ИИ может спасти будущих пожарных от смертоносных взрывов

Согласно новому исследованию, искусственный интеллект может помочь спасти жизни пожарных, предсказывая возгорание до того, как оно произойдет. опубликованный на этой неделе. 

Вспышки возникают, когда горючий материал в помещении внезапно начинает сразу воспламеняться, что приводит к огромному выбросу тепла и горючих газов, которые могут разрушить стены и разбить окна. Около 800 пожарных были убиты и более 320,000 10 получили ранения на работе в США за 2008-летний период, с 2018 по 13 год, и, по оценкам, XNUMX% этих несчастных случаев являются результатом вспышки.

Пожарным приходится полагаться на свой опыт, чтобы предсказать, произойдет ли возгорание, например, по уровню дыма и тепла, но это непросто, учитывая, как быстро они могут подкрадываться. Ученые-компьютерщики пытались разработать методы, способные обнаруживать перекрытия в режиме реального времени в течение последних двух десятилетий, но смоделировать что-то настолько неустойчивое — сложная задача.

Исследователи из Национального института стандартов и технологий (NIST) при правительстве США, Google, а также Гонконгского политехнического университета и Китайского нефтяного университета создали систему, использующую графовые нейронные сети (GNN) для изучения взаимосвязей между различными источниками данных. , представленные в виде узлов и ребер, от смоделированных пожаров.

«GNN часто используются для расчетного времени прибытия или ETA в пробках, где вы можете анализировать от 10 до 50 различных дорог». Юджин Юйцзюнь Фу, соавтор исследования и доцент Гонконгского политехнического университета, — сказал в своем заявлении.

«Очень сложно правильно использовать такую ​​информацию одновременно, поэтому у нас возникла идея использовать GNN. За исключением нашего приложения, мы смотрим на комнаты, а не на дороги, и предсказываем события перекрытий, а не ETA в пробках».

Команда смоделировала все виды данных, от планировок зданий, материалов поверхности, условий пожара, конфигураций вентиляции, расположения детекторов дыма и профилей температуры в помещениях до моделирования 41,000 17 ложных пожаров в 25,000 различных типах зданий. В общей сложности для обучения модели было использовано 16,000 XNUMX случаев пожара, а остальные XNUMX XNUMX были использованы для ее тонкой настройки и тестирования.

Производительность GNN оценивалась по тому, могла ли она предсказать, произойдет ли перекрытие в течение следующих 30 секунд. Первоначальные результаты показали, что модель имела точность в лучшем случае 92.1 процента. 

Система, получившая название FlashNet, является более продвинутой, чем предыдущая модель машинного обучения команды. P-вспышка.

«Наша предыдущая модель должна была учитывать только четыре или пять комнат в одном макете, но когда планировка меняется и у вас есть 13 или 14 комнат, это может стать кошмаром для модели», — сказал Вай Чеонг Там, соавтор статьи. и инженер-механик в NIST. «Для реального применения мы считаем, что ключевым моментом является переход к обобщенной модели, которая работает для многих различных зданий».

FlashNet может показаться многообещающим, но его еще предстоит проверить на данных реальных спасательных операций при пожаре. Это потребует от модели анализа данных с термостатов, детекторов угарного газа и дыма в умных домах, объяснил Тэм. Регистр. Как пожарные могли быть предупреждены о прогнозах модели, неясно.

«Цель исследования заключалась в том, чтобы полагаться на данные о здании, которые есть или могут быть легко получены с помощью доступных датчиков здания. Один из способов воплотить исследование в жизнь — интегрировать модель в интеллектуальную панель управления пожарной сигнализацией, которая будет собирать данные о температуре с установленных тепловых детекторов и включать компьютерный модуль, который может обрабатывать данные и делать прогнозы в реальном времени».

«От панели управления пожарной сигнализацией или другого подходящего оборудования прогноз будет отправлен руководителю инцидента или отдельным пожарным, если это будет сочтено целесообразным. Точный механизм предоставления такой прогностической аналитики еще не определен, и для достижения консенсуса потребуется участие пожарной службы», — заключил Тэм. ®