摘要
火灾、煤气泄漏和地震等紧急情况往往毫无征兆地发生，并可能引发大范围的恐慌、混乱和人员伤亡，尤其是在多层或高密度建筑中。在这种情况下，传统的静态疏散地图显得力不从心，尤其是在路线受阻或不安全的情况下。
本文提出了一种基于人工智能的智能疏散系统，该系统利用物联网传感器、实时室内数据和动态地图，在紧急情况下为人员提供指导。该系统旨在利用智能传感器网络检测热量、烟雾、气体或震动等威胁，并通过运动传感器或监控摄像头追踪人员的运动。收集到的数据通过人工智能算法进行处理，生成最安全的疏散路线，并通过移动应用程序或建筑物内的数字标牌显示给用户。
此外，该系统还可以向紧急服务部门和建筑管理员发送即时警报。随着语音辅助导航、增强现实 (AR) 集成和边缘人工智能 (Edge AI) 等未来增强功能的推出，该系统旨在进一步减少疏散延误并提升用户体验。这项研究强调了实时响应、用户授权和多危险适应性在现代智能建筑安全框架中的重要性。
一、引言
近年来，城市环境中与建筑相关的紧急情况显著增加，包括火灾、有毒气体泄漏和地震活动。此类事件经常导致混乱、人员伤亡，尤其是在办公室、购物中心、医院和教育机构等人员密集的空间。在这些危机中，一个重大挑战是缺乏能够实时有效地引导人员的响应式疏散系统。
根据印度国家犯罪记录局 (NCRB) 的数据，仅在 2021 年，印度就发生了 7500 多起与火灾相关的死亡事件，主要发生在住宅和商业建筑中 [10]。这些事件往往由于疏散延误、标识不清晰或逃生路线不畅而导致人员死亡。
随着物联网 (IoT) 和人工智能 (AI) 技术的兴起，开发智能自适应疏散系统的机会日益增多。可以部署烟雾探测器、气体传感器、热量传感器和运动探测器等设备来实时监测环境变量。这些输入数据可以通过人工智能算法进行处理，评估风险等级并根据现场情况确定最安全的逃生路径。
疏散指南可以通过数字显示板、移动警报或智能界面呈现给居住者，同时通知也会同步发送给急救人员和建筑管理部门。在地震等情况下，该系统还可以监测结构完整性，并引导人员远离受影响区域。本研究旨在提出一个全面的系统设计，利用实时数据、基于人工智能的决策和智能通信来减少恐慌，提高紧急情况下的生存率。
二、文献综述
A. 物联网在建筑安全和应急响应中的应用
物联网 (IoT) 已广泛应用于火灾探测、气体泄漏警报和其他建筑安全应用。目前大多数系统利用烟雾、温度或气体传感器来检测危险情况，并通过短信警报、蜂鸣器或警报器通知居住者。例如，Sharma 等人 [1] 的一项研究使用集成了气体传感器的 NodeMCU 来检测早期泄漏并触发警报。然而，此类系统通常不提供实时疏散援助或集成动态路径查找功能。
B. 静态疏散地图与动态路线规划
传统的疏散设置依赖于张贴在墙上的静态地图，这些地图在紧急情况下无法调整，因为出口可能被火灾、烟雾或碎片堵塞。A. Rathi 和 V. Rao [2] 的研究强调了使用基于传感器的数据实时更新路线的重要性。尽管他们的方法承认动态路线规划在减少疏散混乱方面的优势，但缺乏人工智能驱动的决策层来实时调整路径。
C. 室内追踪与人群管理
在紧急情况下实施室内追踪的举措涉及RFID、低功耗蓝牙(BLE)和基于Wi-Fi的定位系统等技术。在Kumar等人的一项研究中[3]，BLE标签被用于监测公共建筑中的人群流量。尽管基于GPS的解决方案很实用，但由于信号衰减，在室内仍然无效。此外，大多数系统不会主动管理人群拥堵，也不会根据移动行为提供替代路线。
D. 基于人工智能的路径优化
一些研究提出使用人工智能(AI)来增强疏散支持。Singh和Patel[4]提出了一种基于人工智能的火灾逃生模型，该模型使用热图来引导用户。然而，该系统仅适用于特定的火灾场景，并未考虑地震或气体泄漏等多重灾害情况。此外，该模型缺乏与外部应急服务的连接，无法进行更广泛的灾害协调。
E. 已发现的差距
在所审查的研究中，一个反复出现的局限性是专注于危险检测，而缺乏主动指导或决策能力。很少有系统能够将物联网数据收集、基于人工智能的实时分析和动态疏散地图集成在一个框架下。此外，大多数现有模型都是针对单一灾害类型设计的，而不是针对多种灾害场景。这些差距凸显了我们需要一个全面的疏散解决方案，该解决方案能够实时响应各种危险，同时提供智能且人性化的指导。
