Get 20M+ Full-Text Papers For Less Than $1.50/day. Start a 14-Day Trial for You or Your Team.

Learn More →

BIM-Based Co-Simulation of Fire and Occupants’ Behavior for Safe Construction Rehabilitation Planning

BIM-Based Co-Simulation of Fire and Occupants’ Behavior for Safe Construction Rehabilitation... Article  BIM‐Based Co‐Simulation of Fire and Occupants’ Behavior for  Safe Construction Rehabilitation Planning  Seyedeh Tannaz Shams Abadi, Nojan Moniri Tokmehdash, Abdelhady Hosny and Mazdak Nik‐Bakht *  Department of Building, Civil and Environmental Engineering, Concordia University,   Montreal, QC H3G 1M8, Canada; tannaz.shamsabadi@gmail.com (S.T.S.A.);   nojan.moniri.t@gmail.com (N.M.T.); Abdelhady.hosny@mail.concordia.ca (A.H.)  *  Correspondence: mazdak.nikbakht@concordia.ca  Abstract Construction renovation projects increase the risk of structural fire, mostly due to the ac‐ cumulation of combustible construction materials and waste. In particular, when the building re‐ mains operational during such projects, the redistribution of occupants and interruptions with ac‐ cess corridors/exit egress can exponentially increase the risk for the occupants. Most construction  projects are, however, planned and scheduled merely based on the time and budget criteria. While  safety is considered paramount and is meant to be applied as a hard constraint in the scheduling  stage, in practice, safe evacuation considerations are reduced to rules of thumb and general code  guidelines. In this paper, we propose simulation as a tool to introduce safety under structural fire,  as a decision criterion, to be mixed with time and budget for selecting the best construction schedule  alternative. We have used the BIM (building information model) to extract the building’s spatial  and physical properties; and have applied co‐simulation of fire, through computational fluid dy‐ namics (CFD), and occupants’ evacuation behavior, through agent‐based modeling (ABM) to esti‐ Citation: Shams Abadi, S.T.;   mate the average and maximum required safe egress time for various construction sequencing al‐ Moniri Tokmehdash, N.; Hosny, A.;   ternatives. This parameter is then used as a third decision criterion, combined with the project’s cost  Nik‐Bakht, M. BIM‐Based   and duration, to evaluate construction schedule alternatives. We applied our method to a three‐ Co‐Simulation of Fire and   floor fire zone in a high‐rise educational building in Montreal, and our results show that considering  Occupants’ Behavior for Safe   the  fire  safety  criterion  can  make  a  difference  in  the  final  construction  schedule.  Our  proposed  Construction Rehabilitation   method suggests an additional metric for evaluating renovation projects’ construction plans, par‐ Planning. Fire 2021, 4, 67.  ticularly in congested buildings which need to remain fully or partially operational during the ren‐ https://doi.org/10.3390/fire4040067  ovation. Thus, this method can be employed by safety officers and facility managers, as well as  construction project planners to guide accounting for fire incidents while planning for these types  Academic Editor: Wojciech  of projects.   Węgrzyński  Keywords: fire simulation; evacuation models; agent based modeling; co‐simulation; BIM; occu‐ Received: 4 August 2021  Accepted: 30 September 2021  pant behavior  Published: 4 October 2021  Publisher’s  Note:  MDPI  stays  neu‐ tral  with  regard  to  jurisdictional  1. Introduction  claims in published maps and institu‐ According to the US National Fire Protection Association (NFPA), local fire depart‐ tional affiliations.  ments have reported an annual average of 3840 and 2580 structural fire incidents for un‐ der construction or renovation sites, respectively. These fires collectively caused 12 civil‐   ian deaths, 101 civilian injuries, and $408 million damage in direct property annually be‐ tween 2013 and 2017 [1]. According to the Canadian Fire Safety Association (CFSA) report  Copyright: © 2021 by the authors. Li‐ published in 2014, the Ontario Fire Marshal (OFM) reported that the total number of fire  censee  MDPI,  Basel,  Switzerland.  incidents in occupied buildings under renovation was five times higher than new/vacant  This article  is an open access article  distributed under the terms and con‐ buildings under construction. In addition, between 2008 and 2013, fire incidents in reno‐ ditions of the Creative Commons At‐ vation projects have increased, despite the reduction in the total number of fires [2]. Ren‐ tribution (CC BY) license (http://crea‐ ovation construction projects always have the challenge to execute the works on time and  tivecommons.org/licenses/by/4.0/).  within  budget,  while  providing  a  safe  work  environment  for  the  workers  and  the  Fire 2021, 4, 67. https://doi.org/10.3390/fire4040067  www.mdpi.com/journal/fire  Fire 2021, 4, 67  2  of  29  occupants alike. The building is at its most precarious state when construction is sched‐ uled during normal operation conditions. Construction operations limit (or block) access  to some areas and redirect the traffic flow and typical routes. The occupants during this  time will be unfamiliar with the building’s access and egress. This magnifies the risks of  injuries and fatalities during evacuation in buildings, particularly with high vertical and  horizontal  occupant  density [3].  On the  other  hand,  construction  activities  accumulate  combustible waste and could have hazardous operations such as hot work and welding  [4]. These act as potential ignition sources increasing the risk of fires with varying inten‐ sities. When coupling these risks together, along with those of fires, the probability of ci‐ vilian casualties and injuries increases dramatically. Accordingly, construction renovation  projects  carried  out  during  normal  operational  hours  require  more  complex  planning  since they must consider the additional risks to keep the occupants safe and minimize  their  interruption,  all  while  maintaining  the  project  within  the  time  and  budget  con‐ straints.   This indicates the importance of fire‐related safety planning in occupied high‐rise  buildings that undergo construction renovation. Necessary safety assessments and fire  risk mitigation analyses must be conducted in such cases and must be integral metrics for  evaluating corresponding proposed construction plans. Popular planning guidelines in  the  market,  such  as  “The  Defense  Contract  Management  Agency  of  U.S  Government  (DCMA)” and “The Government Accountability Office (GAO)”, are not designed to eval‐ uate the plans for these types of renovation projects [5]. The question is how the threat  and risk of fire during the planning stage can be identified and how this assessment can  be used to evaluate the proposed construction plan, in addition to the other evaluation  metrics such as time, and cost. To address the proposed argument, various investigations  on human evacuation in fire emergencies are required. While the use of Internet of Things  (IoT) and sensory data is proposed for tracking and monitoring occupant’s evacuation  behavior [6], in the real world, there are not many chances for collecting the required data  associated with evacuation time or human behavior in the process of evacuation during  an actual fire. That is where software simulation can be helpful to model the behavior of  the facility, occupants, and the fire under various scenarios [7]. Accordingly, this paper  provides an understanding of the associated fire and evacuation risks related to various  construction renovation scenarios in buildings under operation. The approach is imple‐ mented by using a building information modeling (BIM) environment and co‐simulation  of fire and occupant’s behavior in evacuation. Consequently, the best renovation sequenc‐ ing option will be selected based on three criteria, i.e., fire safety, construction time, and  cost at the same time. The paper is organized as follows; a review of the relevant literature  on fire, evacuation safety, and construction schedule evaluation will be first provided.  