高校公寓樓火災(zāi)風(fēng)險動態(tài)評估技術(shù)研究

張媛媛 宋 冰 張國維

高校公寓樓火災(zāi)風(fēng)險動態(tài)評估技術(shù)研究

張媛媛 宋 冰 張國維

（中國礦業(yè)大學(xué)）

本文依據(jù)高校在安防、消防上建立的物聯(lián)網(wǎng)系統(tǒng)所獲得的動態(tài)感知數(shù)據(jù)，運(yùn)用深度神經(jīng)網(wǎng)絡(luò)計(jì)算模型提出一種高校公寓樓火災(zāi)風(fēng)險動態(tài)評估技術(shù)。通過構(gòu)建火災(zāi)安全風(fēng)險評估指標(biāo)體系、建立指標(biāo)權(quán)重集、對消防物聯(lián)網(wǎng)感知數(shù)據(jù)缺失進(jìn)行補(bǔ)償算法與無量綱化處理，從而建立基于深度神經(jīng)網(wǎng)絡(luò)的公寓樓火災(zāi)安全風(fēng)險評估預(yù)測模型；并通過計(jì)算機(jī)學(xué)習(xí)訓(xùn)練，可實(shí)時動態(tài)反映出公寓樓火災(zāi)風(fēng)險得分，進(jìn)而采取相應(yīng)管控措施。本技術(shù)的應(yīng)用有助于高校公寓樓日常消防安全管理，為學(xué)校后勤安全提供了智慧化信息安全服務(wù)。

高校公寓樓；物聯(lián)網(wǎng)；深度神經(jīng)網(wǎng)絡(luò)；火災(zāi)風(fēng)險評估

高校公寓樓所涉及的安全風(fēng)險種類多，其中風(fēng)險危害大、關(guān)注度高的范疇就是火災(zāi)風(fēng)險，已然成為高校后勤管理中的要點(diǎn)、難點(diǎn)、痛點(diǎn)。隨著公眾對火災(zāi)安全的重視，以及物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、5G等新興技術(shù)的成熟與應(yīng)用，火災(zāi)監(jiān)測系統(tǒng)、智能控制系統(tǒng)、人臉識別技術(shù)、建筑可視化技術(shù)等手段被廣泛應(yīng)用于高校建筑的火災(zāi)監(jiān)測與風(fēng)險預(yù)警中，其中火災(zāi)風(fēng)險的智能監(jiān)測預(yù)警必將成為未來發(fā)展的趨勢。而基于此的消防物聯(lián)網(wǎng)建設(shè)及其火災(zāi)風(fēng)險動態(tài)預(yù)警系統(tǒng)成為了研究熱點(diǎn)。

一、研究背景

高校公寓樓火災(zāi)安全風(fēng)險管控的核心就是“事前預(yù)防”，其有效途徑是常態(tài)化的消防安全監(jiān)督檢查和隱患整改，而進(jìn)行系統(tǒng)性地火災(zāi)風(fēng)險評估往往被忽視。目前，學(xué)者提出的建筑物火災(zāi)風(fēng)險評估技術(shù)有約20種，如模糊集理論、德爾菲方法、層次分析法、灰色風(fēng)險度法、事故樹、回歸分析、Monte Carlo模擬、核密度估計(jì)等火災(zāi)風(fēng)險評估模型。但這些評估模型存在評估樣本少、抽樣樣本時效性不強(qiáng)、評估精度不高、評估過程自動化程度低、評估效率低、評估成本高等問題。[1-2]消防物聯(lián)網(wǎng)作為已經(jīng)成熟的技術(shù)被廣泛應(yīng)用于高校公寓樓的安全管理中，其中應(yīng)用最廣泛的是基于無線傳感技術(shù)的公寓火災(zāi)智能預(yù)警系統(tǒng)，通過布置傳感器，實(shí)現(xiàn)實(shí)時監(jiān)測氣體、溫度、煙霧等多種因素，并將監(jiān)測數(shù)據(jù)傳輸至云端進(jìn)行保存和分析。同時，利用NB-lot和LORA等物聯(lián)網(wǎng)通訊技術(shù)，可降低傳感器的能耗和成本，并提升其傳輸距離和覆蓋范圍。有效提高消防設(shè)施的安全性、可靠性和智能化程度，進(jìn)一步增強(qiáng)對建筑消防隱患的早發(fā)現(xiàn)、早識別、早處理能力。[3-5]所產(chǎn)生海量的物聯(lián)網(wǎng)感知數(shù)據(jù)可作為高校公寓火災(zāi)風(fēng)險智能監(jiān)測預(yù)警的重要數(shù)據(jù)來源。因此，如何利用物聯(lián)網(wǎng)感知數(shù)據(jù)、如何運(yùn)用人工智能技術(shù)、基于多源數(shù)據(jù)分析和決策算法，實(shí)現(xiàn)火災(zāi)風(fēng)險的科學(xué)評估和預(yù)報預(yù)警，必將是火災(zāi)風(fēng)險評估技術(shù)的發(fā)展趨勢，也是未來創(chuàng)新校園消防監(jiān)督檢查、消防安全管理、消防設(shè)施維保等工作的重要突破口，必將會給校園消防安全工作帶來重大變革和機(jī)遇。本文利用物聯(lián)網(wǎng)與深度神經(jīng)網(wǎng)絡(luò)的人工智能學(xué)習(xí)手段，提出了一種高校公寓樓火災(zāi)風(fēng)險動態(tài)評估技術(shù)。

