超高層建筑施工中起火預測及火災模擬與人員疏散

任浩, 王憲杰*, 張林飛,2, 翁振江, 高雪蓮, 陳永黨

(1.云南大學建筑與規劃學院, 昆明 650500; 2.中建交通建設集團有限公司云南分公司, 昆明 650034)

建筑業是高危行業。據統計,建筑業的全球意外傷亡率比其他行業的平均水平分別高出2倍和3倍。火災是建筑施工時的重大威脅,施工安全管理需要面對現場頻繁的動火作業、煙頭、電氣火花等常見起火源,同時還需面對材料堆場、建筑垃圾等復雜的燃燒環境。此外,由于建筑未投入使用,施工現場無法使用自動噴淋裝置和防火分區。若發生火災,由于施工現場地面情況復雜,疏散難度較高。超高層疏散路徑長,施工交叉作業多,消防救援難度大,隨著經濟發展,超高層建筑日益增多,因此對超高層建筑火災及引發的疏散問題進行深入研究對超高層施工安全有著重要意義。

施工過程中火災研究主要集中在:一是對施工中的火災進行風險評估,Li等[1]應用未確知測度理論,建立了在建高層建筑火災風險評估模型;成連華等[2]基于模糊數學理論與貝葉斯網絡對高層建筑火災風險進行分析評估;二是對發生的施工火災進行調查,袁利鋒[3]對一起倉庫發生火災進行調查,火災原因為氣焊作業引燃瓦楞紙包裝箱;三是利用信息化技術對施工火災進行識別,包括通過神經網絡對圖像[4-5],傳感器數據進行火災識別[6],對施工消防安全進行系統開發[7]。有部分研究針對施工火災模擬,其對象主要為隧洞[8]、地鐵站[9]、多層高層[10-11]。現有研究對超高層建筑的施工火災模擬研究較少,此外,在影響超高層施工火災疏散的因素和疏散模擬尚有研究空間。

鑒于此, 以昆明市招平商務中心超高層項目施工為例,通過神經網絡預測出最可能的起火情況,并利用火災動力學模擬工具(fire dynamics simulator,FDS)進行施工中的火災模擬,結合施工火災中的恐慌、煙氣和地面雜物的影響進行疏散仿真。研究成果可為超高層施工現場管理和消防救援提供一定的理論依據。

1 超高層建筑施工火災材料的預測

由于施工過程中建筑物變化大,火災發生與施工進度有較強的相關性。火災多集中于結構和裝飾裝修階段,因此對處于該施工階段的火災起火材料進行預測。材料的確定可為火災提供更為合適的火源參數。

1.1 數據收集及預處理

對施工過程中的火災新聞在互聯網進行搜索,并根據文獻[12-13]對發生火災的在建項目數據按表1進行收集。

表1 施工火災預測數據Table 1 Predicting data of fire under construction

表1中,工程規模參照《建設工程分類標準》(GB/T 50841—2013)劃分,工程高度、建筑氣候區參照《民用建筑設計統一標準》(GB 50352—2019)劃分。建筑氣候區按照最冷月平均溫度,將溫和地區與夏熱冬冷地區合并分組。

根據數據類型不同,對數據進行數值化編碼。其中,定類數據采用獨熱編碼(one-hot encoding),其是使用狀態位數的狀態寄存器進行編碼,每個狀態都有它獨立的寄存器位,并且在任意時候,其中只有一位有效,如建設項目性質新建、改建、擴建編碼為001、010、100。定序數據采取序數編碼(ordinal encoding),其把所有的相同類別的特征編碼成同一個值,且這個值按定序數據的內涵進行從小到大排列,如工程規模小型、中型、大型分別編碼為0、1、2。排序之后對該數據進行歸一化處理。定距數據和定比數據進行歸一化處理。

被預測數據為施工過程中發生火災的起火材料,根據案例庫,起火材料主要為保溫材料、防水材料、防護網、腳手板與模板、塑料管道、建筑垃圾。該數據采用獨熱編碼預處理。

1.2 基于Keras神經網絡構建

TensorFlow是一個端到端的開源機器學習平臺,被廣泛應用于各類機器學習算法的編程實現。Keras是用于構建和訓練深度學習模型的 TensorFlow 高階接口。利用此接口,可實現快速模型設計、研究。

