Je tato stránka užitečná?
2711x
001781
14.12.2022

BIM-GIS integrační přístup pro vysoce přesné modelování ohrožení větrem na úrovni obce

V tomto příspěvku byl vyvinut nový přístup ke generování CFD modelů na úrovni obce pomocí integrace informačního modelování budov (BIM) a geografických informačních systémů (GIS) pro automatizaci generování 3D modelu obce s vysokým rozlišením, který lze použít jako vstup pro digitální větrný tunel pomocí programu RWIND.
Informace

Tento text napsal Omar M. Nofal, John W. van de Linda a Ahmeda Zakzouka byla původně publikována v časopise Frontiers in Built Environment (svazek 8 - 2022).

Nebezpečí větru často vede ke značným škodám na zastavěném prostředí, které postupně ovlivní sociálně-ekonomické systémy v rámci obce. Rostoucí frekvence a intenzita nebezpečí hurikánů zdůrazňují význam vývoje modelů ohrožení větrem s vysokým rozlišením pro lepší předpovídání následků.

Ačkoli předchozí studie zkoumaly nebezpečí větru vyvolané hurikány z hlediska modelování nebezpečí a následné zranitelnosti budov a infrastruktury, tyto studie dosud nezkoumaly aplikace výpočetní dynamiky tekutin (CFD) na úrovni obce.

Proto byl v této studii vyvinut nový přístup ke generování CFD modelů na úrovni obce pomocí integrace informačního modelování budovy (BIM) a geografických informačních systémů (GIS) pro automatizaci generování 3D modelu obce s vysokým rozlišením. použít jako vstup pro digitální větrný tunel.

Toho bylo dosaženo využitím současných pokroků v BIM a GIS aplikacích a maximalizací jejich možností vývojem algoritmu, který automatizuje generování 3D geometrie obcí s detailní diskretizací každé budovy v rámci obce. 3D model komunity byl vyvinut pomocí souboru tvaru GIS pro půdorys budovy a parametrického BIM modelu, který používá řadu parametrů budovy, jako jsou rozměry půdorysu, tvar střechy, typ základu a počet podlaží.

Následně byl vyvinut algoritmus pro automatizaci vytvoření BIM modelu pro každou budovu v rámci obce na základě předepsaných charakteristik budovy. Vytvořený model obce byl použit jako vstup pro numerický větrný tunel, který pomocí CFD zohledňuje detailní tlak větru na každou budovu po zohlednění účinků aerodynamických interferencí na úrovni obce.

Tento nový přístup k integraci BIM-GIS poprvé představuje novou generaci CFD modelování ohrožení větrem na úrovni obce s vysokým rozlišením, jehož cílem je posunout současnou praxi simulace ohrožení větrem na úrovni obce.

1. Úvod

Nebezpečí hurikánů je jedním z nejčastějších nebezpečí v USA, které ohrožuje fyzickou infrastrukturu pobřežních komunit (Abdelhady et al., 2020 [1]; Nofal, 2021 [2]). Ohrožení hurikány může způsobit značné poškození obvodového pláště budovy a vážné poškození konstrukčního systému budovy (Amini a Memari, 2020 [3]).

Vzhledem k tomu, že nebezpečí hurikánů zesílilo (Kossin, 2017 [4]), bylo vyvinuto několik modelů proudění větru pro předpovídání pole hurikánů a intenzity větrného nebezpečí (Vickery et al., 2009 [5]). Holland vyvinul jeden z nejlépe zavedených modelů větru pro hurikány, který může předpovídat profil tlaku větru (Holland, 1980 [6]).

Darling vytvořil model relativní intenzity hurikánu s použitím pravděpodobnostního rozdělení (Darling, 1991 [7]). Vickery a kol. ([8]) vyvinul empirický přístup k předpovědi dráhy hurikánu na základě konceptu relativní intenzity vyvinutého Darlingem. V poslední době byly vyvinuty pokročilejší modely dráhy hurikánů, jako například stochastický model dráhy (Emanuel et al., 2006 [9]) a další, které využívají statistické modely spolu s historickými údaji o hurikánech (Hall a Jewishson, 2007 [10]).

Bylo vyvinuto několik modelů útlumu ohrožení hurikány poté, co byl zahrnut vliv pevninského terénu na rychlost útlumu intenzity větrného ohrožení nad pevninou (Vickery a Twisdale, 1995 [11]; Liu a Pang, 2011 [12]). Nakonec byly vyvinuty pokročilé modely větru pro hurikány pomocí metody simulace velkých vírů (LES) pro model Weather Research and Forecasting (WRF) (Zhu, 2008 [13]).

I když tyto přístupy významně přispěly k modelování nebezpečí větru, v současné literatuře stále chybí přístup s vysokým rozlišením, který by dokázal zachytit dopad aerodynamických interferencí na úrovni obce.

Věrnost modelu ohrožení větrem použitého při analýze může významně ovlivnit výsledný vypočítaný tlak větru na budovy a následné posouzení poškození. Vyhodnocení poškození větrem se obvykle provádí pomocí řady modelů zranitelnosti větrem, které byly vyvinuty pro posouzení poškození/ztrát na budovách a infrastruktuře, popsaných s souhrnné studii ((Pita et al., 2015 [14]).

Tato studie ukazuje, že v průběhu posledních 2 desetiletí byly vyvinuty různé typy funkcí zranitelnosti větrem, včetně deterministických (např. Emanuel et al., 2006 [8]; Pinelli et al., 2011 [15]; Pita et al., 2012 [16]) a pravděpodobnostní modely (např. Mishra et al., 2017 [17]; Khajwal a Noshadravan 2020 [18]).

Modely zranitelnosti větrem založené na křehkosti byly v posledních 2 desetiletích středem zájmu literatury, protože umožňují šíření nejistoty procesem vyhodnocení poškození (Li a Ellingwood, 2006 [19]; Massarra a kol., 2020 [20]; Nofal, 2020 [21]; Wang a kol., 2021 [22]). Bylo vyvinuto několik funkcí křehkosti budov pro různé typologie budov, včetně obytných (Masoomi a kol., 2018 [23]), komerčních (Koliou a kol., 2017 [24]) a veřejných (Masoomi a van de Lindt, 2016 [25]).

