De eerste op kunstmatige intelligentie – artificial intelligence (AI) – gebaseerde hulpmiddelen gericht op brand- en levensveiligheid komen er aan. Er zijn al enkele concrete toepassingen in ontwikkeling.
Bij het ontwerpen van complexe nieuwe gebouwen, zoals een moderne luchthaven of een winkelcentrum met een groot atrium, vertrouwen brandbeveiligingsingenieurs al lang op simulaties voor computationele vloeistofdynamica (Computational Fluid Dynamics, CFD) om te voorspellen hoe vuur en rook zich door de constructie zullen verspreiden. Dergelijke tests zijn nodig voor het ontwerpen van brandbeveiligingsstrategieën ten behoeve van projecten waarbij wordt vertrouwd op prestatie gebaseerd ontwerp. Daarbij vallen de parameters van het gebouw buiten het bereik en de richtlijnen van traditionele codes en normen.
Het probleem, zeggen experts, is dat deze grote CFD-simulaties tijdrovend en kostbaar zijn en veel rekentijd in beslag nemen. Daardoor wordt het voor een auditor moeilijk om verschillende ontwerpen met elkaar te vergelijken en te controleren op optimale prestaties. Om dat probleem op te lossen, ontwikkelen onderzoekers op het gebied van kunstmatige intelligentie nieuwe systemen die worden beheerd door een AI-programma. Daarmee kunnen dezelfde berekeningen en modellen in een fractie van de tijd worden uitgevoerd. Bovendien kan het AI-systeem, in plaats van te vertrouwen op een statisch model zoals bij traditionele simulaties, leren van de ervaringen en gegevens die uit elke nieuwe test worden gegenereerd. In de loop van de tijd wordt de nauwkeurigheid daardoor steeds verder verbeterd.
Zodra de modellen zijn getraind, hoeft een ingenieur alleen maar parameters in te voeren, zoals de afmetingen van het gebouw, de brandgrootte en het brandstoftype, en krijgt hij vrijwel onmiddellijk resultaten.
Ontwerp toolbox voor gebouwen
Verschillende AI-gerelateerde projecten die nu lopen, hebben tot doel deze technologie te gebruiken om het gemakkelijker te maken betere brandbeveiligingssystemen voor gebouwen te ontwerpen. Zo wordt er een AI-programma ontwikkeld om direct de plafondhoogtes en -hellingen in een heel gebouw te berekenen en de optimale locaties voor sprinklers en rookmelders te bepalen. Daarmee kan de effectiviteit ervan bij brand verder toenemen.
Een ander AI-programma dat wordt ontwikkeld heeft wel wat weg van een virtuele gereedschapskist voor sprinklerontwerp. Door het programma te trainen in verschillende codes en standaarden, kan het binnenkort een sprinklerontwerper vertellen waar hij sprinklers precies in een gebouw moet plaatsen om optimale prestaties te bereiken.
In nog een ander project, geïnitieerd door de Fire Protection Research Foundation, zijn met behulp van AI camera’s getraind om door een gebouw te gaan. Zo worden visuele gegevens gebruikt om verschillende objecten te identificeren en de totale vuurbelasting van het gebouw en de inhoud ervan te berekenen. Dergelijke metingen zijn van cruciaal belang bij op prestaties gebaseerde ontwerpen om adequate brandbeveiliging te garanderen. Op een vroeg moment in de testfase onderzocht de AI drie kantoorgebouwen en ontdekte dat ‘de gemeten totale dichtheid van de vuurbelasting aanzienlijk groter was dan de waarden gevonden in oudere onderzoeken en in de meeste codebepalingen’, aldus het eindrapport van het project.
Toekomstige variaties van het hulpmiddel kunnen binnenkort worden gebruikt om de vereisten voor de brandstofbelasting in NFPA 557, standaard voor de bepaling van vuurbelastingen voor gebruik in structureel brandbeveiligingsontwerp, te verbeteren.
Digitale tweelingen voor brandbestrijding
Sommige experts dromen van de dag dat brandweerkorpsen met behulp van een combinatie van sensoren en AI op afstand een brandbestrijding kunnen leiden met behulp van een zogenaamde digitale tweeling: een schaalbare en realtime digitale weergave van een gebouw, tunnel of ander bouwwerk dat in brand staat.