經篩選,共有231個案例可供神經網絡進行學習。構建預測起火火源神經網絡,采用sequential模型,輸入層由17個神經元構成,激活函數為ReLU函數,隱含層共兩層,每層有25個神經元,激活函數為ReLU函數,輸出層有6個神經元,激活函數為softmax函數。根據以上構建神經網絡結構圖如圖1所示。

x1, x2,…,x17為輸入層;y1, y2,…,y6為輸出層

判別函數在本神經網絡中共有兩種在使用,具體如下。

ReLU函數表達式為

f(x)=max(0,x)

(1)

式(1)作為激活函數,由于當x為負數時輸出為0,沒有飽和區,不存在梯度消失問題。同時函數構造簡單,沒有復雜的指數運算,計算簡單、效率高,因此選其作為輸入層和隱藏層的激活函數。

Softmax函數式為

(2)

式(2)中:x1,x2,…,xn為輸入變量,作為多分類問題激活函數,是Logistic回歸模型在多分類問題上的推廣,可以滿足每一個輸出變量為0～1的數,且全部輸出變量的總和為1,即輸出變量即可視作為該變量的概率。

1.3 神經網絡訓練及結果

樣本集抽取測試集的比例為20%,其余作為訓練集。神經學習的優化器選擇Adam(自適應矩估計 Adaptive moment estimation),學習率為0.003,損失函數選擇binary_crossentropy(交叉熵函數),batch_size即單次傳遞給程序用于訓練的樣本個數為50,訓練共300次。推測起火火源的神經網絡訓練過程如圖2所示。

圖2 起火火源預測神經網絡準確性訓練過程Fig.2 Accuracy of neural network for predicting the source of fire during training

如圖3所示,訓練后神經網絡驗證集預測成功率為71.74%,交叉熵損失為0.117 1。即預測起火材料有71.74%的把握可以預測準確。說明該神經網絡擬合較為良好。采用該網絡對昆明市招平商務中心項目鋼混結構超高層火災發生進行預測,假設該建筑在土建和裝飾裝修過程中發生火災,發生的時間為2022年9月7日,氣溫為20 ℃,風速為3 m/s,相對濕度38%。對該施工情況下的預測數據進行標準化后可得到[(1,0,0), (0,1,0,0), (0,1,1), 1, 1, 0.75, 0.85, 0.45, 0.64]。將預測變量分別使用神經網絡進行計算,得到兩個階段最可能的起火材料為保溫材料。雖然根據《建筑防火通用規范》(GB 55037—2022)和《建設工程施工現場消防安全技術規范》(GB 50720—2011),外腳手架、支模架、保溫、防水等一系列材料應采用不燃、難燃材料,但根據以往火災案例該部分材料起火依舊發生,施工過程中存在材料的以次充好問題較為嚴重,因此認為神經網絡預測施工起火源為保溫材料合理。

圖3 起火火源預測神經網絡誤差訓練過程Fig.3 Error of neural network for predicting fire sources during training

2 FDS模擬仿真超高層施工火災

2.1 Pyrosim模型構建

火災模擬采用FDS進行,為了操作簡便,采用Pyrosim軟件進行模型構建與參數設置。研究對象為云南省昆明市官渡區招平商務中心在建超高層鋼混項目,該建筑總建筑面積為250 651.56 m2,基底面積為8 409.50 m2,建筑總高度為191.8 m,建筑分類為一類高層,建筑層數共46層。

假設工程在主體結構與裝飾裝修的交叉施工階段,根據項目的施工組織設計,當項目進入25層結構施工,室內裝飾裝修與幕墻安裝同時從第16層向下進行,施工進度在第5層,部分裝飾裝修材料堆場在1層,該項目在Pyrosim內部的建模如圖4所示。

圖4 某施工中超高層建筑在Pyrosim中建模Fig.4 Modeling of a super high-rise building in construction using Pyrosim

2.2 火災參數設置

網格尺寸的經驗值與火災的特征火焰直徑有關,火焰直徑計算公式為

(3)

參考《建筑防煙排煙系統技術標準》(GB 51251—2017)中無噴淋設備,其他公共場所火災熱釋放功率80 000 kW。計算得到火焰直徑5.551 m,網格尺寸的經驗值取火焰直徑的1/4～1/16,本次研究取網絡尺寸為0.6 m。

