一种基于本体和知识图谱的半自动性能化建筑消防设计评估方法

《Journal of Building Engineering》：A Semi-automatic Performance-Based Assessment Approach for Building Fire Safety Design Driven by Ontology and Knowledge Graph

　　

•半自动化PBFD工作流程将场景、模拟与报告关联起来。•PBFD本体和场景知识图谱整合了可追溯的模拟证据链。•PBFD知识图谱在路线关键监测位置对齐FDS和Pathfinder证据。•路线关键ASET/RSET裕度识别局部疏散风险。•评估结果可追溯至监测点、阈值、疏散者和通过事件。

引言

随着快速城市化，大型综合体、超高层建筑和复杂地下空间日益普遍，为消防风险管理带来了相当程度的不确定性。美国全国消防协会（NFPA）报告称，2024年美国地方消防部门响应了约138.8万起火灾事件[1]。类似地，在中国，国家消防救援局发布的年度统计数据显示，2024年火灾事件达90.8万起，伤亡和直接财产损失仍处于持续高位[2]。因此，防火和消防安全管理仍是紧迫问题，促使学术界和工程界更加重视在设计阶段提升建筑消防安全。

规定性设计仍是建筑消防安全实践中的主要方法。它依赖于规范中明确规定的构造措施和安全距离，对于常规建筑设计的合规检查效果良好。然而，当功能混合、空间组织非典型，或采用新系统或新材料时，规定性条款的适用范围可能变得不足。在这种情况下，采用基于性能的消防安全设计（PBFD）来支持安全评估。PBFD通过明确的目标和性能准则来约束设计。随后，通过火灾场景设计和工程计算或模拟进行定量分析，将评估从法规合规延伸至满足性能要求[3]、[4]。这一转变增加了对严谨性和可追溯性的需求，因为结构响应、人员运动和烟气运动必须以可计算和可解释的形式表达。尤其是对于疏散和人身安全，安全人员疏散由两个关键时间参数决定：可用安全疏散时间（ASET）和必需安全疏散时间（RSET）。ASET表示火灾场景恶化到威胁疏散的危险状态之前的时间间隔。相反，RSET指的是威胁区域内所有人员在撤离并到达安全位置所需的总时间。当ASET超过RSET时，疏散的基本生命安全准则得以满足[5]、[6]、[7]。尽管这一评估逻辑已确立，但PBFD实践通常涉及多工具工作流程，其中建筑模型、设计火灾场景参数、FDS火灾环境输出、Pathfinder疏散记录和评估报告是分别生成和存储的。在本研究采用的工作流程中，FDS和Pathfinder作为独立的模拟过程执行，其输出随后在同一路线关键监测位置进行对齐，以进行ASET/RSET评估。因此，主要挑战是建立建筑对象、模拟证据和评估结论之间可查询、可审核和可追溯的语义关系。

随着建筑信息模型（BIM）的广泛应用，建筑合规自动检查（ACCC）已成为建筑、工程和施工（AEC）行业的一个关键研究焦点。ACCC通常包括四个核心阶段：规则解读、建筑模型准备、规则执行和检查结果报告[8]。规则解读是最关键的阶段，因为它直接决定了整个ACCC过程的可计算性和验证准确性。该阶段同时执行两项基本任务：(i) 规则提取，即从自然语言条款中识别可验证元素，例如适用对象、约束关系、阈值条件和例外情况[9]、[10]；以及(ii) 规则表示，即将这些提取的元素转化为形式化、机器可执行的表达式。在规则表示层面，现有ACCC研究中采用的可执行形式化方法可大致分为三类。第一类以本体公理和推理为中心。在此方法中，法规条款中嵌入的概念、属性和关系被编码为Web本体语言（OWL）类和属性。然后使用语义推理机自动推断给定建筑模型是否满足这些公理施加的约束[11]。第二类采用规则语言，例如语义Web规则语言（SWRL）。在此方法中，法规约束被编码为if-then格式的逻辑规则，然后在推理过程中进行评估以产生可验证的结论[12]。第三类利用图约束验证语言，尤其是Shapes约束语言（SHACL）。法规条款被形式化为约束模板，直接应用于资源描述框架（RDF）数据图。这使得能够直接定位不合规的数据实例并生成结构化的、机器可读的验证报告[13]、[14]。

这些ACCC研究为规定性规范检查提供了有效支持，其主要任务是建立规范条款、BIM对象和基于规则的合规决策之间的可计算关系。然而，PBFD评估具有不同的过程导向性质。它不是由孤立的条款约束单独决定的，而是由一系列活动链决定的，包括性能目标定义、性能准则制定、设计火灾场景构建、模拟输入生成、火灾和疏散证据收集、ASET/RSET安全裕度计算和结构化报告输出。因此，本研究解决的限制不是现有ACCC研究无法解决PBFD，而是PBFD评估需要额外的语义支持来组织程序性知识和多源模拟证据。在多工具PBFD工作流程中，BIM模型、设计火灾参数、FDS火灾环境输出、Pathfinder疏散记录和评估结论在数据结构和语义粒度上往往存在差异，它们之间的关系通常通过人工解释或项目特定的后处理脚本来建立[15]、[16]。

此外，现有的PBFD评估研究主要依赖于全局单值准则。这种方法未能考虑火灾和疏散动态固有的空间非均匀性和时间演化特性，可能掩盖了最不利局部区域对整体评估结果的关键影响[17]、[18]、[19]、[20]、[21]。因此，半自动化PBFD评估工作流程需要一个语义框架，能够整合领域知识、程序性知识和多源证据，以支持评估过程连贯表示和结果判定。

