南乌拉尔国立大学的研究人员已获得一项专利，该程序能够自动规划各类建筑物和构筑物发生火灾时的疏散路线。该系统基于卷积神经网络，通过分析建筑元素来生成应急路线，从而避免人为错误。
目前，疏散路线的规划仍然需要人工分析建筑图纸，这使得整个过程既费时又费力。
“我们的程序解决了在发生火灾时自动识别和设计安全疏散路线的问题，”南乌拉尔国立大学生命安全系的研究员尼基塔·波诺马列夫说道。 “该系统基于YOLO卷积神经网络，该网络已在我们收集的建筑平面图图像库上进行了预训练，并结合了用于处理平面图的图分析算法。神经网络在平面图上识别出墙壁、门和出口后，软件算法会自动构建连接图。该连接图即为‘导航图’，之后，一个专门的算法会根据该图设计出最优且安全的疏散路线。因此，在模拟火灾危险时，设计疏散路线所需的时间显著减少。”
车里雅宾斯克的研究人员首次在俄罗斯将YOLO模型应用于消防安全问题。该模型能够准确识别平面图上的墙壁、门、窗、出口、楼梯、消防设备、走廊和房间。
“该程序还能根据疏散路线的长度、复杂程度以及平均经验数据来估算疏散时间，这对于判断设施是否符合监管要求至关重要，”南乌拉尔国立大学生命安全系副教授赛义德洪·塔瓦罗夫解释道。“该系统拥有图形用户界面，允许用户上传最常用的格式（JPG、PNG、BMP、TIFF）的楼层平面图，进行基于人工智能的建筑分析并可视化结果，交互式地添加人员，以及标示火点。所有这些都显著提高了预测的准确性。”
科学家们的下一步工作包括：通过使用更多建筑平面图进一步训练模型来提高物体识别的准确性；增加对三维建筑平面图的支持；以及开发一个用于实时处理闭路电视监控系统视频流的模块。
“未来，优化程序以使其能够处理视频流，有望将其从设计工具转变为可运行的建筑安全系统。下一步合乎逻辑的做法是从建模过程中的自动路线生成过渡到实时疏散管理，”尼基塔·波诺马列夫总结道。
该开发项目面向从事消防安全和建筑设计的机构和专业人士，符合国家在消防安全和保护公民生命健康方面的政策。