Согласно новому исследованию, опубликованному на этой неделе, искусственный интеллект может помочь спасти жизни пожарных, предсказывая возгорание до того, как оно произойдет.
Вспышки возникают, когда горючий материал в комнате внезапно начинает воспламеняться сразу, что приводит к огромному выбросу тепла и горючих газов, которые могут разрушить стены и разбить окна. Около 800 пожарных погибли и более 320 000 получили ранения на работе в США за 10-летний период, с 2008 по 2018 год, и, по оценкам, 13% этих несчастных случаев являются результатом перегорания.
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. Googleа также Гонконгский политехнический университет и Китайский нефтяной университет создали систему, использующую графовые нейронные сети (GNN) для изучения взаимосвязей между различными источниками данных, представленными в виде узлов и ребер, из смоделированных пожаров.
«GNN часто используются для расчетного времени прибытия или ETA в пробках, где вы можете анализировать от 10 до 50 различных дорог». Об этом говорится в заявлении Юджина Юдзюня Фу, соавтора исследования и доцента Гонконгского политехнического университета.
«Очень сложно правильно одновременно использовать такую информацию, поэтому у нас появилась идея использовать GNN. За исключением нашего приложения, мы смотрим на комнаты, а не на дороги, и предсказываем события пробок вместо ожидаемого времени прибытия в трафике. .”
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 ложных пожаров в 17 различных типах зданий. Всего для обучения модели было использовано 25 000 случаев пожара, а остальные 16 000 — 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 P-Flash.
«Наша предыдущая модель должна была учитывать только четыре или пять комнат в одной планировке, 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 от доступных датчиков здания. Один из способов воплотить исследование в реальность — интегрировать модель в интеллектуальную панель управления пожарной сигнализацией, которая будет собирать данные о температуре. от установленных тепловых извещателей и включает в себя 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 прогнозной аналитики не определен и потребует участия пожарной службы. для достижения консенсуса», — заключил Тэм. ®