Vyvinuta byla také řada funkcí pro zranitelnost hurikány s více riziky, které zahrnovaly kombinované dopady vzdutí a vln spolu s nebezpečím větru (Masoomi et al., 2019 [26]). Vyvinuty byly také funkce zranitelnosti pro kombinovaný vliv rychlosti větru a trosek unášených větrem (Abdelhady et al., 2021 [27]). Dále byla vyvinuta řada přístupů k hodnocení rizika hurikánů na úrovni obce s více riziky, aby bylo možné provést vyhodnocení rizikovosti hurikánů ve velkých prostorových měřítkách (Nofal et al., [28]; [29]).

Přestože všechny tyto modely rizika hurikánů na úrovni obce jsou nové a významně přispěly k literatuře o větru, jsou založeny na jednoduchých modelech větru, které nezohledňují vliv aerodynamických interferencí na úrovni obce.

Přestože je pro posouzení rizika vzniku hurikánů klíčové detailní modelování pole větru v hurikánu, důležitá je také správná diskretizace zastavěného prostředí, aby bylo možné zohlednit tlak větru na každou exponovanou budovu (Du et al., 2018 [30]). Terén a topologie budov mohou měnit intenzitu ohrožení větrem v důsledku interakce mezi prouděním větru a budovami (Ren a kol., 2018 [31]; Wenz a kol., 2021 [32]).

Kromě toho může účinek stínění větru způsobený rozptylem budov v prostoru exponované oblasti významně změnit tlak větru na exponované budovy (Wiren, 1983 [33]; Liu a kol., 2018 [34]). Proto bylo provedeno vícero studií, které zkoumaly interakci mezi nebezpečím větru a budovami z hlediska kolísání tlaku větru přes obvodový plášť budovy (Schulman a DesAutels, 2013 [35]; Abdelfatah a kol., 2020 [36], 2022 [37]; Amini a Memari, 2021 [38]).

Přestože došlo k pokroku v přístupech k modelování pomocí CFD a ke zlepšení účinnosti výpočtových modelů, v současné literatuře stále chybí přístup, který by mohl automatizovat proces modelování komunity pomocí podrobné diskretizace na úrovni budovy s hlavním cílem lepšího modelování aerodynamické interference na úrovni obce.

CFD modely větru na úrovni obce jsou totiž výpočetně náročné a vyžadují dostatek času na modelování a zpracování. Také numerické modelování geometrie obce je náročné, pokud zahrnuje detailní diskretizaci všech budov v rámci obce.

Pro posouzení škod větrem a rizik na úrovni obce se současná literatura stále opírá o 2D rastrové mapy ohrožení, kde se rychlost větru získává lokálně ve středu každé budovy. Tento přístup nezohledňuje vliv aerodynamických interferencí, a proto ovlivňuje přesnost vypočítaného tlaku větru na každou budovu.

Technologie BIM umožňuje modelování detailních informací o stavebních prvcích včetně interiérů, nosných i nenosných prvků. Tato technologie usnadnila správu různých typů stavebních dat pro použití v různých fázích životního cyklu budovy, včetně analýzy a posouzení, výstavby, provozu, údržby a oprav.

Všechny výhody používání BIM technologie však ještě nebyly plně využity a stále existuje řada různých aplikací. Z BIM můžeme profitovat využitím BIM ve výzkumu a aplikacích pro přírodní katastrofy (Amirebrahimi et al., 2016 [39]). Současné pokroky v aplikacích GIS navíc umožnily modelování zastavěného prostředí a zpracování rozsáhlých struktur dat (De Risi a kol., 2013 [40]; Nofal a van de Lindt, 2020 [41], 2021 [42]).

Neboť jsou již tyto pokroky v GIS významné, výzkum přírodních rizik je může využít k vývoji modelů obcí s vysokým rozlišením. V poslední době proběhlo několik studií, které zkoumaly proveditelnost integrace BIM a GIS modelů z hlediska automatického georeferencování BIM modelů v prostředí GIS na úrovni budov (El Meouche a kol., 2013 [43]; Diakite a Zlatanova, 2020 [44]). Neboť jsou tyto studie nové, i když významně přispěly k literatuře o integraci BIM-GIS, zastavily se před vytvořením BIM modelu pro celou obec.

Tato studie se snaží zaplnit tuto mezeru ve výzkumu pomocí pokroků v technologiích GIS a BIM a vyvinout přístup, který dokáže automatizovat generování BIM modelů pro obec s podrobnou diskretizací budov v rámci obce. Modelování aerodynamických interferencí na úrovni obce vyžaduje diskretizaci zastavěného prostředí tak, aby bylo možné modelovat interakci mezi ohrožením větrem hurikánu a budovami v rámci obce.

To vyžaduje 3D model obce s řádnou charakteristikou budov a infrastruktury pro správný výpočet tlaků větru na každou budovu. Každou budovu v rámci tohoto modelu lze poté diskretizovat tak, že se zohlední údaje o místních budovách, jako je typ základu, počet podlaží a tvar střechy, spolu s dalšími globálními údaji o budově s ohledem na obec, včetně polohy, nadmořské výšky, orientace a tvaru půdorysu budovy. Integrace mezi BIM a GIS umožní 3D modelování obcí s detailní diskretizací budov v rámci obce.

V tomto příspěvku byl vyvinut nový přístup integrace BIM-GIS pro automatizaci procesu BIM modelování zastavěného prostředí. Vyvinutý přístup těží z aplikací BIM a GIS ve výzkumu přírodních rizik, konkrétně při tvorbě 3D geometrie obce, která má být použita jako vstup pro CFD analýzu. To bylo provedeno pomocí parametrického BIM modelu pro vygenerování různých typologií budov v rámci obce.

V programu Revit Dynamo byl vyvinut nový algoritmus, který jako vstup používá soubor tvaru GIS půdorysu budov v rámci obce a následně provádí řadu parametrických operací s atributy budovy v tomto souboru. Tyto atributy zahrnují tvar půdorysu budovy, počet podlaží, tvar střechy a typ základu. Nový algoritmus použil tyto atributy k automatizaci generování geometrie každé budovy v rámci obce a vytvořil konečný soubor BIM pro celou obec s detailním modelováním různých budov v rámci obce.