Then, the proposed framework for schedule evaluation considering time, cost, and safety  will be introduced and implementation of the framework on a case study of an educa‐ tional building will be presented. Finally, the results are discussed, and conclusions are  drawn to provide a set of recommendations as well as suggestions for future work.  2. Previous Studies  Evaluating a renovation plan based on the occupants’ evacuation under fire condi‐ tions requires the modeling of fire and evacuation, both separately and together, as well  as a method to assess the evacuation performance under a fire incident. Accordingly, this  section provides an overview of each of these topics throughout the previous studies. The  literature review is designed to highlight the previous works and set the scope and as‐ sumptions for this research.   2.1. Fire Modeling and Simulation  Fire incidents have been simulated in four different ways. The first approach is only  considering the impact of fire as an exit door closure, rather than modeling the fire itself.  G. N. et al. (2019) investigated the impact of such closure probability of exit doors on safe    Fire 2021, 4, 67  3  of  29  th exit  evacuation  time  on  the  10   floor  of  an  educational  building  at  USCI.  The  results  showed the importance and criticality of the fire location in front of the exit door. How‐ ever, this approach did not model the impact of fire and its byproducts such as heat, toxic  gases, and visibility reduction on evacuees’ behavior and corresponding impacts on the  evacuation time [8]. Alternatively, the second method which models compartment fires is  an analytical approach. In this method, which is considered as the simplest, by utilizing a  fundamental series of expressions associated with the fire physicochemical processes e.g.,  Lawson and Quintiere’s computational technique and Alvares and Fernandez‐Pello’s em‐ pirical model, the fire development can be modeled [9–11]. Analytical models are the base‐ line for the more complex and computer‐based methods. Zone and field models, which  are the third approach, are from this group. A zone model initially divides a partially  enclosed room’s space into two sections with a layer which is a separation of upper hot  layer (smoke) and bottom cold layer (air). Additionally, the area of interest is defined as a  combination of uniform described zones. In each of these zones, specific mathematical  equations  describe  the  conditions  of  interest.  Consolidated  Fire  and  Smoke  Transport  (CFAST) developed by the National Institute of Standards and Technology (NIST) is a  method based on the concept of zonal model and the output of its simulation shows ac‐ ceptable results, however, the accuracy decreases in models with complex geometry, or  when the enclosure is small or the surface is not uniform. Lastly, is the approach that uses  computational fluid dynamics (CFD) principles to model the behavior of fire and its by‐ products (which is called a field model). Similar to the zonal approach, this model divides  an enclosure into smaller zones, but in a larger number, compared to the zone model and  simulates fire through numerically solving Navier–Stokes equations for low‐speed flows  in 3D. Examples of commercial software which operate based on CFD principles (creating  field models) are JASMINE, SOFIE, and Fire Dynamic Simulator (FDS) [7,12–15]. The FDS  also  provides  operators  with  modeling  facilities’  geometry,  objects,  materials,  and  fire  properties in a programming environment. The simulation results will be obtained in 2D,  i.e., plot time history results and slices; as well as 3D, i.e., visual smoke view videos [16,17].  However, using field models requires a tremendous effort to set up and also simulation  time is significantly longer than the previous approaches e.g., hours and days of simula‐ tion [14].  Working with FDS and its programming interface is challenging due to the limited  visualization capacity, specifically to model complex geometries [16,18]. To bridge this  gap, a graphical user interface (GUIs), named Pyrosim, is developed to support modeling  the facility’s geometry, and simulate the fire in a visual FDS‐based environment. This al‐ lowed for better measurement of location, temperature, and CO concentration of smoke  and visibility reduction produced by fire [13,18–20].   2.2. Evacuation Modeling  Agent‐based simulation has  been used  as  an established approach  for evacuation  modeling [18,21] among others. Agent‐based modeling  (ABM) is a simulation method  based on entities as agents [22]. The individual agents behave based on set rules, as well  as interactions with other agents, and the environment [18]. While the utilization of ABM  has been common in the previous works, a few studies modeled the evacuation without  any simulation. For instance, the evacuation Cao et al. (2013) relied on formulas and cal‐ culations based on the model with smoke effect and blind evacuation strategy (SEBES) [7].  In that study, the focus of the model was more on characteristics and the location of the  fire, as well as the exit door’s width that was inversely proportional to the evacuation time  [7]. However, the model was not complex and was unable to consider factors such as ve‐ locity changes and the agent’s behavior variations in the fire emergency. Eftekharirad, et  al. (2019) combined ABM with an FDS based engine to study the evacuation behavior of  residents under a structural fire, in a construction renovation project [21]. That study par‐ tially considered some of the effects of fire products on agents’ behavior and also modeled  agents for occupants with disabilities.    Fire 2021, 4, 67  4  of  29  Several software tools are commercially available to apply ABM for evacuation sim‐ ulation; including Pathfinder, Anylogic, STEPS, and Evac [23–26]. WSP’s study in 2017  analyzed three different evacuation software tools, i.e., Pathfinder, Evac, and STEPS. The  comparison indicates that the complex geometries are best supported by Pathfinder and  STEPS with a satisfying visualization [12]. However, STEPS has difficulty in non‐horizon‐ tal modeling and FDS geometries are not perfectly coordinated. The Evac also has limited  support for complex geometries. The whole study did not address the interaction between  agents and smoke, which could influence the evacuation time [12]. Sun and Turkan (2020)  modeled the evacuation of a single‐story nightclub through ABM, using Anylogic soft‐ ware tool [18]. The critical factors affecting the fire and evacuation in this study were hu‐ man behavior, physical characteristics of the building, and fire condition [18]. The com‐ putational time was reported to be very high, so the authors had to compromise on the  model resolution.   On the other hand, considering the vertical load on the evacuation is critical and it is  key to have realistic results [18]. In none of the studies by Sun and Turkan (2020), Cao, et  al. (2013), Eftekharirad, et al. (2019), and Wang et al.’s (2015) multi‐story buildings were  modeled, hence the vertical load was not being considered. In Li et al. (2018) [19] and G.N  et al. (2019) [8] research, the vertical evacuation was considered, but the fatigue, group  movement, and the movement of disabled people in vertical corridors were not compe‐ tently investigated. On the other hand, based on SFPE human behavior handbook, agents  of different ages and gender could have different speeds [27]. Wang et al.’s (2015) study  did not consider human characteristics, which are the main contributing factors [20]. Hu‐ man profiles control the speed, age, size, and height of agents and the behavior dictates  the way the agent behaves during the evacuation. Wang et al. (2015) did not differentiate,  in terms of speed, between various agents’ profiles and considered one constant speed  walk and flow rate [20]. G.N et al.’s (2019) model was also based on a constant velocity  with no consideration of age, disability, and genders [8]. Cao et al.’s (2013) model had two  velocities for slow and fast pedestrians [7]. Li et al. (2018) provided the profile of young  males and females by modeling only one default speed as 1.19 m/s [19]. Considering dif‐ ferent speeds for different ages and genders increases the accuracy of the result.   