Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

災難醫學(四):災區的常見傳染病及其防治

陳 慈忻
・2014/06/10 ・2939字 ・閱讀時間約 6 分鐘 ・SR值 558 ・八年級

本文由科技部補助,泛科學獨立製作

台灣位於環太平洋火山地震帶,及東亞颱風必經路徑的交叉位置,地震是台灣的常客。不過以氣象事件釀成的災害來看,除了地殼或大氣的運動本身的威力,也不可忽略災後傳染病爆發的風險。金傳春教授是美國加州大學洛杉磯分校流行病學博士,目前除了任教於台大公衛學院外,也長期參與第一線防疫工作,甚至架設「防疫先鋒」網站參與防疫實務,本專題將由金傳春老師說明災區「為何」以及「如何」防疫。

災後為避免呼吸道傳染病傳播,可以善用帳篷。(圖片來源:januswon)
災後為避免呼吸道傳染病傳播,可以善用帳篷。(圖片來源:januswon)

不同地區、不同災害類型,得換湯又換藥

在眾多災害中,地震對台灣的影響相當大。地牛翻身後的傳染病防治,首當要考慮的是傳染源或傳染途徑與泥土有關的疾病,例如破傷風或炭疽病,有些地區的土壤適合炭疽桿菌生存,經地震後會使感染機率增加。幸好炭疽病在台灣並不普遍,因此第二個要考慮的是破傷風等外傷接觸傳染病, 所幸破傷風也有疫苗可以防治,因此最需要注意的便是可能因密閉空間而加重疫情的呼吸道傳染病。

考慮災後的傳染病防治,一定要注意到當地原來就有哪些傳染病,1999年的921大地震主要發生在台灣中部的山區,台灣山區原來較使人憂心的呼吸道傳染病是肺結核(Tuberculosis, 簡稱TB)。結核是藉由空氣或飛沫傳染,且可致命的傳染病,感染結核後通常會破壞肺臟,稱為肺結核或肺癆。

-----廣告,請繼續往下閱讀-----

當房屋大多倒塌,居民要住在臨時搭建的公用組合屋中,然而在密閉空間中呼吸道傳染病的傳染風險高,因此為了防範呼吸道傳染病擴散,有兩個應對措施,一是以帳篷取代組合屋,避免人多共處在密閉空間,第二是同時啟動傳染病監測,來掌握呼吸道傳染病疫情。

其他突如其來的災變中,台灣每年都會經歷颱風,颱風造成大規模影響的頻率比地震還高,幾乎每年都會有颱風成災,因此颱風在傳染病上的影響也比較大。與颱風相關的是和「水」有關的傳染病,風災之後輸水管線受到破壞,山部地區常面臨缺乏飲用水,居民自行在野外取水,可能混有動物糞便或汙泥,容易感染經糞口途徑傳染的腸道傳染病,例如腸病毒、痢疾、傷寒、動物來源的沙門氏桿菌、鉤端螺旋蟲、類鼻疽,因此地方政府需在山區儲備乾淨飲水。

此外,大水淹完也要立刻把積水清除,以免成為蚊蟲的孳生源(breeding site),進而感染登革熱、日本腦炎等蟲媒傳染病。土石流逃難的經驗中,居民普遍會有外傷,加上途經泥濘,需要注意皮膚有關的傳染病,例如破傷風。

電子科技,突破傳染病偵測與防治方法

了解災害衍伸的傳染病風險後,災區的傳染病偵測與防治是災後的重要工作,過去的疫情通報以醫生和實驗人員進行,已經緩不濟急,以民眾作為疫情掌控的第一線,一來擴大傳染病的監測範圍,能控制疫情爆發;另一方面積極進行風險溝通,可以提升民眾與管制單位警覺度,有效防治傳染病傳播。

-----廣告,請繼續往下閱讀-----

在九二一大地震之前,台灣公衛體系缺乏地震會導致傳染病的經驗,因此在九二一大地震發生後,金傳春老師便進入災區進行傳染病的全面偵測,但是那時因為通訊不良,無法運用電腦科技進行即時性的偵測,但至少當時的21個重災區都進行了人工式紙本的傳染病偵測。

