商業建筑單體消防指標智能化計算研究

摘 要：為了實現商業建筑消防的快速化設計，提高設計人員的工作效率，文章介紹了通過對Auto CAD二次開發，將商業建筑的施工圖進行模型簡化。通過對簡化后的建筑施工圖平面消防相關信息的提取與賦值后，結合消防設計防火規范相關規定，對建筑消防設計中的重要數值進行智能化計算，在經模型驗證后發現智能化計算結果滿足設計需求和國家規范規定。最終分析認為該智能化計算可以輔助設計快速計算相應指標，為消防審查部門、設計師和開發商均帶來工作效率的提升。

關鍵詞：計算機輔助設計;平面模型簡化;智能化計算;決策樹;疏散寬度

中圖分類號： TP312文獻標志碼：A

文章編號：1672-1098（2021）02-0068-06

收稿日期：2020-12-11

基金項目：國家自然科學基金資助項目（61873004）

作者簡介：吳迪（1987- ），男，安徽合肥人，工程師，在讀碩士，研究方向：工程管理。

Research on Intelligent Calculation of Fire Protection Index of a Commercial Building

WU Di

（School of Economic and Management， Anhui University Of Science & Technology， Huainan Anhui 232000， China）

Abstract：In order to realize the rapid design of the commercial building fire protection and improve the working efficiency of designers， how to simplify the construction drawing of a commercial building through the secondary development of AutoCAD is introduced in this paper. Based on the extraction and assignment of fire-related information of the simplified architectural construction drawing plane， the important values in the fire-fighting design of the building are calculated intelligently in combination with the relevant provisions of the fire-fighting design code. After the model verification， it is found that the results of the intelligent calculation meet the design requirements and the national regulations. According to the final analysis， the intelligent calculation may assist the design to quickly calculate the corresponding indexes， so as to improve the work efficiency of fire inspection departments， designers and developers.

Key words：computer-aided design; simplification of plane model; intelligent computing; decision tree; evacuation width

隨著建筑質量終身責任制的全面落實，消防設計無疑成為了建筑專業施工圖設計中最為重要的，也是消耗時間和精力最為巨大的內容。分析建筑火災發生和造成嚴重后果的原因，其中很重要的一點是在建筑設計的過程中，建筑防火指標選擇僅僅是滿足規范要求，沒有針對建筑中火災的易發處和不利點做出針對性的調整。隨著我國城市發展速度的加快，新建了大量的商業建筑。商業建筑的疏散寬度，是消防審查部門關注的重點指標之一。在新建項目規模龐大的情況下，高精度的核查與計算設計單位提供的圖紙尤為耗時耗力，考慮到設計單位在選擇折算系數時，通常選擇最小系數進行折算，而非根據建筑的性質與規模進行調整，選擇合適的系數就使得整個工作量更加龐雜。

近年來，深度學習憑借其強大的學習能力，智能化消防大量應用在消防設計中，不僅大大提高了消防設計與審批的的效率，還從不同的研究方向完善了消防設計的內容。文獻[1]將量子進化算法與火消防疏散路徑規劃結合起來，用量子比特表示信息素，優化消防疏散路徑。文獻[2]基于BIM平臺，將國家標準與IFC數據關聯，自動生成建筑工程施工質量最不利點，以便重點排查。文獻[3]利用正反饋效應通過多次搜索迭代，實現消防疏散流線的智能化設計。文獻[4]基于BIM平臺，將自適應蟻群算法與消防疏散路徑相結合，實現了建筑消防疏散路徑的三維實時動態規劃。這些研究都為消防的智能化輔助設計打下了堅實的基礎。

為解決建筑消防安全設計中消防安全設計中火災的易發處和不利點處與整體建筑執行平均標準以及相關消防安全指標在計算時僅按照最低要求考慮，未針對性地對消防設計中的薄弱環節進行強化設計的問題，本文研究了深度學習輔助建筑消防安全設計，通過研究某市近年來部分新建項目消防安全現狀，結合審核單位與使用單位評價，提出一種基于決策樹理論的商業建筑單層最小疏散寬度的智能化計算方式，為建筑消防安全設計提供幫助。

