基于物聯(lián)網(wǎng)與人工智能的智能建筑疏散系統(tǒng) | 論文分享

摘要

火災(zāi)、煤氣泄漏和地震等緊急情況往往毫無征兆地發(fā)生，并可能引發(fā)大范圍的恐慌、混亂和人員傷亡，尤其是在多層或高密度建筑中。在這種情況下，傳統(tǒng)的靜態(tài)疏散地圖顯得力不從心，尤其是在路線受阻或不安全的情況下。

本文提出了一種基于人工智能的智能疏散系統(tǒng)，該系統(tǒng)利用物聯(lián)網(wǎng)傳感器、實(shí)時室內(nèi)數(shù)據(jù)和動態(tài)地圖，在緊急情況下為人員提供指導(dǎo)。該系統(tǒng)旨在利用智能傳感器網(wǎng)絡(luò)檢測熱量、煙霧、氣體或震動等威脅，并通過運(yùn)動傳感器或監(jiān)控攝像頭追蹤人員的運(yùn)動。收集到的數(shù)據(jù)通過人工智能算法進(jìn)行處理，生成最安全的疏散路線，并通過移動應(yīng)用程序或建筑物內(nèi)的數(shù)字標(biāo)牌顯示給用戶。

此外，該系統(tǒng)還可以向緊急服務(wù)部門和建筑管理員發(fā)送即時警報。隨著語音輔助導(dǎo)航、增強(qiáng)現(xiàn)實(shí) (AR) 集成和邊緣人工智能 (Edge AI) 等未來增強(qiáng)功能的推出，該系統(tǒng)旨在進(jìn)一步減少疏散延誤并提升用戶體驗(yàn)。這項(xiàng)研究強(qiáng)調(diào)了實(shí)時響應(yīng)、用戶授權(quán)和多危險適應(yīng)性在現(xiàn)代智能建筑安全框架中的重要性。

一、引言

近年來，城市環(huán)境中與建筑相關(guān)的緊急情況顯著增加，包括火災(zāi)、有毒氣體泄漏和地震活動。此類事件經(jīng)常導(dǎo)致混亂、人員傷亡，尤其是在辦公室、購物中心、醫(yī)院和教育機(jī)構(gòu)等人員密集的空間。在這些危機(jī)中，一個重大挑戰(zhàn)是缺乏能夠?qū)崟r有效地引導(dǎo)人員的響應(yīng)式疏散系統(tǒng)。

根據(jù)印度國家犯罪記錄局 (NCRB) 的數(shù)據(jù)，僅在 2021 年，印度就發(fā)生了 7500 多起與火災(zāi)相關(guān)的死亡事件，主要發(fā)生在住宅和商業(yè)建筑中 [10]。這些事件往往由于疏散延誤、標(biāo)識不清晰或逃生路線不暢而導(dǎo)致人員死亡。

隨著物聯(lián)網(wǎng) (IoT) 和人工智能 (AI) 技術(shù)的興起，開發(fā)智能自適應(yīng)疏散系統(tǒng)的機(jī)會日益增多?？梢圆渴馃熿F探測器、氣體傳感器、熱量傳感器和運(yùn)動探測器等設(shè)備來實(shí)時監(jiān)測環(huán)境變量。這些輸入數(shù)據(jù)可以通過人工智能算法進(jìn)行處理，評估風(fēng)險等級并根據(jù)現(xiàn)場情況確定最安全的逃生路徑。

疏散指南可以通過數(shù)字顯示板、移動警報或智能界面呈現(xiàn)給居住者，同時通知也會同步發(fā)送給急救人員和建筑管理部門。在地震等情況下，該系統(tǒng)還可以監(jiān)測結(jié)構(gòu)完整性，并引導(dǎo)人員遠(yuǎn)離受影響區(qū)域。本研究旨在提出一個全面的系統(tǒng)設(shè)計，利用實(shí)時數(shù)據(jù)、基于人工智能的決策和智能通信來減少恐慌，提高緊急情況下的生存率。