二、高校公寓樓火災(zāi)安全風(fēng)險評估指標(biāo)體系與權(quán)重集建立

（一）構(gòu)建火災(zāi)安全風(fēng)險評估指標(biāo)體系

火災(zāi)風(fēng)險是火災(zāi)發(fā)生概率與火災(zāi)造成損失（嚴(yán)重度）的乘積。因此，公寓樓火災(zāi)風(fēng)險體系的建立應(yīng)首先考慮公寓樓的起火概率和火災(zāi)后建筑本體的控火能力，公寓樓起火概率和火災(zāi)后本體的控火能力主要受公寓樓基本特征（如建成年數(shù)、建筑高度、建筑面積、內(nèi)部裝修、電氣線路、周圍環(huán)境、火災(zāi)荷載、人員荷載、易燃易爆危險品等）、消防管理水平（如消防設(shè)施維護(hù)保養(yǎng)、應(yīng)急預(yù)案、防火巡查、制度文件、宣傳教育、管理人員水平等）以及建筑防滅火設(shè)施（如被動防火中的防火間距、耐火等級、防火分區(qū)等，主動防火中的火災(zāi)報警系統(tǒng)、水滅火系統(tǒng)、建筑防排煙、消防應(yīng)急照明和疏散指示系統(tǒng)等）的影響。此外，公寓樓的火災(zāi)風(fēng)險還受社會消防救援力量的影響，社會消防救援力量主要包括消防撲救條件、消防給水能力、消防隊(duì)響應(yīng)能力以及消防供電能力等方面。因此，公寓樓火災(zāi)風(fēng)險的影響因素可以從建筑特性A1、建筑防火A2、消防管理A3和消防隊(duì)撲救能力A4四個層面進(jìn)行辨識。圖1為構(gòu)建的公寓樓火災(zāi)風(fēng)險評估指標(biāo)體系的基本構(gòu)架。

圖1 公寓樓火災(zāi)風(fēng)險評估指標(biāo)體系基本構(gòu)架

（二）建立指標(biāo)權(quán)重集

在建立起公寓樓火災(zāi)風(fēng)險評估指標(biāo)后，將應(yīng)用層次分析法得到各指標(biāo)權(quán)重，實(shí)現(xiàn)公寓樓火災(zāi)安全風(fēng)險評估指標(biāo)權(quán)重集的建立。層析分析法的基本步驟是首先建立判斷矩陣，對于模型中的每一層次，建立一個矩陣，在矩陣中列出各參考因素的“對比尺度”的值并進(jìn)行兩兩比較，得到各個參考因素之間的相對重要性?！皩Ρ瘸叨取笔侵敢粋€因素相對于另一個因素的重要性比值，由專家經(jīng)驗(yàn)、現(xiàn)場觀察或?qū)嶒?yàn)數(shù)據(jù)等多種方式得到，根據(jù)所得到的數(shù)據(jù)建立判斷矩陣。[6]按照圖1建立的指標(biāo)體系可劃定5個判斷矩陣，即A1-A4、B1-B9、B10-B20、B21-B26、B27-B30。然后利用矩陣運(yùn)算和數(shù)學(xué)模型計(jì)算出各層次因素的權(quán)重，得到總目標(biāo)下各層因素之間的相對權(quán)重。最后進(jìn)行一致性檢驗(yàn)，對于每一對比較因素，計(jì)算其一致性指標(biāo)并檢驗(yàn)其是否滿足一致性。圖2為采用1-9標(biāo)度法進(jìn)行指標(biāo)權(quán)重的判斷。