Tento nový přístup k BIM-GIS integraci umožnil zautomatizovat vývoj fyzikálního modelu celé obce, který bude sloužit jako vstupní geometrie pro digitální větrný tunel pro CFD simulace. Poté lze modelovat maximální rychlost větru generovanou hurikánem jako okrajovou podmínku pro digitální větrný tunel, což umožnilo podrobně charakterizovat aerodynamické interference napříč každou budovou v obci.

Tento přístup umožňuje analytikovi podrobně zohlednit tlak větru na každou budovu v obci, který může být použit jako vstup pro analýzu zranitelnosti větrem. Vyvinutý CFD model ohrožení větrem vyvolaný hurikány je považován za zkušební verzi pro další generaci vysoce věrné analýzy rizik větru v měřítku obce s dalšími aplikacemi pravděpodobně pro plánování odolnosti obcí. Všimněte si, že věrnost větru je považována za vysokou s ohledem na měřítko komunity, ale ne pro konvenční CFD měřítko konstrukce.

2. Metodika

Pro automatizaci generování 3D geometrie obcí po diskretizaci různých typologií budov v rámci obce byl vyvinut nový přístup integrace BIM-GIS. Na obrázku 1 je schematický vývojový diagram metodiky s hlavními modely a důležitými vstupními údaji pro tyto modely. Tento přístup umožňuje generovat 3D geometrii obce s vysokým rozlišením, kterou lze použít jako vstup pro digitální větrný tunel pro zohlednění aerodynamických účinků větru na úrovni obce.

Z výsledné mapy ohrožení větrem lze vygenerovat vysoce přesný model ohrožení větrem, který zohledňuje škody na každé budově v obci. Rychlost větru na úrovni obce může být generována jako jeden z přímých výstupů z vyvinutého přístupu pro zohlednění účinků zakrytí vyvolaných různými vzory budov. Kromě toho lze generovat výstupy na úrovni komponent pro identifikaci tlaku větru pro určité komponenty, jako jsou stěny a střechy.

BIM-GIS integrační model

V tomto výzkumu zaměřeném na přírodní nebezpečí, což jsou dvě hlavní technologie používané v odvětví architektury, inženýrství a stavebnictví (AEC), byl vyvinut nový přístup k integraci BIM s GIS. Dva poskytovatelé s největším podílem na trhu této technologie jsou AutoDesk (pro BIM) a ESRI (pro GIS), které v posledních letech úzce spolupracovaly na integraci těchto technologií a nedávno zveřejnily první nástroj, který integruje BIM a GIS v jednom výpočetním prostředí, kterým je ArcGIS GeoBIM.

Použitelnost tohoto nástroje je však omezena na odvětví AEC s mnohem větším důrazem na detailní pohled na úroveň budovy jako součást zastavěného prostředí. Zde popsaný přístup integrace BIM-GIS se zaměřuje na perspektivu na úrovni obce, takže do procesu integrace jsou zahrnuty podstatné stavební detaily. Tento integrační proces začíná shromažďováním podrobných informací o budovách v rámci obce a vytvořením prostorové reprezentace dat budovy ve formě souboru GIS.

Tento soubor shapefile by měl obsahovat základní atributy budov v rámci obce, včetně tvaru půdorysu, počtu podlaží, typu střechy a typu základu. Dále byl vyvinut algoritmus pro čtení atributů budovy, které se použijí jako vstup pro parametrický BIM model. Tento parametrický BIM model začne na základě poskytnutých vstupních dat generovat geometrii pro každou budovu. Geometrii lze detailně rozložit tak, že každému stavebnímu dílci lze přiřadit různá data na úrovni dílce, např. jiný materiál stěn, různé typy stěn, různé typy základů atd.

Vyvinutý přístup používá GIS model obce ve formě souboru tvarů půdorysu každé budovy v rámci obce. Tento soubor shapefile obsahuje podrobné atributy každé budovy v rámci obce, včetně tvaru půdorysu, počtu podlaží, typu základu a tvaru střechy. Tyto atributy jsou k dispozici buď online, lze je zakoupit u poskytovatelů dat nebo je lze získat pomocí Google Street Map View.

V programu Revit Dynamo byl také vyvinut parametrický BIM model pro použití atributů budovy z komunitního souboru shapefile a automatizaci generování těchto budov. Obrázek 2 ukazuje logiku algoritmu vyvinutého v programu Revit Dynamo, který byl vyvinut pro propojení GIS souboru s tvarem obce a vyvinutého parametrického BIM modelu pro generování geometrie každé budovy v rámci obce.

Proces automatizace generování geometrie budov zahrnuje vývoj stěn, střechy, základů a počtu podlaží pro každou budovu na základě zadaných atributů budovy. 3D BIM model obce byl transformován do rozšíření International Foundation Class (IFC), které bylo následně použito jako vstup pro digitální větrný tunel pro zohlednění tlaku větru na každou budovu po zohlednění vlivu aerodynamických interferencí.

Algoritmus integrace BIM-GIS je vyvinut v jazyce Python a využívá některé existující knihovny v programu Revit Dynamo, jako jsou GIS, hodinový stroj a bimorfní uzly. Pro názornou prezentaci vytvořeného integračního procesu je k dispozici kód pro generování parametrického BIM modelu, jak je znázorněno na obrázku 3. Algoritmus načte soubor tvaru GIS zájmové obce s atributy budovy, které jsou zapotřebí pro parametrické BIM modelování.

Nejdříve se z databáze GIS v programu Revit Dynamo načtou požadované atributy z dostupného souboru shapefile (např. počet podlaží, typ základu, tvar střechy, vlastnosti stěn atd.). Pokud některá z těchto dat nejsou k dispozici v souboru GIS, lze použít uživatelská vstupní data pro rozšíření analýzy a algoritmu. Tyto údaje budou použity pro vytvoření tvaru tělesa budovy transformací 2D půdorysu na 3D těleso pomocí databáze geometrie, která je součástí programu Revit Dynamo.

Součástí algoritmu byla také transformace souřadnic pro půdorys budovy, aby bylo zajištěno, že vygenerované budovy jsou správně georeferencovány. Vyvinutý algoritmus je v současnosti omezen pouze na budovy, ale může být v budoucnu použit pro automatizaci generování některých infrastruktur, jako jsou vodovodní, energetické a dopravní sítě.

