مدل جدید هوش مصنوعی نشان می‌دهد که چگونه یک مرحله ایمن برای آتش سوزی تخلیه شوید

زنگ هشدار آتش شما را از روی میز اداری بیرون می‌زند و به سمت نزدیک‌ترین خروجی حرکت می‌کنید. اما اگر نزدیکترین خروجی قبلاً توسط آتش مسدود شده باشد چه؟

محققان موسسه ملی استاندارد و فناوری (NIST) و همکارانشان یک مدل هوش مصنوعی جدید به نام Safe Step توسعه داده‌اند که می‌تواند سرنشینان را به امن‌ترین مسیر تخلیه در آتش‌سوزی هدایت کند. شرح داده شده در مجله مهندسی ساختمان، این مدل را می توان با نمایشگرهای الکترونیکی استفاده کرد تا نشان دهد آیا استفاده از خروجی ایمن است یا خیر.

هونگ کیانگ «روری» فانگ، یکی از همکاران تحقیقاتی در NIST و اولین نویسنده مقاله ژورنال، گفت: «آتش‌ها می‌توانند رشد کنند و گسترش پیدا کنند. مدل ما چگونگی تکامل آتش را پیش‌بینی می‌کند و می‌تواند به به روز رسانی نمایشگرهای خروج اضطراری برای هدایت افراد به سمت امن‌ترین خروجی کمک کند.

Safe Step را می توان در ساختمان های “هوشمند” استفاده کرد، جایی که سنسورها شرایط محیطی را در زمان واقعی نظارت می کنند، مانند دما و کیفیت هوا. برخی از این ساختمان‌ها در حال آزمایش فناوری جدیدی به نام نمایشگر خروج اضطراری پویا هستند که می‌تواند نشان دهد که خروجی برای استفاده ایمن است یا فلش‌ها را به سمت مسیری امن‌تر از ساختمان نشان می‌دهد.

تحقیقات قبلی استفاده از الگوریتم های سنتی را برای یافتن کوتاه ترین مسیر برای تخلیه ایمن آتش سوزی ساختمان پیشنهاد کرده است. با این حال، این الگوریتم‌ها کاملاً به شرایط فعلی ساختمان بستگی دارند و خطرات تجمعی را که افراد تخلیه در طول مسیر می‌توانند با آن مواجه شوند، در نظر نمی‌گیرند.

وای چئونگ تام، مهندس مکانیک NIST گفت: «ما از خود پرسیدیم، آیا می‌توانیم الگوریتم بهتری بسازیم که چگونگی تکامل آتش را پیش‌بینی کند، و به گونه‌ای که به نجات جان افراد بیشتری کمک کند؟»

یادگیری ماشینی برای تخلیه ایمن

مدل آنها، Safe Step، از نوعی هوش مصنوعی به نام یادگیری تقویتی استفاده می کند. در ایمن ترین مسیرها از طریق آزمون و خطا تصمیم می گیرد. Safe Step از چیدمان ساختمان برای یادگیری مسیرهای تخلیه و داده ها از NIST استفاده می کند شبیه سازی آتش ابزار برای پیش بینی چگونگی ایجاد آتش در طرح در طول زمان.

در طول آموزش، مدل یاد می‌گیرد که پیش‌بینی کند آتش‌سوزی چگونه بر سرنشینان اثر می‌گذارد و سپس آنها را به مسیرهای تخلیه امن‌تر راهنمایی می‌کند. در استفاده در دنیای واقعی، مدل نیازی به اجرای شبیه سازی آتش در زمان واقعی ندارد. در عوض، به داده‌های حسگر زنده از ساختمان برای تنظیم مداوم توصیه‌های خود در حین تکامل آتش تکیه می‌کند.

با این حال، الگوریتم برای تعیین اینکه آیا بهترین مسیر را انتخاب می کند یا خیر، به اعداد نیاز دارد. بنابراین محققان NIST از یک معیار ایمنی در برابر آتش به نام دوز مؤثر کسری (FED) گازهای سمی استفاده کردند. این متغیر نشان دهنده شدت خطرات آتش سوزی است که فرد در طول زمان در معرض آن قرار می گیرد. هرچه FED کمتر باشد، خطر کمتری برای سرنشینان قرار دارد. این مدل مسیری را با کمترین FED انتخاب می‌کند و نحوه تغییر قرار گرفتن در معرض گاز سمی در طول زمان و حرکت سرنشین را محاسبه می‌کند.

