基于数字孪生的某文体中心消防疏散算法设计

王 亮, 张涵清, 李鹏飞, 王艳敏

[1.中元国际(上海)工程设计研究院有限公司, 上海 200126;2.哈尔滨工业大学 电气工程及自动化学院, 黑龙江 哈尔滨 150001]

0 引 言

智慧消防作为智慧城市的重要组成部分,是构建在智慧城市大脑基础设施上的一个重要应用分支,是智慧城市智能感知、互联互通、智慧化应用架构的典型应用场景[1]。随着现代建筑物由小、零散、低型等特点向大、集中、高型等特点转变,如何有效地对火灾进行判断、报警和实施救援变得至关重要[2]。

目前,市场上智慧消防应急疏散模拟和信息化管理平台方面的技术和产品比较少,仍以传统的消防系统设备为主。分析目前市场上已有的智能消防系统后发现,智慧消防信息化管控和智能决策平台的智能化水平不高,存在着过度依赖设备间联动与通信、着火点定位不准、人员疏散过多依赖疏散指示标志等问题[3]。

目前,市场上消防系统的设计与升级改造主要由设计院和消防产品类科技公司两方承担[4]。设计院通常将消防系统设计归于建筑电气的强电设计范畴,侧重各类消防设备的选型,使得智能化程度严重依赖于市场上的消防设备,且在项目验收时多采用“放一把火”的原始方法,即消防支队验收现场必须看实物是否因烟气或者明火引发排烟风机、消防泵等消防设备自动开启,进而通过试验数据判断消防系统设计的优劣[5]。目前,设计院消防系统设计存在的问题具体如下:

(1) 火灾探测器误报和漏报率比较高,消防信息滞后、不完整,无法有效整合资源实施有组织的灭火和救援措施。

(2) 弱电设计环节比较薄弱,智能化程度不高,通常不涉及消防疏散路径规划,在火灾紧急情况下人员疏散方式单一,完全依赖应急分散指示和应急照明系统[6]。

(3) 计算机辅助设计方面水平不高,过度依赖设计师的工程经验,建筑、结构、水暖电及物业等各设计环节协同程度不高,存在大量消防隐患[7]。

消防产品类科技公司的经营范围多涵盖消防一体化产品系统的研发、生产、销售和服务[8],其智能化程度多依赖于现场消防设备的集成化工程设计,然而目前诸如大数据、人工智能等技术在实际产品中的应用还处于初级阶段,故建筑消防系统的智能化水平并不高[9]。近年,建筑信息建模(Building Information Modeling,BIM)的数字孪生技术在消防系统中开始应用。基于数字孪生的智慧消防系统构成框图如图1所示[10]。图1为其基本工作原理,即综合利用BIM和物联网形成“感、传、知、用”等技术手段,通过整合该模型中的空间、室内环境和人员位置信息,利用AI算法进行疏散路径规划,解决目前疏散路径规划不能根据火灾的发展态势动态更新、不能考虑人员的位置因素等问题,进而使得智慧消防系统“人防+技防”相结合,形成立体化、智能化、全覆盖的火灾防控体系[11]。

图1 基于数字孪生的智慧消防系统构成框图

1 项目案例与BIM建模

本文以某文体中心项目为例开展研究。建筑高度为25.1 m,建筑面积约10 000 m2,共3层,主体为钢筋混凝土框架结构。该建筑物主要开展各种球类运动、节目排练、舞台表演等活动,建筑内部客容量大,高峰时段人流量可达每小时2 000人。

为进一步深化建筑物的可视化,便于智慧消防方案的实施与建设,本文引入BIM技术,利用Revit 2021软件分层绘制各层平面图,细化其内部结构,并直接生成建筑物的三维视图。某文体中心的BIM消防系统数字孪生模型如图2所示。

图2 某文体中心的BIM消防系统数字孪生模型

在利用Revit软件进行消防系统布置时,需添加相关构件族,均在图2所示的BIM模型建模过程中体现,包括消防设施建设、管道布线建设、温湿度与压力监测设计等。所用消防构件典型族库如图3所示。

图3 所用消防构件典型族库

2 疏散人群的排队模型建立

针对该文体中心的火灾发生特点,消防应急预案的设计原则是:人员必需安全疏散时间RSET小于可用安全疏散时间ASET,以保证人员安全。其中,RSET是指人员从起火时间到疏散到安全区域的时间;ASET是指火灾发展到危及疏散人员的时间,具体指从火灾发生到火灾危及人员生命的时间,这个时间主要由建筑的结构及材料、消防系统等决定,与火灾的时长以及烟雾的传动有很大的关系。基于以上设计目标,某文体中心的消防应急疏散方案如图4所示。

图4 某文体中心的消防应急疏散方案

基于图4所示的消防应急疏散方案,本文引入排队理论,从疏散人群的排队模型、疏散人群速度-密度模型及疏散路径3个方面进行建模与分析,进而得到有效的人员应急疏散方案。

2.1 疏散人群的排队模型

首先,将每一个人员的疏散事件独立化,并且使用泊松分布来表示人员疏散的时间间隔。假设该文体中心的疏散人数为n,则疏散人群的排队模型可表示为

(1)