二、文獻(xiàn)綜述

A. 物聯(lián)網(wǎng)在建筑安全和應(yīng)急響應(yīng)中的應(yīng)用

物聯(lián)網(wǎng) (IoT) 已廣泛應(yīng)用于火災(zāi)探測、氣體泄漏警報和其他建筑安全應(yīng)用。目前大多數(shù)系統(tǒng)利用煙霧、溫度或氣體傳感器來檢測危險情況，并通過短信警報、蜂鳴器或警報器通知居住者。例如，Sharma 等人 [1] 的一項(xiàng)研究使用集成了氣體傳感器的 NodeMCU 來檢測早期泄漏并觸發(fā)警報。然而，此類系統(tǒng)通常不提供實(shí)時疏散援助或集成動態(tài)路徑查找功能。

B. 靜態(tài)疏散地圖與動態(tài)路線規(guī)劃

傳統(tǒng)的疏散設(shè)置依賴于張貼在墻上的靜態(tài)地圖，這些地圖在緊急情況下無法調(diào)整，因?yàn)槌隹诳赡鼙换馂?zāi)、煙霧或碎片堵塞。A. Rathi 和 V. Rao [2] 的研究強(qiáng)調(diào)了使用基于傳感器的數(shù)據(jù)實(shí)時更新路線的重要性。盡管他們的方法承認(rèn)動態(tài)路線規(guī)劃在減少疏散混亂方面的優(yōu)勢，但缺乏人工智能驅(qū)動的決策層來實(shí)時調(diào)整路徑。

C. 室內(nèi)追蹤與人群管理

在緊急情況下實(shí)施室內(nèi)追蹤的舉措涉及RFID、低功耗藍(lán)牙(BLE)和基于Wi-Fi的定位系統(tǒng)等技術(shù)。在Kumar等人的一項(xiàng)研究中[3]，BLE標(biāo)簽被用于監(jiān)測公共建筑中的人群流量。盡管基于GPS的解決方案很實(shí)用，但由于信號衰減，在室內(nèi)仍然無效。此外，大多數(shù)系統(tǒng)不會主動管理人群擁堵，也不會根據(jù)移動行為提供替代路線。

D. 基于人工智能的路徑優(yōu)化

一些研究提出使用人工智能(AI)來增強(qiáng)疏散支持。Singh和Patel[4]提出了一種基于人工智能的火災(zāi)逃生模型，該模型使用熱圖來引導(dǎo)用戶。然而，該系統(tǒng)僅適用于特定的火災(zāi)場景，并未考慮地震或氣體泄漏等多重災(zāi)害情況。此外，該模型缺乏與外部應(yīng)急服務(wù)的連接，無法進(jìn)行更廣泛的災(zāi)害協(xié)調(diào)。

E. 已發(fā)現(xiàn)的差距

在所審查的研究中，一個反復(fù)出現(xiàn)的局限性是專注于危險檢測，而缺乏主動指導(dǎo)或決策能力。很少有系統(tǒng)能夠?qū)⑽锫?lián)網(wǎng)數(shù)據(jù)收集、基于人工智能的實(shí)時分析和動態(tài)疏散地圖集成在一個框架下。此外，大多數(shù)現(xiàn)有模型都是針對單一災(zāi)害類型設(shè)計的，而不是針對多種災(zāi)害場景。這些差距凸顯了我們需要一個全面的疏散解決方案，該解決方案能夠?qū)崟r響應(yīng)各種危險，同時提供智能且人性化的指導(dǎo)。

三、理解智能建筑疏散系統(tǒng)的需求

當(dāng)前疏散系統(tǒng)存在哪些問題？

大多數(shù)建筑仍然依賴打印并張貼在墻上的靜態(tài)應(yīng)急地圖。這些地圖顯示的是固定的逃生路線，在實(shí)際緊急情況下不會改變。在火災(zāi)、煤氣泄漏或地震等事件中，這些地圖可能會失效。如果標(biāo)記的路徑被煙霧、火災(zāi)或受損建筑物阻擋，人們可能不知道該去往何處，從而導(dǎo)致恐慌、交通擁堵和潛在的人員傷亡。