1 建筑防火指標智能化模型構建

1.1 智能化模型計算流程

導入繪制好的施工圖紙后，通過對平面逐層框選外輪廓來獲取各層平面的面積信息，然后將各層平面所在的樓層數、是否人員密集場所和標高信息，以圖層命名的方式賦值給框選好的外輪廓以實現模型的簡化和信息的跨平臺輸出[5]。提取出單層面積和樓層數，根據消防設計防火規范給出公式，計算出單層的最低人數。將計算出的單層最低人數和之前提取的各層平面所在的樓層數、是否人員密集場所和標高信息一起，利用決策樹算法求出最小疏散寬度的計算值，而后對疏散寬度進行智能修正，獲取最小疏散寬度的實際需求。

1.2 建筑單體模型簡化

使用CAD的PLINE命令，對商業建筑平面圖外墻線進行框選，運用VBA插件在彈出菜單中輸入框選平面的樓層數、是否人員密集場所和標高，將閉合的PL線框復制至新圖層，新圖層命名為A_B_CCCC_vX。其中A為樓層數;B為0或1，0代表非人員密集場所，1代表人員密集場所;C代表樓層標高，取小數點后3位，單位為米;X代表版本號。通過這種方式將原施工圖簡化為特殊圖層名的PL線。模型簡化后效果如圖1所示。

1.3 商業建筑單體防火指標智能化計算

1）單層最低人數判斷

疏散人數的確定是整個建筑疏散設計中最根本的任務之一[6]，準確計算建筑內的疏散人數，才能合理地確定建筑中各區域疏散門或安全出口和建筑內疏散樓梯所需要的有效寬度[7]。對于商業建筑的疏散人數，國家行業標準《商店建筑設計規范》中有關條文的規定并不明確，導致出現了多種計算方式。因此，在此使用消防設計防火規范中所采用的計算面積系數來確定人員密度的設計值[8]。單層最低人數判斷邏輯如圖2所示。

2）商業建筑單層最小疏散寬度的智能化計算

①決策樹算法介紹

決策樹算法是一個總體概念，包含著多種子算法，最常見的是ID3、C4.5、CART等算法[9]。ID3算法是概念學習系統，由Quinlan于1979年提出，是一種貪心算法[10]，用信息增益來衡量是否應該分支屬性，以此來決策樹的構造[11]。決策樹歸納算法通常的構建形式通常是先去訓練元組集，在對其賦予標簽和編號，進而構造決策樹[12]，從模型的構建開始到滿足約束條件結束樹的生長，其間訓練集不斷切分成包含數據更小的子集[13]。

②屬性選擇與度量

假如樣本集合D中第k類樣本所占比例為（k=1，2，…，|y|），則數據集合D的信息熵為

Ent（D）=-∑|y|k=1pk+log2Pk（1）

由此可以得出結論，信息熵的值和樣本集合D的純度呈負相關，信息熵的數值越小，純度越高[14]。

本研究對樓層數、各樓層面積、樓層標高、防火分區面積、防火分區安全出口數、建筑總高度、建筑總層數、建筑總面積、地上部分面積、地下部分面積等指標進行劃分，計算它們劃分后的信息增益，最后根據劃分的信息增益的大小來確定采用哪個屬性進行劃分。