三、理解智能建筑疏散系统的需求
当前疏散系统存在哪些问题？
大多数建筑仍然依赖打印并张贴在墙上的静态应急地图。这些地图显示的是固定的逃生路线，在实际紧急情况下不会改变。在火灾、煤气泄漏或地震等事件中，这些地图可能会失效。如果标记的路径被烟雾、火灾或受损建筑物阻挡，人们可能不知道该去往何处，从而导致恐慌、交通拥堵和潜在的人员伤亡。
此外，目前的系统通常缺乏实时引导。警报系统可以告知人员危险，但无法提供关于该往哪个方向移动的可操作信息。在大型建筑中，例如商场、医院或公司办公室，这会导致人们在熟悉的出口处拥挤，造成延误并增加受伤风险。因此，目前的疏散机制在很大程度上是被动的、非自适应的，不适用于复杂或不断变化的紧急情况。
拟议系统将如何运作？
1. 传感器层（物联网集成）
该层由安装在建筑物各个战略位置的基于物联网的传感器组成。这些传感器包括：
• 烟雾和热量传感器——探测火灾
• 气体传感器——监测化学品或液化石油气泄漏
• 振动传感器——识别地震的早期震动
• 运动传感器/闭路电视系统——探测人员活动和人群分布。所有这些传感器都会收集实时环境数据，并将其发送到基于人工智能的处理单元 [1]。
2. 处理层（基于人工智能的决策引擎）
该层使用人工智能 (AI) 评估来自传感器的数据并生成优化的疏散路径。它可以：
• 检测堵塞或不安全的出口
• 预测高密度区域并建议替代路径
• 根据不断变化的情况动态更新路线
机器学习的使用有助于系统不断适应，使其能够应对多种危险情况，例如煤气泄漏期间的火灾 [2][3]。
3.通信层（用户和权限接口）
一旦生成安全路线，系统将通过以下方式传达指令：
• 连接到楼宇网络的移动应用程序
• 走廊或房间中的数字显示屏
• 紧急语音广播系统
同时，警报会发送给消防部门和楼宇管理部门，确保协调一致的应急响应。
该系统最适用的场景？
该系统非常适合人员密集的室内空间，因为紧急情况可能导致大规模混乱。用例包括：
• 购物中心、办公楼和机场等商业综合体，访客可能不熟悉出口布局 [6]。
• 医院，快速、知情的疏散至关重要，尤其是对于无法行走的患者 [7]。
• 学校和大学，结构化疏散对于年轻学生和大型校园至关重要 [8]。
在这些场所，个性化的实时指导可以大幅减少人员伤亡，缓解恐慌，并为应急人员提供支持。
为什么这项研究在当下如此重要？
每年，数千人因建筑物相关灾害中疏散延误而丧生。根据NCRB的数据，仅在2021年，印度就有超过7500人死于火灾，其中许多与住宅和商业建筑有关[11]。这些统计数据表明，人们迫切需要智能且适应性强的安全系统。
本研究强调通过智能、及时的决策，在紧急情况下赋予人们权力。当用户获得实时、情境感知的指导时，他们可以更快、更自信地采取行动。这对老年人、儿童和残疾人尤其重要。
通过从被动探测转向主动疏散支持，拟议的系统支持未来建筑的响应能力、包容性和生命保护能力，而不仅仅是名义上的智能。
拟议的系统架构
本节介绍智能疏散系统的功能层和技术组件。它重点介绍了如何收集、处理和使用环境数据来指导建筑物内的人员并在危机期间为应急团队提供支持。
第一层 - 传感器层（数据收集）
这是数据采集层，负责使用支持物联网的传感器检测环境危害。此层中的设备包括：
• 烟雾传感器 - 识别火灾迹象
• 气体传感器 - 检测液化石油气、一氧化碳或其他有毒气体的泄漏
• 温度传感器 - 监测过热或突然升温
• 振动传感器 - 识别地震活动
• 运动传感器/闭路电视监控 - 分析人员活动和人群密度
这些传感器策略性地安装在走廊、出口、楼梯间和高风险区域，为系统提供实时数据 [13]。
第二层 - 处理层（AI 决策引擎）
此层是系统的计算核心。它使用 AI 算法来解读传感器数据并做出实时决策。关键功能包括：
• 威胁分析——检测火灾、气体或地震迹象
• 路径优化——确定最可行的逃生路线
• 人群流量预测——根据拥堵程度重新规划路线