In een brandscenario kunnen brandweercommandanten in de toekomst wellicht een digitale tweeling van een brand op een computerscherm oproepen om in realtime de contouren van de exacte locatie van de brandhaard te zien terwijl deze groeit en zich door een gebouw verspreidt. Dit kunnen punten zijn die de locatie van echte brandweerlieden of brandbestrijdingsrobots weergeven terwijl ze werken om de brand te blussen. Alles wat nuttig wordt geacht, wordt op het scherm weergegeven: de status en locatie van sprinklers of brandpompen, uitgangslocaties, temperatuurmetingen, luchtsnelheid en -richting, de beweging van voetgangers of zelfs voorspellende analyses van hoe de omstandigheden van minuut tot minuut kunnen veranderen. Brandweercommandanten kunnen in zo’n scenario aspecten van de respons, zoals rookventilatie, controleren door virtueel een plafondraam in de structuur te openen. Dergelijke technologie zou veel meer sensoren, slimme bouwtechnologieën en realtime gegevensoverdracht vereisen, zeggen experts, en kan nog jaren duren.
Toch vinden digitale tweelingen nu al toepassingen, waaronder in productielijnen. Een werknemer kan achter een computer gezeten de lijn besturen zoals in de videogame Sim City, door te wijzen en te klikken om de machines te vertellen wat ze moeten doen, Hij kan zelfs variabelen in de echte wereld veranderen door ze simpelweg op het scherm te manipuleren.
Evacuatie en crowd management
Ook bestaande methoden voor slimme evacuatie en crowd management zouden binnenkort een impuls kunnen krijgen met behulp van snelle AI-programma’s.
Dynamische uitgangsborden leiden bewoners naar de optimale en veiligste vluchtroute in geval van brand of een andere noodsituatie, afhankelijk van de specifieke omstandigheden in het gebouw. Om een dergelijk systeem te laten werken, moet een enorme hoeveelheid gegevens van sensoren in realtime worden verwerkt. Zo kan worden vastgesteld waar in een gebouw rook en hitte voorkomen – en, belangrijker nog, hoe deze zich verplaatsen – en vervolgens kunnen potentieel honderden verschillende uitgangsborden in het hele gebouw worden aangestuurd om de juiste vluchtinformatie weer te geven. Naarmate de omstandigheden veranderen, kan ook de meest geschikte weg naar buiten worden gewijzigd. De realisatie van dergelijke complexe exit strategieën zal vrijwel zeker afhangen van AI en machine learning-systemen om de informatie te verwerken en om te zetten in realtime instructies.
Ook crowd management tools zullen naar verwachting een grote impuls krijgen van AI. Er bestaan al tools die informatie van beveiligingscamera’s, sensoren, mobiele telefoongegevens en zelfs sociale media kunnen verwerken om het aantal bezoekers in een bepaald gebied te evalueren en dichtheidskaarten te maken. Door krachtige AI-algoritmen over deze programma’s heen te leggen, kunnen organisatoren van grote evenementen de bewegingspatronen van mensenmassa’s sneller analyseren om de mensenstroom proactief te beheren en potentieel gevaarlijke situaties te vermijden. Dit systeem, in combinatie met hulpmiddelen als dynamische bewegwijzering, kan op een dag automatisch knelpunten en andere gevaren bij grote evenementen detecteren en bewegwijzering gebruiken om mensen actief te spreiden.
Jesse Roman, senior editor/producer NFPA Journal. Bron: https://www.nfpa.org/news-blogs-and-articles/nfpa-journal/2024/01/19/ai-feature-spring-24/ai-sidebar
NFPA kennisreeks
Brandveilig.com publiceert een serie artikelen van de Amerikaanse National Fire Protection Association (NFPA), de internationale autoriteit op het gebied van fire codes & standards. Selectie en vertaling van de artikelen worden verzorgd door ing. Tom de Nooij CFPS, AIFireE, partner bij Riskonet (www.riskonet.com).
Eerder verschenen in deze reeks:
Volg Brandveilig op LinkedIn
Ontvang het laatste nieuws omtrent brandveiligheid!
Mis niets. Meld je aan en ontvang wekelijks onze nieuwsbrief. Ruim 7.500 vakgenoten gingen je al voor.
