《Buildings》：Fire Hazard Identification in Large-Scale 4-Dimensional Building Information Models: A Voxelization-Based Approach
编辑推荐：
建筑施工现场因热工作业（点火源）与可燃物质之间时空间重叠引发的火灾仍是一个关键问题。传统方法基于热工作业与其他含可燃物质作业之间的交集来识别火灾危险，但忽略了热工作业与含有可燃材料的已建构件之间的交集，而后者同样可能导致火灾事故。此外，这类交集的检测依赖于从点
建筑施工现场因热工作业（点火源）与可燃物质之间时空间重叠引发的火灾仍是一个关键问题。传统方法基于热工作业与其他含可燃物质作业之间的交集来识别火灾危险，但忽略了热工作业与含有可燃材料的已建构件之间的交集，而后者同样可能导致火灾事故。此外，这类交集的检测依赖于从点火源到潜在可燃物质的计算密集型邻近搜索，在具有动态施工过程的大型建筑项目中导致长时间计算。为应对这一局限，本研究提出了一种适用于大规模4D-BIM（4-Dimensional Building Information Modeling，四维建筑信息模型）模型的基于体素的火灾危险识别方法，兼具快速性与准确性。通过将BIM离散化为可复用的LEGO体素，施工活动与建筑构件均可映射至体素，从而实现点火源与所含成文素之的凝生同时交集识别。此外，基于体素的邻近搜索高效，能够实现快速准确的火灾危险识别。验证测试表明该方法具有高精度，空间误差可计算（200 mm体素下最大0.57 m），且效率优越（比基于网格的方法快126%–1368%）。通过复用体素化BIM数据，速度可提升400%–1975%。该方法为4D情境下的主动施工火灾安全管理提供了一种高效可靠的数字化解决方案。
本研究旨在解决建筑施工现场火灾预防中的关键挑战，发表于《Buildings》期刊。研究背景源于施工现场火灾的突发性和破坏性，以及传统纸质安全规划和定期检查方法在识别热工作业与可燃材料时空间重叠方面的不足。现有BIM辅助火灾危险识别方法主要存在三方面问题：一是过度关注点火后场景评估，忽视了点火前主动预防；二是时空间交集分析主要评估活动之间的交集，忽略了热工作业靠近含有可燃材料的已建构件所引发的潜在危险；三是现有方法在速度与精度之间存在困境，基于工作空间的方法需手动划分区域且效率低下，而基于距离的方法则面临计算密集和元数据缺失等实际问题，且缺乏大规模4D-BIM场景验证。
研究人员提出了一种基于体素化的4D-BIM火灾危险识别方法，该方法无需预定义工作区域，通过将BIM空间自动离散化为体素来促进高效的自动邻近搜索，可同时识别点火源与已建构件的空间–时间交集以及传统方法所忽略的点火源与活动之间的时空间交集。研究结论表明，该方法具有全面的危险识别能力、主动自动化特性和优越的计质投影效率，验证测试显示其空间误差可控且计算速度显著优于传统方法，为大型建筑项目的主动火灾安全管理建立了可扩展的数字化模板。
该研究的技术方法主要包括三个核心部分。在模型与数据准备阶段，研究人员从4D-BIM模型中提取构件材料信息、工作分解结构（Work-Breakdown Structure, WBS）活动时间与资源信息、活动类型（建筑Construction、拆除Demolition、临时Temporary三类），并定义材料可燃性和活动火灾危险数据，同时设定火分离距离（水平和垂直方向）及时间缓冲（Time Buffer）以考虑可燃气体残留效应。在模型体素化阶段，采用DotRecast工具对BIM模型表面进行体素化并填充内部，将相同底部和顶部高程的体素聚类为矩形箱（Box），以实现快速体素化和数据压缩。在基于单元的时空间交集分析阶段，通过二维单元格（Cell）区域确定和参考记录、基于轴对齐边界框（Axis-Aligned Bounding Boxes, AABB）垂直范围的火分离距离判断、对称性优化的单元格扩展搜索，以及元素状态分类（静息Quiescent、活跃Active、空缺Void）和四层危险组合分级（极端Extreme、高High、中Medium、低Low），实现点火源与可燃材料及活动的同时交集识别。验证测试使用了三个不同规模的BIM模型：Autodesk Revit技术学校样本项目（5018 m2，5440个有效元素）、三亚市实验室项目（67,462.19 m2，62,461个有效元素）以及购物中心项目（237,600 m2，41,800个有效元素）。