سپس محققان از این مدل در دو مورد آزمایشی برای مقایسه با الگوریتم سنتی استفاده کردند. آنها همچنین از یک ساختار ساختمان تک سطح پیچیده تر استفاده کردند و دریافتند که این مدل به طور مداوم مسیرهای تخلیه امن را ارائه می دهد.

به عنوان مثال، فرض کنید در یک اتاق در سراسر راهرو آتش سوزی شروع می شود و مقدار کمی دود به داخل راهرو پخش می شود. یک الگوریتم سنتی، سرنشین را راهنمایی می‌کند تا از راهرو عبور کند تا به نزدیک‌ترین خروجی برسد. اما چه اتفاقی می افتد اگر آتش همچنان به رشد خود ادامه دهد و تا زمانی که سرنشین از راهرو عبور کند و به خروجی نزدیک شود به شدت خطرناک شود؟ آن نزدیکترین خروجی دیگر گزینه ایمن نیست. Safe Step می تواند این تغییر را پیش بینی کند و داده هایی را برای علائم خروج پویا ارائه دهد تا سرنشین را به خروجی دورتر اما امن تر در انتهای مخالف راهرو هدایت کند.

برنامه ریزی مسیر تخلیه با استفاده از مرحله ایمن

مراحل بعدی Safe Step

مدل فعلی برای پلان یک طبقه کار می کند. گام‌های بعدی محققان شامل بهبود قابلیت‌های مدل برای مدیریت سازه‌های ساختمانی چند سطحی است، جایی که فرد تخلیه‌شده می‌تواند علاوه بر چرخش به چپ یا راست در راهرو، از یک طبقه بالا یا پایین برود.

برای مدل‌سازی دقیق‌تر تخلیه چند نفر، محققان قصد دارند یک سیستم هوش مصنوعی بسازند که دارای چندین عامل باشد و هر عامل مربوط به ساکنان ساختمان متفاوت باشد. فعل و انفعالات بین عوامل متعدد، مدل را با واکنش واقعی آتش و سناریوهای تخلیه سازگارتر می کند.

به عنوان مثال، در هنگام آتش سوزی، ازدحام می تواند در ورودی ساختمان ایجاد شود، زیرا چندین نفر به طور همزمان سعی می کنند از آن خارج شوند. این یک گلوگاه ایجاد می‌کند، اما با یک الگوریتم بهبودیافته، این مدل می‌تواند افراد تخلیه‌شده را به خروجی‌های مختلف هدایت کند در حالی که نقاط دسترسی آتش‌نشانان را برای ورود به ساختمان هماهنگ می‌کند. این کار آتش نشانان را برای خاموش کردن آتش یا نجات افراد آسیب پذیر مانند سالمندان، کودکان و افراد دارای معلولیت آسان تر می کند.

NIST بیش از یک قرن تجربه کار با سازمان های دیگر برای پیشبرد تحقیقات ایمنی آتش نشانی دارد. فقط در چند دهه گذشتهتحقیقات آتش نشانی NIST با بهبود هشدارهای دود و تجهیزات آتش نشانی نقش مهمی در کاهش مرگ و میر ناشی از آتش سوزی در هر سال ایفا کرده است.

محققان تخمین می‌زنند که فناوری‌هایی مانند Safe Step می‌توانند ظرف 5 تا 10 سال ظاهر شوند، اگرچه پذیرش گسترده به تأیید مقررات، آزمایش قابلیت اطمینان و ادغام با سیستم‌های ایمنی موجود بستگی دارد.

فانگ گفت: “این تحقیق هنوز در مرحله تحقیق و توسعه اولیه است، اما نشان دهنده گام مهمی به سوی اطفاء حریق هوشمند است که در آن استفاده موثر از فناوری های پیشرفته می تواند از اموال محافظت کند و جان انسان ها را نجات دهد.”

---

مقاله: Hongqiang Fang، Wai Cheong Tam، Ruggiero Lovreglio، Md. Ismail Siddiqi Emon و Michael Xuelin Huang. توسعه یک مدل برنامه ریزی مسیر مبتنی بر پایداری برای تخلیه آتش سوزی با استفاده از یادگیری تقویتی مجله مهندسی ساختمان. منتشر شده آنلاین 15 ژانویه 2026. DOI: 10.1016/j.jobe.2025.115132