此外，目前的系統(tǒng)通常缺乏實(shí)時引導(dǎo)。警報系統(tǒng)可以告知人員危險，但無法提供關(guān)于該往哪個方向移動的可操作信息。在大型建筑中，例如商場、醫(yī)院或公司辦公室，這會導(dǎo)致人們在熟悉的出口處擁擠，造成延誤并增加受傷風(fēng)險。因此，目前的疏散機(jī)制在很大程度上是被動的、非自適應(yīng)的，不適用于復(fù)雜或不斷變化的緊急情況。

擬議系統(tǒng)將如何運(yùn)作？

1. 傳感器層（物聯(lián)網(wǎng)集成）

該層由安裝在建筑物各個戰(zhàn)略位置的基于物聯(lián)網(wǎng)的傳感器組成。這些傳感器包括：

? 煙霧和熱量傳感器——探測火災(zāi)

? 氣體傳感器——監(jiān)測化學(xué)品或液化石油氣泄漏

? 振動傳感器——識別地震的早期震動

? 運(yùn)動傳感器/閉路電視系統(tǒng)——探測人員活動和人群分布。所有這些傳感器都會收集實(shí)時環(huán)境數(shù)據(jù)，并將其發(fā)送到基于人工智能的處理單元 [1]。

2. 處理層（基于人工智能的決策引擎）

該層使用人工智能 (AI) 評估來自傳感器的數(shù)據(jù)并生成優(yōu)化的疏散路徑。它可以：

? 檢測堵塞或不安全的出口

? 預(yù)測高密度區(qū)域并建議替代路徑

? 根據(jù)不斷變化的情況動態(tài)更新路線

機(jī)器學(xué)習(xí)的使用有助于系統(tǒng)不斷適應(yīng)，使其能夠應(yīng)對多種危險情況，例如煤氣泄漏期間的火災(zāi) [2][3]。

3.通信層（用戶和權(quán)限接口）

一旦生成安全路線，系統(tǒng)將通過以下方式傳達(dá)指令：

? 連接到樓宇網(wǎng)絡(luò)的移動應(yīng)用程序

? 走廊或房間中的數(shù)字顯示屏

? 緊急語音廣播系統(tǒng)

同時，警報會發(fā)送給消防部門和樓宇管理部門，確保協(xié)調(diào)一致的應(yīng)急響應(yīng)。

該系統(tǒng)最適用的場景？

該系統(tǒng)非常適合人員密集的室內(nèi)空間，因?yàn)榫o急情況可能導(dǎo)致大規(guī)?；靵y。用例包括：

? 購物中心、辦公樓和機(jī)場等商業(yè)綜合體，訪客可能不熟悉出口布局 [6]。

? 醫(yī)院，快速、知情的疏散至關(guān)重要，尤其是對于無法行走的患者 [7]。

? 學(xué)校和大學(xué)，結(jié)構(gòu)化疏散對于年輕學(xué)生和大型校園至關(guān)重要 [8]。

在這些場所，個性化的實(shí)時指導(dǎo)可以大幅減少人員傷亡，緩解恐慌，并為應(yīng)急人員提供支持。

為什么這項(xiàng)研究在當(dāng)下如此重要？

每年，數(shù)千人因建筑物相關(guān)災(zāi)害中疏散延誤而喪生。根據(jù)NCRB的數(shù)據(jù)，僅在2021年，印度就有超過7500人死于火災(zāi)，其中許多與住宅和商業(yè)建筑有關(guān)[11]。這些統(tǒng)計數(shù)據(jù)表明，人們迫切需要智能且適應(yīng)性強(qiáng)的安全系統(tǒng)。

