本發(fā)明涉及人工智能，具體是多通道氣體分析的消防設(shè)施火災(zāi)早期預(yù)警系統(tǒng)。

背景技術(shù)：

1、隨著城市化進程的加速，建筑物的規(guī)模和復(fù)雜性不斷增加，尤其是在醫(yī)院、商場、辦公樓等人員密集的場所，火災(zāi)風(fēng)險顯著上升。為了降低火災(zāi)帶來的人員和財產(chǎn)損失，現(xiàn)代建筑通常配備了多種消防設(shè)備和監(jiān)控系統(tǒng)，如煙感報警器、溫感報警器、手動報警按鈕以及自動滅火系統(tǒng)。這些設(shè)備雖然能夠在一定程度上提供火災(zāi)預(yù)警和滅火支持，但在實際應(yīng)用中仍然存在許多不足。

2、現(xiàn)有消防預(yù)警系統(tǒng)通常依賴單一或少數(shù)幾種數(shù)據(jù)源，難以對多源數(shù)據(jù)進行有效整合，導(dǎo)致火災(zāi)檢測的準(zhǔn)確性和可靠性不足。由于缺乏多通道數(shù)據(jù)分析和智能化的火災(zāi)預(yù)警算法，現(xiàn)有系統(tǒng)往往存在預(yù)警滯后或誤報頻繁的問題。滯后的預(yù)警會使火災(zāi)蔓延，難以及時控制，而誤報則會引發(fā)不必要的恐慌和資源浪費。當(dāng)前的自動滅火和排煙系統(tǒng)往往依賴預(yù)先設(shè)定的固定參數(shù)，在火災(zāi)發(fā)展過程中，無法根據(jù)實時數(shù)據(jù)動態(tài)調(diào)整滅火和排煙策略，導(dǎo)致滅火效果不理想，甚至加劇火災(zāi)危害?，F(xiàn)有的疏散指引系統(tǒng)多為固定路線，無法根據(jù)火災(zāi)的實際情況實時生成最佳的疏散路線。對于復(fù)雜建筑結(jié)構(gòu)或火災(zāi)迅速蔓延的場景，固定的疏散路徑可能會引發(fā)二次傷害。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供多通道氣體分析的消防設(shè)施火災(zāi)早期預(yù)警系統(tǒng)，以解決現(xiàn)有技術(shù)中提出的的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、多通道氣體分析的消防設(shè)施火災(zāi)早期預(yù)警系統(tǒng)，所述系統(tǒng)包括：

4、消防設(shè)備管理模塊：包括：定位單元、數(shù)據(jù)采集單元和設(shè)備狀態(tài)分析單元；其中，定位單元利用建筑物的平面圖和三維模型定位建筑物內(nèi)部相應(yīng)樓層和相應(yīng)設(shè)備，數(shù)據(jù)采集單元負責(zé)獲取消防設(shè)備信息，包括總設(shè)備數(shù)、設(shè)備運行率、離線率和故障率，獲取醫(yī)院火災(zāi)記錄和設(shè)備報警記錄，設(shè)備狀態(tài)分析單元負責(zé)結(jié)合消防設(shè)備信息使用決策樹算法分析設(shè)備狀態(tài)；

5、火災(zāi)預(yù)警模塊：包括：數(shù)據(jù)監(jiān)控單元、數(shù)據(jù)整合單元和預(yù)警級別生成單元；數(shù)據(jù)監(jiān)控單元負責(zé)實時監(jiān)控建筑物內(nèi)部的設(shè)備狀態(tài)數(shù)據(jù)、煙感報警數(shù)據(jù)、溫感報警數(shù)據(jù)和手動報警數(shù)據(jù)，數(shù)據(jù)整合單元負責(zé)統(tǒng)一時間軸，將不同來源的數(shù)據(jù)同步到同一時間線，通過加權(quán)融合將數(shù)據(jù)進行整合形成火災(zāi)預(yù)警數(shù)據(jù)，預(yù)警級別生成單元負責(zé)訓(xùn)練長短期記憶網(wǎng)絡(luò)模型，分析火災(zāi)預(yù)警數(shù)據(jù)，生成火災(zāi)預(yù)警級別，在建筑物的三維模型中進行定位；