圖2 1-9標(biāo)度法判斷指標(biāo)權(quán)重

三、消防物聯(lián)網(wǎng)感知數(shù)據(jù)缺失補(bǔ)償算法與無量綱化處理

目前，在高校建筑智慧消防應(yīng)用中，物聯(lián)網(wǎng)的三層架構(gòu)包括感知層、網(wǎng)絡(luò)層和應(yīng)用服務(wù)層。感知層通過感知器件實(shí)現(xiàn)建筑特征和消防設(shè)備的信息采集，如溫度、煙氣、明火、人員位置等。這些數(shù)據(jù)通過數(shù)據(jù)融合與預(yù)處理進(jìn)行數(shù)據(jù)分析處理，從而清洗無效數(shù)據(jù)，篩選重要數(shù)據(jù)。網(wǎng)絡(luò)層通過傳輸將處理后的信息傳輸至應(yīng)用層。隨著云計(jì)算和大數(shù)據(jù)技術(shù)的發(fā)展，網(wǎng)絡(luò)層在數(shù)據(jù)處理的同時，也可以進(jìn)行分析、挖掘及可視化等操作。在應(yīng)用服務(wù)層對應(yīng)用數(shù)據(jù)進(jìn)行匯聚并處理分析，實(shí)現(xiàn)消防數(shù)據(jù)的可視化展示、實(shí)時監(jiān)控和預(yù)警等功能。例如，基于感知層采集到的數(shù)據(jù)，在網(wǎng)絡(luò)層進(jìn)行處理的基礎(chǔ)上，應(yīng)用層可以生成報警信息、故障信息、消防設(shè)備的運(yùn)行情況狀態(tài)、維保信息等。

雖然通過消防物聯(lián)網(wǎng)技術(shù)可以快速獲得火災(zāi)風(fēng)險評價指標(biāo)的數(shù)值變化情況，但物聯(lián)網(wǎng)感知到的數(shù)據(jù)并不能夠直接作為火災(zāi)風(fēng)險評價指標(biāo)的數(shù)值，需要進(jìn)行無量綱化處理。例如，建筑高度18m與消防水池容積18m3具有完全不同的含義。為了將數(shù)據(jù)轉(zhuǎn)換為可比的數(shù)值，以實(shí)現(xiàn)數(shù)據(jù)的可比和可分析性。對于不同的指標(biāo)數(shù)據(jù)，需要結(jié)合具體情況選擇不同的無量綱化方法，從而能夠更精準(zhǔn)地反映指標(biāo)對上層指標(biāo)的影響?；诮ㄖ阑鹄碚摶A(chǔ)，并結(jié)合相關(guān)規(guī)范，通過構(gòu)造指標(biāo)的歸一化評估公式，以此對物聯(lián)網(wǎng)感知數(shù)據(jù)進(jìn)行無量綱處理。例如，物聯(lián)網(wǎng)系統(tǒng)能夠感知建筑消防水箱的水位高度h，消防水箱的截面面積已知為S，則消防水箱的容積為S*h。而一棟建筑內(nèi)發(fā)生火災(zāi)的用水量可以通過下式求得。[7]

通過該方法，即建立起消防給水的供給能力與物聯(lián)網(wǎng)感知數(shù)據(jù)h的一一對應(yīng)關(guān)系。通過對消防水箱高度h的感知，即可實(shí)現(xiàn)對消防給水能力的準(zhǔn)確評估。由于評估指標(biāo)眾多，在此不一一贅述。對于物聯(lián)網(wǎng)不能直接獲取的指標(biāo)數(shù)據(jù)，可通過人工采集的方式獲取，并對采集的數(shù)據(jù)按照量化規(guī)則進(jìn)行賦值。