中國四川大地震比臺灣九二一大地震晚了十年,技術上不再仰賴紙本記錄,運用手機簡訊,中國疾病控制中心(CHINA CDC)可以同步進行雙向的疫情通報及風險溝通。手機在開發中國家已經很普遍,金傳春指出,國內各大電子公司 (例如:宏達電),應該開發傳染病防治的手機軟體,投入全球健康(global health)的社會工作。

台灣也曾經在發生紅眼症腸病毒的時候在台北市運用手機技術,金傳春老師跟北市教育局、衛生局合作,用手機通知民眾最新疫情與要父母要注意的事項,發現手機簡訊的風險溝通效果非常好,當時評估週末人跟人的互動較為頻繁下,可能是疫情的高峰期,因此選擇周末之前的星期四就發送簡訊,及早進行風險溝通,在百分之九十五的信心水準下,限制了10%~60%的症候兒童傳染,並將此研究成果《Taipei’s Use of a Multi-Channel Mass Risk Communication Program to Rapidly Reverse an Epidemic of Highly Communicable Disease》發表在國際期刊。

科學的態度,人文關懷的精神

實戰比紙上談兵重要,不只是公衛體系的基層人員,高層的決策者也應該要有第一線作戰的經驗。一般與傳染源有關的傳染病,病例數會以等差級數增加,就像1995年的美國災難片《危機總動員》中,只有特定的兩隻猴子是傳染源,因此每日的累計病例數會趨近等差級數;另一種與傳染途徑有關的疾病,在2007年的電影《28週毀滅倒數:全球封閉》中,每一個受感染的人類都具有感染力,也就是以「人傳人」為傳染途徑,這種疾病案例則具有等比級數增加的特徵,會迅速的擴散,尤其在人潮密集地區。

-----廣告,請繼續往下閱讀-----

如果找不到傳染病的型態特徵,很難追蹤問題的根源,就無法徹底解決問題,例如2013年一名台商從江蘇回台後病發,是國內第一個H7N9境外移入的案例,到目前為止在江蘇都還沒找到答案。緊接著第二個台灣的H7N9案例也是來自中國江蘇的境外移入案例,可見跨地聯合在疫情調查中的必要性。

不知道問題的真相,問題就會繼續發生,面對災區傳染病風險,專家的敏銳度必須透過第一線作戰經驗培養,然而許多人都仰賴辦公室看數據作戰,主要透過層層資訊傳遞,要特別注意的是,在每一層的環節間都會有選擇性告知的判斷偏差。

以人畜共通的禽流感為例,如果實際來到彰化發生案例的地區,可能會從養雞場的環境看出端倪,進而影響如何提升防治效果的決策。此外,公共衛生也不只是仰賴菁英知識,在實務上絕對需要了解民意,知道民眾打從心裡最願意配合的模式是什麼,所以必須具備與民眾溝通討論的能力。

疫情風聲鶴唳的時候,禽農會注意到禽流感的防治,但平常卻比較少戴手套和口罩,要從平常就做風險溝通,不是疾病流行爆發時才做。

-----廣告,請繼續往下閱讀-----

金傳春指出,中國大陸針對H7N9的疫情研究已經公開發表病毒的全長序列,尤其發表在歐美國家的頂尖期刊,然而單有科學的進展還不夠,需要人文關懷的精神與實務工作的投入,才能夠對社會造成真實的影響力。

發表大量高等期刊的研究,如果沒有解決問題或參與解決問題的過程,學者就沒有盡到學術回饋社會的責任,學術是有社會責任的工作。國科會計畫應該要找有高度社會使命感、解決問題為導向的學者,以跨領域的團隊,尤其政府要跟民眾相互溝通,從過去由上而下地菁英決策,改為由下而上的溝通機制,讓民眾台灣要開創公民時代的風氣,政府敞開大門只是第一步驟。(本文由科技部補助「新媒體科普傳播實作計畫─重大天然災害之防救災科普知識教育推廣」執行團隊撰稿)

本文原發表於行政院科技部-科技大觀園「科技新知」。歡迎大家到科技大觀園的網站看更多精彩又紮實的科學資訊,也有臉書喔!

