一种基于知识的方法,用于自动检查运营建筑中的消防安全合规性
《Knowledge-Based Systems》:A Knowledge-driven Approach for Automated Fire Safety Compliance Checking in Operational Buildings
【字体:
大
中
小
】
时间:2026年01月05日
来源:Knowledge-Based Systems 7.6
编辑推荐:
建筑消防合规检查自动化方法研究。针对运营阶段动态环境下的合规检查难题,提出融合多模态感知与知识推理的解决方案,通过BIM布局解析、现场图像语义整合及法规条款知识图谱构建,实现规则驱动的实时监测,实验表明布局提取精度达90%,安全资产检测mAP达91%,较通用视觉语言模型BLEU提升显著。
陈大友|陈龙|杨毅|卢秋辰|克雷格·汉考克|拉塞尔·洛克|西蒙·索尔夫斯滕
英国拉夫堡大学建筑、建筑与土木工程学院
摘要
建筑消防安全合规性检查仍然是一项关键但劳动密集型任务,尤其是在运营阶段,因为新的安全隐患可能由于入住后的改造、设备老化或空间使用不当而产生。现有的自动化合规性检查(ACC)方法主要集中在设计阶段,并依赖于静态的BIM数据,对于动态的、正在使用中的环境适应性有限。本研究提出了一种形式化的、基于知识的方法,用于在建筑运营期间自动化消防安全合规性监控。该方法将异构数据(包括建筑布局、现场图像和法规条款)整合到一个统一的推理架构中,该架构结合了多模态感知、语义集成和基于规则的推理。在三个合规性覆盖类别中的全面实验验证了感知-推理流程,实现了高精度的布局提取(像素精度=0.90)和安全资产检测(mAP=0.91)。针对特定领域的Fire Compliance VQA在合规性描述准确性方面也取得了显著改进,与通用的视觉语言基线相比,在BLEU和ROUGE指标上都有所提升。结果证实了将观察证据转化为基于条款的合规性决策的可行性。本研究将ACC扩展到了运营阶段,并为在动态建筑环境中进行自动化、基于证据的合规性监控奠定了基础。
引言
火灾事件对生命和财产构成重大风险,因此消防安全合规性是建筑管理的关键组成部分[1],[2]。然而,建筑消防安全合规性的实际评估在很大程度上仍然是手动的[3],[4]。这一过程通常由经验丰富的专业人士执行,他们检查物理空间,评估消防安全系统的状况和位置,并将观察结果与国家消防安全法规进行比较[5]。依赖人类判断使得这一过程效率低下、成本高昂且难以扩展,尤其是在大型设施或拥有多栋建筑的组织中[6]。合格人员的短缺以及手动文档编制所需的时间往往导致评估耗时或不一致[7]。
与此同时,自动化合规性检查(ACC)方法的发展主要集中在设计阶段。这些系统通常分析编码在建筑信息模型(BIM)中的建筑布局,以检查是否违反规定的消防规范[8],[9],[10]。然而,这些方法仅限于静态的、结构化的设计数据[11]。现有的ACC方法无法捕捉建筑运营过程中出现的变化情况。典型的例子包括被堵塞的出口、重新定位的设备以及随着时间推移而产生的非正式改造。由于缺乏处理现场数据的能力,这些系统无法适应入住后的变化环境。除此之外,BIM的开发和维护也耗费大量资源。因此,许多运营中的建筑缺乏全面的BIM记录,仅通过2D CAD图纸或栅格平面图进行记录[12]。这进一步限制了现有ACC框架的适用范围,仅限于那些有结构化BIM数据的建筑。
近年来,计算机视觉和多模态学习为基于数据的现场合规性监控方法开辟了新的机会。研究表明,视觉语言模型可以通过对图像内容的自然语言推理来描述建筑环境、识别不安全行为并分类合规性违规[13],[14],[15]。物体检测模型的并行发展推进了在移交和早期运营阶段对建筑消防安全设施的自动化检查[16]。虽然这些方法无法进行基于规则的合规性推理,但它们为通过解释现实世界的视觉证据来进行自动化评估提供了感知基础。这使得基于感知的监控能够更紧密地与正式的ACC框架相结合,特别是在运营环境中。
作为这些数据驱动发展的补充,建筑、工程、施工和运营(AECO)行业的研究越来越强调知识管理和语义表示在自动化和互操作性中的作用。知识图谱(KG)和基于本体的模型已被广泛用于形式化建筑信息,实现跨异构数据集的推理,并支持整个建筑生命周期的决策制定[17]。在设计阶段,知识驱动的框架通过将领域专业知识和性能标准嵌入到机器可读的表示中,应用于优化和生成设计任务[18]。在运营阶段,基于本体的性能评估模型展示了如何捕捉不断变化的条件并支持持续的建筑管理[19]。基于这些进展,我们的研究将类似的知识驱动范式应用于法规推理,利用本体中介表示将多模态感知数据与运营消防安全环境中的正式合规逻辑联系起来。
在之前设计阶段ACC和基于感知的监控进展的基础上,本研究专注于将法规推理扩展到运营阶段,在该阶段,合规性条件会随着入住和维护而动态变化。研究解决了以下研究问题(RQs):
•RQ1: 如何将运营中的消防安全合规性正式表示为基于知识的推理问题,处理异构的、正在使用的建筑数据?
