NIST开发AI模型Safe Step，为火灾疏散动态规划最安全路线
美国国家标准与技术研究院（NIST）研究人员开发出名为Safe Step的AI模型，可预测火势演变并引导人员避开被火阻断的出口，相关论文已发表于《Journal of Building Engineering》。
AI解读：Safe Step要解决的是传统疏散算法的盲点：只看当下哪条路最近，却不管火势蔓延后这条路是否变得致命。NIST团队用强化学习训练模型，先通过建筑布局和火灾模拟数据学习火势如何随时间变化，再结合毒性气体暴露量（FED）这一安全指标，选择累计危害最低的路线。实际使用时，它不需实时跑模拟，而是靠楼内传感器数据不断调整建议，并可与新型动态出口显示屏联动，告诉人员哪个出口安全、该往哪走。对楼内人员来说，这意味着疏散不再只靠静态出口灯，而是能动态避开逐渐被烟雾或火焰封锁的通道。研究目前只支持单层平面图，团队下一步要扩展到多层建筑，并加入多智能体模型模拟多人同时疏散的拥挤和瓶颈。研究者估计这类技术5到10年内可能落地，但要投入实际使用还取决于监管批准、可靠性测试和与现有消防系统的整合。对普通读者暂无需行动，相关人员可关注论文细节及后续多层验证。
美国国家标准与技术研究院（NIST）与合作伙伴开发了一款名为Safe Step的AI模型，可在火灾中引导人员沿最安全路线疏散。该模型基于强化学习，论文发表在《Journal of Building Engineering》（2026年1月15日在线，DOI: 10.1016/j.jobe.2025.115132）。
测试显示，当火源位于走廊对面房间、烟雾蔓延至走廊时，传统算法会引导人员穿过走廊前往最近的出口；但若火势在人员行至中途时加剧，该出口可能已不安全。Safe Step能预判这种变化，并通过动态出口显示屏引导人员前往走廊远端更远但更安全的出口。
模型原理与安全判定
Safe Step采用强化学习，通过反复试错来学习决策。训练时，模型结合建筑布局和NIST火灾模拟工具的数据，预测火势如何发展，并据此引导人员选择疏散路径。
为评估路线安全性，研究者使用火灾安全指标“毒性气体分数有效剂量”（FED），该值衡量人员在一定时间内暴露于火场危害的累积严重程度。模型在考虑人员移动中毒气暴露变化后，选择FED最低的路线。
与依赖当前建筑条件的传统算法不同，Safe Step会考虑疏散路径上可能累积的危害。
当前限制与后续计划
目前Safe Step仅适用于单层平面图。研究团队下一步旨在提升其处理多层建筑结构的能力，以使疏散路线包含楼层上下移动。
为更真实模拟多人疏散场景，团队计划构建具有多个智能体的AI系统，每个智能体对应一名楼内人员。智能体间的交互可使模型更适应火灾响应和疏散场景，例如在出口拥挤形成瓶颈时，引导人员分散到不同出口，同时为消防员协调进入建筑的通道。
应用前景与实现周期
Safe Step可与新型动态紧急出口显示屏配合使用，此类显示屏能显示出口是否安全或指向更安全的逃生路线。
研究团队估计，类似技术可能在5到10年内开始出现，但广泛应用将取决于监管批准、可靠性测试以及现有安全系统的整合。
NIST研究助理方鸿强（音）表示，这项研究仍处于早期研发阶段，但代表了向智能消防迈进的关键一步；利用先进技术可保护财产并挽救生命。