Laut neuen Forschungsergebnissen könnte KI helfen, das Leben von Feuerwehrleuten zu retten, indem sie Brandüberschläge vorhersagt, bevor sie auftreten veröffentlicht diese Woche.
Überschläge treten auf, wenn brennbares Material in einem Raum plötzlich beginnt, sich auf einmal zu entzünden, was zu einem enormen Hitzestoß und brennbaren Gasen führt, die Wände und Fenster zum Bersten bringen können. Über einen Zeitraum von 800 Jahren, von 320,000 bis 10, wurden in den USA rund 2008 Feuerwehrleute getötet und mehr als 2018 verletzt, und es wird geschätzt, dass 13 Prozent dieser Unfälle auf Flashover-Ereignisse zurückzuführen sind.
Feuerwehrleute müssen sich auf ihre Erfahrung verlassen, um vorhersagen zu können, ob ein Flashover bevorsteht, wie zum Beispiel anhand der Rauch- und Hitzeniveaus, aber es ist nicht einfach, wenn man bedenkt, wie schnell sie sich anschleichen können. Informatiker haben in den letzten zwei Jahrzehnten versucht, Methoden zu entwickeln, mit denen Überschläge in Echtzeit erkannt werden können, aber es ist eine schwierige Aufgabe, etwas so Unberechenbares zu modellieren.
Forscher des National Institute of Standards and Technology (NIST) der US-Regierung, Google sowie der Hong Kong Polytechnic University und der China University of Petroleum haben ein System entwickelt, das Graph-Neural-Networks (GNN) verwendet, um Beziehungen zwischen verschiedenen Datenquellen zu lernen , dargestellt als Knoten und Kanten, von simulierten Bränden.
„GNNs werden häufig für die geschätzte Ankunftszeit oder ETA im Verkehr verwendet, wo Sie 10 bis 50 verschiedene Straßen analysieren können.“ Eugene Yujun Fu, Co-Erstautor der Studie und wissenschaftlicher Assistenzprofessor an der Hong Kong Polytechnic University, sagte in einer Erklärung.
„Es ist sehr kompliziert, diese Art von Informationen gleichzeitig richtig zu nutzen, daher kamen wir auf die Idee, GNNs zu verwenden. Abgesehen von unserer Anwendung betrachten wir Räume statt Straßen und prognostizieren Flashover-Ereignisse statt ETA im Verkehr.“
Das Team simulierte alle möglichen Daten, von Gebäudegrundrissen, Oberflächenmaterialien, Brandbedingungen, Lüftungskonfigurationen, Standorten von Rauchmeldern und Temperaturprofilen von Räumen bis hin zur Modellierung von 41,000 Scheinbränden in 17 verschiedenen Gebäudetypen. Insgesamt 25,000 Brandfälle wurden verwendet, um das Modell zu trainieren, und die restlichen 16,000 wurden verwendet, um es zu verfeinern und zu testen.
Die Leistung des GNN wurde danach bewertet, ob es in der Lage war, vorherzusagen, ob innerhalb der nächsten 30 Sekunden ein Flashover-Ereignis auftreten würde. Erste Ergebnisse zeigten, dass das Modell bestenfalls eine Genauigkeit von 92.1 Prozent hatte.
Das FlashNet genannte System ist fortschrittlicher als das vorherige maschinelle Lernmodell des Teams P-Blitz.
„Unser vorheriges Modell musste nur vier oder fünf Räume in einem Layout berücksichtigen, aber wenn das Layout wechselt und Sie 13 oder 14 Räume haben, kann dies ein Albtraum für das Modell sein“, sagte Wai Cheong Tam, Co-Erstautor des Artikels und Maschinenbauingenieur bei NIST. „Für die Anwendung in der realen Welt glauben wir, dass der Schlüssel darin besteht, zu einem verallgemeinerten Modell überzugehen, das für viele verschiedene Gebäude funktioniert.“
FlashNet mag vielversprechend erscheinen, muss aber noch mit Daten von echten Feuerwehren getestet werden. Dazu müsste das Modell Daten von Thermostaten, Kohlenmonoxid- und Rauchmeldern in Smart Homes analysieren, erklärte Tam Das Register. Wie Feuerwehrleute dann auf die Vorhersagen des Modells aufmerksam gemacht werden könnten, ist unklar.
„Der Fokus der Forschung lag darauf, sich auf Gebäudedaten zu stützen, die von verfügbaren Gebäudesensoren bereitgestellt werden oder leicht bereitgestellt werden könnten. Eine Möglichkeit, die Forschung in die Realität umzusetzen, besteht darin, das Modell in eine intelligente Brandmeldezentrale zu integrieren, die die Temperaturdaten von installierten Wärmemeldern erfasst und ein Computermodul enthält, das die Daten verarbeiten und Echtzeitvorhersagen treffen kann.“
„Von der Brandmeldezentrale oder einem anderen geeigneten Gerät würde die Vorhersage an den Einsatzleiter oder einzelne Feuerwehrleute gesendet, wenn dies als geeignet erachtet wird. Der genaue Mechanismus zur Bereitstellung einer solchen prädiktiven Analyse steht noch nicht fest und würde die Eingabe der Feuerwehr erfordern, um einen Konsens zu erzielen“, schloss Tam. ®
