P-Flash utilise A.I. combattre les incendies

Un phénomène mortel connu sous le nom de "flashover" se produit lorsque des matériaux inflammables dans une pièce s'enflamment presque simultanément. Un angle mort pour les pompiers, l'événement produit un incendie limité uniquement par la quantité d'oxygène disponible.

Un nouvel outil - appelé P-Flash - estime quand le flashover est imminent. La technologie, mise au point par des chercheurs du National Institute of Standard and Technology (NIST), fournit également des avertissements de flashover aux intervenants.

Qu'est-ce qu'un Flashover ?

Les flashovers sont particulièrement dangereux, car il existe peu de signes avant-coureurs pour aider les pompiers à les détecter à l'avance. Certains indicateurs de flashover, comme une chaleur de plus en plus intense ou des flammes roulant au plafond, sont faciles à manquer dans l'environnement à faible visibilité et à stress élevé d'un sauvetage.

"Je ne pense pas que les pompiers disposent de nombreux outils technologiques qui prédisent l'embrasement sur les lieux", a déclaré Christopher Brown, chercheur au NIST , qui est également pompier volontaire. "Notre plus grand outil n'est que l'observation, et cela peut être très trompeur. Les choses semblent à sens unique à l'extérieur, et quand vous entrez à l'intérieur, cela pourrait être très différent. »

Le modèle de prédiction pour Flashover, ou P-Flash, extrait les données d'un ensemble de détecteurs de chaleur à proximité, y compris ceux des pièces adjacentes, pour récupérer les données de température de la pièce d'origine de l'incendie et estimer le potentiel de flashover.

Qu'est-ce que P-Flash ?

Le modèle développé par le NIST a prédit des flashovers imminents dans plus d'un millier d'incendies simulés et plus d'une douzaine d'incendies réels. Evaluation expérimentale, vient d'être publiée dans les Actes de la Conférence AAAI sur l'Intelligence Artificielle , suggère que le modèle montre une prédiction fiable pour anticiper les flashovers simulés.

Selon le rapport, les performances du modèle sont d'environ 83 % et 81 %, respectivement, pour les occurrences actuelles et futures de contournement, compte tenu de la défaillance du détecteur de chaleur à 150 ºC.

Les détecteurs de chaleur, qui sont couramment installés dans les bâtiments commerciaux et peuvent être utilisés dans les maisons à côté des détecteurs de fumée, ne devraient pour la plupart fonctionner qu'à des températures allant jusqu'à 150 ̊C (302 degrés Fahrenheit), bien en deçà des 600 ̊C (1 100 degrés Fahrenheit). ) à laquelle un contournement commence généralement à se produire. Pour combler le fossé créé par les données manquantes, les chercheurs du NIST ont appliqué une forme d'intelligence artificielle connue sous le nom d'apprentissage automatique.

"Vous perdez les données, mais vous avez la tendance jusqu'à l'endroit où le détecteur de chaleur tombe en panne, et vous avez d'autres détecteurs. Avec l'apprentissage automatique, vous pouvez utiliser ces données comme point de départ pour extrapoler si un flashover va se produire ou s'il s'est déjà produit », a déclaré l'ingénieur chimiste du NIST, Thomas Cleary, co-auteur de l'étude.

Brûler la maison (... virtuellement)

Les algorithmes d'apprentissage automatique utilisent de grandes quantités de données pour prédire les résultats. Cependant, pour obtenir une grande quantité d'informations sur les incendies de maison, il faut une habitation numérique :une simulation d'une maison en feu de trois chambres et d'un étage de style ranch.

Pour construire P-Flash, Cleary et ses collègues ont alimenté les données de température de leur algorithme à partir de détecteurs de chaleur de la maison virtuelle – le type de maison le plus courant dans la majorité des États. L'équipe a brûlé ce bâtiment virtuel à plusieurs reprises - en exécutant 5 041 simulations, en fait - à l'aide du modèle consolidé de transport du feu et de la fumée du NIST, ou CFAST , un programme de modélisation du feu validé par des expériences de feu réel.