2.3. Fire Evacuation Risk Assessment  Methods used in the literature for the risk assessment of structural fire closely depend  on the modeling approach adopted for the fire. For instance, in G.N et al.’s (2019) study  that instead of directly modeling the fire, exit blockage was considered; the risk of fire was  assessed based on the reduction of safe exits in the building layout during the evacuation  [8]. Other approaches considered modeling more of the fire characteristics and incorpo‐ rating them into the risk assessment model [28]. Generally, fire risk assessment considers  two parameters: required safe egress time (RSET) and available safe egress time (ASET).  RSET is defined as the physical movement time of the agent to reach a safe area. ASET is  the time which incapacitation is predicted for the agent due to the exposure of the agent  to the fire products such as smoke. The RSET could be calculated in evacuation software  tools and ASET is an output of the FDS or other available tools with the evacuation sce‐ nario [13,18–20,29].  Wei and Wang (2016) estimated the danger time by considering 2.0 m flue gas height  factor from the floor level [13]. Wang et al. (2015) used multiple parameters based on the  Society of Fire Protection Engineers (SFPE) handbook. This handbook provides three tol‐ erance limits for agents, i.e., temperature more than 60 °C; carbon monoxide concentration  higher than 1400 ppm; and visibility less than 2.0 m. The ASET in this study was when  the agent reached visibility of less than 2.0 m [20]. Li et al. (2018) expanded the list of  tolerance limits by adding a ‘fractional effective dose’ (FED) parameter in their investiga‐ tion. They considered a building unsafe if the evacuation time exceeded RSET in which  FED value is 0.1 [19]. Implementation of this parameter was based on equations of the  2 2 SFPE Handbook for the concentration of CO, CO , and O  [30]. In these two studies, only    Fire 2021, 4, 67  5  of  29  one level of risk associated with fire was defined which does not show other stages of the  evacuation where it involves injured occupants [19].   Sun and Turkan (2020) provided three stages for ASET. The first and second stages  are defined based on the height of the smoke layer when it reaches 1.5 m and 1.2 m from  the floor level, respectively. The last stage is assigned to the condition where one of the  fire reaction byproducts (i.e., heat, toxic gases, or smoke density) reaches the human’s  physical tolerance [18]. After running simulations, ASET stages are checked for the unin‐ jured escape, injured escape without death, and failure escape alive, respectively. The out‐ put of the evacuation analysis and the building properties were taken into a linear regres‐ sion model by Sun and Turkan (2020), to compare the required time of evacuation from  the building and the available time of evacuation in different conditions [18]. Table 1 pre‐ sents a summary of the recent applications similar to the approach taken in the present  study. Regardless of the studies’ scope and method, to our best understanding, no re‐ searcher has integrated, to date, the fire/evacuation analysis with construction planning,  and this has remained a gap in the literature. Accordingly, we use ASET and RSET as the  two outputs from fire and evacuation modeling and assess the renovation construction  schedule. ABM and FDS will be used through Pathfinder and Pyrosim, which are inte‐ grated with the BIM to co‐simulate the fire products’ impact, occupants’ evacuation, and  the impact of construction operations sequence on the two.  Table 1. Most recent works for fire/evacuation co‐simulation.  Simulation  Impact of Fire on  Vertical/Horizon‐ Author (Year)  Simulation Purpose  Simulation Method  Tool  Evacuation  tal Modeling  A 6‐step framework  (EvacuSafe) including  Evaluating fire‐related  Defining  BIM, Fire Simulation  safety of evacuation in  •Fire: CYPE‐ open/close sched‐ Module, Path Identifica‐ a two‐story office  CAD MEP  ules of gates for af‐ Mirhadi et al.  tion Module, Agent‐ Horizontal and  building by consider‐ (FDS)  fecting the flow be‐ Based Crowd Simula‐ Vertical  (2019) [31]  ing the distance of  •Evacuation:  cause of fire influ‐ tion Module, Calcula‐ agents from fire and  MassMotion  ence on agents’ be‐ tion of Risk Indices, and  safe evacuation.  havior  Analysis of Design Sce‐ nario  A multi‐model ap‐ proach including Basic  Assumptions (Fire de‐ sign, Design behavioral  scenario, and Boundary  A complex agent‐ conditions); 1D Smoke  based evacuation sim‐ •Fire: FDS  Propagation (Visibility)  Smoke effect on  Ronchi et al.  ulation using a simpli‐ •Evacuation:  and Toxic Species; Sim‐ visibility and speed  Only Horizontal  (2019) [32]  fied egress model and  Pathfinder  plified Egress Modeling  of occupants  the smoke‐filled por‐ (ABM)  (in smoked filled areas);  tions  Arrival Times to  Smoke‐free Areas; Ad‐ vanced Egress Model‐ ing (in complex spaces);  and Safe Area  Introducing a method, Generating 30 scenarios •Fire: Pyrosim  Impact of fire tem‐ Li et al. (2020)  called FREEgress (Fire based on the initial loca‐•Evacuation:  perature, toxic  Only Horizontal  [19]  Risk Emulated Envi‐ tion of the fire, delay  FREEgress (de‐ gases, and smoke  ronment for Egress) to time, and behavior type; veloped based  on occupants’    Fire 2021, 4, 67  6  of  29  evaluate the impact of  Then modeling and  on the  physiology (motion  three factors: initial fire running the simulation SAFEgress soft‐ speed and health)  location; evacuation  in the associated soft‐ ware tool)  and navigation  delay time; and occu‐ ware tools  strategy  pants’ behavior) on  evacuation process   (i) A linear regression  between the building  Developing a BIM  Finding effective  design and RSET; (ii)  Based framework and  •Fire: Pyrosim  escape routes as  Finding the relationship  Q. Sun and Y. implementing FDS and  (FDS)  recommended by  between the fire growth  Turkan (2020)  ABM for simulation of  •Evacuation:  evacuation scenar‐ Only Horizontal  rate and NFH; and (iii)  [18]  fire propagation and  Anylogic  ios and hazardous  evaluating the effects of  evacuation perfor‐ (ABM)  zones as reflected  designed model param‐ mance  in fire simulation  eters by applying two  sample t‐tests  Studying the impact of  Using a co‐simulation  •Fire: Pyrosim  Temporary block‐ temporary repurpos‐ of the fire propagation  Eftekharirad,  (FDS  age of access due to  ing and changing the  and agents’ evacuation  et al. (2019)  •Evacuation:  construction and  Only Horizontal  layout due to construc‐ under the physical con‐ [21]  Pathfinder  exit blockage due  tion, on the fire and  straints of the construc‐ (ABM)  to fire  evacuation behavior  tion project  Using BIM to identify  agents’ locations to  Develop a BIM Based  send them evacuation  platform combined  instructions and simu‐ No impact of fire;  with ABM and FDS  late them in evacuation  rather studied the  and sending instruc‐ software under various •Evacuation:  Gerges et al.  influence of send‐ Horizontal and  tions to the  scenarios; Then, com‐ Pathfinder  ing instructions to  Vertical (11‐story)  (2021) [33]  smartphones to im‐ paring the regular evac‐(ABM)  smartphones dur‐ prove evacuation from  uation time with the  ing the evacuation  high‐rise residential  constraint evacuation  buildings  time to evaluate the im‐ pact of sending instruc‐ tions, on the process  Selecting the most likely  ignition source of fire  by the proposed ‘multi‐ exit fire‐location‐selec‐ Risk evaluation of un‐ Considering the  tion method’; Then esti‐ derground facilities  CO concentration  mating ASET and RSET •Fire: Pyrosim  Wang et al.  through a proposed  and outside tem‐ Horizontal and  as inputs for risk assess‐•Evacuation:  (2021) [34]  risk‐assessment  perature caused by  Vertical  ment. Calculating asso‐ Pathfinder  method associated  fire but not directly  ciated risk with each  with evacuation in fire  in the simulation  area and exit route; Fi‐ nally, evaluating the  overall risk of the entire  facility        Fire 2021, 4, 67  7  of  29  3. Methodology  As mentioned earlier, the main target of the paper is to create a feedback loop be‐ tween evacuation under fire hazards and the planning process of construction renovation  activities.  