火灾警报将你从办公桌前惊起来，需要迅速奔向最近的出口。但如果最近的出口已经被大火封锁了该怎么办？美国国家标准与技术研究院（National Institute of Standards and Technology，简称NIST）的研究人员及其同事开发了一款名为Safe Step（安全步骤）的新型AI模型，能够在火灾中将人员重新引导至最安全的疏散路线。该模型的相关成果已发表在《建筑工程杂志》（Journal of Building Engineering）上，可与电子显示屏配合使用，显示某个出口是否安全可用。
“火灾可以迅速蔓延并扩散，”NIST研究助理、该期刊论文第一作者Hongqiang 'Rory' Fang表示。“我们的模型能够预测火灾的发展态势，并帮助更新紧急出口显示屏，将人们引导至最安全的出口。”
Safe Step可应用于“智能”建筑，这类建筑中的传感器能够实时监测环境状况，如温度和空气质量。其中一些建筑正在测试一种名为动态紧急出口显示屏的新技术，该技术可以指示出口是否安全可用，或者用箭头指向建筑内更安全的逃生路线。
此前的研究曾提出使用传统算法来寻找火灾建筑安全疏散的最短路径。然而，这些算法完全依赖于当前的建筑状况，并未考虑疏散人员沿途可能面临的累积危害。
“我们问自己，'我们能否构建一个更好的算法来预测火灾的发展态势，并以一种有助于挽救更多生命的方式来实现这一目标？'”NIST机械工程师Wai Cheong Tam表示。
安全疏散的机器学习
他们的模型Safe Step使用了强化学习的人工智能技术。该技术通过试错来做出关于最安全路线的决策。Safe Step利用建筑布局来学习疏散路线，并借助NIST火灾模拟工具的数据来预测火灾在特定布局中随时间的发展情况。
在训练过程中，该模型学习预测火灾将如何影响人员，然后引导他们选择更安全的疏散路线。在实际应用中，该模型无需实时运行火灾模拟。相反，它将依赖建筑中的实时传感器数据，随着火灾的发展持续调整建议。
不过，该算法需要数值来判定是否选择了最佳路线。因此，NIST研究人员使用了一种名为有毒气体分数有效剂量（FED）的消防安全指标。该变量代表一个人随时间暴露于火灾危害的严重程度。FED值越低，人员面临的危害暴露就越小。该模型选择FED值最低的路线，同时考虑人员移动过程中有毒气体暴露随时间的变化情况。
随后，研究人员在两个测试案例中使用该模型与传统算法进行比较。他们还使用了一个更复杂的单层建筑结构，发现该模型始终能够给出安全的疏散路线。
例如，假设火灾起始于走廊对面的房间，少量烟雾扩散到走廊中。传统算法会引导人员穿过走廊到达最近的出口。但如果当人员穿过走廊并接近出口时，火势继续蔓延并变得极其危险，该怎么办？那个最近的出口已不再是安全选项。Safe Step能够预判这种变化，并为动态出口标志提供数据，将人员引导至走廊另一端距离更远但更安全的出口。
Safe Step的下一步计划
当前模型适用于单层平面布局。研究人员的下一步计划包括提升模型处理多层建筑结构的能力，在这类结构中，疏散人员除了可以在走廊上左转或右转外，还可以向上或向下楼层移动。
为了最准确地模拟多名个体的疏散情况，研究人员计划构建一个具有多智能体的AI系统，每个智能体对应不同的建筑内人员。多智能体之间的交互将使模型更能适应真实的火灾响应和疏散场景。
例如，在火灾期间，多人同时尝试离开建筑时，建筑入口处可能会出现拥堵。这会造成瓶颈，但通过改进的算法，该模型可以将疏散人员引导至不同的出口，同时协调消防员的入口通道。这将使消防员更容易扑灭火灾或营救弱势群体，如老年人、儿童和残疾人。
NIST在与其他组织合作推进消防安全研究方面拥有超过一个世纪的经验。仅在过去的几十年中，通过改进烟雾报警器和消防员防护装备，NIST的火灾研究在减少每年火灾相关死亡人数方面发挥了关键作用。
研究人员估计，类似Safe Step这样的技术可能在5到10年内开始出现，但广泛应用将取决于监管审批、可靠性测试以及与现有安全系统的整合。
Fang表示：“这项研究仍处于早期研发阶段，但它代表了迈向智能消防的重要一步，在这一领域，有效利用先进技术可以保护财产并挽救生命。”
热门跟贴