Chacune des plus de 5 000 simulations présentait des variations légères mais critiques. Les fenêtres et les portes des chambres ont été configurées au hasard pour être ouvertes ou fermées. Les meubles allaient et venaient et se déplaçaient. La porte d'entrée s'ouvrit et se referma.

Des détecteurs de chaleur placés dans les pièces produisaient des données de température jusqu'à ce qu'ils soient inévitablement désactivés par la chaleur intense.

Pour en savoir plus sur la capacité de P-Flash à prédire les flashovers après la défaillance des détecteurs de chaleur, les chercheurs ont divisé les enregistrements de température simulés, permettant à l'algorithme d'apprendre à partir d'un ensemble de 4 033 tout en gardant les autres hors de vue. Ensuite, l'équipe a interrogé P-Flash sur 504 simulations, ajustant le modèle en fonction de ses suppositions.

Les chercheurs ont découvert que le modèle prédisait correctement les flashovers une minute à l'avance pour environ 86 % des incendies simulés. Selon l'équipe, bon nombre des échecs étaient des faux positifs, qui prédisaient l'éclair à un moment inexact, mais au moins ne donnaient pas aux pompiers un faux sentiment de sécurité.

Tester avec des données réelles (et des incendies réels)

De plus, le NIST a testé P-Flash plus en profondeur en comparant ses données de température prévues aux températures mesurées dans 13 incendies réels, allumés à dessein lors d'expériences des Underwriters Laboratories (UL).

Avec les données de température des expériences UL, P-Flash, tentant de prédire les flashovers jusqu'à 30 secondes à l'avance, a obtenu de bons résultats lorsque des incendies se sont déclarés dans des zones ouvertes telles que la cuisine ou le salon. Cependant, lorsque des incendies se déclaraient dans une chambre, à huis clos, le modèle ne pouvait presque jamais dire quand un flashover était imminent.

L'équipe a identifié un phénomène appelé effet d'enceinte comme explication possible de la forte baisse de précision. Lorsque les incendies brûlent dans de petits espaces fermés, la chaleur a peu de capacité à se dissiper, de sorte que la température augmente rapidement - plus rapidement que les incendies dans les espaces de laboratoire ouverts qui ont fourni les premières données d'entraînement de P-Flash.

La prochaine tâche des chercheurs consiste à effectuer davantage d'expériences à grande échelle qui se concentrent sur l'effet d'enceinte et le représentent dans des simulations. Avec des améliorations, l'équipe espère intégrer le système dans des appareils portables qui communiquent avec les détecteurs d'un bâtiment via le cloud, informant les intervenants des points de danger et du moment où il est temps de sortir.

Dans une interview par e-mail avec Tech Briefs, L'ingénieur du NIST, Thomas Cleary, explique plus en détail quand il s'attend à ce que les pompiers puissent utiliser le modèle. Cleary a répondu en collaboration avec ses collègues Christopher Brown, Jonathan Griffin, Andy Tam et Anthony Putorti.

Fiches techniques :Comment "brûlez-vous un bâtiment virtuel ?" Cela semble être une tâche très intéressante. Que changez-vous sur le bâtiment à chaque fois ? Et comment cela informe-t-il votre modèle ?

Thomas Cleary : Un modèle comme P-Flash est formé à l'aide de grands ensembles de données provenant d'une gamme de scénarios d'incendie. Il n'est pas réaliste de générer la quantité nécessaire de données à partir d'incendies réels, nous utilisons donc des modèles informatiques d'incendie. Plus précisément, le modèle d'incendie du NIST, CFAST, est utilisé pour simuler des incendies dans un bâtiment "virtuel" modélisé.

Pour une configuration de bâtiment fixe, nous incluons une large gamme d'incendies, des incendies à croissance lente à ultra-rapide, et varions leurs emplacements, ainsi que les conditions d'ouverture des évents (c'est-à-dire les portes et les fenêtres) pour imiter ce qui est plausible dans les incendies réels.

Environ 5000 incendies simulés avec occurrence de flashover sont utilisés pour former P-Flash de manière à ce qu'il apprenne les tendances et les modèles utiles pour corréler les conditions de flashover aux informations de température limitées.

Fiches techniques : Qu'est-ce qui a inspiré cette idée ? Quelle est la technologie actuellement disponible pour aider un pompier à faire face à un flashover ?