起火位置考慮可能產生的煙囪效應,以最不利原則,布置為一層的堆場處,示意圖如圖5所示。保溫材料火源的設置參考文獻[14]中擠塑式聚苯乙烯隔熱保溫板,采用t2火災模型(t2火災模型描述火災過程中火源熱釋放速率隨時間的變化過程,其中t為火災的發展時間,單位:s),熱釋放速率HRR在60 s到達峰值為800 kW/m2設置,反應設置參考《美國消防工程師協會消防工程》手冊。同時在兩個樓道設置溫度、能見度、CO和CO2探測傳感器及1～4層地坪上2 m設置溫度探測截面。

A、B為樓道編號

根據項目具體情況與模擬當天的環境條件(昆明市2022年9月7日天氣條件),在Pyrosim中simulation parameters中設定火災模擬的初始條件與模擬時長參數:環境溫度為20 ℃;風速:3 m/s方向為270°方向;空氣相對濕度為38%;大氣壓為0.79個標準大氣壓80 400 Pa;火災模擬運行時間為600 s。

2.3 FDS模擬結果

2.3.1 熱釋放速率

熱釋放速率如圖6所示,以t2火災模型上升,總功率為7×104kW,同時驗證網格尺寸劃分較為合理。

圖6 熱釋放速率Fig.6 Heat release rate

2.3.2 平面溫度云圖

如圖7所示,截取第1層第50、150、300、600 s的溫度云圖,截取第2～4層第100、600 s的溫度云圖。圖7中火焰最高溫度為560 ℃,火災沿電梯井發展明顯。由于4層存在電梯間的門洞,因此4層內平面溫度相比2、3層較高。

圖7 火災水平面溫度云圖Fig.7 Temperature cloud of fire horizontal plane

2.3.3 火災樓道內火災數據

火災一般通過溫度、能見度、CO濃度與CO2濃度影響人員疏散。而處于一層的人員由于疏散距離短,在火災未充分發展時已經完成疏散,因此對AB兩個樓道(圖5)內的火災數據進行分析。1～4層火災數據如圖8所示。

圖8 樓道內火災數據Fig.8 Fire data in the corridor

從圖8中可以看出,溫度最高達到94.1 ℃,A樓道內溫度高于B樓道內,且升溫幅度相較電梯間更小。2層B樓道,3層以上的溫度基本上無波動。能見度、有害氣體濃度波動與溫度相比波動更大。1層能見度在火災發生后在5 m以下,2、3層能見度波動幅度較大,4層能見度基本不受影響。CO濃度與CO2濃度在3層及以上樓層基本上無變化,CO濃度最高為5.4×10-5,CO2濃度最高為3.3×10-3。參考文獻[15],CO濃度低于5×10-4,CO2濃度低于1×10-2,對疏散無明顯影響。

3 超高層施工火災疏散模擬

3.1 疏散模型建立

研究在Pathfinder中完成,為了與第2節的火災模擬保持一致性,建立模型采取導入Pyrosim中已建立好的火災模型。

3.2 逃生人員參數設定

根據項目施工組織計劃,設置位于施工樓棟內的人員位置,經統計,施工建筑內共310人。性別及年齡比例參考文獻[16]設置,其中青年男性占26.8%,中年男性占61.4%,青年女性占3.6%,中年女性占8.2%。疏散人員身體參數設定身高、肩寬設置參考《中國成年人人體尺寸》中位數。平面未折減的疏散速度參考文獻[17]。綜上,疏散人員供設定4類人員,其身體特征參數總結如表2所示。

表2 疏散人員身體特征Table 2 Physical characteristics of evacuees

3.3 疏散影響因素計算

疏散影響因素主要考慮恐慌,火災,施工環境,計算速度影響系數采取乘法疊加,計算公式為

δ=RpanRtempRisRp

(4)

式(4)中:δ為速度修正系數;Rpan為恐慌修正系數;Rtemp為溫度修正系數;Ris為能見度修正系數;Rp為雜物覆蓋折減系數。

3.3.1 恐慌情緒對疏散影響的計算

對于恐慌下人員疏散速度與恐慌之間關系設定參考文獻[18],結合恐慌因子對速度影響。

(5)

(6)

(7)

一般來說,疏散距離出口越近,疏散人群恐慌情緒越小。由于施工工人及管理人員具有一定的施工防火工作經驗并接受過消防培訓,同時對施工環境較為熟悉,其恐慌程度會略微降低。因此對1～3層設置恐慌因子為0.3,對4～10層設置恐慌因子為0.4,10層以上設置恐慌因子0.5。經計算,恐慌因子為0.3時速度為正常狀態的102.34%,恐慌因子為0.4時速度為正常狀態的99.68%,恐慌因子為0.5時速度為正常狀態的92.50%。

