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

Lorsqu'un incendie se déclare dans un grand centre commercial ou un immeuble de bureaux, le danger ne provient pas seulement des flammes elles-mêmes, mais aussi du nuage invisible de gaz surchauffés et de fumée épaisse qui les suit. Pour les personnes qui tentent de s'échapper, l'information la plus critique est la sensation de l'air à leur niveau de respiration, soit environ un mètre quatre-vingt (six pieds) du sol. C'est là que la température, la quantité d'oxygène restante, la concentration de gaz toxiques et la distance de visibilité deviennent des enjeux de vie ou de mort. Les bâtiments modernes sont équipés de systèmes de sécurité actifs conçus pour combattre ces dangers : des gicleurs qui pulvérisent de l'eau pour refroidir l'air et des ventilateurs mécaniques qui extraient la fumée de la pièce. Cependant, ces systèmes font plus que simplement supprimer un incendie ; ils modifient fondamentalement la manière dont la chaleur et la fumée circulent dans un espace. Ils créent un environnement complexe et changeant qui rend difficile pour les capteurs standards de raconter la véritable histoire de ce qui se passe au niveau où les gens tentent de courir.

Les chercheurs utilisent depuis longtemps une technologie ingénieuse appelée détection de température par fibre optique distribuée pour surveiller ces incendies. Imaginez un long et mince fil de verre courant le long du plafond et descendant le long des murs, capable de mesurer la température à chaque point unique le long de sa longueur. Cela crée une carte de chaleur continue et détaillée, bien supérieure à celle obtenue avec seulement quelques thermomètres dispersés. Le défi surgit lorsque les systèmes de sécurité du bâtiment s'activent. L'eau des gicleurs et l'air des extracteurs de fumée refroidissent le plafond et les murs où se trouvent les capteurs, mais ils agitent également l'air de manières qui modifient la température au niveau de la respiration de façon imprévisible. Si un ordinateur tente de deviner les conditions dangereuses au niveau de la respiration en se basant uniquement sur les relevés de température du plafond, il se trompera souvent car la relation entre le plafond et le sol a été altérée par les systèmes de sécurité.

Une équipe de chercheurs de plusieurs universités et instituts de recherche chinois s'est donné pour mission de résoudre ce problème spécifique. Ils voulaient créer une méthode capable de prendre les relevés de température de ces capteurs à fibre optique, même pendant que les gicleurs et les ventilateurs fonctionnent, et de prédire avec précision les conditions dangereuses au niveau de la respiration. Pour ce faire, ils ne se sont pas appuyés sur des incendies réels, qui sont trop dangereux et imprévisibles pour être étudiés de manière contrôlée. Au lieu de cela, ils ont construit une immense bibliothèque numérique de scénarios d'incendie à l'aide de simulations informatiques avancées. Ils ont modélisé des espaces commerciaux de différentes tailles, allant de petites boutiques à de grands atriums, et ont simulé des incendies d'intensités variées. Ils ont ensuite lancé ces simulations trois fois pour chaque scénario : une fois sans systèmes de sécurité, une fois avec seulement les giclesurs, et une fois avec seulement l'extraction de fumée, plus un ensemble final où les deux systèmes fonctionnaient ensemble. Cela leur a permis de voir exactement comment les systèmes de sécurité modifiaient la température et la composition de l'air.

Les chercheurs ont découvert que les systèmes de sécurité avaient un effet profond et mesurable. Lorsqu'uniquement les gicleurs étaient actifs, la température moyenne au niveau de la respiration chutait de plus de 30 degrés Celsius par rapport à un incendie non contrôlé. Lorsque seuls les ventilateurs d'extraction de fumée étaient utilisés, la température chutait d'environ 10 degrés. Mais quand les deux systèmes fonctionnaient ensemble, la température au niveau de la respiration chutait de près de 60 degrés. Cet effet de refroidissement massif signifiait que les anciennes règles pour deviner la qualité de l'air en fonction de la température du plafond n'étaient plus valables. Si un système utilisait les anciennes règles pendant un incendie actif, il surestimerait considérablement le danger ou passerait totalement à côté des conditions réelles. Les données ont montré que la relation entre la chaleur au plafond et l'air au niveau de la respiration avait été complètement réécrite par l'eau et le flux d'air.

