Safe Step: IA pour identifier le meilleur itinéraire d'évacuation en cas d'incendie

Il Institut national des normes et technologies des États-Unis (NIST) présente les premières étapes de Safe Step, un modèle d'IA conçu pour être déployé dans des bâtiments intelligents qui, en surveillant en temps réel des variables telles que la température ou la qualité de l'air par pièce, est capable de proposer la voie d'évacuation la plus sûre en cas d'incendie via des supports de signalisation numérique.

Selon lui NIST, des recherches antérieures ont proposé l'utilisation d'algorithmes traditionnels pour trouver le chemin le plus court afin d'évacuer en toute sécurité un bâtiment en cas d'incendie. Cependant, estos algoritmos dependen por completo de las condiciones actuales del edificio y no tienen en cuenta los riesgos acumulados a los que pueden enfrentarse las personas evacuadas a lo largo de la ruta. Dans ce contexte, Wai Cheong Tam, ingeniero mecánico del NIST, se hizo una pregunta: “¿Podemos crear un algoritmo mejor que prediga cómo evoluciona el incendio y que ayude a salvar más vidas?».

La respuesta fue el modelo Safe Step, que utiliza un tipo de IA conocido como aprendizaje por refuerzo: toma decisiones sobre las rutas más seguras mediante ensayo y error. La herramienta utiliza la planta del edificio para aprender las rutas de evacuación y los datos de una herramienta de simulación de incendios del NIST para anticipar cómo se desarrollará un incendio en esa planta a lo largo del tiempo.

Durante el entrenamiento, el modelo aprende a predecir cómo afectará un incendio a los ocupantes y, ensuite, los guía hacia rutas de evacuación más seguras. En pratique, el modelo no necesita ejecutar una simulación del incendio en tiempo real. À la place, se basaría en datos en tiempo real de los sensores del edificio para ajustar continuamente sus recomendaciones a medida que el incendio evoluciona.

Cependant, el algoritmo necesita datos numéricos para determinar si está eligiendo la mejor ruta. Pour cette raison, les chercheurs du NIST ont utilisé une métrique de sécurité incendie appelée « dose effective fractionnelle » (FED) de gaz toxiques. Cette variable représente la gravité des risques d'incendie auxquels une personne est exposée au fil du temps. Plus la FED est faible, moins l'exposition au risque pour les occupants est grande. Le modèle choisit la trajectoire avec la FED la plus faible, en tenant compte de la manière dont l'exposition aux gaz toxiques change au fil du temps à mesure que l'occupant se déplace.

IA contre l'algorithme

Ensuite, les chercheurs ont utilisé le modèle dans deux cas pour le comparer à l'algorithme traditionnel. También utilizaron una estructura de edificio de un solo nivel más compleja y descubrieron que el modelo ofrecía sistemáticamente rutas de evacuación seguras.

En el supuesto de que se inicie un incendio en una habitación al otro lado del pasillo y que una pequeña cantidad de humo se propague por este, un algoritmo tradicional guiaría al ocupante a cruzar el pasillo para llegar a la salida más cercana. Mais, ¿qué ocurre si el incendio sigue creciendo y se vuelve extremadamente peligroso para cuando el ocupante cruza el pasillo y se acerca a la salida? Esa salida más cercana ya no es una opción segura. “Safe Step” puede anticipar este cambio y proporcionar datos para que las señales de salida dinámicas dirigez l'occupant vers une sortie plus éloignée, mais plus sûre, située à l'extrémité opposée du couloir.

Safe Step: un modèle encore en cours de développement

Le modèle actuel fonctionne pour des plans d'étage à un seul niveau. Les prochaines étapes des chercheurs incluent l'amélioration des capacités du modèle pour gérer les structures de bâtiments à plusieurs niveaux, dans lesquelles une personne qui évacue peut monter ou descendre d'un étage, en plus de tourner à gauche ou à droite dans un couloir.

Pour modéliser plus précisément l'évacuation de plusieurs personnes, les chercheurs prévoient de créer un système d'IA qui dispose de ce que l'on appelle 'agents multiples', de sorte que chaque agent corresponde à un occupant différent du bâtiment. Las interacciones entre los distintos agentes harán que el modelo se adapte mejor a situaciones reales de respuesta ante incendios y evacuación.

Par exemple, durante un incendio, puede producirse una congestión en la entrada del edificio cuando varias personas intentan salir al mismo tiempo. Esto crea un cuello de botella, pero con un algoritmo mejorado, el modelo podría dirigir a los evacuados hacia diferentes salidas, al tiempo que coordina los puntos de acceso para que los bomberos entren en el edificio. Esto facilitaría a los bomberos la tarea de extinguir el incendio o rescatar a personas vulnerables, como personas mayores, niños y personas con discapacidad.

Los investigadores de NIST estiman que tecnologías como “Safe Step” podrían empezar a aparecer dentro de cinq à dix ans, bien que son adoption généralisée dépendra de l'approbation réglementaire, les tests de fiabilité et l'intégration avec les systèmes de sécurité existants.