3.3.2 火災煙氣對疏散影響的計算

對堆場處火災情況速度折減根據第2節FDS計算結果,火災中能見度與溫度顯著影響疏散。參考文獻,根據溫度限制,超過54.5 ℃時,身體周圍毛細血管破壞,無法進行疏散。第1層A樓道在第122 s開始處于無法使用狀態。可見度對速度折減參考文獻[19]。

ris=min[1,max(0.2,1-0.324×(3-vis)]

(8)

式(8)中:ris為可見度對速度的折減率;vis為可見度,m。

由式(8)可得,可見度小于3 m時將對疏散速度產生影響。疏散速度折減按照從能見度低于3 m時,每30 s的平均值進行計算。

3.3.3 施工現場環境對疏散的影響

現場雜物覆蓋率對人員逃生疏散速度的影響如式(9)[20]所示。

(9)

式(9)中:Rp為地面雜物覆蓋率所導致的速度折減率;Pd為雜物在地面上所占面積的比率。

采用實驗進行速度折減測定,共有30名人員參與結構施工處疏散速度實驗,其中,女性8人,男性22人,實驗過程如圖9所示。

圖9 施工現場疏散實驗Fig.9 Evacuation experiment at construction site

經過配對樣本t檢驗,原始-綁扎鋼筋;原始-鋼管支撐;綁扎鋼筋-鋼管支撐,3個配對的顯著性均小于0.05,說明在綁扎鋼筋工作面與鋼管支撐的工作面的疏散速度與原始速度之間存在顯著差異。計算綁扎鋼筋區域與鋼管支撐區域的速度比值,即為該區域折算系數,計算出綁扎鋼筋處的折算系數的平均值為0.73,鋼管支撐處的折算系數為0.71。

根據現場調查,第4、5、6、7、21層地面均有約5%占地面積的建筑垃圾和建筑材料在地面堆砌,折算系數計算為0.87。此外,24層處于鋼筋綁扎施工中,23、22層存在鋁模板未拆的情況,因此設置24層疏散折減系數為0.73,23層疏散系數為0.71。

Pathfinder的速度修正可通過對承載疏散人員的地面區域編輯來進行,此外還可以控制門的關閉。除溫度控制的無法通行狀態由門進行關閉處理外,對其他因素的速度修正,通過編輯地面區域進行。

3.4 疏散模擬結果

疏散人數如圖10所示。可以看出,未折減疏散總共需要324 s ,人員在第2 s開始到達建筑外,該過程疏散速度為0.96人/s。疏散過程中有兩個明顯離開建筑人數增長緩慢的階段。第7～37 s無人員從建筑中疏散出,其原因是1層還未進行外立面施工,疏散出口基本沒有限制,因此第1層疏散非常迅速。而2層與1層之間高度差最大,人員需移動至樓梯間下樓才能疏散,最終產生約30 s的疏散出口無人通過的時間。第136～164 s無人員從建筑中疏散出,其原因為施工流水設置,中間部分樓層無施工人員進行作業,因此產生了在較高層施工人員與較低層施工人員間出現疏散不連續的情況。

圖10 疏散人數Fig.10 Number of evacuees

折減后疏散總共需要419 s。該疏散過程疏散速度為0.74人/s,總時長增加了95 s。該疏散過程僅出現一個疏散緩慢的階段,原因與未折減速度疏散的第1個緩慢期相同。第2個疏散緩慢期未出現原因是,火災溫度使得1層A樓道無法通行,因而部分在較低區域施工的疏散人群從B樓道繞行,繞行產生的人流與較高區域的人流匯集,未產生疏散人流中斷。

樓道口人流量如圖11所示。可以看出,數據截取樓道A的1層末段樓梯與樓道B的1層末段樓梯出口,未折減時,人流疏散速率最高為1.1/s,明顯分為前后兩部分。折減后人流疏散速率最高為1.0/s,明顯分為前后兩部分,后段A樓道因為溫度不再進行使用。速率降為0。

圖11 A、B樓道疏散速率圖Fig.11 Evacuation rate of A、B corridor

4 結論

(1)建立可以推測出施工火災起火材料的神經網絡,準確性可達71.74%。

(2)通過FDS對在建超高層堆場火災進行模擬,數據表明火災沿著未封閉的電梯道發展明顯,并顯著影響人員疏散。

(3)經過火災數據、恐慌心理、疏散地面狀態綜合考慮,對疏散進行模擬仿真,疏散時間從324 s增加為419 s。