Toho lze dosáhnout pomocí stejného procesu s podrobnými daty o těchto sítích ve tvaru souboru. Tento soubor tvaru by měl mít topologii sítě, konektivitu, závislost atd. Poté lze na základě těchto informací vytvořit podobný parametrický model pro iniciaci geometrie pro tuto infrastrukturu.

Jakmile byla geometrie každé budovy v obci vytvořena pomocí BIM modelu, který umožňuje kompletní charakterizaci detailů budov, lze vytvořit úplný 3D BIM model obce. Tento 3D model společenstva obsahuje základní geometrické informace o společenstvu, které umožňují další analýzu interakce větru nebo vodní stavby.

Výstupní úroveň detailů z procesu automatizace generovaného 3D BIM modelu obce závisí na dostupných informacích o budovách, které byly použity jako vstupy pro model. Pokud nejsou k dispozici žádné informace o typu základu nebo tvaru střechy, vytvoří se konečné vygenerované společenství na základě předpokládaného typu základu (např. deska na svahu) a tvaru střechy (např. plochá střecha), který může být poněkud typické pro obec.

Například při shromažďování údajů o budovách existuje řada budov, které nejsou přístupné ani v terénu, ani v Google Street Map View. Poté lze pro tyto údaje učinit rozumné předpoklady o vlastnostech těchto budov na základě okolních typů budov. Výsledný 3D BIM model obce lze georeferencovat a integrovat do 3D prostředí GIS. Obrázek 4 ukazuje schematický pracovní postup pro proces transformace z 2D modelu komunity GIS na 3D integrovaný model komunity BIM-GIS.

V budoucnu lze tento algoritmus rozšířit o topografii zkoumané oblasti z hlediska nadmořské výšky terénu a vlivu na aerodynamické interference. Toho lze dosáhnout začleněním digitální výškové mapy (DEM) zkoumané oblasti pro identifikaci nadmořské výšky každé budovy, a tím úpravu nadmořské výšky každé budovy. Tento algoritmus bude také použit pro modelování další infrastruktury, jako je energetická síť, která bude vyžadovat podrobné geoprostorové informace o vedení pro přenos a rozvod energie (např. výška stožárů/stožárů, geometrie, poloha atd.).

Modelování ohrožení větrem

V tomto výzkumu se hlavní pozornost soustředí na ohrožení větrem vyvolaná hurikány, ale tato metodika se vztahuje na každé přímé nebezpečí větru. Analýza větru hurikánů se obvykle provádí s velikostí pixelů v kilometrech, aby bylo možné řešit tak rozsáhlé numerické modely větrných polí (např. Hollandův model).

Vijayan a kol. ([45]) zkoumal vliv různých parametrů větru na výsledné generované pole větru pro hurikán Michael v roce 2018 na základě Hollandova modelu. Velikost nestrukturované sítě použité při vývoji tohoto modelu se pohybuje od 25 km nad vodou do 1 km nad pevninou. Zatímco tyto modely větru jsou nové a významně přispěly k modelování ohrožení větrem vyvolaného hurikány, tyto modely nejsou dostatečné pro predikci rychlosti větru a tlaku větru na každou budovu v obci.

Důvodem je, že řešič použitý v těchto numerických modelech větru pouze přepíná součinitel expozice z výšky nad vodou na pevninu pro zohlednění rychlosti větru v městských obcích, který nezohledňuje detailní aerodynamické interference vyplývající z interakce konstrukce větru. Tyto modely také nezohledňují účinky krytí speciálně pro budovy na pobřeží.

Rozlišení použité v současných modelech vytvořených např. z ADCIRC, pokud jde o velikost pixelů pro generování nestrukturované sítě, neumožňuje zachytit změny rychlosti větru napříč obcí.

Proto řešení založená na CFD na úrovni obce poskytnou přesnější výsledky větru, i když tato řešení používají určitá zjednodušení, jako je použití velké sítě prvků. Vzhledem k tomu, že drsnost povrchu bude mnohem lépe znázorněna než použití součinitele expozice, bude představovat konstantní drsnost bez zahrnutí účinku krytí.

Pro překonání těchto nedostatků ve výzkumu byly výstupy z vyvinutého BIM-GIS integračního přístupu z hlediska 3D geometrie obce použity jako vstup pro digitální větrný tunel založený na CFD, který zohledňuje aerodynamické interference na základě geometrie znázorněné na obrázku 5A pro malou vzorovou část obce sestávající z 25 budov různých typologií.

Toho bylo dosaženo převedením 3D BIM modelu obce na rozšíření Industry Foundation Classes (IFC) pro použití jako vstupní geometrie pro libovolné výpočetní prostředí, které podporuje rozšíření IFC. BIM model obce v rámci rozšíření IFC byl poté použit jako vstup pro digitální větrný tunel pomocí programu RWIND ( RWIND 3 ) což je výpočetní prostředí založené na OpenFOAM, které umožňuje 3D analýzu nestlačitelného proudění větru.

Digitální rozměry větrného tunelu velikosti sání jsou nastaveny na dvojnásobek rozměrů šířky a výšky modelu. Jeho délka je nastavena jako trojnásobek délky modelu s kratší vzdáleností na straně vstupu. Metoda použitá pro výpočet výchozích rozměrů větrného tunelu zahrnuje složitý testovací proces, který byl optimalizován. Přednastavené rozměry jsou stanoveny tak, aby byl okolo konstrukce v modelu dostatečně velký volný prostor, a jsou nastaveny co nejmenší, aby se dosáhlo krátkých časů výpočtu.

Vygenerovaný aerodynamický interferenční model v programu RWIND byl ověřen na experimentálních údajích z větrného tunelu a verifikační příklad najdete zde ( Proudění okolo jednoduché skupiny budov ). Nevýhodou programu RWIND je však to, že neumožňuje časově závislou simulaci větru s proměnnou rychlostí větru v místě okrajových podmínek.