Accordingly,  Figure  1  shows  the  high‐level  framework  implemented  in  this  study, which comprises five main steps, i.e., (1) Building examination; (2) Construction  scope definition and planning; (3) Fire Modeling and Simulation Analysis; (4) Evacuation  modeling and Co‐Simulation; and (5) Construction schedule evaluation. In the following,  these steps are explained under three major steps, i.e., preparation; simulation; and eval‐ uation.   3.1. Preparation Phase—Building Examination and Construction Scope Definition and Planning  During building examination, a BIM is used to extract the required information in‐ cluding floor layout; functionality and area of spaces; connections such as corridors and  stairs;  the  number  and  location  of  pressurized  exit  doors;  components’  material;  fire  zones; occupants’ count and density at normal operation; etc. During the construction  scope definition and planning, renovation activities and necessary resources i.e., labor,  materials, and equipment, are determined based on the types of renovation activities. The  planning process uses the output of the building examination for each activity separately  to provide insight to (i) the alternative routes in/out of the building for material trans‐ fer/debris removal, etc., with minimal interruption to the occupants; (ii) the hazardous  tasks within the activity which might require additional measurements to execute them  during normal building operations; (iii) alternative occupant reallocation plans (if any)  during the project execution; and (iv) the different crew compositions, productivity and  associated costs to complete the activity considering the type(s) of interruption happening  with each (sound levels, crew movements, etc.)  Figure 1. High‐level methodology framework.    Fire 2021, 4, 67  8  of  29  Afterward,  activity  relations  and  dependencies  are  evaluated  to  develop  the  con‐ struction plan and that is where the complexity appears. The planner is expected to de‐ velop the schedule not only based upon the typical construction logic but also to consider  how the activities’ execution would affect/risk the occupants at any point in time. This  additional criterion usually could define soft dependencies in a schedule. The soft de‐ pendencies between activities are when there is no physical (hard) constraint that dictates  their  execution  order  sequence;  rather,  the  planner  creates  these  soft  dependencies  to  streamline the workflow on‐site and to level the project resources. Hence, these soft de‐ pendencies are re‐engineered now to consider occupant interruption and associated risks.  Accordingly, multiple schedule alternatives would be developed where the work break‐ down, the sequence of operation, activity duration, and critical path are defined in each.  Finally, by reviewing the 4D model for each schedule alternative, the planner can define  the workspace requirements and generate a snapshot at each unique time interval. These  snapshots would resemble the space allocation, the blocked exits, obstructed routes, and  shifted occupant  density (due to  relocation) at any point of the construction schedule.  These snapshots are then used in the fire/evacuation modeling.   3.2. Simulation Phase—Fire Modeling and Evacuation Co‐Simulation  The building examination outputs and the expected workspace snapshots from the  alternative plans, provide the layout for the co‐simulation for fire and evacuation. The fire  simulation stage comprises the following steps: i) determining the possible critical fire  locations; and ii) defining the fire characteristics and intensities. The suggested tool for  the fire simulation is Pyrosim 2020.1 [17]. According to the previous studies, fire locations  in front of exit doors are deemed more critical, and thus should be modeled [13,18–20,29].  The fire properties are based on the SFPE Handbook of Fire Engineering Protection by  selecting from the materials defined in the project [35]. The fires are modeled in the Pyro‐ sim software tool through the following steps: a) defining meshes; b) defining reactions;  c) defining fire ignition source by creating obstruction, material and burner surfaces; d)  defining 2D slices for extracting the fire result; and e) choosing the simulation time. The  results obtained are Pyrosim file (.psm) and smoke view file (.smv) which are required for  evacuation modeling and co‐simulation.  As prior investigations have implemented the method of evacuation modeling by the  help of software tools, in this study, Pathfinder an evacuation simulation software tool is  chosen to model the evacuation scenarios [13,18–20,29,30]. The fire simulation outputs are  imported into Pathfinder. The construction snapshots and occupants’ properties and re‐ allocation plans are used as the basic information of the modeling. To model the evacua‐ tion in Pathfinder software tool, the first step is floor extraction and door detection, the  second step is creating the occupants based on 2 criteria, the fixed characteristics as profile  such as speed, gender, height, and behavioral actions such as waiting and moving toward  the  exit  doors.  To  couple  the  Pyrosim  (FDS  fire  result)  and  Pathfinder,  the  automatic  method is used. The only impact of fire in this co‐simulation on evacuation is slowing  down the agents by applying a speed factor on the speed of agents due to the deduction  of visibility range caused by smoke.  3.3. Evaluation Phase—Construction Schedule Assessment  In the last phase of the method, the construction schedule alternatives are evaluated  based on three criteria, i.e., cost (total budget), time (project duration), and safety under  fire evacuation. The project duration metric eliminates longer construction plans, which  indicate an extended period of interruption to the building’s normal operations. The con‐ struction cost metric reviews the overall construction cost and daily cashflow, to ensure  the project remains affordable, with the increased safety and logistics parameters. For the  occupants’ safety metric, two parameters are considered. First and foremost is the possi‐ bility of fatality and casualties. This is being considered as a hard constraint, hence those  schedule scenarios that can have the possibility of fatalities will be eliminated. Afterward,    Fire 2021, 4, 67  9  of  29  a comparison between the RSET with and without fire for each scenario is made and the  difference in time is considered as the added risk of evacuation due to the fire. The metrics  are coupled to determine the preferred construction scenario.  4. Case Study  In this section, the proposed modeling framework is applied to the actual case study  of an educational building. The BIM of a high‐rise building located in Concordia Univer‐ sity downtown campus, built in 2005 was built and different fire scenarios under renova‐ tion alternatives were examined. The modeling process was done on a platform with an  Intel dual‐core i5 processor (2.5 GHz) with 8 GB available RAM and the simulations were  completed on a computer with an Intel quad‐core Xenon processor E5 v5 family with 32  GB RAM. The simulation times for modeling different fire scenarios () in Pyrosim ranged  from 7.5 h to 13 h, with an average of 10.5 h. The co‐simulation times for modeling the  evacuation process for the 18 snapshots under each fire scenario () ranged from 263 s to  715 s, averaged around 400 s. Details of the fire scenarios, schedule snapshots, and their  combinations are explained later in this section.   