信息增益的定義如下

Gain（D，a）=Ent（D）-∑Vv=1|Dv|DEnt（Dv）（2）

隨著信息的增益增大，以屬性a來區分取得的集合D純度也就越大。

③Gini指數

Gini（D）=∑|y|k=1∑k′≠kpkpk′=1-∑|y|k=1p2k（3）

基尼值反映了從數據集中隨機抽取兩個樣本，其類別標記不一致的概率，因此基尼值越小，則數據集純度越高[15]。

對屬性a進行劃分， 則屬性a的基尼指數定義為

Giniindex（D，a）=∑vv=1|Dv||D|Gini（Dv）（4）

因此，在選擇劃分屬性時，本文對數據集中樓層數、各樓層面積、樓層標高、防火分區面積、防火分區安全出口數、建筑總高度、建筑總層數、建筑總面積、地上部分面積、地下部分面積等指標進行觀測，部分數據如表1所示，計算信息熵后選擇信息增益最大的樓層數、人數、是否為人員密集場所、樓層標高屬性作為劃分屬性。

1.4 單層最小疏散寬度智能化修正

由于人員疏散方向為一樓安全出口，故地面上各樓層樓梯肩負建筑更高標高樓層的疏散職能，地面下各樓層樓梯肩負建筑更低標高樓層的疏散職能，故對單層最小疏散寬度進行智能化修正。統計各層疏散總寬度，地上部分由上至下逐層分析，若疏散寬度小于上一層則將上一層寬度設為本層疏散寬度;地下部分由下至上逐層分析，若疏散寬度小于下一層則將下一層寬度設為本層疏散寬度。

2 模型效果驗證

為驗證模型的有效性，選取了合肥市某設計院2012～2020a設計的35個成功通過消防審查單位審核的單體商業施工圖紙樣本進行測試，部分數據如表2所示。展示數據為樣本編號1～4#商業建筑，共計四棟樓;1#樓、2#樓各5層，其中地下部分一層，地上部分四層;3#樓、4#樓各2層，其中地上部分兩層，無地下部分;1#樓負一層、一層、二層、2#樓四層為人員密集場所，其余所有建筑所有樓層均為非人員密集場所。

各棟樓各層施工圖紙實際疏散寬度與智能化計算寬度之間差值如圖4所示。由表2與圖4可以看出：1）施工圖紙疏散寬度均大于智能化計算寬度，二者數值在二層以上相差不大，但在負一層處施工圖紙疏散寬度明顯大于智能化計算寬度，在一層處施工圖紙疏散寬度遠遠大于智能化計算寬度;2）施工圖紙疏散寬度在一層處數值明顯增大，與最低人數不成比例;3）最低人數和智能化計算寬度的數據大致呈一次函數關系;4）定義為人員密集場所的層數最低人數遠大于定義為非人員密集場所;5）有別于1#、3#、4#樓，2#樓2～4層實際疏散寬度、智能化計算寬度均與最低人數不構成一次函數關系;6）在建筑規模較小時，智能化計算寬度與《建筑設計防火規范》規定的最小寬度數值一致，而在建筑規模較大時，智能化計算選擇了相應較大的折算系數，得出數值略大于《建筑設計防火規范》規定的最小寬度數值。

上述情況出現的原因分析如下：1）施工圖紙繪制過程中，由于計算精確度不夠，為求穩妥，通常取值傾向于取偏大的數值，但這種做法無疑會造成使用面積的減小，浪費了寶貴的土地資源;負一層的商業部分結合停車場布置，通向地面的汽車坡道在火災發生時也可利用為安全疏散出口，故導致了負一層的實際疏散寬度明顯大于智能計算值;在一層處，由于商業建筑的特性，大型商業外門開啟選擇的主要考慮因素是結合道路滿足顧客流線進出方便以及外立面造型美觀，故外門設計布置較多，導致了一層的實際疏散寬度遠遠大于智能計算值;2）智能化計算寬度得出的結果是滿足疏散要求的最低寬度，是滿足國家規范要求的底線值，至于在實際的設計、生產中，取值應結合不同建筑的特性，進行合理取值，表格所列的四棟建筑良好的遵循了這一原則;3）決定滿足疏散的最低寬度要求的主要變量是該層的最低人數，二者在圖表上的一致性證實了智能化計算模型的有效性;4）證實了人員密集場所定義的準確性;5）對2#樓單體復核發現，2#樓4層功能為小型影院，為人員密集場所，疏散寬度計算出現倒掛現象，即上部樓層疏散寬度要求大于下部樓層，數據中部分樓層寬度和該層最低人數不關聯，是由于智能化計算智能修正的結果，驗證了智能修正的可靠性;6）大型商業建筑具有人群集中效應，所需疏散指標隨面積增長，但非線性關系，指標計算中的折算系數選擇應與建筑規模掛鉤。

