相对热指标是ASHRAE通过热舒适实验总结得出的,用于确定地铁的站台、站厅及车厢内的空调设计参数。在现有采用相对热指标评价我国地铁环境舒适度的研究中,发现相对热指标的评价结果与实际乘客的热舒适状况存在偏差,但是未深入探究二者产生差异的原因,仍缺乏修正该指标的研究。因此,对相对热指标进行修正和构建出能准确预测乘客热感觉的模型,进一步地提出站内空气温度的控制方法,对满足乘客健康的需求和实现空调的节能运行具有重要意义。在夏季期间选取北京地铁1号线、8号线和14号线作为测试地点,测试时受试者进行一系列的乘车过程,在测点位置处分别测试站内的热环境参数和调查乘客的热舒适状况。测试结束后分析采集的数据发现:站内空气的相对湿度在40%～80%之间,其上限超出规范中规定的范围;地铁站内售票处的平均空气温度为28℃,站厅为27℃,站台处为26℃,车厢内的平均空气温度为25℃;地铁1号线和8号线在客流高峰期的站台和车厢内的空气温度高于平稳期水平,而14号线站内的空气温度则与平稳相同;在客流高峰期时车厢内乘客容易感觉到不舒适,其他时间段站内的热环境可以满足乘客的热舒适需求;通过对比三条线路乘客的热舒适度,其中1号线最不舒适,其次是14号线;当站内空气温度超过规范规定值时,存在超过50%的乘客觉得舒适,说明在满足乘客暂时热舒适的前提下,通过调节空调系统能够实现一定的节能效果。采用相对热指标评价北京地铁乘客热感觉的结果与实际出现较大偏差,研究发现该指标与乘客热感觉的对应关系与标准中不同,经修正后该指标的预测准确率比未修正前有了大幅提高,并提出可从我国人体的新陈代谢率方向进一步地修正相对热指标。基于多元线性回归理论研究乘客热感觉与影响因素的关系时,发现乘客所处区域与前一区域的空气温度差、相对湿度差和空气流速差与热感觉的关系显著,与空气温度、相对湿度、空气流速、服装热阻和新陈代谢率一并作为影响因子用于构建热感觉预测模型,该模型在乘客热感觉值±0.3个热感觉标度范围内的预测准确率约为60%。将以上8种因素用于贝叶斯优化的BP神经网络构建出乘客热感觉预测模型,该模型的预测准确率达到了76.1%,可信度较高,进而提出地铁站内空气温度的调节策略。