Také u rozsáhlých simulací s více než 10 miliony prvků by doba výpočtu mohla překročit 3 dny. Poté byla v programu RWIND vyvinuta plošná síť na základě geometrie používající různé velikosti sítě, přičemž závislost sítě je plně kontrolována pomocí generátoru sítě RWIND, jak je znázorněno na obrázcích 5B,C. Detailní pohledy na síť vytvořenou pro vygenerovanou geometrii jsou znázorněny na obrázcích 5D,E.

Síť vygenerovaná pro model s vysokým rozlišením pomocí malé velikosti sítě na obrázku 5E byla použita jako vstup pro numerický řešič na bázi OpenFOAM používající program RWIND pro výpočet proudění větru a povrchového tlaku v uzlech sítě a poté byly výsledky extrapolovány pro celou modelu. Vyvinutý CFD model prováděl výpočty ustáleného proudění s 500 iteracemi a konverzním kritériem P-reziduum = 0,001.

Model turbulence použitý pro ustálené proudění je RANS k-epsilon a předpokládá se intenzita turbulence (I) 1 %. Jako model turbulence pro nestacionární proudění se používá LES Spalart-Allmarasova zpožděná simulace vírů (DDES). Turbulence proudění nebyla v této studii zohledněna, protože je mimo rozsah hlavních cílů této studie, ale může být předmětem budoucí práce. Obrázek 5A ukazuje digitální větrný tunel pomocí programu RWIND a okrajové podmínky z hlediska hodnoty rychlosti větru a profilu rychlosti větru.

Výsledné proudění větru přes model obce je znázorněno na obrázku 6B a detailní pohled na obrázku 6C. Výsledky analýzy také zahrnují prostorové kolísání rychlosti větru napříč obcí při konstantní rychlosti větru v místě okrajových podmínek, jak je znázorněno na obrázku 7A, a plošného tlaku v každé budově, jak je znázorněno na obrázku 7B. Na obrázcích 7C,D je znázorněn profil větru na dvou různých místech v obci.

Je třeba poznamenat, že tyto výsledky představují tlak větru ze simulace ustáleného proudění RANS. Zde popsaný přístup by mohl být rozšířen na zkoumání rozsáhlých obcí se stovkami budov, ale tato metoda je zde uvedena jako příklad pro dílčí část obce.


3. Příklad obce: Mexico beach, Florida

Zeměpisná poloha

Nová metodika byla aplikována na Mexico Beach na Floridě, aby se ukázala proveditelnost a použitelnost ve větším prostorovém měřítku. Mexico Beach je malá pobřežní obec na severozápadě Floridy s celkovým počtem 1 072 obyvatel podle sčítání lidu v roce 2010.

Mexico Beach byla vybrána jako zkušební základna pro svou polohu v Atlantském oceánu, která ji činí náchylnou k pobřežním nebezpečím; konkrétně hurikány. Na obrázku 8 je znázorněna prostorová poloha Mexico Beach vzhledem ke státu Florida. V této studii byla pro analýzu zatížení větrem uvažována pouze střední část Mexico Beach, jak je znázorněno na detailním pohledu na obrázku 8.

Scénář nebezpečí: Hurikán Michael 2018

Scénář nebezpečí použitý pro tuto studii je hurikán Michael v roce 2018, který je považován za první bouři Cat5, která zasáhla USA od hurikánu Andrew v roce 1992. Hurikán Michael má na svědomí 74 potvrzených obětí a ztráty se odhadují na 25 miliard dolarů. Hurikán Michael je třetím nejintenzivnějším atlantickým hurikánem, který dopadl na pevninu v USA. Hurikán Michael dosáhl 10.

Pro hurikán Michael vyvinula společnost RMS a Moody's Analytics model větrného pole (RMS: Moody's Analytics Company, 2018), jak je znázorněno na obrázku 9. Tato mapa ohrožení větrných polí ukazuje nejexponovanější místa na Floridě. Nicméně velikost pixelů použitá pro vytvoření této mapy nebezpečí je 5,0 km na 5,0 km, což znamená, že všechny budovy v Mexico Beach byly vystaveny stejné rychlosti větru 160 mph (70 m/s). Tato rychlost větru byla použita jako okrajová podmínka pro digitální větrný tunel, kterému se budeme podrobněji věnovat v následující části.

4. Výsledky

Integrační přístup BIM-GIS vyvinutý v této studii byl použit pro modelování budov ve výzkumné oblasti Mexico Beach na Floridě. Geometrie obce, která byla vygenerována pomocí zde popsané metodiky, byla použita jako vstup pro digitální větrný tunel pomocí programu RWIND pro zohlednění rychlosti větru a tlaku větru na budovy. Výsledky analýzy jsou znázorněny v následujících podkapitolách.

Výsledky modelování komunity

Půdorysy budovy ze souboru shapefile pro Mexico Beach na Floridě jsou znázorněny na obrázku 10A a byly použity jako vstup pro integraci BIM-GIS pro vytvoření 3D geometrie obce. U těchto budov byly k dispozici pouze údaje o poloze, půdorysu a počtu podlaží.

Tyto informace byly použity pro vygenerování BIM modelu pro každou budovu v rámci obce za předpokladu, že všechny budovy mají plochou střechu na deskových základech, protože neexistují žádné informace o tvaru střechy nebo typu základu, jak je znázorněno na obrázku 10B. BIM model obce byl georeferencován pro integraci do 3D prostředí GIS, jak je znázorněno na obrázku 10C. Nový přístup integrace BIM-GIS lze rozšířit o modelování dalších informací o budovách včetně tvaru střechy a typu základu.

Pokud jsou tato data k dispozici, lze algoritmus upravit tak, aby tyto informace zpracovával ve vstupních údajích z komunitního souboru Shapefile. Doba potřebná pro vytvoření modelu komunity závisí na dostupnosti dat (soubor tvarů budov) a na tom, kolik práce je zapotřebí pro přípravu dat pro proces integrace BIM-GIS. Algoritmus integrace BIM-GIS trvá 2 až 5 minut, než vygeneruje BIM model obce v závislosti na velikosti obce.