• 多重危险检测——使系统能够应对复合风险（例如，火灾或地震期间的气体泄漏）。
系统会根据实时变化持续更新路径建议，确保紧急情况下的适应性和可靠性[14]。
第三层——通信层（用户 + 紧急情况接口）
此层负责管理向建筑物居住者和应急部门的信息传递。它包括：
• 移动应用程序——显示动态出口地图和安全警报
• 数字标牌——建筑物内安全路径的视觉提示
• 语音引导——针对视障用户或拥挤区域
• 紧急服务仪表板——向响应者发送包含地图和危险数据的实时警报
这确保居住者及时收到清晰易懂的指示，同时使急救人员充分了解建筑物的风险状况[15]。
优势与用例
本节概述了所提议系统的优势，并说明了其在实际实施过程中能够带来重大价值的场景。
A. 主要优势
• 实时疏散支持 – 基于实时建筑数据，实现安全快速疏散
• 多灾害响应 – 通过统一系统管理火灾、气体和地震威胁
• 动态路线图 – 根据情况变化持续调整疏散建议
• 人群管理 – 通过推荐替代路径，最大限度地减少过度拥挤
• 包容性安全 – 通过语音和视觉辅助为弱势群体提供支持
• 更快的应急响应 – 向救援队发送警报和建筑数据，以改进协调
B. 实际用例
• 购物中心 – 在恐慌事件期间实时安全地引导大量人群
• 医院 – 协助复杂建筑中的员工和患者进行自适应疏散
• 学校和大学 – 减少混乱，确保学生和员工有序疏散
• 办公楼和企业大楼 – 在意外威胁期间促进快速、可控的响应
• 住宅区 – 提高居民安全，尤其是在逃生路线有限的高层建筑中
未来展望
拟议系统展现出巨大的未来发展潜力，尤其是在智能基础设施、城市数字化和物联网能力不断发展的背景下。以下技术扩展可以提升系统的效率和包容性：
• 边缘计算——将人工智能处理转移到更靠近传感器的位置（即网络边缘），将缩短系统响应时间，并减少紧急情况下对外部互联网连接的依赖[16]。
• 增强现实 (AR)——通过智能眼镜或移动应用程序叠加的 AR 图像可以实时引导用户通过安全出口路径，提高疏散过程中的清晰度。
• 面部识别集成——使系统能够识别和追踪失踪或弱势人员，尤其是在学校、商场或大规模疏散期间。
• 语音激活警报——允许人员使用语音命令与系统交互以寻求帮助，这对于残障人士或视障人士尤其有益。
• 数据分析仪表板——过去事件的汇总数据可用于训练预测疏散模型、增强合规报告，并模拟应急准备演习。
• 智慧城市集成——将系统与更广泛的城市基础设施连接起来，可以在区域灾害期间跨多个建筑物或区域进行协调响应[17]。
五、结论
本研究提出了一个全面的人工智能智能疏散系统，该系统将基于物联网的传感器网络与实时决策算法相结合。该系统专为火灾、煤气泄漏和地震等紧急情况而设计，能够动态生成并向建筑物内人员传达安全疏散路线。
与传统的静态系统不同，该解决方案提供个性化的疏散指导、实时监控和多灾害适应性，使其在当今不断发展的城市空间中具有高度现实意义。它涵盖了从商业综合体到医疗中心和教育机构等各种应用场景，在这些场景中，结构化疏散至关重要。
通过提供实时支持、全面的安全功能和自动化的应急协调，该系统可作为可扩展且面向未来的安全模型。随着边缘计算、增强现实和智慧城市框架等技术的不断发展，该平台可以进一步将建筑安全转变为一种主动的、能够挽救生命的解决方案。
最终，这项工作支持了全球愿景，即创建有弹性、智能和以人为本的智能环境，在这种环境中，技术可以在最重要的时刻迅速采取行动来保护生命。
查看原文：https://www.irjmets.com/uploadedfiles/paper//issue_4_april_2025/74145/final/fin_irjmets1745768546.pdf
参考文献：
[1] M. Sharma and A. Gupta, “IoT-Based Gas Leak Detection Using NodeMCU,” International Journal of Electronics and Communication Engineering Research, vol. 12,no. 4,pp. 45–49, 2021.