4.1. Building Examination and Scope Definition  The  case  study  building  comprised  two  17‐story  towers,  which  are  connected  through indoor common corridors and include administrative offices, over 300 special‐ ized labs, conference and meeting rooms, some classes and student common areas. Under  normal operations, the building has an average of 1000 occupants per day and operates  th 24 h, 7 days a week. The authors acquired the BIM of the 9  floor, shown in Figure 2 and  regenerated the rest of the building. This layout is divided into 2 parts: on the bottom (E‐ Block) and on top (V‐Block). The floor includes six (6) dry laboratories, 35 student offices,  nine (9) staff offices, one kitchenette, four bathrooms, eight elevators, and four (4) pres‐ surized exit doors. Every three floors of this building are openly connected in the vertical  direction (referred to, as ‘vertical campus’) through two staircases; one spiral staircase in  the E‐Block, and one regular staircase in the V‐Block. According to the fire design of the  building, these three vertically connected floors are considered as one fire zone, which  seals off fire and smoke from traveling to other floors. Accordingly, the building model  was created at two levels of development (LOD): The fire zone which comprised floors 8  through 10, was developed at LOD 300; and the rest of the building was modeled at LOD  200. It is worth mentioning that the entire building is the engineering and art faculties,  labs, and offices and functions are quite similar. Accordingly, the layouts of all floors are  similar as well, the deviation between them is minute and negligible.     Fire 2021, 4, 67  10  of  29  Figure 2. The case study building’s 9th floor layout.  The number of occupants in the labs and the offices were assumed, based on the On‐ 2 2 tario building code, as 4.6 m  per person for the labs and 9.3 m  per person for the student  and faculty offices [36]. If the office belongs to a professor, one occupant is modeled per  space. Based on these assumptions and the extracted space areas from the 3D model, the  maximum capacities are calculated, and the normal capacity is considered 50 percent of  the maximum capacity. The area of each lab and its capacity based on the proposed code  is demonstrated in Table 2. The table presents the assumed profiles for the occupants as  well. The demographic information of labs was assumed by generalizing from a limited  number of labs for which the information was available.   Table 2. Lab’s area, capacity, and occupant’s distribution.  Max. Ca‐ Existing Ca‐ Extra Capacity due  No. Female  No. Male  No. Female  No. Male  Lab  Area (m )  pacity *  pacity *  Relocation *  <30 yrs old  <30 yrs old  30 < F < 50  30 < M < 50  A  187.46  40  20  20  8  8  2  2  B  192.82  41  20  21  8  8  2  2  C  187.97  40  20  20  8  8  2  2  D  106.47  23  11  12  5  5  0  1  E  171.36  37  19  18  7  8  2  2  F  136.23  29  14  15  5  5  2  2  Total  982.31  210  104  106  41  42  10  11  * Number of agents.        Fire 2021, 4, 67  11  of  29  4.2. Construction Scope  As explained earlier, based on the building’s fire zone divisions, this study focused  on the fire zone between the 8th and the 10th floor. The rest of the building was modeled  to resemble the vertical load effect of occupants during evacuation. The scope of work  assumed in this study was the renovation of the six labs in the V Block as well as the  corridors, as the main connection components between spaces. Ceiling work and duct‐ work were considered in the scope since both comprise hot works that would require a  complete or partial closure for labs and corridors. Based on RSMeans, one crew compris‐ ing two workers for ceiling work will produce a daily output of 500 S.F. For the ductwork,  one crew comprised of three workers will produce a daily output of 265 lb. In this study,  the productivity of each crew was assumed at 75% of the RSMeans values [37] to resemble  the complexity of the renovation (than new construction) work. Adjusted daily output for  ceiling work and ductwork were 375 S.F and 198.75 lb, respectively. In addition, the direct  cost per day of $60 and $40 was assumed for the ceiling work and ductwork, respectively.  The number of occupants in each of the three floors of the studied fire zone was assumed  to be identical and provided in Table 3. Some general contextual information about the  modeled occupants is provided in Table 3. The construction renovation was assumed to  be occurring on the 8th floor of the building. 50 occupants were assumed for the rest of  the floors, outside the  fire zone, and the number of males and females  existing  in the  building was assumed almost equal. As a result, the total number of occupants in the  whole building was 1,157 without considering the operating crews.   Table 3. Occupants’ gender and age distribution in fire zone.  Floor Number  Number of  Number of Male < 30  Number of 30 < Female < 50  Number of 30 < Male < 50  Total  in Fire Zone  Female < 30  8, 9, 10  66  67  17  19  169  4.3. Construction Planning  The two different construction renovation activities were assumed to take place as  ceiling work in the labs and the ductwork is in the corridors. Six labs and three corridors  sections are under renovation. In each lab and each corridor section, only one crew can  operate. The works’ priorities are considered identical in each type of activity. Accord‐ ingly, the authors explored the following strategies for the combination of activities be‐ tween the labs and the corridors: (i) Schedule Type 1—two activities simultaneously, one  crew for labs, one crew for corridors (we refer to this scenario as 1crew‐1crew); (ii) Sched‐ ule Type 2—three activities simultaneously, two crews for labs and one crew for corridors  (we refer to this scenario as 2 crews‐1 crew); and (iii) Schedule Type 3—Four activities  simultaneously, two crews for labs and two crews for corridors (we refer to this scenario  as 2 crews‐2 crews). Given the level of scheduling and the assumptions that the activities  are identical in terms of scope, there were no hard dependencies to be drawn. Hence, the  total number of permutational combinations for the six labs and three corridor sections  was 4320 based on the soft dependencies.   The scenarios generated out of the three strategies underwent two filtration stages  (as suggested by Figure 1); i.e., (i) construction flow; and ii) operation logic. The construc‐ tion flow eliminated the scenarios with a large number of non‐value‐added activities re‐ sulting from unnecessary crew traveling between activities. Also, the less the crew travels,  the less interruption to the occupants. As a result, by applying the construction flow on  all the possible combinations, 32 combinations remained acceptable. The operation logic  evaluated the possibility of relocating occupants of the under‐construction labs in other  areas of the same floor, based on the available minimum area per person (please refer to  Table 2). It was assumed that the occupants of each room should be temporarily accom‐ modated in a room with the same functionality. In this case, all the combinations were  accepted as space was available in any of the four labs that supported the relocation of    Fire 2021, 4, 67  12  of  29  occupants from any of the two under‐construction labs. The distribution of temporary  relocations was made evenly among the available spaces of the same floor.  The next step after determining the relations among activities was estimating their  durations. For that, the work required for each activity was calculated based on the ad‐ justed daily output of the crew operating in the activity. The renovation duration for labs  A through F was calculated as 14, 15, 11, 7, 10, and 8 days, respectively; and the duration  of corridors G, H, I activities were 6, 6, and 10 days respectively (please refer to Figure 2  for the labs’ and corridors’ names).   