6、多通道氣體分析模塊：包括：數(shù)據(jù)預(yù)處理單元、火災(zāi)程度評估單元、火災(zāi)蔓延速度計算單元和誤報識別單元；數(shù)據(jù)預(yù)處理單元負責(zé)獲取火災(zāi)預(yù)警級別和三維模型中的火災(zāi)預(yù)警位置數(shù)據(jù)，通過預(yù)警位置部署的多通道氣體傳感器采集火災(zāi)預(yù)警位置區(qū)域的實時氣體成分數(shù)據(jù)，對采集到的氣體數(shù)據(jù)進行預(yù)處理，火災(zāi)程度評估單元使用歷史火災(zāi)數(shù)據(jù)和誤報數(shù)據(jù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)結(jié)合長短期記憶網(wǎng)絡(luò)的火災(zāi)程度評估模型，對新采集的數(shù)據(jù)進行預(yù)測，判斷當(dāng)前環(huán)境下是否存在火災(zāi)，評估火災(zāi)的嚴重程度，火災(zāi)蔓延速度計算單元根據(jù)火災(zāi)預(yù)警數(shù)據(jù)、火災(zāi)的嚴重程度、采集到的氣體數(shù)據(jù)和建筑物的三維模型，使用多元回歸算法構(gòu)建火災(zāi)蔓延模型，生成火災(zāi)的蔓延速度，誤報識別單元負責(zé)基于火災(zāi)程度評估模型的輸出，識別誤報，調(diào)整預(yù)警級別；

7、預(yù)警處理模塊：包括：報警觸發(fā)單元、消防設(shè)備聯(lián)動單元、疏散引導(dǎo)單元和疏散監(jiān)控單元；報警觸發(fā)單元根據(jù)確認后的預(yù)警級別，觸發(fā)相應(yīng)的報警機制，如果預(yù)警級別達到中級或高級，消防設(shè)備聯(lián)動單元將自動聯(lián)動消防設(shè)備，根據(jù)火災(zāi)預(yù)警位置和火災(zāi)的嚴重程度，觸發(fā)相應(yīng)區(qū)域的自動滅火系統(tǒng)，調(diào)整建筑物內(nèi)的通風(fēng)和排煙系統(tǒng)，疏散引導(dǎo)單元在高級預(yù)警情況下，生成疏散指令，通過建筑內(nèi)的公共廣播系統(tǒng)進行人員疏散引導(dǎo)，疏散監(jiān)控單元通過監(jiān)控攝像頭和傳感器，實時跟蹤疏散進度。

8、在所述消防設(shè)備管理模塊中，在平面圖上標(biāo)注每個消防設(shè)備的初始位置，使用唯一的設(shè)備id進行標(biāo)記，設(shè)備位置通過現(xiàn)場測量進行確定，確保每個設(shè)備的標(biāo)注與對應(yīng)的實際物理位置相符；根據(jù)平面圖中的布局，對建筑物內(nèi)部進行區(qū)域劃分，每個區(qū)域?qū)?yīng)一定數(shù)量的消防設(shè)備，消防設(shè)備與區(qū)域信息進行關(guān)聯(lián)；

9、將平面圖中的設(shè)備標(biāo)注映射到三維模型中，通過將平面圖的二維坐標(biāo)與三維模型的z軸坐標(biāo)結(jié)合，確定設(shè)備的空間位置，對于需要特殊安裝位置的設(shè)備，在三維模型中標(biāo)明具體的安裝高度和角度；確保平面圖與三維模型中的設(shè)備位置數(shù)據(jù)一致，如果在平面圖中對設(shè)備位置進行了更新，將同步更新到三維模型中，如果在三維模型中對設(shè)備位置進行了更新，將同步更新到平面圖中；定期對建筑物內(nèi)部設(shè)備的位置進行校準(zhǔn)，使用定位誤差校正算法卡爾曼濾波，對采集的數(shù)據(jù)進行精度優(yōu)化，減少設(shè)備實際位置與平面圖和三維模型中位置之間的偏差。

10、在所述消防設(shè)備管理模塊中，從采集到的消防設(shè)備信息中提取出相關(guān)的特征，將作為決策樹算法的輸入，對設(shè)備狀態(tài)進行分類，每一個設(shè)備狀態(tài)對應(yīng)特定的特征組合，將作為決策樹的輸出；

