智慧消防：AI视觉实时评估隧道火灾风险
文摘
科学
2024-06-17 07:30
安徽
各类交通事故导致的隧道火灾经常会导致灾难性的后果。为了提升隧道的消防安全水平，灾前的预防措施和风险评估极为重要。隧道火灾风险评估是一种系统的方法，用于识别潜在的火灾风险，评估可能的后果，并制定相应的措施以降低火灾对隧道的影响。
理大火灾实验室提出一种基于隧道出入口监控摄像头 + 计算机视觉的技术来实现隧道火灾风险的实时监测与评估 [1]。通过隧道出入口摄像头数据和目标检测模型，实现实时的车辆识别、定位、追踪、分布预测以及火灾风险评估。结合前期提出的数字孪生技术 [2-4]，将大大提高隧道运行中的火灾安全性能和应急管理效率。
在监控相机捕捉到车辆后，可以采用最新的计算机视觉技术对进入隧道的车辆进行分类和追踪。本研究采用了YOLO（You Only Look Once）算法实现了隧道内车辆的快速识别和分类，以及DeepSORT（Simple Online and Realtime
Tracking）算法进行车辆实时运动轨迹的追踪。YOLO目标检测模型的是基于大量不同类别车辆的图片数据集进行训练得到。我们将所有常见车辆基于其用途和尺寸被分为十个类别，主要包括摩托车和大中小不同尺寸的汽车、巴士和货车等。在得到车辆类别后，由于相机与地面有倾角，还需进行透视变换将其校正为正投影的形式，从而方便目标追踪和速度计算。DeepSORT算法通过帧间目标匹配和卡尔曼滤波实现下一帧目标位置和状态的预测。最终，模型可以输出车辆的类别、编号、瞬时速度等信息。在得到车辆进入隧道的类别、编号和速度信息之后，即可预测未来一段时间内车辆在隧道内的分布。然后通过不同类别车辆的乘客数量，可以估算隧道内人员的实时分布。假设在一个长1公里的公路隧道入口处安装摄像头，进行车辆的识别和追踪，并基于入口处的信息预测隧道内车辆和人员分布。此处假设车辆在隧道入口和隧道内以相同速度匀速行驶的情况下进行的，不考虑车辆发生拥堵。一旦能够准确预测隧道内的车辆和人员分布，就可以进一步对实时火灾风险和疏散安全进行评估。这对火灾风险管理和疏散策略的制定至关重要。本研究中，火灾风险通过(1) 实时火灾载荷分布、(2) 隧道内火灾载荷总和、(3) 潜在火灾强度、以及 (4) 隧道内全部人员疏散完成所需的时间REST，四个实时参数进行评估（如下动图）。火灾载荷的分布和总和的估算，通过搜集不同车辆的火灾载荷数据后计算得到。而潜在火灾功率的估算通过搜集文献中车辆热释放速率数据后计算得到，表示某个区域发生火灾后的可能最大火源功率。疏散时间的计算是基于一种理想情况，假设所有车辆在发生火灾后停止行驶，乘客从最近的疏散通道进行疏散。在考虑了反应时间、行走时间和阻塞时间后得到。![]()
数字孪生：系统集成与展望
最后，我们提出的火灾风险与疏散安全评估方法可以集成于隧道消防安全管理数字孪生系统中[2]，从而最大发挥该技术的优势，实现对隧道安全的全方位、实时监控和动态应对（见前文“数字孪生赋能隧道智慧消防安全”）。基于数字孪生技术，还可以对本文提出的实时火灾风险与疏散安全评估方法进行验证和改进。理想中的隧道消防安全数字孪生系统不仅仅是一个监控平台，还应具有智能化应急响应和决策支持的能力，基于实时数据和分析提供应急建议和疏散路线优化。建立一个可视化的互动平台，实时展示隧道内风险评估结果，提供沉浸式疏散演练体验等。![]()
该项成果受香港主题研究计划和国家自然科学基金资助，并与瑞典隆德大学合作，发表于安全科学领域核心期刊《Safety Science》。香港理工大学SureFire智慧消防研究团队将持续推进相关工作，助力智慧城市的研究与应用。![]()
期刊全文可以通过以下二维码免费获取：
![]()
相关文献
[1] Zhang et al. (2024) Smart real-time evaluation of
tunnel fire risk and evacuation safety via computer vision, Safety Science, 106563. https://doi.org/10.1016/j.ssci.2024.106563
[2] Zhang et al. (2024) AIoT-enabled digital
twin system for smart tunnel fire safety management, Dev. Built Environ. 18, 100381.
张小宁 博士：香港理工大学博士后，研究领域为基于人工智能的智慧消防。
![]()
![]()
查看张小宁个人网页
黄鑫炎 博士：香港理工大学副教授、博士生导师，研究领域包括基础燃烧科学和火灾安全应用。
![]()
![]()
相关阅读：
图文 | 张小宁
审核 | 黄鑫炎