Thomas Cleary : L'inspiration pour nos recherches actuelles provient de recherches antérieures ^[1] enquêter sur l'envoi de l'état du panneau de commande d'alarme incendie et des informations des détecteurs de fumée et de chaleur aux services d'incendie pendant qu'ils se dirigent vers un incendie afin qu'ils aient une idée de l'emplacement de l'incendie et qu'ils se propagent avant l'arrivée. Une extension naturelle consiste à utiliser les données des détecteurs de manière prédictive pour fournir des prévisions. D'autres recherches au NIST utilisant le modèle d'incendie CFAST dans la modélisation Monte Carlo des scénarios d'incendie ont suggéré que les grands ensembles de données pour l'apprentissage automatique/l'IA sont facilement accessibles à partir de la modélisation informatique des incendies.

Actuellement, les pompiers se fient à leurs sens, à leur formation ou, au mieux, à des capteurs thermiques portables ou à des caméras thermiques pour se faire une idée d'une éventuelle transition vers l'embrasement. Malheureusement, il faudrait se trouver dans ou à proximité d'une pièce qui approche de l'embrasement pour avoir une chance de reconnaître le danger.

Plus de technologie de lutte contre les incendies dans les fiches techniques

Blogue :Sur une veste de pompier, un capteur de suivi auto-alimenté prend la chaleur

Podcast :Un retour sur le robot pionnier « Manny » – l'ami d'un pompier

Fiches techniques  :Qu'avez-vous entendu de la part des pompiers à propos de leurs défis liés au flashover ?

Thomas Cleary : Actuellement, les pompiers tentent d'éviter le flashover en se basant sur leur expérience de l'interprétation des indices d'observation du flashover, tels que le renversement, la chaleur élevée, etc., à l'intérieur de la structure du bâtiment et la fumée noire sortant des fenêtres extérieures. Cependant, la transition vers le contournement se fait généralement en quelques secondes et, en général, les indicateurs de contournement ne sont pas faciles à reconnaître et, s'ils sont manqués, ils mettraient des vies en danger. Nous espérons que notre travail améliorera la lutte contre les incendies basée sur l'expérience en facilitant la lutte contre les incendies basée sur les données.

Fiches techniques : Comment transformer le modèle en un outil utilisable ? Les pompiers peuvent-ils utiliser ce modèle dès maintenant ?

Thomas Cleary : L'objectif de la recherche était de s'appuyer sur des données de construction qui sont ou pourraient facilement être fournies par les capteurs de construction disponibles. Une façon de traduire la recherche dans la réalité est d'intégrer le modèle dans un panneau de commande d'alarme incendie intelligent qui recueillerait les données de température des détecteurs de chaleur installés et comprend un module informatique qui peut traiter les données et faire les prédictions en temps réel. À partir du panneau de commande d'alarme incendie ou d'un autre équipement approprié, la prédiction serait envoyée au commandant de l'incident ou à des pompiers individuels si cela est jugé approprié. Le mécanisme exact de fourniture de telles analyses prédictives n'est pas décidé et nécessiterait la contribution des services d'incendie pour développer un consensus.

Les pompiers ne peuvent pas utiliser le modèle maintenant. Avant que le modèle puisse être développé et intégré dans un panneau de contrôle d'alarme incendie intelligent, nous estimons qu'il est nécessaire de vérifier les performances du modèle (prédiction en temps réel) lors d'essais d'incendie de bâtiments avec des détecteurs de chaleur.

Fiches techniques : Quelle est la prochaine étape concernant ce travail ?

Thomas Cleary : Nous étendons actuellement P-Flash pour qu'il fonctionne avec différentes configurations de bâtiments. Au cours de l'année prochaine, nous prévoyons des démonstrations d'expériences sur les incendies de bâtiments et avons commencé à discuter avec les fabricants d'équipements de sécurité incendie (alarme) des capacités du modèle.

Qu'en pensez-vous ? Partagez vos questions et commentaires ci-dessous.

[1] Reneke, P. A. (2013). Vers des centrales incendie intelligentes . NIST TN 1780. Département américain du commerce, Institut national des normes et de la technologie, MD.