責任編輯:鄭國威|元智大學資訊社會研究所

-----廣告,請繼續往下閱讀-----

參考資料:

  1. Yen, M. Y., Wu, T. S. J., Chiu, A. W. H., Wong, W. W., Wang, P. E., Chan, T. C., & King, C. C. (2009) Taipei’s use of a multi-channel mass risk communication program to rapidly reverse an epidemic of highly communicable disease. PloS one, 4(11), e7962.
  2. 防疫先鋒網站

 

災難醫學系列專題:

-----廣告,請繼續往下閱讀-----
文章難易度
陳 慈忻
55 篇文章 ・ 1 位粉絲
在丹麥的博士生,專長是用機器學習探索人類生活空間,正在研究都市環境變遷與人類健康的關係。曾擔任防災科普小組編輯、社會創新電子報主編。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

1
0

文字

分享

0
1
0
災難事故現場,「初級檢傷分類」評估大量人員傷亡
careonline_96
・2023/03/09 ・834字 ・閱讀時間約 1 分鐘

發生地震、火災、爆炸、交通事故或是參加大型活動時,可能出現大規模災難,導致大量人員傷亡。

由於傷亡人數眾多,所以在事故現場會先進行「初級檢傷分類」;評估能否行走、是否有呼吸、脈搏、能否聽從指令。

  • 可以行走的傷患會標示為「第三優先」;
  • 如果呼吸小於30下、橈動脈有脈搏、能夠聽從指令,會標示為「第二優先」;
  • 如果呼吸大於30下、橈動脈無脈搏、無法聽從指令,會標示為「第一優先 」;
  • 如果沒有呼吸、沒有脈搏、無法聽從指令,會標示為「死亡」。

救護人員會快速檢傷、重複評估,並依照優先順序轉送傷患,希望在有限的人力、資源、時間下,搶救最多的傷患。

倘若你正好身在現場,務必評估現場並確保自身安全,請保持冷靜,切勿圍觀、干擾大量傷患作業程序的進行,狀況許可時再依照救護人員的指示提供協助。

-----廣告,請繼續往下閱讀-----

駭人的災難可能造成「創傷後壓力症候群 PTSD」,而讓人出現嚴重焦慮、睡眠困擾、暴躁易怒、難以專心、責怪自己或他人等症狀。如果症狀延續一個月以上、持續惡化、已對工作與日常生活造成影響,便要盡快尋求專業醫療人員的協助!

災難無法預知,平時多一分準備,才能少一分傷害。

-----廣告,請繼續往下閱讀-----

2

1
0

文字

分享

2
1
0
物理學家說,公車的窗戶開這幾扇才通風
胡中行_96
・2023/01/09 ・1777字 ・閱讀時間約 3 分鐘

在流感盛行的嚴冬,您可曾為了開窗與否,天人交戰?還是在搭公車的時候,選擇開走道對面的窗戶,凍死別人,造福自己?通風能降低感染空氣傳播疾病的風險,但交通工具的窗戶到底要怎麼開,才能達到最佳效果?墨西哥物理學團隊發揮所長,在 2022 年 12 月的《科學報告》(Scientific Reports)期刊上,推薦開公車窗戶的方法。[1]

公車模型

COVID-19 疫情期間,防疫資訊滿天飛。因為事關人命,「♪ 雖然我曾經這樣以為/♪ 我真的這樣認為」,並不能做為給予建議的理由。許多公衛措施的效益,例如:戴口罩和保持社交距離等,都被嚴厲地以科學的方法檢視。這群墨西哥物理學家著眼於通風的機制,想瞭解到底挑哪個位置的窗戶,打開多少扇,對公車內的空氣品質最好。當然,他們並未唱著林憶蓮的〈為你我受冷風吹〉,親自搭車實測,被風吹到掉眼淚;而是打造了一台小模型來實驗,再以電腦模擬運算。[1, 2]

公車模型:A 是風速計;S 為二氧化碳偵測器;窗戶被黑虛線框出;二氧化碳則由中央車底灌入。圖/編輯自參考資料 1,Figure 1b、8a和8b。CC BY 4.0)