由于物聯(lián)網(wǎng)信息采集過程中可能會出現(xiàn)網(wǎng)絡(luò)傳輸不穩(wěn)定性、傳輸數(shù)據(jù)包丟失等問題，導(dǎo)致某一時間或某一時段評估體系內(nèi)的某項(xiàng)或多項(xiàng)評估指標(biāo)缺失。針對該問題，可根據(jù)不同情況，提出不同的數(shù)據(jù)補(bǔ)償方法。對于評估指標(biāo)數(shù)據(jù)缺失問題，可采用平均值替代法，通過求建筑某項(xiàng)指標(biāo)的平均值來對缺失值進(jìn)行自動補(bǔ)償。對于某項(xiàng)指標(biāo)的個別數(shù)據(jù)缺失問題，可采用插值替代法，通過缺失值前后相鄰時間點(diǎn)的數(shù)據(jù)均值進(jìn)行自動補(bǔ)償。

四、基于深度神經(jīng)網(wǎng)絡(luò)的公寓樓火災(zāi)安全風(fēng)險評估預(yù)測模型

建立基于深度神經(jīng)網(wǎng)絡(luò)的公寓樓火災(zāi)風(fēng)險評估預(yù)測模型。深度神經(jīng)網(wǎng)絡(luò)可以理解為有很多隱藏層的神經(jīng)網(wǎng)絡(luò)，又被稱為深度前饋網(wǎng)絡(luò)。[8]深度神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式屬于有監(jiān)督的學(xué)習(xí)，其訓(xùn)練樣本集分為輸入和目標(biāo)輸出兩部分，以量化處理后的評估指標(biāo)數(shù)據(jù)作為訓(xùn)練樣本的輸入，用權(quán)重集數(shù)據(jù)與評估指標(biāo)數(shù)據(jù)加權(quán)后的火災(zāi)風(fēng)險評估的賦值作為訓(xùn)練樣本的目標(biāo)輸出訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，并通過不斷調(diào)整模型參數(shù)來優(yōu)化模型，從而得到基于深度神經(jīng)網(wǎng)絡(luò)的宿舍樓火災(zāi)風(fēng)險評估預(yù)測模型。模型建立過程中將利用90%的樣本集開展模型的訓(xùn)練，10%的樣本集開展模型的驗(yàn)證。具體流程為：①采集被評估公寓樓三個時間段的指標(biāo)數(shù)據(jù)，例，a時段數(shù)據(jù)a1～a30；②收集專家1～專家n的n個權(quán)重集，例，a專家權(quán)重集為wa1～wa30；③每組指標(biāo)數(shù)據(jù)選取隨機(jī)權(quán)重集做加權(quán)和，F(xiàn)=∑ai×wai（i=1～30）；④訓(xùn)練樣本的輸入即所有指標(biāo)數(shù)據(jù)，目標(biāo)輸出即他們一一對應(yīng)的風(fēng)險F值；⑤訓(xùn)練以上得到的訓(xùn)練樣本，并進(jìn)一步設(shè)計(jì)公寓樓火災(zāi)風(fēng)險評估模型的詳細(xì)參數(shù)，如圖3。模型建立后，輸入評估公寓樓建筑的指標(biāo)數(shù)據(jù)即可輸出動態(tài)評估得分。

圖3 深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程

五、工程應(yīng)用

現(xiàn)全國多數(shù)高等院校根據(jù)實(shí)際需求建立了可視化大數(shù)據(jù)平臺，本文所提出的基于物聯(lián)網(wǎng)與深度神經(jīng)網(wǎng)絡(luò)的高校公寓樓火災(zāi)風(fēng)險動態(tài)評估技術(shù)更適宜在可視化平臺上進(jìn)行應(yīng)用?？梢暬脚_調(diào)用神經(jīng)網(wǎng)絡(luò)火災(zāi)安全風(fēng)險評估預(yù)測模型和公寓樓的物聯(lián)網(wǎng)感知數(shù)據(jù)，建立接口數(shù)據(jù)端，根據(jù)表1建立的高校公寓樓火災(zāi)風(fēng)險分級標(biāo)準(zhǔn)及應(yīng)對措施，可以在平臺前端實(shí)時動態(tài)顯示公寓樓火災(zāi)風(fēng)險評分，生成評估報告。其中應(yīng)對措施可以根據(jù)高校實(shí)際情況具體分析。圖4為高校公寓樓火災(zāi)風(fēng)險動態(tài)評估前端平臺示意圖。