11、使用已收集的設(shè)備狀態(tài)和歷史數(shù)據(jù)作為訓(xùn)練集，輸入到?jīng)Q策樹算法中；決策樹通過遞歸地選擇最能區(qū)分設(shè)備狀態(tài)的特征，逐步構(gòu)建一個樹狀結(jié)構(gòu)，每一個分支節(jié)點代表一個特征的選擇，葉子節(jié)點代表設(shè)備狀態(tài)的最終預(yù)測結(jié)果；決策樹根據(jù)設(shè)備的離線率進行分類，如果離線率超過一定閾值，設(shè)備將被標(biāo)記為“離線”；如果未超過，再根據(jù)運行率進行分類，確定設(shè)備處于“正常”狀態(tài)還是“故障預(yù)警”狀態(tài)；系統(tǒng)持續(xù)監(jiān)控并更新每個消防設(shè)備的狀態(tài)信息，新的數(shù)據(jù)將實時輸入到訓(xùn)練好的決策樹模型中，對設(shè)備的當(dāng)前狀態(tài)進行實時分析；

12、決策樹根據(jù)輸入的特征值，沿著樹結(jié)構(gòu)從根節(jié)點到葉子節(jié)點進行決策，最終輸出設(shè)備的狀態(tài)預(yù)測結(jié)果。

13、在所述火災(zāi)預(yù)警模塊中，通過數(shù)據(jù)整合單元得到火災(zāi)預(yù)警數(shù)據(jù)，組成火災(zāi)預(yù)警向量，其中，到表示第1類火災(zāi)預(yù)警數(shù)據(jù)到第n類火災(zāi)預(yù)警數(shù)據(jù)在時間t的值，n是火災(zāi)預(yù)警數(shù)據(jù)中的數(shù)據(jù)類別數(shù)量；

14、長短期記憶網(wǎng)絡(luò)模型通過輸入門、遺忘門和輸出門控制火災(zāi)預(yù)警數(shù)據(jù)的流動，遺忘門的公式如下：

15、

16、其中，是遺忘門的權(quán)重矩陣，是遺忘門的偏置項，是激活函數(shù)，為sigmoid?函數(shù)，是前一時刻的隱藏狀態(tài)；

17、輸入門和長短期記憶網(wǎng)絡(luò)模型中的候選記憶單元狀態(tài)的公式如下：

18、

19、

20、其中，和分別是輸入門和候選記憶單元狀態(tài)的權(quán)重矩陣，和分別是輸入門和候選記憶單元狀態(tài)的偏置項；

21、更新記憶單元狀態(tài)，公式如下：

22、

23、其中，是當(dāng)前時刻的記憶單元狀態(tài)，是前一時刻的記憶單元狀態(tài)；

24、輸出門和隱藏狀態(tài)的公式如下：

25、

26、

27、其中，是輸出門的權(quán)重矩陣，是輸出門的偏置；

28、使用歷史火災(zāi)數(shù)據(jù)和誤報數(shù)據(jù)訓(xùn)練長短期記憶網(wǎng)絡(luò)模型，目標(biāo)是通過輸入火災(zāi)預(yù)警向量預(yù)測未來的火災(zāi)風(fēng)險級別，定義損失函數(shù)l：

29、

30、其中，是模型預(yù)測的火災(zāi)預(yù)警級別，是真實的預(yù)警級別，t是時間步的總數(shù)；使用反向傳播和梯度下降算法最小化損失函數(shù)，調(diào)整長短期記憶網(wǎng)絡(luò)模型的參數(shù)；

31、經(jīng)過訓(xùn)練的長短期記憶網(wǎng)絡(luò)模型在實際應(yīng)用中能夠根據(jù)實時輸入的數(shù)據(jù)流預(yù)測火災(zāi)預(yù)警級別，模型的輸出是一個實數(shù)值，表示火災(zāi)的風(fēng)險評分；根據(jù)評分設(shè)置閾值，劃分出不同的預(yù)警級別，包括低、中和高三個級別。