3 結論

該模型的智能化計算結果可以100%滿足國家規范的要求，且智能化計算結果精確可靠，可以有效根據建筑規模選擇合適系數，可以更好的滿足消防安全的需求，為建筑設計提供參考。另外，該智能化計算模型可以快速判斷施工圖紙中疏散寬度是否符合國家標準，能夠有效減少消防審核部門的工作量。當然，由于消防安全的重要性，僅35個樣本還遠不夠驗證計算結果的精確性，軟件的實際應用仍面臨巨大挑戰。因此，通過更多的實際項目學習和分析，實現對軟件計算方式的優化，并應用到實際的設計中，將是進一步的研究方向。

參考文獻：

[1] 王鉀，王慧琴，馮路佳.基于量子蟻群算法的建筑消防疏散路徑規劃[J].計算機測量與控制，2020，28（7）：167-171.

[2] 馬智亮，毛娜.基于建筑信息模型自動生成施工質量檢查點的算法[J].同濟大學學報（自然科學版），2016，44（5）：725-729.

[3] CHANGDAR C.A genetic ant colony optimization based algorithm forsolid multiple travelling salesmen problem in fuzzy rough environment[J]. SOFT COMPUTING，2017，21（16SI）：4 661-4 675.

[4] 周鵬，王慧琴，盧英.基于BIM的建筑消防疏散路徑規劃研究[J].消防科學與技術，2019，38（4）：4 661-4 675.

[5] 高雪，王佳，衣俊艷.基于BIM技術的建筑內疏散路徑引導研究[J].建筑科學，2016，32（2）：143-146.

[6] XUGONGGUO，SHANGANLIN，DUANXIUSHENG.Sensor scheduling for ground maneuvering target tracking in presence of detection blind zone[J].Journal of Systems Engineering and Electronics，2020，31（4）：693 .

[7] 吳水根，游育林.基于BIM與Pathfinder的高層住宅應急疏散模擬研究[J].結構工程師，2017，33（4）：83-85.

[8] 劉曉潔，呂品.地下商業街火災時期人員疏散安全性研究[J].安徽理工大學學報（自然科學版），2013，33（1）：58-59.

[9] KANNAN G，BALASUNDARAM R. A HYBRID APPROACH FOR MINIMIZING MAKESPAN IN PERMUTATION FLOWSHOP SCHEDULING[J]. Journal of Systems Science and Systems Engineering，2017，26（1）：51.

[10] 任中杰， 李思成， 王暉暉. 基于機器學習的高層建筑火災風險評估[J].消防科學與技術，2018，37（11）：1 472.

[11] 楊世全，黃曉家，謝水波，等.基于故障樹和貝葉斯的高層住宅火災概率計算[J].消防科學與技術，2019，38（9）：1 322.

[12] 王曉國，黃韶坤.應用C4.5算法構造客戶分類決策樹的方法[J].計算機工程，2003，29（14）：89-90.

[13] 侯忠輝，劉亮亮，杜渂.基于決策樹的消防火災等級模型研究[J].網絡安全技術與應用，2016（3）：41-42.

[14] SAMPATHA.Decision tree and deep learning based probabilistic model for character recognition[J].The Journal of Central South University （JCSU），2017，24（12）：2 863-2 866.

[15] ROSS Q.Introduceof Decision Trees[J] Machine Learning，2004（1）：198-202.

（責任編輯：丁 寒，吳曉紅）