[2] A. Rathiand V. Rao, “Dynamic Route Planning in Indoor Fire Emergency,” International Journal of Recent Technology and Engineering (IJRTE), vol. 9,no. 2,pp. 17–22, 2020.
[3] S. Kumar and P. Jain, “BLE-Based Indoor Localization for Emergency Evacuation,” Proceedings of the 6th International Conference on IoT and Smart Cities, pp. 134–138, 2021.
[4] R. Singh and D. Patel, “AI-Assisted Fire Escape System Using Heat Maps,” International Journal of Innovative Research in Computer and Communication Engineering, vol. 8,no. 6,pp. 2023–2028, 2020.
[5] S. Sai et al., “Generative AI for Emergency Routing and Cyber-Physical Systems,” IEEE Access, vol. 12,pp. 4823–4832, 2024.
[6] B. Sharma and R. Mehta, “Evacuation Models in Commercial Buildings: A Comparative Study,” Journal of Building Safety and Design, vol. 7,no. 1,pp. 9–15, 2019.
[7] M. Sinha and T. Bhatt, “Patient-Centric Smart Evacuation System in Hospital Environments,” Healthcare IoT Journal, vol. 4,no. 3,pp. 55–60, 2022.
[8] A. Das and L. Yadav, “Smart Evacuation Support for Schools Using IoT,” Journal of Educational Infrastructure Technology, vol. 6,no. 2,pp. 40–45, 2021.
[9] Ministry of Housing and Urban Affairs, Government of India, “Smart Cities Mission: Technology and Implementation Guidelines,” 2022. [Online]. Available:https://smartcities.gov.in/
[10] NCRB (National Crime Records Bureau), “Accidental Deaths & Suicides in India – 2021,” Ministry of Home Affairs, Government of India, 2022. [Online]. Available: https://ncrb.gov.in/en/ADSI-Reports
[11] World Health Organization, “Global Fire Mortality Report 2022,” WHO, Geneva. [Online]. Available: https://www.who.int/publications
[12] A. Bansaletal., “Edge AIin Smart Building Safety,” IEEE Transactions on Industrial Informatics, vol. 18,no. 10,pp. 5523–5531, 2022.
[13] S. Patel and N. Mehra, “Sensor Placement for Efficient Fire Detection in High-Risk Zones,” International Journal of IoT Applications, vol. 5,no. 1,pp. 88–92, 2021.
[14] Y. Liu and J. He, “AI-Based Dynamic Evacuation Routing System,” Sensors, vol. 20,no. 14,pp. 4101–4110, 2020.
[15] C. Zhang and D. Wei, “IoT-Enabled Emergency Response Dashboard for Multi-Storey Buildings,” IEEE
Internet of Things Journal, vol. 9,no. 2,pp. 1230–1240, 2022.
[16] J. Singh and M. Rao, “Edge AI Processing for Time-Critical Evacuation Systems,” ACM SIGBED Review, vol. 16,no. 1,pp. 33–37, 2021.
[17] Smart Cities Council India, “Urban Disaster Management and IoT Integration,” White Paper, 2023. [Online]. Available:https://www.smartcitiesindia.com/
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
