AIツール「P-Flash」がフラッシュオーバー予測、消防士の安全性向上へ

部屋内の可燃物がほぼ同時に着火する致死的現象「フラッシュオーバー」。消防士の盲点であり、利用可能酸素量のみによって制限される猛烈な火災を引き起こします。

新ツール「P-Flash（フラッシュオーバー予測モデル）」は、フラッシュオーバー切迫を推定し、消防士に警告を発します。米国国立標準技術研究所（NIST）研究者たちによって構築されました。

フラッシュオーバーとは？

フラッシュオーバーは、消防士が事前に検知する兆候が少ないため特に危険。熱の激化や天井を這う炎などの指標は、視界不良・高ストレスの救助現場では見逃されがちです。

「消防現場でフラッシュオーバーを予測する技術的ツールはほぼない」とNIST研究者Christopher Brown氏（ボランティア消防士も兼務）。「最大の道具は観察だけだが、それは非常に欺瞞的。外から見れば一方、中に入ると全く異なることがある。」

P-Flashの仕組み

P-Flashは、隣室を含む近くの熱検知器アレイからデータを取り込み、出火室の温度データを復元し、フラッシュオーバー可能性を推定。

機械学習で熱検知器故障後のデータ欠損を補完

熱検知器は一般的に150°C（302°F）まで動作。しかしフラッシュオーバーは典型的に600°C（1,100°F）で開始。欠損データギャップを埋めるため、機械学習（AIの一形態）を適用。

「データは失われるが、熱検知器故障直前までのトレンドと他検知器データがある。機械学習でそれらを足がかりにフラッシュオーバー発生・発生済みを外挿可能」とNIST化学エンジニアThomas Cleary氏（共著者）。

仮想住宅5,000回以上燃やして学習

機械学習には大量データ必要。家屋火災データ取得にはデジタル住宅——3寝室平屋ランチスタイル住宅（大半の州で最も一般的）の燃焼シミュレーション——を使用。NISTのCFAST（火災煙輸送統合モデル、実火災実験で検証済み）で5,041回シミュレーション実行。窓・寝室ドア開閉、家具配置、玄関ドア開閉をランダムに変化。熱検知器が高温で故障するまで温度データ生成。

4,033シミュレーションで学習、504でテスト・調整。約86%のシミュレーション火災でフラッシュオーバーを1分前予測成功。ミスの多くは偽陽性（過早予測）で、誤った安心感を与える偽陰性ではない。

実火災データでの検証と「囲い込み効果」の課題

UL（アンダーライターズ・ラボラトリーズ）実験で意図的に着火した13件実家屋火災の温度データと比較検証。開放区域（キッチン・リビング）出火では30秒前予測で良好。寝室出火（ドア閉鎖）ではほぼ予測不能。

「囲い込み効果」が精度急落の原因と推定。小密室では熱が逃げず温度上昇が急激——P-Flash初期学習データの開放実験室空間火災より速い。

次ステップ：囲い込み効果に焦点を当てた実大実験増加とシミュレーション表現改善。改良後、検知器とクラウド通信する携帯デバイスへの組み込み目指す——危険箇所と退避タイミングをレスポンダーに通知。

NISTエンジニアThomas Cleary氏インタビュー

Tech Briefs: 仮想建物をどう「燃やす」？何を変える？モデルにどう反映？

Cleary氏: P-Flashのようなモデルは多様な火災シナリオからの大規模データセットで訓練。実火災で必要データ量生成は非現実的なのでコンピュータ火災モデル（NISTのCFAST）で「仮想」建物内火災をシミュレート。固定レイアウトで低速〜超高速火災、出火場所、開口条件（ドア・窓）を変化させ、実火災で想定される範囲を模擬。フラッシュオーバー発生約5000シミュレーションでP-Flashを訓練、限定温度情報からフラッシュオーバー条件との有用な傾向・パターン相関を学習。

Tech Briefs: 着想のきっかけ？消防士のフラッシュオーバー対応現行技術は？

Cleary氏: 火災報知制御盤・煙/熱検知器情報を出動中消防隊に送信し、到着前から火災位置・拡大把握させる先行研究から着想。自然な延長として検知器データを予測的に活用。CFASTモンテカルロ火災シナリオモデリングで機械学習/AI用大規模データセット容易取得可能と判明。

現行：消防士は感覚・訓練、せいぜい携帯熱センサ・サーモグラフィカメラでフラッシュオーバー移行可能性判断。フラッシュオーバー接近室内にいなければ危険認識困難。

Tech Briefs: 消防士からフラッシュオーバー課題について何と聞いている？

Cleary氏: 観察手がかり（ロールオーバー、高熱、外部窓からの黒煙等）解釈経験でフラッシュオーバー回避試みる。しかし移行は典型的に数秒、指標は認識困難、見逃せば命危険。経験ベース消防をデータ駆動消防で補強目指す。

Tech Briefs: モデルを実用ツール化どう？今すぐ使える？

Cleary氏: 利用可能・容易入手可能な建物センサデータ依存で研究。スマート火災報知制御盤への統合が現実化一ルート：設置済み熱検知器から温度データ収集、データ処理・リアルタイム予測可能なコンピュータモジュール搭載。予測を指揮官や個別消防士へ送信。正確な提供メカニズムは未定、消防機関合意形成必要。

消防士は現段階で使用不可。熱検知器を用いた建物火災実験でのモデル性能（リアルタイム予測）検証が前提。

Tech Briefs: 今後の予定？

Cleary氏: 異なる建物レイアウト対応へP-Flash拡張中。今後1〜2年で建物火災実験デモ計画、火災安全（報知）機器メーカーとモデル能力について協議開始済み。

ご意見・ご質問をお寄せください。

[1] Reneke, P. A. (2013). Towards Smart Fire Panels. NIST TN 1780. US Department of Commerce, NIST, MD.