Table 4. Final snapshots—activities combination.  #  Activity 1  Activity 2  Activity 3  Activity 4  1  B  C  G  I  2  B  F  G  I  3  A  C  G  I  4  A  E  G  I  5  A  F  G  I  6  B  C  H  I  7  B  E  H  I  8  B  F  H  I  9  A  C  H  I  10  A  E  H  I  11  A  F  H  I  12  B  D  I  N.A.  13  A  D  I  N.A.  14  B  D  H  N.A.  15  A  D  H  N.A.  16  B  D  G  N.A.  17  B  E  G  N.A.  18  A  D  G  N.A.  Workspace planning was a key component during construction planning; where the  assumptions for each scenario were (i) labs under construction are fully evacuated; (ii)  corridors under construction are partially blocked; and (iii) occupants are not allowed in  the construction areas (i.e., construction was modeled as a static workspace) [38]. Each  schedule was divided into workspace snapshots to resemble the building layout while  under construction. As a result, each schedule had nine different snapshots with different  durations, and a total of 288 snapshots were extracted from all 32 schedules. Deep analysis  of these snapshots revealed some redundancies in the sense that some workspace snap‐ shots were part of other more critical ones e.g., a snapshot showing one lab construction  under the 1 crew‐1 crew schedules, was covered under the snapshots coming from the 2  crew–2 crew schedules, which had two labs under construction at any time. Accordingly,  after removing redundancies, this analysis revealed 18 unique snapshots that are shown  in Table 4. The 2 crews–1 crew alternatives had seven critical snapshots and the 2 crews– 2 crews had 11.  4.4. Fire Scenarios   As mentioned earlier, one of the critical locations for fire occurrence is in front of exit  doors [8]. Therefore, four out of five fire locations were assumed to be in front of each  pressurized exit door, and the last location was considered to be in front of the spiral stair‐ case. The importance of spiral staircase fire is that this research simulates both horizontal  and vertical fire smoke propagation. The special location of the spiral staircase can create  a  chimney  effect  to  this  simulation  and  let  smoke  travel  to  the  upper  floors  from  the    Fire 2021, 4, 67  13  of  29  beginning of the simulation. As such, this research considered five fire locations per each  construction snapshot, as shown in Figure 3. It is assumed that each fire, based on the  location of the construction sites in each snapshot, can be categorized as either high or low  intensity. If the fire is in or close to the construction site, it is considered high‐intensity,  due to the presence of hot works and combustibles. Otherwise, it is considered a low‐ intensity fire. The only exception is the fire for the spiral staircase, which was assumed to  be high‐intensity to investigate the chimney effect. Based on these assumptions and final  snapshots, a total of seven fires scenarios were modeled as introduced in Table 5.   Figure 3. Five fire locations per each snapshot.  Table 5. Fire scenarios modeled.  No  Fire Location  Intensity  Label  1  Exit Door‐01  High  A1  2  Exit Door‐01  Low  A2  3  Exit Door‐02  High  H1  4  Exit Door‐02  Low  H2  5  Exit Door‐03  Low  L  6  Exit Door‐04  Low  R  7  Spiral  High  Spiral  4.5. Fire Modeling Steps   Fire simulation started by importing Revit model, then defining meshes, reaction,  and the fire ignition source. It was followed by setting up the output properties, slices,  and finally running the analysis. Only one fire zone was modeled in this research, as dis‐ cussed before, which comprised floors 8 through 10. Nevertheless, the evacuation impact  during a fire incident from the rest of the floors was studied, by modeling the occupants    Fire 2021, 4, 67  14  of  29  of the upper (and lower) floors. The fire zone (floors 8 through 10) was modeled in Revit  at LOD 300, then exported as IFC (Industry Foundation Classes) Version 4 through Refer‐ ence View MVD (Model View Definition). It is important to notice that only this fire zone  was imported into Pyrosim and was used for the fire simulation. The rest of the floors  were modeled at LOD 200, and were used later in the process of evacuation modeling.  IFC was selected over other extensions, such as DWG, DXF, and FBX, to include model  information such as material types, during the export. Reference View MVD was chosen  because it contained adequate information and was stable during the import process. Af‐ ter importing the geometry into Pyrosim (Figure 4), the meshes were defined through  mesh boundaries and cell sizes to set the domain of FDS calculations in the process of  analysis and [39]. In this study, for streamlining the analysis in a timely manner, meshes  were only considered in the common areas (corridors and common spaces). Also, instead  of having one big mesh, they were divided into smaller parts comprised of 13 meshes with  an overall number of 760,368 cells with 0.25 m in size for each cell. All faces of meshes’  boundaries were set as open vents except upper and bottom faces. Based on the selected  renovation types, Nylon was considered as a part of construction waste for fire material  source and it was added to the fire model from the existing library of Pyrosim.  Figure 4. Pyrosim geometry of the 8th, 9th, and 10th floors.  The reaction properties are based on the SFPE Handbook of Fire Engineering Protec‐ tion [35]. The reason for choosing Nylon instead of other combustibles is the high amount  of soot yield in its reaction compared to other materials in the renovation site since smoke  was the only byproduct of fire which has an impact on the occupants during evacuation  [35]. The fire ignition source was modeled as a localized fire through the following steps:  (i) creating obstruction; (ii) defining burner surface with a heat release rate per unit area  (HRRPUA) parameter; and (iii) creating a vent with burner surface and assigning that to  the top face of the obstruction. HRRPUA was set as a fixed value to remove the delay for  reaching its defined value and to sustain it to the end of a predefined simulation time. By  fixing the HRRPUA of the applied burner surface to a vent, there is a possibility to have  the fire source up to the end of any defined simulation time while the materials and fire  propagation were not modeled [40]. This approach was also selected to increase the criti‐ cality of the simulation, although it may seem unrealistic as it does not consider the prop‐ 2 2 agation of fire. Hence, 1000 KW/m  and 500 KW/m  were assigned to high and low values  for HRRPUA of the burner surface, respectively, as a fixed number. The area of the vent  on obstruction was considered to be 5.00 m  which was obtained by multiplying 1.50 m  (vent width) by 3.33 m (vent length). It is worth noting that while a flashover as a transient  phase is possible to happen during the indoor fire development, based on the selected  HRRPUA values, the probability of its occurrence in this case study was low. Based on  the literature, flashovers are expected to occur when the temperature associated with the    Fire 2021, 4, 67  15  of  29  room’s surfaces reaches its ignition temperature [41]. For that to happen, the fire would  usually either be in a small room or have a considerable amount of fuel/ventilation to last  enough to reach such a high temperature [42]. In this case study, the fire was modeled in  the spatial corridors (corridor area is about 550 m ), which are clear from any fuel sources,  and openly connected among the three floors in the fire zone. Additionally, the corridor  walls and ceiling are 1 h fire‐rated, and the ventilation system automatically shuts off in  case of fire to limit the air supply [43]. Hence, the probability of a flashover occurring was  deemed very low. Yet it must be added that the case of flashover can only make the situ‐ ation even more critical, hence in order to respond to our research problem (i.e., whether  the occurrence of fire during construction must be taken into account quantitatively) not  considering the effect of flashover will be a conservative approach. All results were rec‐ th orded in 3D except for the 2D soot visibility slices, which were defined on the 8  floor’s  meshes. They were set at a height of 1.80 m from the floor level, which was selected based  on the assumed approximate height of the agents. The simulation time was set as 300 sec.  