本研究強(qiáng)調(diào)通過智能、及時的決策，在緊急情況下賦予人們權(quán)力。當(dāng)用戶獲得實(shí)時、情境感知的指導(dǎo)時，他們可以更快、更自信地采取行動。這對老年人、兒童和殘疾人尤其重要。

通過從被動探測轉(zhuǎn)向主動疏散支持，擬議的系統(tǒng)支持未來建筑的響應(yīng)能力、包容性和生命保護(hù)能力，而不僅僅是名義上的智能。

擬議的系統(tǒng)架構(gòu)

本節(jié)介紹智能疏散系統(tǒng)的功能層和技術(shù)組件。它重點(diǎn)介紹了如何收集、處理和使用環(huán)境數(shù)據(jù)來指導(dǎo)建筑物內(nèi)的人員并在危機(jī)期間為應(yīng)急團(tuán)隊提供支持。

第一層 - 傳感器層（數(shù)據(jù)收集）

這是數(shù)據(jù)采集層，負(fù)責(zé)使用支持物聯(lián)網(wǎng)的傳感器檢測環(huán)境危害。此層中的設(shè)備包括：

? 煙霧傳感器 - 識別火災(zāi)跡象

? 氣體傳感器 - 檢測液化石油氣、一氧化碳或其他有毒氣體的泄漏

? 溫度傳感器 - 監(jiān)測過熱或突然升溫

? 振動傳感器 - 識別地震活動

? 運(yùn)動傳感器/閉路電視監(jiān)控 - 分析人員活動和人群密度

這些傳感器策略性地安裝在走廊、出口、樓梯間和高風(fēng)險區(qū)域，為系統(tǒng)提供實(shí)時數(shù)據(jù) [13]。

第二層 - 處理層（AI 決策引擎）

此層是系統(tǒng)的計算核心。它使用 AI 算法來解讀傳感器數(shù)據(jù)并做出實(shí)時決策。關(guān)鍵功能包括：

? 威脅分析——檢測火災(zāi)、氣體或地震跡象

? 路徑優(yōu)化——確定最可行的逃生路線

? 人群流量預(yù)測——根據(jù)擁堵程度重新規(guī)劃路線

? 多重危險檢測——使系統(tǒng)能夠應(yīng)對復(fù)合風(fēng)險（例如，火災(zāi)或地震期間的氣體泄漏）。

系統(tǒng)會根據(jù)實(shí)時變化持續(xù)更新路徑建議，確保緊急情況下的適應(yīng)性和可靠性[14]。

第三層——通信層（用戶 + 緊急情況接口）

此層負(fù)責(zé)管理向建筑物居住者和應(yīng)急部門的信息傳遞。它包括：

? 移動應(yīng)用程序——顯示動態(tài)出口地圖和安全警報

? 數(shù)字標(biāo)牌——建筑物內(nèi)安全路徑的視覺提示

? 語音引導(dǎo)——針對視障用戶或擁擠區(qū)域

? 緊急服務(wù)儀表板——向響應(yīng)者發(fā)送包含地圖和危險數(shù)據(jù)的實(shí)時警報

這確保居住者及時收到清晰易懂的指示，同時使急救人員充分了解建筑物的風(fēng)險狀況[15]。

優(yōu)勢與用例

本節(jié)概述了所提議系統(tǒng)的優(yōu)勢，并說明了其在實(shí)際實(shí)施過程中能夠帶來重大價值的場景。

A. 主要優(yōu)勢

? 實(shí)時疏散支持 – 基于實(shí)時建筑數(shù)據(jù)，實(shí)現(xiàn)安全快速疏散

? 多災(zāi)害響應(yīng) – 通過統(tǒng)一系統(tǒng)管理火災(zāi)、氣體和地震威脅

? 動態(tài)路線圖 – 根據(jù)情況變化持續(xù)調(diào)整疏散建議

? 人群管理 – 通過推薦替代路徑，最大限度地減少過度擁擠

? 包容性安全 – 通過語音和視覺輔助為弱勢群體提供支持

? 更快的應(yīng)急響應(yīng) – 向救援隊發(fā)送警報和建筑數(shù)據(jù)，以改進(jìn)協(xié)調(diào)

