火灾与烟雾数字孪生——一种建模火灾事件后果的计算框架
计算机与社会
2023-05-31 v1 计算工程、金融与科学
社会与信息网络
物理与社会
摘要
火灾与燃烧是颗粒物（PM2.5）的主要成因，而 PM2.5 是全球社区和城市空气质量的一项关键指标。本研究开发了一个实时火灾追踪平台，用于展示美国二十多个城市的活跃已报告火灾，并预测其烟雾路径及对范围内区域空气质量的影响。具体而言，我们近乎实时的追踪与预测最终构成一个数字孪生，以保护公众健康并告知公众火灾与空气质量风险。该工具实时追踪火灾事件，利用奥斯汀的三维建筑足迹模拟烟雾输出，并预测复杂城市环境中火灾事件的烟雾衰减。本研究的结果包括一个完整的奥斯汀火灾与烟雾数字孪生模型。我们与奥斯汀市消防局合作以确保预测的准确性，并表明城市内的空气质量传感器密度无法验证城市火灾的存在。此外，我们发布了代码与方法，以便世界上任何城市复现这些结果。本工作为开发并部署类似数字孪生模型以更好地保护公民健康与安全铺平了道路。
引用
@article{arxiv.2305.18313,
title = {Fire and Smoke Digital Twin -- A computational framework for modeling fire incident outcomes},
author = {Junfeng Jiao and Ryan Hardesty Lewis and Kijin Seong and Arya Farahi and Paul Navratil and Nate Casebeer and Dev Niyogi},
journal= {arXiv preprint arXiv:2305.18313},
year = {2023}
}
备注
8 pages, 8 figures, conference