表1 高校公寓樓火災(zāi)風(fēng)險分級及應(yīng)對措施

圖4 高校公寓樓火災(zāi)風(fēng)險動態(tài)評估前端平臺示意圖

圖5 深度神經(jīng)網(wǎng)絡(luò)模型與傳統(tǒng)專家評分法對比結(jié)果

為了對比深度神經(jīng)網(wǎng)絡(luò)模型與傳統(tǒng)專家評分的差異性，驗(yàn)證模型的準(zhǔn)確度，本文選取7棟建筑、10位專家進(jìn)行評分。其中專家的權(quán)重是采取了10位專家的均值進(jìn)行測算。圖5為深度神經(jīng)網(wǎng)絡(luò)預(yù)測模型與傳統(tǒng)專家評分法的對比結(jié)果?？梢钥闯鰞烧邤M合程度較高，說明了深度神經(jīng)網(wǎng)絡(luò)模型可以相當(dāng)于專家的評估能力。另一方面，采用深度神經(jīng)網(wǎng)絡(luò)算法進(jìn)行公寓樓火災(zāi)風(fēng)險動態(tài)評估可以避免人為主觀因素的影響，使預(yù)測評分更趨于真實(shí)值，且隨著樣本的增加和計(jì)算模型更加深入的自主學(xué)習(xí)，預(yù)測將更為精準(zhǔn)。

利用物聯(lián)網(wǎng)與深度神經(jīng)網(wǎng)絡(luò)的人工智能學(xué)習(xí)手段，提出的高校公寓樓火災(zāi)風(fēng)險動態(tài)評估技術(shù)，能夠?qū)ξ磥韯?chuàng)新校園消防安全管理、監(jiān)督檢查、隱患治理等提供更為有效、科學(xué)的支撐。

[1]黃鶯. 公共建筑火災(zāi)風(fēng)險評估及安全管理方法研究[D]. 西安: 西安建筑科技大學(xué),2009.

[2]Ai Sekizawa. Fire risk an analysis: its validity and potential for application in fire safety[C]. Fire Safety Science-Proceeding of the Eighth International Symposium, 2005：85-100.

[3]孟濤.如何布局發(fā)展智慧信息化消防工作的思考及對策分析[J].中國新通信,2022,24(02): 67- 68.

[4]虞利強(qiáng), 楊琦, 黃鵬,等. 基于物聯(lián)網(wǎng)技術(shù)的消防給水監(jiān)測系統(tǒng)構(gòu)建[J]. 消防科學(xué)與技術(shù), 2017,36(7):971-973.

[5]杜永霞. 物聯(lián)網(wǎng)技術(shù)在消防中的應(yīng)用探討[J]. 消防科學(xué)與技術(shù), 2016(09):1333-1335.

[6]張帥.一種網(wǎng)絡(luò)化綜合評價實(shí)驗(yàn)平臺的設(shè)計(jì)及實(shí)現(xiàn)[J].現(xiàn)代制造工程,2011,365(02):130-135.

[7]黃俊斌. 基于消防物聯(lián)網(wǎng)的商業(yè)綜合體火災(zāi)風(fēng)險指標(biāo)量化與應(yīng)用研究[D]. 徐州：中國礦業(yè)大學(xué),2021.

[8]魏為民,劉暢,才智等.合成語音檢測方法的研究現(xiàn)狀及展望[J].上海電力大學(xué)學(xué)報,2022,38 (01):75-81.

2021-2022年度江蘇省高教學(xué)會保衛(wèi)研究會高校安全保衛(wèi)研究課題“基于物聯(lián)網(wǎng)與AI技術(shù)的高校公寓樓火災(zāi)風(fēng)險動態(tài)評估技術(shù)研究”（課題編號：20220103）；中國高等教育學(xué)會保衛(wèi)學(xué)專業(yè)委員會2021年度“高校保衛(wèi)科學(xué)研究”課題資助，基于物聯(lián)網(wǎng)與DNN深度神經(jīng)網(wǎng)絡(luò)的高校宿舍樓火災(zāi)風(fēng)險調(diào)查及自評估關(guān)鍵技術(shù)研究（課題編號：21BWZD007）。

[責(zé)任編輯：楊書元]