Výsledky modelování ohrožení větrem

Geometrie vygenerovaná pro obec z BIM-GIS integračního přístupu byla použita jako vstup pro digitální model větrného tunelu v programu RWIND. Při vývoji sítě pro aerodynamické modelování interferencí na úrovni obce bylo použito více než 10 milionů prvků. Úroveň zahuštění sítě použitá pro vytvoření této CFD simulace umožňuje modelu zachytit proudění větru napříč budovami v obci.

Obrázek 11 ukazuje výstup z digitálního větrného tunelu z hlediska proudění větru generovaného s prostorovým rozdělením rychlosti větru v obci. Výsledky analýzy ukazují, jak se rychlost větru snižuje, když se přibližuje k budovám, kde se blíží nule, protože částice větru se zastavují v místě budovy. Obrázek 11 také zachycuje, jak se zvyšuje rychlost větru v ulicích mezi budovami a jak poloha a orientace budovy ovlivňují rychlost větru.

Je třeba poznamenat, že prezentované kvantitativní výsledky jsou vysoce ovlivněny předpoklady modelu včetně geometrických modelů a modelů turbulence a že při použití různých předpokladů mohou nastat určité odchylky ve výstupních výsledcích.

Digitální modelování ve větrném tunelu umožňuje zachytit tlak větru na budovy, jak je znázorněno na obrázku 12. Existuje mnoho pozorování pro konečné výsledky z digitálního větrného tunelu pomocí navrženého přístupu:

  • Výsledky analýzy ukazují, jaký význam má krycí účinek budov v přední části pobřeží a jak ovlivňuje tlak větru na budovy vzadu.
  • Přízemní tlak větru generovaný v numerickém větrném tunelu ukazuje, jak se tlak větru transformuje z tlaku (s kladným znaménkem) na sání (se záporným znaménkem), jak je znázorněno na obrázku 12.
  • Ukazuje, že vyšší budovy mají výrazně větší tlak na nezastřešenou část než na zastřešenou část. To je zřejmé ze změny barvy přízemního tlaku větru, která je znázorněna na červeně zakroužkovaných místech na obrázku 12B.
  • Výsledky analýzy také poskytují hodnoty pro tlak na každé straně budovy, které poskytují informace potřebné pro analýzu poškození větrem pro každou exponovanou část budovy.
  • Orientace budovy a její úhel vzhledem ke směru větru významně ovlivňuje rozložení tlaku větru na obálku budovy, jak je znázorněno na modře zakroužkovaných místech na obrázku 12B.
  • Výsledky tlaku větru umožňují analýzu poškození s vysokým rozlišením na úrovni konstrukčních prvků pro každou budovu v obci.
  • Výsledky analýzy poskytují interaktivní simulaci proudění větru, která ukazuje prostorové změny proudění a následné změny rychlosti větru, jak je znázorněno na obrázku 13. To se chová, jak by se dalo očekávat, jako fyzický větrný tunel, který vytváří linie proudění větru interagující s okolní zástavbou.

5. Shrnutí a závěr

Byl vyvinut nový přístup k integraci BIM a GIS pro generování geometrie společenstev s vysokým rozlišením, která se použije jako vstup pro modelování ohrožení na úrovni obcí. Vyvinutý přístup používá soubor shapefile modelu komunity GIS, který obsahuje podrobné informace o každé budově v rámci obce, jako je půdorys budovy, počet podlaží atd. Čím více detailů budovy obsahuje soubor shapefile, tím vyšší je rozlišení vygenerovaného modelu obce.

Byl vyvinut algoritmus pro transformaci poskytnutých informací o budovách do BIM modelu pro celou obec. Poté byla vygenerovaná geometrie převedena do rozšíření IFC, které bylo použito jako vstup pro modelování nebezpečí. Jednou z aplikací nového přístupu integrace BIM-GIS je použití 3D modelu komunity, který se generuje jako vstup pro digitální větrný tunel, pro provedení CFD analýzy pro zohlednění aerodynamických interferencí na úrovni obce.

Výstupy z digitální analýzy ve větrném tunelu ukazují, jak důležité je zohlednit aerodynamické interference na úrovni obce a jak by to mohlo ovlivnit rychlost větru v celé obci. Ukazuje také, jak by mohl krycí účinek změnit tlaky větru na budovy umístěné za jinými budovami v blízkosti pobřeží. Digitální větrný tunel umožňuje zobrazit tlaky větru na jednotlivé komponenty v budově, což může být užitečné pro analýzu poškození na úrovni komponent.

Pro budoucí výzkum by mohl být nový integrační model BIM-GIS použit také pro vývoj geometrie pro studium interakce kapaliny a konstrukce pro další nebezpečí, jako jsou povodně a tsunami. Výstup z aerodynamického interferenčního modelu na úrovni obce lze použít jako vstup pro analýzu poškození větrem s vysokým rozlišením pomocí vypočítaných tlaků větru na úrovni budovy. To poskytne přesnější odhad poškození na úrovni obce, který je klíčem k analýze rizik a odolnosti.

Tato práce může být také použita pro vývoj vysoce věrných časově závislých modelů úlomků větru po sledování objemu generovaných úlomků z poškozených budov. Obdobně může tento model umožnit lepší sledování vnikání deště a větru, aby bylo možné přesně zachytit změny množství vnikající vody v čase s ohledem na stav poškození budov.

Tento nový přístup je považován za novou generaci modelů ohrožení větrem s vysokým rozlišením, které umožňují lépe sledovat poškození budov, a tím lépe rozhodovat o rizicích.

Autoři

Omar M. Nofal
Katedra stavebního a environmentálního inženýrství, Florida International University, Miami, FL, Spojené státy americké.

Jan W. van de Lind
Katedra stavebního a environmentálního inženýrství, Florida International University, Miami, FL, Spojené státy americké.

Ahmed Zakzouk
Institut stavební informatiky, Fakulta stavební, Technická univerzita v Drážďanech, Německo.