式中:λ——单疏散入口处疏散人员到达率;

E(T1)——单个疏散人员的期望疏散时间;

P0——疏散人群排队模型的初始时刻值;

f(n)——人员疏散率。

(2)

(3)

(4)

式中:V1——单个疏散人员的自由速度;

Vn——有n个疏散人员时的疏散速度。

可见,该排队系统模型与文体中心疏散人员的疏散速率紧密相关。

2.2 疏散人群的速度-密度模型

在消防疏散过程中,主要关注人员疏散与撤离的速度,需要着重考虑人群密度及人与人间的距离对速度的影响。疏散人群的速度-密度模型建立过程如图5所示。

图5 疏散人群的速度-密度模型建立过程

(1) 人群密度对速度的影响。一般情况下,假设疏散空间内的人均面积达到S=0.28 m2时,该建筑空间便被划分为极易发生事故的区域;假设疏散空间内的人均面积达到S=0.25 m2时,则会直接导致人与人相互贴着。一旦发生意外事件,会直接使得室内人员相互踩踏,甚至导致人员伤亡。由此可见,为了确保发生火灾时人员顺利撤离,人均面积S至少应等于0.28 m2,即限制每平方米最大人流量为3.57人。

(2) 人与人之间的距离对速度的影响。火灾发生时,在人员疏散过程中,疏散速率计算主要依据人与人之间的行走关系。当两个人之间的距离超过1.6 m时,每人的行走速率各不影响;当两个人的距离小于1.6 m时,会直接导致每人的行走速率变慢,相互都有影响;当两个人的距离达到0.3 m时,行走速率为0,这时,计算人群密度在每平方米5～6人。

2.3 疏散人群的疏散路径确定

在发生火灾时,人员行走的路线存在着较大的随机性,需要采取多种方式计算出该文体中心的最佳疏散路径,并且通过编程搜索出各种可能的疏散路线。解决此类问题最为常见的算法有深度优先算法、Dijkstra算法以及Floyd算法等,本文选择深度优先算法,即将文体中心的所有设施看作一个个节点,为了使得这些节点能够形成一个集合,需要将所有节点连接起来,使用深度优先算法计算出可能的路线,再将搜索到的路径列举出来。深度优先算法原理如图6所示,其中节点为行走设施,连线代指设施之间的关联,人员逃离的房间为1,疏散出口为7。

图6 深度优先算法原理

寻找疏散路径的步骤如下:① 建立储存单元节点的栈,然后将节点1入栈;② 将节点1作为开始节点,找到非入栈邻接节点2的地址,将节点2入栈;③ 从节点2开始查找,找到节点4的地址,将节点4入栈;④ 从节点4开始查找,找到节点7,将节点7入栈;⑤ 输出完整的线路1—2—4—7;⑥ 将节点7从原来的栈内移除,并将其设置为非入栈节点,栈顶节点设置为4;⑦ 节点4的邻接节点都在栈中,将节点4移除,栈顶节点设置为2;⑧ 与节点2相邻的节点中非入栈的是节点5,将节点5入栈;⑨ 与节点5相邻的节点中非入栈的是节点7,将节点7入栈;⑩ 输出完整的线路1—2—5—7;重复以上操作流程,查找到节点1至节点7的全部路径并输出;清空栈,算法完成。

3 消防疏散方案的数值模拟

利用Revit API接口将图2所示的BIM模型导入Pyrosim火灾模拟软件,对疏散算法进行数值模拟。以文体中心一楼右侧区域的观众席为例,模拟火灾发生情况下较大区域的人员疏散情况。该观众席舞台的总面积为1 500 m2,设置火源面积为10 m2,着火点在演出席的中央,假设火灾发生时观众席内有200人,正常人对紧急情况的反应时间是5～15 s,在该范围内选取一随机数作为每个人的反应时间。疏散模拟结果如图7所示。在观众席内部,不考虑其他额外的环境因素,火灾发生后的人员分布如图7(a)所示。图7(b)为t=0.5 s时疏散开始,图7(c)为14.5 s时最后一名人员疏散完毕。

图7 疏散模拟结果

此次人员疏散模拟在15 s内完成。由于人员反应时间设置具有不确定性,在不同的模拟中,疏散完成时间也不同,但疏散时间大体分布在14～18 s的区间内,进而可证明本文设计的消防疏散算法的正确性和有效性。

4 结 语

本文以某文体中心建筑为例,综合应用BIM和Pyrosim火灾模拟软件,并引入排队理论,建立该文体中心发生火灾时疏散人群的排队模型,给出最佳疏散路径,实现对该建筑物的火灾、疏散人群和消防预警方案的设计与模拟。本文研究成果可为智慧消防系统的智能化设计提供一种新思路。