Pour corriger cela, l'équipe s'est tournée vers l'apprentissage automatique (machine learning), un type d'intelligence informatique qui apprend des modèles à partir de données. Ils ont entraîné plusieurs modèles informatiques différents pour agir comme un traducteur. L'objectif était de prendre les données de température brutes des capteurs à fibre optique sur le plafond et les murs, ainsi que des informations sur la taille de la pièce et l'intensité de l'incendie, et de produire en sortie une température corrigée et précise pour le niveau de la respiration. Ils ont testé quatre types différents d'algorithmes d'apprentissage. L'un d'eux, un réseau de neurones graphiques, s'est avéré le plus efficace. Ce modèle spécifique était particulièrement doué pour comprendre la disposition spatiale des capteurs, reconnaissant comment la température en un point du plafond est liée à la température du point suivant, et comment l'eau d'un gicleur peut refroidir une zone spécifique différemment de l'air d'un ventilateur.

Une fois qu'ils ont obtenu le meilleur modèle pour corriger la température, ils l'ont utilisé pour prédire les autres facteurs dangereux. Parce que la chaleur, la fumée et les gaz sont tous liés physiquement, connaître la température réelle permet à un ordinateur d'estimer la quantité de dioxyde de carbone, l'oxygène restant, la densité de la fumée et la visibilité. Les résultats étaient frappants. Avant la correction, les estimations de l'ordinateur pour les niveaux de dioxyde de carbone étaient erronées de près de 14 %. Après l'application de la nouvelle correction de température, l'erreur est tombée à moins de 5 %. Pour la visibilité, qui est cruciale pour trouver une sortie, le taux d'erreur est passé de près de 8 % à un peu moins de 3 %. Le modèle était capable de prédire avec précision la densité de la fumée et la quantité d'oxygène restant, même dans l'environnement chaotique créé par les systèmes de sécurité actifs.

Les chercheurs ont ensuite testé si cette nouvelle méthode fonctionnerait dans des bâtiments qu'ils n'avaient jamais vus auparavant. Ils ont appliqué leur modèle à des simulations numériques d'une petite boutique de détail, d'un atrium haut et d'une immense salle commerciale, dont aucun ne faisait partie des données d'entraînement originales. Le modèle a résisté remarquablement bien à travers toutes ces formes et tailles différentes. Il a maintenu une grande précision dans la prédiction des conditions dangereuses, prouvant que la méthode n'est pas seulement une solution pour une pièce spécifique, mais un outil robuste capable de s'adapter à l'architecture diverse des bâtiments commerciaux modernes. Cela suggère que, lors d'une urgence réelle, un seul câble à fibre optique pourrait fournir une image complète et en temps réel des conditions de sécurité au niveau de la respiration, même pendant que les gicleurs pulvérisent et que les ventilateurs vrombissent.

Les implications de ce travail sont significatives pour la sécurité des grands espaces publics. Actuellement, les systèmes de sécurité incendie sont conçus pour détecter un incendie et déclencher une alarme, mais ils ne fournissent généralement pas une carte détaillée et en temps réel des conditions dangereuses au niveau où les gens évacuent. Cette nouvelle approche offre un moyen de générer cette carte en utilisant les capteurs qui sont déjà installés pour la surveillance de la température. En corrigeant les données pour tenir compte des systèmes de sécurité actifs, les gestionnaires de bâtiments et les pompiers pourraient potentiellement voir exactement où l'air devient toxique, où l'oxygène vient à manquer et où la fumée bloque la vue. Cette information pourrait être utilisée pour guider les gens loin du danger et vers des sorties sûres, ou pour aider les pompiers à comprendre l'environnement dans lequel ils pénètrent. Bien que l'étude ait été menée entièrement par des simulations informatiques, les résultats fournissent une base solide pour le développement d'une nouvelle génération de surveillance de la sécurité incendie, capable de comprendre les systèmes mêmes conçus pour sauver des vies.