的冷感觉不适感；②高峰时段，各个地铁线路均有乘客投票热感觉“热”，其中地铁4号线、5号线和6号线投票不满意度分别为14%、9%和14%，且投票“热”的人数较多，分析可知，高峰时段乘客人数明显增多，不符合空调设计运行工况，故被调查者呈现出明显的闷热感。

图7 乘客对车厢内热感觉投票结果Fig.7 Results of the thermal sensation vote of passengers to the subway carriages

主观评价结果与表6热舒适性PMV-PPD模型的计算结果对比发现，除地铁5号线高峰时段测试点外，其他各点的结论基本一致，这说明客观计算和主观调查问卷二者间的关联性较大，同时也表明基于热舒适性PMV-PPD模型的计算结果具有一定的参考性和真实性，可为地铁空调系统的调控起到一定的参考作用，这对空调的节能和构建一个良好舒适的车厢环境具有一定的促进作用。事实上，造成5号线高峰时段测量结果对比的不一致有可能是因为人们对环境的适应性和依赖性在一定程度上影响了主观判断的意向，进而造成两者间的差异。

3 结论

对北京6条地铁线路的列车车厢和代表性车站的颗粒物(PM1.0，PM2.5，PM10)质量浓度、CO2质量分数以及热环境参数的检测和分析以及结合主观问卷调查，得到如下主要结论。

(1)地铁车厢内PM2.5/PM10值较小，表明该环境存在较多的大粒径颗粒，对人体下呼吸道影响较小。

(2)低峰时段，列车车厢内PM2.5平均浓度均未超标，高、低峰时段6条列车车厢内PM10平均浓度均未超标，说明列车空调控制基本可对颗粒物达到净化效果。

(3)各地铁线路车辆和站台的高峰时段CO2质量分数高于低峰时段；高峰期4号线、5号线、6号线CO2质量分数平均值超出了标准限值0.15%，影响因素主要为人员密集度。

(4)车厢内平均温度为25.7～28.52 ℃，平均相对湿度为41.32%～58.13%，车厢热环境PMV在-0.71～0.53，PPD在5%～16%，热感觉和不满意率较小程度偏离舒适范围-0.5≤PMV≤0.5，PPD<10%，其中高峰时段4号线和6号线不满足热舒适要求，低峰时段1、2和10号线不满足热舒适要求，影响因素主要为人员密集度和空调设计或运行温度。

(5)主观问卷热感觉投票占比与客观分析结果基本一致，主客观结果相关联，PMV-PPD指标可用于对地铁空调列车热舒适的评价。