32、在所述火災(zāi)預(yù)警模塊中，在生成火災(zāi)預(yù)警級別后，結(jié)合建筑物的三維模型，將預(yù)警信號定位到具體的位置上；建筑物被分為若干個監(jiān)測區(qū)域，每個區(qū)域都有對應(yīng)的傳感器數(shù)據(jù)，其中，j表示第幾個區(qū)域，長短期記憶網(wǎng)絡(luò)模型將為每個區(qū)域生成一個預(yù)警級別；

33、在建筑物的三維模型中，依據(jù)傳感器的物理位置和對應(yīng)區(qū)域，將生成的預(yù)警級別映射到三維空間中的具體位置；通過三維模型的可視化系統(tǒng)，查看火災(zāi)預(yù)警信號的位置和風(fēng)險級別。

34、在所述多通道氣體分析模塊中，數(shù)據(jù)預(yù)處理單元從部署在火災(zāi)預(yù)警位置區(qū)域的多通道氣體傳感器獲取實時氣體成分數(shù)據(jù)，每個傳感器實時檢測不同類型的氣體，以時間序列的形式輸入，表示為，其中，到表示第1種氣體到第m種氣體在時間t的濃度值，m為氣體種類數(shù)；使用卡爾曼濾波對進行平滑處理，以減少噪聲的影響；使用低通濾波器消除高頻噪聲，保留低頻的有效信號部分；采用z-score標(biāo)準(zhǔn)化將不同氣體的數(shù)據(jù)歸一化至相同的尺度；通過插值方法將所有傳感器的數(shù)據(jù)同步到一個統(tǒng)一的時間軸上。

35、在所述多通道氣體分析模塊中，針對卷積神經(jīng)網(wǎng)絡(luò)部分，輸入層接收從多通道氣體傳感器采集到的實時氣體成分數(shù)據(jù)，輸入數(shù)據(jù)是一個多維矩陣，每個維度代表一個氣體傳感器，矩陣中的每個元素代表不同時間點對應(yīng)氣體的濃度值；卷積層通過若干個濾波器對輸入數(shù)據(jù)進行操作，每個濾波器都是一個矩陣，比輸入數(shù)據(jù)的維度??；在濾波器滑動的過程中，對輸入矩陣的局部區(qū)域執(zhí)行卷積操作，計算局部數(shù)據(jù)的加權(quán)和，并生成一個新的特征圖，卷積操作將提取出氣體濃度之間的關(guān)系；

36、卷積層的輸出通過激活函數(shù)relu進行非線性變換，池化層用于降低卷積層輸出的維度，并聚合局部特征，從而減少數(shù)據(jù)量并增強模型的魯棒性；卷積神經(jīng)網(wǎng)絡(luò)包含若干個卷積層和池化層的組合，逐層提取數(shù)據(jù)的高級特征，前若干層專注于捕捉氣體濃度的局部變化，后若干層負責(zé)識別局部變化如何組合形成更復(fù)雜的火災(zāi)信號；連接到若干個全連接層，將提取的高級特征聚合，生成一個高維的特征向量，用于反映火災(zāi)的整體趨勢和特征；最終的輸出層將高維特征向量映射為一個火災(zāi)風(fēng)險評分。

37、在所述多通道氣體分析模塊中，針對長短期記憶網(wǎng)絡(luò)部分，輸入層接收的數(shù)據(jù)是經(jīng)過火災(zāi)預(yù)警模塊的數(shù)據(jù)整合單元處理后的火災(zāi)預(yù)警數(shù)據(jù)；當(dāng)設(shè)備狀態(tài)出現(xiàn)異常變化時，輸入門將異常信息寫入記憶單元，如果某一時刻的煙感報警恢復(fù)正常，遺忘門將減少對之前報警的記憶強度；如果若干個傳感器同時發(fā)出異常信號，輸出門將綜合所述異常信號，輸出一個綜合火災(zāi)預(yù)警信號；

38、在每個時間步會根據(jù)當(dāng)前輸入和前一狀態(tài)，更新記憶單元中的信息，并生成當(dāng)前的輸出；長短期記憶網(wǎng)絡(luò)將堆疊若干個層，每一層的輸出作為下一層的輸入，逐層提取更高級別的時間序列特征；通過全連接層進行聚合，生成一個火災(zāi)預(yù)警指標(biāo)；輸出層將火災(zāi)預(yù)警指標(biāo)映射為一個火災(zāi)預(yù)警級別，用于表示火災(zāi)嚴重程度；