Odkazy
Reference
  1. Abdelhady, A. U., Spence, S. M. J., and McCormick, J. (2020). A framework for the probabilistic quantification of the resilience of communities to hurricane winds. J. Wind Eng. Industrial Aerodynamics 206, 104376.
  2. Nofal, O. M. (2021). High-Resolution Multi-Hazard Approach to Quantify Hurricane-Induced Risk for Coastal and Inland Communities (thesis).
  3. Amini, M. & Memari, A. M. (2020). Review of Literature on Performance of Coastal Residential Buildings under Hurricane Conditions and Lessons Learned. Journal of Performance of Constructed Facilities, 34(6). https://doi.org/10.1061/(asce)cf.1943-5509.0001509
  4. Kossin, J. P. (2017). Hurricane intensification along United States coast suppressed during active hurricane periods. Nature Journal, 541(7637), 390–393. https://doi.org/10.1038/nature20783
  5. Vickery, P. J., Masters, F. J., Powell, M. D., and Wadhera, D. (2009). Hurricane hazard modeling: The past, present, and future. J. Wind Eng. Industrial Aerodynamics 97, 392–405. doi:10.1016/j.jweia.2009.05.005
  6. Holland, G. J. (1980). An Analytic Model of the Wind and Pressure Profiles in Hurricanes. Monthly Weather Review, 108(8), 1212–1218. https://doi.org/10.1175/1520-0493(1980)108<1212:aamotw>2.0.co;2
  7. Darling, R. W. (1991). Estimating Probabilities of Hurricane Wind Speeds Using a Large-Scale Empirical Model. Journal of Climate, 4(10), 1035–1046. https://doi.org/10.1175/1520-0442(1991)004<1035:epohws>2.0.co;2
  8. Vickery, P. J., Skerlj, P. F., & Twisdale, L. A. (2000). Simulation of Hurricane Risk in the U.S. Using Empirical Track Model. Journal of Structural Engineering, 126(10), 1222–1237. https://doi.org/10.1061/(asce)0733-9445(2000)126:10(1222)
  9. Emanuel, K., Ravela, S., Vivant, E. & Risi, C. (2006). A Statistical Deterministic Approach to Hurricane Risk Assessment. Bulletin of the American Meteorological Society, 87(3), 299–314. https://doi.org/10.1175/bams-87-3-299
  10. Hall, T. M., & Jewson, S. (2007). Statistical modelling of North Atlantic tropical cyclone tracks. Tellus A Dynamic Meteorology and Oceanography, 59, 486–498. https://doi.org/10.3402/tellusa.v59i4.15017
  11. Vickery, P. J., & Twisdale, L. A. (1995). Wind-Field and Filling Models for Hurricane Wind-Speed Predictions. Journal of Structural Engineering, 121(11), 1700–1709. https://doi.org/10.1061/(asce)0733-9445(1995)121:11(1700)
  12. Liu, F. & Pang, W. (2011). Development and calibration of central pressure decay models for hurricane simulation Applications of Statistics and Probability in Civil Engineering, 874–880. https://doi.org/10.1201/b11332-132
  13. Zhu, P. (2008). A multiple scale modeling system for coastal hurricane wind damage mitigation. Natural Hazards, 47(3), 577–591. https://doi.org/10.1007/s11069-008-9240-8
  14. Pita, G., Pinelli, J.‑P., Gurley, K., & Mitrani-Reiser, J. (2015). State of the Art of Hurricane Vulnerability Estimation Methods: A Review. Natural Hazards Review, 16(2). https://doi.org/10.1061/(asce)nh.1527-6996.0000153
  15. Pinelli, J. P., Pita, G., Gurley, K., Torkian, B., Hamid, S. & Subramanian, C. (2011). Damage Characterization: Application to Florida Public Hurricane Loss Model. Natural Hazards Review, 12(4), 190–195. https://doi.org/10.1061/(asce)nh.1527-6996.0000051
  16. Pita, G., Pinelli, J.-P., Cocke, S., Gurley, K., Mitrani-Reiser, J., Weekes, J. & Hamid, S. (2012). Assessment of hurricane-induced internal damage to low-rise buildings in the Florida Public Hurricane Loss Model. Journal of Wind Engineering and Industrial Aerodynamics, 104–106, 76–87. https://doi.org/10.1016/j.jweia.2012.03.023
  17. Mishra, S., Vanli, O. A., Alduse, B. P., & Jung, S. (2017). Hurricane loss estimation in wood-frame buildings using Bayesian model updating: Assessing uncertainty in fragility and reliability analyses. Engineering Structures, 135, 81–94. https://doi.org/10.1016/j.engstruct.2016.12.063
  18. Khajwal, A. B., & Noshadravan, A. (2020). Probabilistic Hurricane Wind-Induced Loss Model for Risk Assessment on a Regional Scale. ASCE-ASME Journal of Risk and Uncertainty in Engineering Systems, Part A: Civil Engineering, 6(2). https://doi.org/10.1061/ajrua6.0001062
  19. Li, Y. & Ellingwood, B. R. (2006). Hurricane damage to residential construction in the US: Importance of uncertainty modeling in risk assessment. Engineering Structures, 28(7), 1009–1018. https://doi.org/10.1016/j.engstruct.2005.11.005
  20. Massarra, C. C., Friedland, C. J., Marx, B. D., & Dietrich, J. C. (2020). Multihazard Hurricane Fragility Model for Wood Structure Homes Considering Hazard Parameters and Building Attributes Interaction. Frontiers in Built Environment, 6. https://doi.org/10.3389/fbuil.2020.00147
  21. Nofal, O. M. (2020). Stochastic Modeling of Uncertainties in the Wind Load Pressure on Residential Buildings Using Different Stochastic Techniques. Current Trends in Civil & Structural Engineering, 6(3). https://doi.org/10.33552/ctcse.2020.06.000636
  22. Wang, W. (Lisa), van de Lindt, J.&nbnsp;W., Rosenheim, N., Cutler, H., Hartman, B., Sung Lee, J., & Calderon, D. (2021). Effect of Residential Building Wind Retrofits on Social and Economic Community-Level Resilience Metrics. Journal of Infrastructure Systems, 27(4). https://doi.org/10.1061/(asce)is.1943-555x.0000642
  23. Masoomi, H., Ameri, M. R., & van de Lindt, J. W. (2018). Wind Performance Enhancement Strategies for Residential Wood-Frame Buildings. Journal of Performance of Constructed Facilities, 32(3). https://doi.org/10.1061/(asce)cf.1943-5509.0001172