本体和知识图谱技术为解决上述问题提供了技术支持。本体作为正式的、明确的、共享的概念化，可以统一描述领域内的概念、关系和约束，为知识共享、重用和推理提供机器可解释的基础[22]、[23]、[24]。知识图谱在本体的指导下构建，用于实例化项目特定实体及其关系。它可以以实体及其关系的形式组织多源异构数据，从而支持知识集成、检索和可解释分析[25]、[26]。基于此，本文首先形式化了一个PBFD本体，以在统一的语义空间中一致地表示建筑实体、场景对象、模拟证据、疏散记录和评估结果；随后，以空间单元作为跨源语义锚点，BIM实体、火灾模拟观测序列和疏散模拟个体记录被实例化为知识图谱中的个体，从而实现了多源异构数据的语义对齐和显式关系表示。在此基础上，基于SPARQL协议和RDF查询语言（SPARQL）的语义查询被用于从场景知识图谱中检索场景参数包，并查询和追溯由写回的模拟证据所物化的评估实体。基于Python的数值处理被用于预处理原始火灾和疏散模拟输出，包括时间序列过滤、疏散轨迹处理和后续基于关键位置ASET/RSET评估所需的数值运算。语义Web规则语言（SWRL）仅在适当的地方保留为辅助规则表示机制。此外，通过SPARQL查询从场景知识图谱中检索的场景参数包被映射到相应的模拟对象和输入配置，以支持FDS火灾场景的半自动生成，从而增强了场景知识组织、模拟输入生成和评估证据可追溯性之间的语义互操作性。

本文的主要贡献有四点。首先，建筑实体知识和PBFD程序性知识被形式化于统一的本体框架内，实现了设计对象、评估阶段和场景元素的协作语义表示。其次，BIM实体、火灾模拟观测序列和疏散模拟个体记录被实例化为知识图谱中的个体，从而提高了在统一语义空间中表示和综合利用多源异构数据的能力。第三，开发了一种基于关键位置的ASET/RSET评估方法，该方法由本体引导的证据组织、基于Python的数值处理和基于SPARQL的语义检索与证据追溯支持。该方法将推导的评估量与路线关键监测位置关联，并使相应结果可追溯至主导环境指标、疏散者、通过事件和安全裕度结果。第四，从场景知识图谱中检索的场景参数包被进一步映射到模拟对象及其输入配置，支持FDS火灾场景的半自动生成，从而加强了语义参数检索和模拟执行之间的语义互操作性。本文其余部分组织如下。第2节回顾相关工作并识别研究空白。第3节提出所提方法及其实现。第4节描述案例研究和结果。第5节讨论发现。第6节总结全文并概述未来研究方向。

分节摘要

基于本体的建筑防火设计自动合规检查

由法规条款驱动的自动合规检查（ACCC）可以理解为一个语义对齐过程，将条款语义、设计语义和推理语义关联起来，其中法规文本被形式化为机器可解释的知识，映射到基于BIM/IFC的设计表示，并通过本体和规则启用的推理机制执行[27]、[28]、[29]。法规条款通常描述建筑空间、构造属性和

方法

为了在半自动化评估过程中统一组织建筑对象、设计火灾场景参数、模拟证据和评估结果，本文提出了一种由BIM、本体、知识图谱、SPARQL查询以及火灾和疏散模拟输出支持的半自动化PBFD评估框架。该框架的主要目的是组织原本分散在建筑模型、火灾模拟、疏散模拟中

案例研究

为了验证所提出的PBFD评估框架在多源数据组织、场景参数检索、模拟证据写回和基于关键位置的ASET/RSET安全裕度评估方面的适用性，本研究选择一座多层商业建筑作为案例研究对象。该研究通过具体的工程案例考察了所提方法的实施过程和评估结果。总体案例实施过程概述如图12所示。

首先，在

讨论

本研究的主要焦点不是独立生成火灾模拟结果或疏散模拟结果，而是在PBFD评估过程中统一组织建筑对象、设计火灾场景、模拟证据、疏散记录和ASET/RSET评估结果。在常规工作流程中，这些数据通常分散在BIM/IFC模型、FDS输出文件、Pathfinder日志、CSV表格和手工准备的报告中，这意味着最终的

结论

为解决多源数据组织困难、设计火灾场景参数追溯、火灾和疏散模拟输出与评估结论关联，以及无法通过单一全局ASET/RSET结果捕获的局部风险识别等问题，本研究提出了一种由PBFD和场景本体及互联知识图谱支持的半自动化PBFD评估框架。该框架以PBFD本体作为项目特定的统一语义基础

CRediT作者贡献声明

Yu Chen：写作——审稿与编辑，写作——初稿撰写，可视化，验证，方法学，调查，形式分析，数据整理，概念化。Xianghui Zeng：写作——审稿与编辑，验证，方法学，调查。Liu Jiang：写作——审稿与编辑，可视化，监督，项目管理，资金获取。Chaoyu Wang：写作——审稿与编辑，验证，资源。Zeyu Pan：写作——审稿与编辑，可视化，方法学，

数据可用性

支持本研究结论的数据可从通讯作者处合理请求获取。

利益冲突声明

? 作者声明他们没有已知的竞争性经济利益或个人关系可能影响本文所报道的工作。

致谢

作者谨向国家自然科学基金（基金编号：52408326）、海南大学科研启动基金（基金编号：XJ2300005918）和海南省普通高等院校研究生创新研究项目（项目编号：2024-196）表示诚挚感谢。

Yu Chen|Liu Jiang|Xianghui Zeng|Zeyu Pan|Chaoyu Wang