39、獲取火災(zāi)預(yù)警向量、火災(zāi)嚴重程度、氣體數(shù)據(jù)和建筑物三維模型，其中，是空間坐標(biāo)；從中提取建筑物結(jié)構(gòu)特征、建筑物內(nèi)部物品布局、建筑物內(nèi)部熱傳導(dǎo)路徑和建筑物空間連通性，對特征進行量化；在結(jié)構(gòu)特征量化中，房間面積按面積分配評分，面積越大得分越高，樓層高度根據(jù)高度設(shè)定評分規(guī)則，越高得分越高，墻體厚度按墻體厚度和材料的防火性能評分，記錄門窗的數(shù)量，影響火災(zāi)的蔓延速度；在物品布局量化中，根據(jù)房間用途類別設(shè)置評分，易燃物品存放情況影響得分；在熱傳導(dǎo)路徑量化中，根據(jù)材料的熱導(dǎo)率設(shè)定評分，導(dǎo)熱性材料影響抗火災(zāi)能力，通風(fēng)系統(tǒng)得分越高，建筑物內(nèi)煙霧擴散越低；在空間連通性量化中，開放區(qū)域越多得分越低，有效的隔斷能夠提升得分；為每種特征設(shè)定權(quán)重，反映其對火災(zāi)蔓延的影響程度；將各項特征的評分乘以對應(yīng)的權(quán)重，進行求和，得到建筑物的抗火災(zāi)蔓延指數(shù)u；

40、使用回歸模型，設(shè)火災(zāi)蔓延速度為，數(shù)學(xué)表達如下：

41、

42、其中，是模型的截距項，分別是建筑物的抗火災(zāi)蔓延指數(shù)、火災(zāi)預(yù)警向量、火災(zāi)嚴重程度和氣體數(shù)據(jù)的回歸系數(shù)，表示各特征對火災(zāi)蔓延速度的影響，是誤差項；

43、使用歷史數(shù)據(jù)對回歸模型進行訓(xùn)練，將實際的火災(zāi)蔓延速度作為目標(biāo)變量，訓(xùn)練數(shù)據(jù)集中包含和的值，使用最小二乘法確定相應(yīng)的回歸系數(shù)，使用交叉驗證驗證模型的性能；在實際應(yīng)用中輸入相應(yīng)的參數(shù)，生成火災(zāi)的蔓延速度。

44、在所述多通道氣體分析模塊中，火災(zāi)程度評估模型輸出一個火災(zāi)嚴重程度評分和火災(zāi)發(fā)生的概率，將作為誤報識別單元的輸入；其中，，其中1表示火災(zāi)極為嚴重，0表示無火災(zāi)，，其中1表示火災(zāi)發(fā)生，0表示無火災(zāi)；設(shè)定火災(zāi)嚴重程度閾值和火災(zāi)發(fā)生概率閾值，如果且，則認為可能存在誤報；誤報識別單元利用其他傳感器數(shù)據(jù)進行加權(quán)融合，計算一個誤報識別綜合指標(biāo)k用于輔助誤報識別，如果k小于誤報識別綜合指標(biāo)閾值，且且，則認為存在誤報，調(diào)整預(yù)警級別。

45、在所述預(yù)警處理模塊中，系統(tǒng)監(jiān)控預(yù)警級別，當(dāng)級別達到預(yù)設(shè)的中級或高級時，觸發(fā)警報，根據(jù)預(yù)警級別和火災(zāi)位置，優(yōu)先通知關(guān)鍵區(qū)域的人員，消防設(shè)備聯(lián)動單元將啟動自動滅火系統(tǒng)，根據(jù)火災(zāi)的嚴重程度和位置，動態(tài)調(diào)整建筑物內(nèi)的通風(fēng)和排煙系統(tǒng)；

46、根據(jù)火災(zāi)的位置、嚴重程度及建筑結(jié)構(gòu)，生成最佳的疏散路線和指令，通過建筑物內(nèi)的公共廣播系統(tǒng)傳達疏散指令，配合疏散指令，激活建筑物內(nèi)的緊急指示燈和逃生標(biāo)識；