The analysis was conducted through parallel computing by assigning meshes to different  cores of the processor. The output of each fire simulation was one Pyrosim file (.psm) and  one smoke view file (.smv); both serving as inputs for the evacuation modeling in Path‐ finder. Additionally, 2D slices provided visualized representation for the deduction in  visibility range due to smoke.  4.6. Evacuation Modeling  Pathfinder 2020 was chosen to model the evacuation scenarios. Pathfinder calculates  the egress time based on two different methods; i.e., the “SFPE method” (introduced by  Society of Fire Protection Engineering) and the “steering mode”, which is an artificial in‐ telligence (AI)‐based model performing on the basis of each occupant’s decision in a dy‐ namic environment. The model works based on minimization of the “final direction cost”,  consisting of nine weighted factors for each agent. For details on these factors and the  objective function, please see [23]. In this study, the steering mode was chosen to run the  simulations and evaluate the evacuation scenarios. Two different types of Pyrosim files  were imported into Pathfinder, the base models without fire, and the other models with  fire including .smv files. To create an evacuation model, final construction snapshots as  well as the occupants’ properties, such as the number of existing agents, their age, and  speed, were configured. Floor extraction, door detection, and modeling pressurized safe  exit staircases were conducted to model the plan and escape routes. Based on the regula‐ tion of the Concordia University Fire Marshal, the unpressurized stairs and elevators must  not be considered as safe evacuation options and are closed down during fire emergencies  [43,44]; hence, they were not modeled in this study. Occupants were defined based on two  criteria; i.e., fixed characteristics as ‘profile’, and sequence of actions as ‘behavior’ [45]. In  the agents’ profiles, their characteristics, movement options, door choice, and speed were  set. Between the two different types of speed profiles commonly used in the literature, i.e.,  “Fruin’s  Pedestrian  Planning  and  Design”  and  “International  Maritime  Organization  (IMO)” [45–47] the latter, IMO speed profiles, were selected in this study. Four different  profiles with different speed ranges were considered based on age and gender, as illus‐ trated in Table 6.  Table 6. Occupants’ speed distribution (all in m/s).  Female < 30 (Years Old)  Male <30  30 < Female < 50  30 < Male < 50  Crew   0.93–1.55   1.11–1.85  0.71–1.19  0.97–1.62  1.11–1.85  The speed value chosen was based on uniform probability distribution; the system  generates random speeds for each agent in the specified intervals which are uniformly  distributed. We assumed the same weights for all profile types and did not give priority  to any profile in the ABM for evacuation. Agent’s visibility was measured at their height    Fire 2021, 4, 67  16  of  29  level and visibility reduction will result in a slowdown of their speeds [23]. All the doors,  rooms, and stairs were available for all the agents and no restrictions were modeled in  choosing a path [45]. The agents were modeled so that they find and take the ‘fastest route’  to the exit at any time. In this study, no wait time was considered for reaction and detec‐ tion time,  and  this  limitation  was  compensated  by setting  a  constant  heat  release  rate  (HRR) in fire modeling. We did not model any occupants with physical limitations and  disabilities who require assistance.   Pathfinder was coupled with Pyrosim. The smoke view file was imported into the  FDS data of simulation parameters. The data interval of the coupling was set at 10 sec in  all  scenarios.  The  FDS  integration  and  the  occupants’  slowdown  in  the  smoke  were  checked to make the ABM able to reduce the speed of the agents due to the smoke. Alt‐ 2 2 hough the CO, CO , O , and FED were imported by the PLOT3D, they do not have any  impact on the occupants in the evacuation simulation, which can be considered a current  limitation of the ABM tool [45]. Therefore, the only fire product affecting the occupants in  our fire evacuation simulation is smoke, which decreases the visibility, and as a result,  changes the speed of the occupants.   5. Results and Discussion  On the basis of the assumptions explained above, this section presents the results of  fire and evacuation co‐simulation under each of the construction scenarios. The evacua‐ tion times associated with generated snapshots as well as the duration and cost of each  construction schedule are obtained and discussed in this section. In addition, the safety  factor estimation and schedule evaluation are explained. for the sake of comparing the  impacts of a fire incident on the construction plans, the RSETs of both scenarios (with and  without fire) were utilized as the standard evaluation metrics. Further investigations can  include the ASET metric as well for the scenarios with fire.   5.1. Fire and Evacuation Co‐Simulations:  After running the fire and evacuation co‐simulation, the evacuation time of the entire  th building and the 8  floor, as the scope of the investigation, were obtained for 90 snapshots  with fire plus 18 snapshots without fire. Results showed that in eight snapshots with fire,  the simulation did not converge, due to the blockage of the only available exit door (when  the fire location is right in front of that exit and occupants are stuck). For a better illustra‐ tion of the data associated with the 82 remaining with‐fire cases, a ∆T parameter was de‐ fined as the ratio between evacuation times of each with‐fire (RSETWith Fire) and without  fire (RSETWithout Fire) scenario in the same snapshot. Based on this definition, ∆T can be in  one of these three conditions: ∆T > 1, i.e., fires negatively impacting the evacuation time  hence longer evacuation at the with‐fire snapshots compared to without‐fire ones; ∆T = 1,  i.e., fire has no impact on the evacuation time; and ∆T < 1, i.e., the fire incident positively  impacting the evacuation time, hence making the evacuation shorter. Figure 5 shows the  distribution of the number of snapshots in each ∆T category in the entire building, as well  as the 8th floor.   The ∆T > 1 category would be originally the expected case to approves the hypothesis  of a longer time being required for the evacuation under the fire emergency. It is expected  that, by implementing the fire, the agents’ visibility reduces and their speed would decline  [30]. As a result, agents exposed to the smoke will have a slower evacuation and the whole  evacuation time should be increased accordingly. Since the ‘without fire’ scenario’s evac‐ uation time is considered as the safe baseline for each snapshot, the closer the evacuation  times to the baseline (∆T to 1) the safer the scenario will be from the viewpoint of the fire  evacuation. Therefore, ∆T can be considered as an indicator of the unsafe condition. The  variation of ∆T values for both 8th floor and the whole building are illustrated in Figure  6.     Fire 2021, 4, 67  17  of  29  Fatalities Fatalities ∆T=1 ∆T=1 9% 8% 22% ∆T<1 13% ∆T>1 ∆T<1 42% ∆T>1 41% 56% (a) Fire zone’s snapshots.  (b) Whole building’s snapshots  Figure 5. distribution of ∆T (proportion of evacuation time with fire to the normal condition).  (a) The fire zone (8th floor)—total of 50 snapshots with ∆T > 1.  (b) The entire building—total of 38 snapshots with ∆T > 1.  Figure 6. Variations of ∆T throughout different snapshots (for snapshots with ∆T > 1).    