•RQ2: 如何在本体下语义集成多模态感知输出(包括空间布局和视觉证据),以实现基于证据和基于条款的ACC?
•RQ3: 如何评估所提出方法的定量性能在不同的运营合规性类别中的表现?
为了解决这些挑战,本研究提出了一种自动化运营建筑消防安全监控的形式化方法。每个RQ与研究的方法论组成部分之间的对应关系在表1中进行了总结。该方法系统地整合了异构数据源,包括建筑布局、现场视觉观察和法规条款,形成一个统一的推理工作流程,反映了专家评估的结构。总体而言,该方法将传统的ACC扩展到了设计阶段之外,使得在运营环境中能够持续进行基于观察的合规性监控。通过结合多模态感知和基于法规的推理,它减少了对BIM模型的依赖,加快了危险情况的记录速度,并提高了与手动或基于BIM的工作流程相比的可扩展性和效率。
本文的其余部分组织如下。第2节回顾了关于自动化建筑合规性检查的相关工作。第3节介绍了形式化的方法论,包括问题定义、感知公式化和评估设计。第4节介绍了系统架构和实现,详细说明了感知、语义集成和推理层。第5节报告了在运营场景中的案例研究和实验评估。第6节提供了比较讨论、局限性和未来研究方向。最后,第7节总结了关键发现。
相关工作
相关工作
ACC已成为AECO行业中的重要工具,提高了验证建筑元素是否符合法规要求的效率和准确性。历史上,关于ACC的大部分文献都强调BIM是设计阶段合规性检查的主要工具,通常依赖于基于Industry Foundation Classes (IFC)的BIM文件。例如,Martins和Monteiro [8]开发了基于BIM的“LicA”系统来自动化检查水分配网络,而Zhang等人
问题定义
我们将运营中的消防安全合规性表述为一组在本体驱动的建筑KG上提出的基于条款的、以规则为中心的决策问题。该方法针对正在使用的公共建筑和多户住宅建筑的公共部分,其中既适用设计相关的规定也适用运营维护要求。系统接收两种主要数据类型:(i) 来自BIM模型或解析的平面图的建筑布局L;以及 (ii) 视觉观察X
系统概述
本节介绍了第3节描述的方法论所实现的系统架构。该系统分为三个层次:(i) 感知层,将原始建筑布局和检查图像转换为结构化证据;(ii) 语义集成层,在领域本体下对这些异构输出进行标准化,并将它们融合到建筑语义KG中;(iii) 合规性推理层,在KG上执行条款到查询的模板以生成
数据收集和设置
我们通过一个案例研究评估了该方法的可行性,该研究模拟了代表性多户住宅环境中的实际运营条件。构建了一个半合成的数据集,结合了空间布局数据、视觉观察和法规合规信息,以模拟一系列消防安全场景。这种设置提供了多源输入,以支持自动化的消防安全合规性监控,并测试从感知到
生命周期各阶段ACC方法的比较定位
表10将本工作与生命周期范围的代表性ACC研究进行了对比,旨在评估它们的架构承诺如何影响向使用中环境的扩展性。一个明显的趋势是,大多数设计阶段的方法都是静态的,评估的是单一的设计快照。这在设计时是合适的,因为此时模型是权威的。但在移交之后,随着资产被重新定位、退化或被阻塞,静态流程就无法应对这些变化
结论
本研究解决了在运营建筑中自动化消防安全监控的挑战,现有ACC框架缺乏对动态、正在使用中的环境的适应性,当前的监控仍然主要是手动和反应式的。之前的ACC研究主要集中在设计阶段,严重依赖于静态BIM数据,因此在捕捉入住后的变化和运营中的危险方面存在局限性。本研究通过开发
CRediT作者贡献声明
陈大友:撰写——原始草稿、方法论、调查、正式分析、数据整理、概念化。陈龙:撰写——审阅与编辑、监督、资源获取、方法论、资金获取、概念化。杨毅:撰写——原始草稿、方法论、正式分析。卢秋辰:撰写——审阅与编辑、监督。克雷格·汉考克:撰写——审阅与编辑、监督。拉塞尔·洛克:撰写——审阅与编辑、监督。西蒙·索尔夫斯滕:撰写——审阅与
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号