B. 實(shí)際用例

? 購物中心 – 在恐慌事件期間實(shí)時安全地引導(dǎo)大量人群

? 醫(yī)院 – 協(xié)助復(fù)雜建筑中的員工和患者進(jìn)行自適應(yīng)疏散

? 學(xué)校和大學(xué) – 減少混亂，確保學(xué)生和員工有序疏散

? 辦公樓和企業(yè)大樓 – 在意外威脅期間促進(jìn)快速、可控的響應(yīng)

? 住宅區(qū) – 提高居民安全，尤其是在逃生路線有限的高層建筑中

未來展望

擬議系統(tǒng)展現(xiàn)出巨大的未來發(fā)展?jié)摿Γ绕涫窃谥悄芑A(chǔ)設(shè)施、城市數(shù)字化和物聯(lián)網(wǎng)能力不斷發(fā)展的背景下。以下技術(shù)擴(kuò)展可以提升系統(tǒng)的效率和包容性：

? 邊緣計算——將人工智能處理轉(zhuǎn)移到更靠近傳感器的位置（即網(wǎng)絡(luò)邊緣），將縮短系統(tǒng)響應(yīng)時間，并減少緊急情況下對外部互聯(lián)網(wǎng)連接的依賴[16]。

? 增強(qiáng)現(xiàn)實(shí) (AR)——通過智能眼鏡或移動應(yīng)用程序疊加的 AR 圖像可以實(shí)時引導(dǎo)用戶通過安全出口路徑，提高疏散過程中的清晰度。

? 面部識別集成——使系統(tǒng)能夠識別和追蹤失蹤或弱勢人員，尤其是在學(xué)校、商場或大規(guī)模疏散期間。

? 語音激活警報——允許人員使用語音命令與系統(tǒng)交互以尋求幫助，這對于殘障人士或視障人士尤其有益。

? 數(shù)據(jù)分析儀表板——過去事件的匯總數(shù)據(jù)可用于訓(xùn)練預(yù)測疏散模型、增強(qiáng)合規(guī)報告，并模擬應(yīng)急準(zhǔn)備演習(xí)。

? 智慧城市集成——將系統(tǒng)與更廣泛的城市基礎(chǔ)設(shè)施連接起來，可以在區(qū)域?yàn)?zāi)害期間跨多個建筑物或區(qū)域進(jìn)行協(xié)調(diào)響應(yīng)[17]。

五、結(jié)論

本研究提出了一個全面的人工智能智能疏散系統(tǒng)，該系統(tǒng)將基于物聯(lián)網(wǎng)的傳感器網(wǎng)絡(luò)與實(shí)時決策算法相結(jié)合。該系統(tǒng)專為火災(zāi)、煤氣泄漏和地震等緊急情況而設(shè)計，能夠動態(tài)生成并向建筑物內(nèi)人員傳達(dá)安全疏散路線。

與傳統(tǒng)的靜態(tài)系統(tǒng)不同，該解決方案提供個性化的疏散指導(dǎo)、實(shí)時監(jiān)控和多災(zāi)害適應(yīng)性，使其在當(dāng)今不斷發(fā)展的城市空間中具有高度現(xiàn)實(shí)意義。它涵蓋了從商業(yè)綜合體到醫(yī)療中心和教育機(jī)構(gòu)等各種應(yīng)用場景，在這些場景中，結(jié)構(gòu)化疏散至關(guān)重要。

通過提供實(shí)時支持、全面的安全功能和自動化的應(yīng)急協(xié)調(diào)，該系統(tǒng)可作為可擴(kuò)展且面向未來的安全模型。隨著邊緣計算、增強(qiáng)現(xiàn)實(shí)和智慧城市框架等技術(shù)的不斷發(fā)展，該平臺可以進(jìn)一步將建筑安全轉(zhuǎn)變?yōu)橐环N主動的、能夠挽救生命的解決方案。

