Spatiotemporal Prediction of Fire-Hazard Parameters in Commercial Buildings Considering Active Fire Protection Systems

Wenn in einem großen Einkaufszentrum oder Bürogebäude ein Feuer ausbricht, besteht die Gefahr nicht nur durch die Flammen selbst, sondern auch durch die unsichtbare Wolke aus überhitztem Gas und dichtem Rauch, die ihnen folgt. Für Menschen, die zu fliehen versuchen, ist die wichtigste Information, wie sich die Luft auf ihrer Atomebene anfühlt, etwa in einer Höhe von 1,80 Metern über dem Boden. Hier werden Temperatur, der verbleibende Sauerstoffgehalt, die Konzentration giftiger Gase und die Sichtweite zu Fragen von Leben und Tod. Moderne Gebäude sind mit aktiven Sicherheitssystemen ausgestattet, die darauf ausgelegt sind, diese Gefahren zu bekämpfen: Sprinkler, die Wasser versprühen, um die Luft zu kühlen, und mechanische Ventilatoren, die Rauch aus dem Raum absaugen. Diese Systeme tun jedoch mehr, als nur ein Feuer zu unterdrücken; sie verändern grundlegend, wie sich Hitze und Rauch in einem Raum bewegen. Sie schaffen eine komplexe, sich ständig verändernde Umgebung, die es Standard-Sensoren erschwert, die wahre Geschichte dessen zu erzählen, was auf der Ebene geschieht, auf der die Menschen versuchen zu rennen.

Forscher nutzen seit langem eine clevere Technologie namens verteilte optische Faser-Temperatursensorik, um diese Brände zu überwachen. Stellen Sie sich einen langen, dünnen Glasfaden vor, der entlang der Decke und die Wände hinunterläuft und in der Lage ist, die Temperatur an jedem einzelnen Punkt entlang seiner Länge zu messen. Dies erzeugt eine kontinuierliche, detaillierte Wärmekarte, die weit über das Maß weniger verstreuter Thermometer hinausgeht. Die Herausforderung entsteht, wenn die Sicherheitssysteme des Gebäudes eingreifen. Das Wasser von den Sprinklern und die Luft von den Abluftventilatoren kühlen die Decke und die Wände, an denen sich die Sensoren befinden, aber sie wirbeln auch die Luft auf eine Weise auf, die die Temperatur auf der Atomebene auf unvorhersehbare Weise verändert. Wenn ein Computer versucht, die gefährlichen Bedingungen auf der Atomebene allein basierend auf den Temperaturmesswerten der Decke zu erraten, wird er oft falsch liegen, weil die Beziehung zwischen der Decke und dem Boden durch die Sicherheitssysteme verändert wurde.

Ein Team von Forschern verschiedener chinesischer Universitäten und Forschungsinstitute setzte sich zum Ziel, genau dieses Problem zu lösen. Sie wollten eine Methode entwickeln, die in der Lage ist, die Temperaturmesswerte dieser Glasfasersensoren zu nehmen – selbst während Sprinkler und Ventilatoren laufen – und die gefährlichen Bedingungen auf der Atomebene präzise vorherzusagen. Um dies zu erreichen, verließen sie sich nicht auf reale Brände, die zu gefährlich und unvorhersehbar sind, um sie kontrolliert zu untersuchen. Stattdessen bauten sie eine massive digitale Bibliothek von Brandszenarien mithilfe fortschrittlicher Computersimulationen auf. Sie modellierten kommerzielle Räume verschiedener Größen, von kleinen Geschäften bis hin zu großen Atrien, und simulierten Brände unterschiedlicher Intensität. Dann ließen sie diese Simulationen dreimal für jedes Szenario durchlaufen: einmal ohne Sicherheitssysteme, einmal nur mit Sprinklern und einmal nur mit Rauchabzug, sowie ein letztes Mal, in dem beide Systeme zusammenarbeiteten. Dies ermöglichte es ihnen, genau zu sehen, wie sehr die Sicherheitssysteme die Temperatur und die Zusammensetzung der Luft veränderten.

Die Forscher fanden heraus, dass die Sicherheitssysteme einen tiefgreifenden und messbaren Effekt hatten. Wenn nur die Sprinkler aktiv waren, sank die durchschnittliche Temperatur auf der Atomebene im Vergleich zu einem unkontrollierten Brand um mehr als 30 Grad Celsius. Wenn nur die Abluftventilatoren verwendet wurden, sank die Temperatur um etwa 10 Grad. Aber wenn beide Systeme zusammenarbeiteten, stürzte die Temperatur auf der Atomebene um fast 60 Grad ab. Dieser massive Kühleffekt bedeutete, dass die alten Regeln zur Einschätzung der Luftqualität basierend auf der Deckentemperatur nicht mehr gültig waren. Wenn ein System während eines aktiven Brandes die alten Regeln angewendet hätte, hätte es die Gefahr erheblich überschätzt oder die tatsächlichen Bedingungen völlig verpasst. Die Daten zeigten, dass die Beziehung zwischen der Hitze an der Decke und der Luft auf der Atomebene durch das Wasser und den Luftstrom völlig neu geschrieben worden war.