  24. Koliou, M., Masoomi, H., & van de Lindt, J. W. (2017). Performance Assessment of Tilt-Up Big-Box Buildings Subjected to Extreme Hazards: Tornadoes and Earthquakes. Journal of Performance of Constructed Facilities, 31(5). https://doi.org/10.1061/(asce)cf.1943-5509.0001059
  25. Masoomi, H. & van de Lindt, J. W. (2016). Tornado Fragility and risk assessment of an archetype masonry school building. Engineering Structures, 128, 26–43. https://doi.org/10.1016/j.engstruct.2016.09.030
  26. Masoomi, H., van de Lindt, J. W., Ameri, M. R., Do, T. Q., & Webb, B. M. (2019). Combined Wind-Wave-Surge Hurricane-Induced Damage Prediction for Buildings. Journal of Structural Engineering, 145(1). https://doi.org/10.1061/(asce)st.1943-541x.0002241
  27. Abdelhady, A. U., Spence, S. M. J., & McCormick, J. (2022). Risk and fragility assessment of residential wooden buildings subject to hurricane winds. Structural Safety, 94, 102137. https://doi.org/10.1016/j.strusafe.2021.102137
  28. Nofal, O. M., van de Lindt, J. W., Do, T. Q., Yan, G., Hamideh, S., Cox, D. T., & Dietrich, J. C. (2021). Methodology for Regional Multihazard Hurricane Damage and Risk Assessment. Journal of Structural Engineering, 147(11). https://doi.org/10.1061/(asce)st.1943-541x.0003144
  29. Nofal, O. M., van de Lindt, J. W., Yan, G., Hamideh, S., & Dietrich, C. (2021). Multi-Hazard Hurricane Vulnerability Model to Enable Resilience-Informed Decision. Proceedings of International Structural Engineering and Construction, 8(1). https://doi.org/10.14455/isec.2021.8(1).rad-01
  30. Du, Y., Mak, C. M., & Tang, B. (2018). Effects of building height and porosity on pedestrian level wind comfort in a high-density urban built environment. Building Simulation, 11(6), 1215–1228. https://doi.org/10.1007/s12273-018-0451-y
  31. Ren, H., Laima, S., Chen, W.‑L., Zhang, B., Guo, A. & Li, H. (2018). Numerická simulace a predikce pole prostorového větru ve složitém terénu. Journal of Wind Engineering and Industrial Aerodynamics, 180, 49-65. https://doi.org/10.1016/j.jweia.2018.07.012
  32. Wenz, F., Langner, J., Lutz, T., & Krämer, E. (2021). Impact of the wind field at the complex terrain site Perdigão on the surface pressure fluctuations of a wind turbine. Wind Energy Science Discussion, 1–33. https://doi.org/10.5194/wes-2021-101
  33. Wirén, B. G. (1983). Effects of surrounding buildings on wind pressure distributions and ventilative heat losses for a single-family house. Journal of Wind Engineering and Industrial Aerodynamics, 15(1–3), 15–26. https://doi.org/10.1016/0167-6105(83)90173-3
  34. Liu, S., Pan, W., Zhao, X., Zhang, H., Cheng, X., Long, Z. & Chen, Q. (2018). Influence of surrounding buildings on wind flow around a building predicted by CFD simulations. Building and Environment, 140, 1–10. https://doi.org/10.1016/j.buildenv.2018.05.011
  35. Schulman, L. L., & DesAutels, C. G. (2013). Computational Fluid Dynamics Simulations to Predict Wind-Induced Damage to a Steel Building during Hurricane Katrina. Forensic Engineering 2012, 793–800. https://doi.org/10.1061/9780784412640.084
  36. Abdelfatah, N., Elawady, A., Irwin, P., & Chowdhury, A. G. (2020). Wind Effects on Coastal Elevated Structures. In 9th International Colloquium on Bluff Body Aerodynamics and Applications. University of Birmingham.
  37. Abdelfatah, N., Elawady, A., Irwin, P., & Gan Chowdhury, A. (2022). Experimental investigation of wind impact on low-rise elevated residences. Engineering Structures, 257, 114096. https://doi.org/10.1016/j.engstruct.2022.114096
  38. Amini, M. & Memari, A. M. (2021). CFD-Based Evaluation of Elevated Coastal Residential Buildings under Hurricane Wind Loads. Journal of Architectural Engineering, 27(3). https://doi.org/10.1061/(asce)ae.1943-5568.0000472
  39. Amirebrahimi, S., Rajabifard, A., Mendis, P., & Ngo, T. (2015). A framework for a microscale flood damage assessment and visualization for a building using BIM–GIS integration. International Journal of Digital Earth, 9(4), 363–386. https://doi.org/10.1080/17538947.2015.1034201
  40. De Risi, R., Jalayer, F., De Paola, F., Iervolino, I., Giugni, M., Topa, M. E., et al. (2013). Flood risk assessment for informal settlements. Natural Hazards, 69, 1003–1032. https://doi.org/10.1007/s11069-013-0749-0
  41. Nofal, O. M., & van de Lindt, J. W. (2020). High-resolution approach to quantify the impact of building-level flood risk mitigation and adaptation measures on flood losses at the community-level. International Journal of Disaster Risk Reduction, 51, 101903. https://doi.org/10.1016/j.ijdrr.2020.101903
  42. Nofal, O. M., & van de Lindt, J. W. (2021). High-resolution flood risk approach to quantify the impact of policy change on flood losses at community-level. International Journal of Disaster Risk Reduction, 62, 102429. https://doi.org/10.1016/j.ijdrr.2021.102429
  43. El Meouche, R., Rezoug, M., & Hijazi, I. (2013). Integrating and Managing BIM in GIS, Software Review. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XL-2/W2, 31–34. https://doi.org/10.5194/isprsarchives-xl-2-w2-31-2013
  44. Diakite, A. A., & Zlatanova, S. (2020). Automatic geo-referencing of BIM in GIS environments using building footprints. Computers, Environment and Urban Systems, 80, 101453. https://doi.org/10.1016/j.compenvurbsys.2019.101453
  45. Vijayan, L., Huang, W., Yin, K., Ozguven, E., Burns, S., & Ghorbanzadeh, M. (2021). Evaluation of parametric wind models for more accurate modeling of storm surge: a case study of Hurricane Michael. Natural Hazards, 106(3), 2003–2024.