47、在生成最佳的疏散路線和指令過程時，標(biāo)記火災(zāi)區(qū)域和影響范圍，識別并避開建筑內(nèi)的障礙物，應(yīng)用dijkstra算法計算從各個房間到最近安全出口的最短路徑，設(shè)計若干條備用疏散路徑，以應(yīng)對主要路線被阻塞的情況；生成疏散路線圖，包括每個區(qū)域到安全出口的路徑指引，根據(jù)火災(zāi)進展和疏散進度，實時調(diào)整指令，更新疏散路線。

48、將建筑物內(nèi)部建模為一個圖結(jié)構(gòu)，頂點表示房間、走廊、樓梯間和安全出口等重要位置，邊表示頂點之間的通路，例如房間之間的走廊，樓梯間與樓層之間的連接；邊的權(quán)重表示從一個頂點移動到另一個頂點所需的時間或距離，這些權(quán)重可以根據(jù)實際建筑物的布局和具體情況進行設(shè)定。

49、針對每個房間作為起點，應(yīng)用dijkstra算法計算到建筑物內(nèi)各個安全出口的最短路徑。算法的主要步驟如下：將起點房間到自身的距離設(shè)置為0，其他所有頂點的初始距離設(shè)置為無限大。將起點房間放入一個優(yōu)先級隊列，優(yōu)先級根據(jù)當(dāng)前已知的最短路徑長度確定。每次從優(yōu)先級隊列中取出距離最近的頂點，檢查該頂點的鄰居，即可以直接到達的相鄰房間或通道。通過當(dāng)前頂點的路徑，嘗試更新鄰居的最短路徑長度。如果從當(dāng)前頂點到某個鄰居的路徑長度小于已知的最短路徑長度，則更新該鄰居的最短路徑長度，并將該鄰居重新插入優(yōu)先級隊列中，以便繼續(xù)探索該路徑的其他延伸可能性。當(dāng)所有頂點都已處理完畢，或已找到從起點到所有安全出口的最短路徑時，算法結(jié)束。

50、在計算出最短路徑后，系統(tǒng)根據(jù)dijkstra算法的多次迭代結(jié)果生成備用路徑。這些備用路徑通常不與主要路徑重疊，或只在部分路段重疊，以確保在主要路徑被阻塞時，仍有其他可用路徑。在設(shè)計備用路徑時，可以為不同路徑賦予優(yōu)先級。例如，最短路徑為最高優(yōu)先級，備用路徑的優(yōu)先級逐次降低。這樣，在火災(zāi)發(fā)生時，系統(tǒng)可以優(yōu)先引導(dǎo)人員走主要路徑，并在必要時切換到備用路徑。在疏散過程中，如果檢測到主要路徑被阻塞，例如由于火災(zāi)蔓延或結(jié)構(gòu)損壞，系統(tǒng)可以實時調(diào)整策略，選擇備用路徑進行疏散，并通知建筑物內(nèi)的人員改變疏散方向。

51、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

52、1、本發(fā)明通過多通道氣體傳感器采集火災(zāi)預(yù)警區(qū)域的實時氣體成分數(shù)據(jù)，并利用多源數(shù)據(jù)融合技術(shù)，將消防設(shè)備數(shù)據(jù)、氣體分析數(shù)據(jù)、煙感溫感數(shù)據(jù)進行統(tǒng)一整合，形成高精度的火災(zāi)預(yù)警數(shù)據(jù)。

53、2、本發(fā)明引入了卷積神經(jīng)網(wǎng)絡(luò)結(jié)合長短期記憶網(wǎng)絡(luò)的火災(zāi)程度評估模型，利用歷史火災(zāi)數(shù)據(jù)和誤報數(shù)據(jù)進行訓(xùn)練，能夠準(zhǔn)確判斷當(dāng)前環(huán)境下是否存在火災(zāi)，并評估火災(zāi)的嚴重程度，有效降低了誤報率，并提供了更及時的預(yù)警。

54、3、本發(fā)明能夠根據(jù)火災(zāi)的位置、嚴重程度及建筑結(jié)構(gòu)，利用優(yōu)化算法生成最佳疏散路線，并通過公共廣播系統(tǒng)、緊急指示燈和引導(dǎo)人員實時提供動態(tài)疏散指引，并且可根據(jù)火災(zāi)的發(fā)展實時調(diào)整疏散路徑，避免固定路徑可能帶來的風(fēng)險，確保人員安全撤離。