Um dies zu beheben, wandte sich das Team dem maschinellen Lernen zu, einer Form der künstlichen Intelligenz, die Muster aus Daten lernt. Sie trainierten mehrere verschiedene Computermodelle, um als Übersetzer zu fungieren. Das Ziel war es, die Rohdaten der Glasfasersensoren an der Decke und den Wänden zusammen mit Informationen über die Größe des Raumes und die Intensität des Brandes zu nehmen und eine korrigierte, genaue Temperatur für die Atomebene auszuge-geben. Sie testeten vier verschiedene Arten von Lernalgorithmen. Einer davon, ein Graph Neural Network, erwies sich als am effektivsten. Dieses spezifische Modell war besonders gut darin, das räumliche Layout der Sensoren zu verstehen, zu erkennen, wie die Temperatur an einem Punkt der Decke mit der Temperatur am nächsten Punkt zusammenhängt und wie das Wasser eines Sprinklers einen bestimmten Bereich anders kühlen kann als die Luft eines Ventilators.

Nachdem sie das beste Modell zur Temperaturkorrektur gefunden hatten, nutzten sie es, um auch die anderen gefährlichen Faktoren vorherzusagen. Da Hitze, Rauch und Gase alle physikalisch miteinander verknüpft sind, ermöglicht die Kenntnis der wahren Temperatur einem Computer, die Menge an Kohlendioxid, den verbleibenden Sauerstoff, die Dichte des Rauchs und die Sichtweite abzuschätzen. Die Ergebnisse waren beeindruckend. Vor der Korrektur lagen die Schätzungen des Computers für die Kohlendioxidwerte um fast 14 Prozent daneben. Nach Anwendung der neuen Temperaturkorrektur sank der Fehler auf unter 5 Prozent. Bei der Sichtweite, die entscheidend für das Finden eines Ausgangs ist, sank die Fehlerrate von fast 8 Prozent auf unter 3 Prozent. Das Modell war in der Lage, die Rauchdichte und die Menge des verbleibenden Sauerstoffs auch in der chaotischen Umgebung, die durch die aktiven Sicherheitssysteme geschaffen wurde, genau vorherzusagen.

Die Forscher testeten dann, ob diese neue Methode auch in Gebäuden funktionieren würde, die sie noch nie gesehen hatten. Sie wandten ihr Modell auf digitale Simulationen eines kleinen Einzelhandelsgeschäfts, eines hohen Atriums und einer riesigen kommerziellen Halle an, von denen keine Teil der ursprünglichen Trainingsdaten waren. Das Modell hielt in all diesen verschiedenen Formen und Größen bemerkenswert gut stand. Es behielt eine hohe Genauigkeit bei der Vorhersage der gefährlichen Bedingungen bei, was bewies, dass die Methode nicht nur eine Lösung für einen spezifischen Raum ist, sondern ein robustes Werkzeug, das sich an die vielfältige Architektur moderner kommerzieller Gebäude anpassen kann. Dies deutet darauf hin, dass in einem echten Notfall ein einziges Glasfaserkabel ein vollständiges, Echtzeitbild der Sicherheitsbedingungen auf der Atomebene liefern könnte, selbst während Sprinkler sprühen und Ventilatoren dröhnen.

Die Auswirkungen dieser Arbeit sind bedeutend für die Art und Weise, wie wir große öffentliche Räume sicher halten. Derzeit sind Brandschutzsysteme darauf ausgelegt, einen Brand zu erkennen und einen Alarm auszulösen, aber sie bieten typischerweise keine detaillierte Echtzeit-Karte der gefährlichen Bedingungen auf der Ebene, auf der Menschen evakuieren. Dieser neue Ansatz bietet eine Möglichkeit, diese Karte mithilfe der Sensoren zu erstellen, die bereits zur Temperaturüberwachung installiert werden. Durch die Korrektur der Daten unter Berücksichtigung der aktiven Sicherheitssysteme könnten Gebäudemanager und Feuerwehrleute potenziell genau sehen, wo die Luft giftig wird, wo der Sauerstoff knapp wird und wo der Rauch die Sicht versperrt. Diese Informationen könnten dazu verwendet werden, Menschen von der Gefahr weg und hin zu sicheren Ausgängen zu leiten oder um Feuerwehrleuten zu helfen, die Umgebung zu verstehen, in die sie eintreten. Obwohl die Studie ausschließlich durch Computersimulationen durchgeführt wurde, liefern die Ergebnisse eine starke Grundlage für die Entwicklung einer neuen Generation der Brandsicherheitstechnik, die intelligent genug ist, um die sehr Systeme zu verstehen, die dazu da sind, Leben zu retten.