他們參考一輛 9.92 x 2.5 x 2.2 公尺,地板內側離路面 0.4 公尺的實體公車,打造出約 1/10 大的壓克力模型。如圖所示,車體透明,僅窗戶用黑色虛線框出,方便觀察;裡面有二氧化碳偵測器(CO2 sensor)、風速計(anemometer);以及可裝卸的 3D 列印乘客,方便創造空車和滿載等狀態。由於假人不會呼吸,所以得從模型的中央車底灌入二氧化碳,代替真實的吐氣。測試氣流時的車速,則主要設定在每小時 50 公里。[1]

實驗項目

這個實驗從下列兩個角度,來探討通風效果:

-----廣告,請繼續往下閱讀-----
  1. 開啟的窗戶數目:從不開窗、開 2 扇或 4 扇,到全部開啟等,都嘗試一輪。[1]
  2. 窗戶的位置:一般常見的公車,窗戶都是開在車體兩側,也就是乘客座位的旁邊。不過,科學家在模型的車頭,挖了 2 個長方形的氣窗,看看這種設計的效果又是如何。[1]

實驗結果

研究團隊發現,在一般擁有左右兩排窗戶的公車上,氣膠(aerosols,又稱「氣溶膠」或「懸浮微粒」)的擴散與排出,均受車內負壓造成的吸力驅動。打開 4 扇,也就是左右各 2 扇窗戶最通風;全開也不會加快氣膠排散,或減少累積。氣流促使氣膠向車頭聚集;有些從前面離開的氣膠,會由後面的窗戶回流;而氣膠在車裡停留的時間,平均為 6 分鐘。不過,當科學家拿出他們改造的新型公車,馬上就超越了傳統公車開 4 扇窗的成效。[1]

有別於市面上常見的款式,這種新型公車的前方擋風玻璃,靠近車頂處,多了兩個氣窗。如下圖所示,公車移動時,前方氣窗會進氣,產生一股推力帶動通風,而不再仰賴車內負壓的吸力。空氣從前方灌入,通過座位區域,再由車尾原本就設在兩側的窗戶出去;不像開 4 扇的,氣流無法完全貫穿車體。[1]

左:一般有兩排窗戶的公車;右:車頭設氣窗的新款公車。圖/參考資料 1,Figure 1c(CC BY 4.0)

以公車滿載 50 人的狀況為例,車速每小時 50 公里時,新款公車內的通風換氣速率,為每人每秒 100 公升;遠高於英國急難科學顧問團(Scientific Advisory Group of Emergencies,簡稱SAGE),在 COVID-19 疫情期間建議的 8 至 10 公升。就算行車速度只有每小時 9 公里,也還能符合 SAGE 的標準。同時,車內氣膠的總量減少,在車速每小時 50 公里的狀態下,滯留的時間降至 50 秒。[1]

公車向左行駛時,開不同窗戶的通風情形。影/參考資料 1,Supplementary Information 2(CC BY 4.0)

尚待研究的變因

既然新款公車這麼通風,何不趕快上市?上述實驗未涵蓋的數個變因,其實仍有待探究。比方說,3D 列印的假人沒有體溫,真實的公車坐滿活人乘客時,車內的溫度可能較高。如果再考量各地天候,造成的車外氣溫差異,這裡關於氣體流動的結論,便不見得適用。[1]更何況在空氣污染嚴重的市區,開窗搞不好會弄得灰頭土臉,大概也無益於呼吸功能。假如將來臺灣除了密閉且附空調的公車,也有這種墨西哥的新式車款,身為乘客的您,會想搭哪一種?

-----廣告,請繼續往下閱讀-----

  

  1. Alexei Pichardo-Orta F, Luna OAP, Cordero JRV. (2022) ‘A frontal air intake may improve the natural ventilation in urban buses’. Scientific Reports, 12, 21256.
  2. 滾石唱片ROCK RECORDS(01 JUN 2012)「林憶蓮Sandy Lam【為你我受冷風吹 Suffer for you】Official Music Video」YouTube.
-----廣告,請繼續往下閱讀-----
所有討論 2
胡中行_96
169 篇文章 ・ 67 位粉絲
曾任澳洲臨床試驗研究護理師,以及臺、澳劇場工作者。 西澳大學護理碩士、國立台北藝術大學戲劇學士(主修編劇)。邀稿請洽臉書「荒誕遊牧」,謝謝。