研究结果部分围绕验证测试展开。
准确性测试结果方面，时间准确性测试显示，该方法能正确生成所有元素状态和危险组合，包括利用时间缓冲识别无原始时间交集的气体释放活动与点火源之间的危险、正确处理建筑活动后元素进入静息状态以及拆除活动后元素变为空缺状态等情况。空间准确性测试表明，三个模型的假阴性（False Negative, FN）误差均为0，证明该方法能识别火分离距离内的所有危险；初始火分离距离下存在假阳性（False Positive, FP）误差，但在扩展至误差上界后FP降为零，最大误差小于1 m（200 mm体素时最大0.57 m），在建筑施工阶段安全可接受。与AABB方法的比较显示，该方法总FP误差为92，显著低于AABB方法的1249，尤其在Model 3中AABB方法的FP误差是该方法的13倍；AABB方法的空间精度受模型方向影响，而该方法对方向变化更具鲁棒性。
速度测试结果方面，该方法与基于网格的方法相比，尽管存在模型体素化开销，但计算时间更短：Model 1中耗时13.10 s（网格法29.71 s，快126%），Model 2中耗时52.18 s（网格法765.98 s，快1368%），Model 3中耗时116.55 s（网格法294.5 s，快152%）。若体素化模型存储后直接复用，时间可进一步缩短至5.94 s、36.9 s和49.23 s，速度提升400%–1975%。敏感性分析表明，计算时间对水平火分离距离和体素尺寸显著敏感，对活动数量中等敏感，对时间缓冲和垂直火分离距离不敏感。
真实案例应用方面，案例一为江西新余市佳乐花园社区商业大楼地下室火灾，聚氨酯喷涂作业释放的可燃气体被静电点燃，该方法成功识别了聚乙烯薄膜铺设与嵌缝作业之间的IASI；案例二为浙江武义县浙江伟嘉利工贸有限公司厂房火灾，焊接作业热渣掉落引燃一楼违规存放的油漆，该方法成功识别了焊接与油漆存储之间的IESI，同时因脚手架族默认可燃材料"胶合板"而将其标记为极端危险。
讨论与结论部分，研究人员总结了该方法的三项核心优势：一是危险识别全面，同时涵盖IASI和IESI，确保热工作业靠近已建可燃构件的风险不被遗漏；二是主动自动化，无需预定义工作区域，减少人工划分工作量；三是计算效率优越，将复杂几何邻近搜索转化为高效的基于单元的索引查找速度显著治传统方法。同时指出四项局限：较大火分离距离、更多活动和较小体素尺寸组合会增加计算时间，需进一步加速；点火源和可燃活动材料需手动标注，大规模应用时劳动密集，需探索LLM辅助自动生成火灾相关数据；未考虑建筑构件耐火性导致结果偏保守；主要与AABB方法和基于网格的基准比较，未来需与OBB方法或先进基于工作空间的方法进行更全面比较。
研究结论翻译如下：本研究提出了一种基于体素化的4D-BIM火灾危险识别方法。该方法优势包括：（1）危险识别全面：与主要关注施工活动冲突的方法不同，所提方法从点火源与活动的空间–时间交集以及点火源与元素的空间–时间交集中同时识别危险，确保热工作业靠近现有可燃建筑构件所产生的风险不被遗漏，弥补了当前主动安全规划工具中的常见空白。（2）主动自动化：该方法专为火灾预防而设计，无需预定义工作区域，通过体素化自动实现危险识别过程，减少了与手动工作空间划分相关的人工劳动及人为错误可能。（3）计算效率优越：通过将复杂几何邻近搜索转化为高效的基于单元的索引查找，该方法显著快于传统基于网格的方法。验证测试表明其计算速度提高126%–1368%，使其非常适用于计算速度至关重要的大型动态建筑项目中的频度安全核查。
