Введение

Здания с массовым пребыванием людей — торговые центры, высотные жилые комплексы, офисные башни — становятся всё сложнее по внутренней структуре и масштабу, что создаёт серьёзные проблемы для безопасности и пожарной защиты 2. В случае пожара своевременное и эффективное руководство эвакуацией способно значительно снизить ущерб 2. Традиционные предписывающие планы эвакуации направляют людей к ближайшему выходу по заранее заданному маршруту, независимо от изменения обстановки; однако быстрый рост пожара и распространение дыма могут сделать такой маршрут небезопасным 1.

Одним из ответов на этот вызов стали динамические направленные указатели выхода (DDES, dynamic directional exit signs), известные также как умные указатели выхода. Они предназначены для адаптивного управления направлением эвакуации в реальном времени 1. Для эффективной работы DDES необходима надёжная система управления, которая корректирует направление на основе оперативных данных о пожаре 1.

Современные обзоры отмечают роль Интернета вещей (IoT, Internet of Things) в системах пожарной безопасности, уделяя особое внимание обнаружению, локализации и эвакуации, а также интеграции искусственного интеллекта и машинного обучения для повышения производительности систем 4. В данном материале рассматривается, как сенсорные сети и алгоритмы машинного обучения повышают скорость обнаружения пожара и эффективность эвакуации в зданиях с массовым пребыванием людей.

Прогнозирование опасных зон с помощью глубокого обучения

Существующие исследования уделяют недостаточно внимания точному прогнозированию опасных зон при пожаре, что снижает эффективность алгоритмов планирования маршрутов и ограничивает практическое применение DDES 1. Для восполнения этого пробела предложен подход на основе глубокого обучения (DL, deep learning) для динамического прогнозирования опасных зон 1.

В основе метода лежит двунаправленный рекуррентный кодировщик-декодер на основе GRU (BiGRU-ED, Bidirectional Gated Recurrent Unit Encoder-Decoder), который устанавливает прогнозную связь между последовательными наблюдениями температуры на месте и будущими состояниями характеристик пожара 1. Это позволяет заранее выявлять зоны, которые могут стать опасными для эвакуации 1. В источнике 3 эта же работа представлена с указанием авторского коллектива: Hongqiang Fang, Botao Zhang, Wai Cheong Tam, Chendi Yang, S.M. Lo; статья опубликована в Journal of Building Engineering.

На примере реалистичной планировки здания показано, что предложенный подход способен эффективно предсказывать опасные зоны до наступления опасных условий 1. Демонстрационный пример динамического планирования маршрута эвакуации подтверждает применимость метода для улучшения управления эвакуацией 1. Авторы заключают, что подход представляет собой практически осуществимое техническое решение для поддержки управления DDES 1.

Интеграция сенсорных сетей и граничных вычислений

Другой подход к повышению безопасности эвакуации предлагает создание интегрированной системы пожарной сигнализации и управления эвакуацией на основе устройств граничных вычислений (edge computing) с использованием алгоритмов искусственного интеллекта 2. В обычном режиме система применяется для безопасности, обнаруживая и отслеживая пешеходов в реальном времени 2. При пожаре она обеспечивает предупреждение и рассчитывает оптимальные маршруты эвакуации на основе обнаруженного числа людей и местоположения очага возгорания 2.

Эмпирическое тестирование продемонстрировало осуществимость этой системы 2. Авторы также обсуждают текущие проблемы системы и намечают будущую работу 2.

Обзор 4 указывает на ключевые проблемы и пробелы в исследованиях IoT для пожарной безопасности, включая адаптивность динамических систем, междисциплинарные синергии, биоинспирированные механизмы, возможности пост-пожарного анализа, языковые и культурные барьеры, а также вопросы безопасности данных и конфиденциальности 4.

Управление эвакуацией и поведение людей

Систематический обзор пожарной безопасности в Великобритании отмечает, что жильцы часто зависят друг от друга в получении информации и помощи, что подчёркивает важную роль социальных взаимодействий в кризисных ситуациях 5. Эффективное управление пожарной безопасностью должно учитывать эту социальную динамику, обеспечивая готовность жильцов помогать друг другу 5. Эти данные подтверждают не поддающееся количественной оценке влияние поведения жильцов на эффективность любой стратегии пожарной безопасности 5.

Кроме того, исследование взаимодействия жильцов с самозакрывающимися противопожарными дверями с использованием смешанных методов (интервью и опросы) показало, что многие жильцы изменяют или отключают механизмы самозакрывания, что снижает эффективность дверей как средства безопасности 5. Это ещё раз подтверждает важность поведения и отношения по сравнению с любой технологией или стратегией 5. В связи с этим необходимо реализовать комплексную образовательную инициативу, информирующую жильцов о критической роли этих механизмов и способствующую соблюдению безопасных практик 5.

В обзоре также упоминаются исследования, демонстрирующие применение современных технологий: Bluetooth 5.0 сохраняет целостность сигнала при пожаре с минимальной деградацией 5; смартфоны могут помогать людям находить кратчайшие и безопасные пути эвакуации 5; разработан фреймворк использования сенсорных данных для раннего обнаружения и поддержки пожарных 5; компьютерное зрение и глубокие генеративные модели применяются для автоматизированной оценки пожарного риска в архитектурных проектах 5. Отмечается, что машинное обучение и BIM (Building Information Modeling) используются для оценки пожарной безопасности и проверки соответствия требованиям 5.

Ограничения и что важно учитывать

Представленные подходы демонстрируют перспективность, но имеют ограничения. В 1 прямо указано, что существующие исследования недостаточно проработали задачу точного прогнозирования опасных зон при пожаре, что снижает эффективность планирования маршрутов и ограничивает применение DDES. Предложенный метод прогнозирования требует дальнейшей проверки в различных сценариях, поскольку в источнике описано моделирование на примере одной реалистичной планировки здания 1.

Система на основе граничных вычислений 2 прошла эмпирическое тестирование, подтвердившее её осуществимость, однако авторы отмечают наличие текущих проблем и необходимость будущей работы 2. Конкретный перечень этих проблем в приведённом фрагменте не раскрыт.

Обзор 4 перечисляет системные пробелы: адаптивность динамических систем, безопасность данных и конфиденциальность, языковые и культурные барьеры, недостаток пост-пожарного анализа. Эти факторы могут влиять на внедрение решений в разных условиях.

Наконец, поведение жильцов может влиять на эффективность любой стратегии пожарной безопасности 5. Пример с отключением самозакрывающихся дверей показывает, что технические средства не гарантируют результата без понимания и соблюдения правил со стороны людей 5.

Что дальше

Развитие направления связано с несколькими задачами. Во-первых, необходима дальнейшая валидация алгоритмов прогнозирования опасных зон на разных типах зданий и сценариях пожара — источник 1 демонстрирует подход на одной планировке. Во-вторых, система на граничных вычислениях требует решения текущих проблем, обозначенных авторами 2. В-третьих, обзор 4 указывает на необходимость междисциплинарного сотрудничества и надёжных стратегий кибербезопасности для полной реализации потенциала IoT в пожарной безопасности. Наконец, образовательные инициативы относительно роли самозакрывающихся противопожарных дверей и учёт социальной динамики среди жильцов остаются важными компонентами комплексной стратегии 5.