最終，這項(xiàng)工作支持了全球愿景，即創(chuàng)建有彈性、智能和以人為本的智能環(huán)境，在這種環(huán)境中，技術(shù)可以在最重要的時刻迅速采取行動來保護(hù)生命。

查看原文：https://www.irjmets.com/uploadedfiles/paper//issue_4_april_2025/74145/final/fin_irjmets1745768546.pdf

參考文獻(xiàn)：

[1] M. Sharma and A. Gupta, “IoT-Based Gas Leak Detection Using NodeMCU,” International Journal of Electronics and Communication Engineering Research, vol. 12,no. 4,pp. 45–49, 2021.

[2] A. Rathiand V. Rao, “Dynamic Route Planning in Indoor Fire Emergency,” International Journal of Recent Technology and Engineering (IJRTE), vol. 9,no. 2,pp. 17–22, 2020.

[3] S. Kumar and P. Jain, “BLE-Based Indoor Localization for Emergency Evacuation,” Proceedings of the 6th International Conference on IoT and Smart Cities, pp. 134–138, 2021.

[4] R. Singh and D. Patel, “AI-Assisted Fire Escape System Using Heat Maps,” International Journal of Innovative Research in Computer and Communication Engineering, vol. 8,no. 6,pp. 2023–2028, 2020.

[5] S. Sai et al., “Generative AI for Emergency Routing and Cyber-Physical Systems,” IEEE Access, vol. 12,pp. 4823–4832, 2024.

[6] B. Sharma and R. Mehta, “Evacuation Models in Commercial Buildings: A Comparative Study,” Journal of Building Safety and Design, vol. 7,no. 1,pp. 9–15, 2019.

[7] M. Sinha and T. Bhatt, “Patient-Centric Smart Evacuation System in Hospital Environments,” Healthcare IoT Journal, vol. 4,no. 3,pp. 55–60, 2022.

[8] A. Das and L. Yadav, “Smart Evacuation Support for Schools Using IoT,” Journal of Educational Infrastructure Technology, vol. 6,no. 2,pp. 40–45, 2021.

[9] Ministry of Housing and Urban Affairs, Government of India, “Smart Cities Mission: Technology and Implementation Guidelines,” 2022. [Online]. Available:https://smartcities.gov.in/

[10] NCRB (National Crime Records Bureau), “Accidental Deaths & Suicides in India – 2021,” Ministry of Home Affairs, Government of India, 2022. [Online]. Available: https://ncrb.gov.in/en/ADSI-Reports

[11] World Health Organization, “Global Fire Mortality Report 2022,” WHO, Geneva. [Online]. Available: https://www.who.int/publications

[12] A. Bansaletal., “Edge AIin Smart Building Safety,” IEEE Transactions on Industrial Informatics, vol. 18,no. 10,pp. 5523–5531, 2022.

[13] S. Patel and N. Mehra, “Sensor Placement for Efficient Fire Detection in High-Risk Zones,” International Journal of IoT Applications, vol. 5,no. 1,pp. 88–92, 2021.

[14] Y. Liu and J. He, “AI-Based Dynamic Evacuation Routing System,” Sensors, vol. 20,no. 14,pp. 4101–4110, 2020.

[15] C. Zhang and D. Wei, “IoT-Enabled Emergency Response Dashboard for Multi-Storey Buildings,” IEEE

Internet of Things Journal, vol. 9,no. 2,pp. 1230–1240, 2022.

[16] J. Singh and M. Rao, “Edge AI Processing for Time-Critical Evacuation Systems,” ACM SIGBED Review, vol. 16,no. 1,pp. 33–37, 2021.

[17] Smart Cities Council India, “Urban Disaster Management and IoT Integration,” White Paper, 2023. [Online]. Available:https://www.smartcitiesindia.com/

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。