
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于机器学习与火灾模拟的建筑平面图几何形态对疏散性能影响的综合研究
《Scientific Reports》:The influence of spatial configuration on fire evacuation efficiency: a machine learning investigation
【字体: 大 中 小 】 时间:2026年09月29日 来源:Scientific Reports 4.9
编辑推荐:
摘要规定性防火规范通常基于一种假设,即满足基本要求(如出口宽度、最大行进距离和出口数量)足以确保疏散安全。本研究通过结合火灾模拟、疏散建模和机器学习 (ML) 的综合框架,调查建筑平面图几何形态的影响,以此考察该假设在多大程度上反映疏散性能。本研究评估了住宅和商业场所的可用安
规定性防火规范通常基于一种假设,即满足基本要求(如出口宽度、最大行进距离和出口数量)足以确保疏散安全。本研究通过结合火灾模拟、疏散建模和机器学习 (ML) 的综合框架,调查建筑平面图几何形态的影响,以此考察该假设在多大程度上反映疏散性能。本研究评估了住宅和商业场所的可用安全疏散时间 (ASET) 和所需安全疏散时间 (RSET),并使用梯度提升算法进行建模。结果表明,建筑平面图特征与 ASET 和 RSET 的非线性变化相关。包括可用楼层面积、行进距离、走廊尺寸、出口容量和内部墙体配置在内的参数以多参数方式相互作用,这种相互作用无法由线性模型完全表征。梯度提升相对于所测试基线方法具有更高的预测性能,这支持了平面几何形态与疏散指标之间存在复杂关系的观点。模型可解释性分析进一步表明,建筑特征的相对重要性在住宅建筑和商业建筑之间存在差异。在商业场所中,观察到规定性合规与性能化评估之间存在差异。几种基于 ASET/RSET 标准被归类为安全的布局不满足至少一项实施的规定性要求,而一些符合规定性要求的布局在性能化分析下被归类为不安全。相比之下,住宅场所在这两种方法之间显示出更强的一致性。结果表明,疏散安全受建筑平面图特征之间非线性相互作用的影响,仅使用有限的一组规定性标准可能无法完全表征。将机器学习算法与性能化防火工程相结合,为设计过程中的疏散安全评估提供了互补的定量基础。