Fire 2021, 4, 67  18  of  29  The two remaining categories, i.e., the same and faster evacuation time under the fire  compared to the normal condition, appear contradictory to the hypothesis of longer evac‐ uation in the presence of fire. Although the value of ∆T for most cases of ∆T < 1 is very  close to 1.0 (between 0.87 and 0.998, with an average at 0.96 for the entire building and  between 0.94 and 0.99, with an average of 0.98 for the 8th floor), and could have been  attributed to the stochastic speed settings for the occupants; further investigations were  made in the associated cases for both fire zone and the entire building, to identify the root  cause. It was observed that three triggers control the evacuation time, which are critical  egress, i.e., width of the door or staircase; the renovation operation location; and the fire  location. For the cases where ∆T = 1 (i.e., the fire did not affect the evacuation time), it was  concluded that the width of the door (Exit Door‐2) and the staircase (Staircase‐02) were  the main influencers behind that. The exit door and staircase were narrower than the oth‐ ers, and thus occupants were more congested and evacuated more slowly through them.  Accordingly, in these cases, the fire location was at the spiral stairs or the Exit Door‐4  (please refer to Figure 3), the evacuation of these narrower locations was not impacted  and thus the time was not changed. This phenomenon occurred in 22% and 8% of the  cases related to the evacuation of the eighth floor and the entire building, respectively. To  help support this analysis, Figure 7 shows the visibility range in different areas of the floor  during the evacuation for different time steps, when the fire is in front of Exit Door‐04  (Figure 7a) or the spiral Stair (Figure 7b). In all captured heatmaps, the red color means  the horizontal visibility of 3.0 m, i.e., the full visibility range of an agent, and dark blue  means the visibility of zero. In both figures, the area of congestion during the evacuation  is marked. For all snapshots in the category of ∆T = 1, according to the fire slices results  (Figure 7), propagation of smoke shows that in both mentioned fires, during the entire  evacuation process, smoke does not reach the congestion area, hence will not impact the  occupants’ speeds. All the evacuations are completed before 184 sec, which is when the  visibility decreases in the congestion area. That is why the evacuation duration remains  the same as in the case of not having any fire. Of course, the panic effect was not included  in this study, and that can be considered one limitation of the simulation.  For the cases of ∆T < 1 (i.e., faster evacuation than without fire), the analysis showed  different causes for the 8th floor and entire building. The agents are modeled to opt for  the  closest  exit  (shortest  path).  In the  case  of  whole‐building analysis,  when  narrower  staircases are blocked due to construction or fire, the occupants select the other (wider)  exits, which speeds up the overall evacuation. This indicated that the width of stairs was  a more influential factor than the fire, when the fire was placed in the E‐block of the build‐ ing. In the case of 8th floor, by the time the occupants get into the congestion, there is yet  no smoke there, because the source of fire is far from the critical exit door. Hence, the with  and without fire evacuation scenarios are almost the same, with a minor difference in the  number of people in the congestion (∆T in most of these cases is slightly less than 1). An‐ other interesting observation was when the smoke completely reaches the congestion, at  t = 57 sec as shown in Figure 8. Checking the frame‐by‐frame evacuation behavior, in this  case, suggests that the speed reduction due to the smoke has helped the congestion by  th moving the crowd more smoothly and letting the occupants (accumulated from the 8   floor and floors above) evacuate in less density and a shorter time. However, this behavior  of the agent‐based model may not be realistic and requires further investigation to be val‐ idated and justified. It is evident for the fire and evacuation community that due to the  lack of collected behavioral datasets, the validation process which should be a primary  step in evacuation modeling becomes very challenging. There is a general absence of uni‐ formity for evaluating evacuation models, which is mostly subjective depending on the  users’ acceptance. However, the International Standards Organization (ISO) published in‐ itially the ISO 20414:2020 standard named “Verification and validation protocol for build‐ ing fire evacuation models” through the committee of FSE (ISO/TC 92/SC 4) which should  help in the future with this issue [48,49].    Fire 2021, 4, 67  19  of  29  Congestio Congestion  n  (a) Fire in front of Exit Door‐04.  Congestion  Congestion  (b) Fire in front of the spiral staircase.  Figure 7. Visibility slice at 1.8 m from the floor level.  Figure 8. Visibility slice at 1.8 m from the floor level (fire is in front of Exit Door‐02).    Fire 2021, 4, 67  20  of  29  5.2. Construction Planning Results (Time, Cost and Safety)   Three criteria were considered for the schedule evaluation, i.e., cost; time; and safety,  each of which has a separate measure and evaluation process. While several different met‐ rics can be used to measure each criterion, and also there would be various ways to com‐ bine the metrics, the multicriteria decision‐making aspect is not within the scope of this  paper, and future studies will be needed in this regard. Nevertheless, we test some possi‐ bilities, mainly to show how the proposed method of this paper can be used in quantita‐ tive decision analysis. Table 7 compares the three schedule types in terms of the metrics  used for cost and time. Starting with the time criterion, the final 32 schedules had a total  project duration of 65 days for schedule type 1 (1 crew–1 crew) and 36 days for both type  2 and 3 alternatives (i.e., 2 crews–1 crew and 2 crews–2 crews). Given the high demand  for access to the labs, it was assumed, as an owner requirement, that the desired project  duration is 60 days or less. Moving on to the cost metric, considering that the only cost  component modeled in the project is the direct cost (leading to the independence of project  budget from duration), the authors used the ‘mode cost’, i.e., cash flow analysis, as a met‐ ric for cost evaluation. The mode cost was considered as the ‘highest most frequent daily  cost’ throughout a schedule. Schedule type 1 with $60, schedule type 3 with $120, and  schedule type 2 with $160, had the lowest to highest mode costs, respectively. Following  the regular logic of construction projects, it was assumed that any contractor would prefer  the lowest mode cost. Accordingly, the assumed metric for the cost was having a mode  value less than $160.   Table 7. Schedule categories based on duration and cost.  Schedule Type  Schedule Number  Crew Combination  Total Duration (Days)  Mode cost ($)  1 crew (lab)–1 crew  1  Schedule 1 to 16  65  60  (corridor)  2 crew (lab)–1 crew  2  Schedule 17 to 24  36  120  (corridor)  2 crew (lab)–2 crew  3  Schedule 25 to 32  36  160  (corridor)  For the  third  criterion,  i.e.,  safety,  two  parameters  were  considered:  fatalities  and  evacuation time. The occupants’ lives were considered paramount; therefore any schedule  that  had  a  snapshot  with  fatality  was  eliminated.  Twelve schedules  consisted  of  eight  snapshots with fatalities, all of which were considered unacceptable. On the other hand,  for the evacuation times (the remaining 82 snapshots), those with ∆T < 1 were assumed to  be safe (until further studies will make better clarifications regarding the anomalies ex‐ plained earlier). After that, two different methods were applied to provide a metric for the  safety of each schedule.   Method A, Average total evacuation extension—In the first method, five ∆Ts per snap‐ shot (one ∆T for every fire incident modeled), as expressed by Equation (1), are averaged  to obtain the total evacuation time extension due to the fire, as ∆𝑇   in Equation (2).   ∆𝑇   (1) where    is the required egress time in fire scenario and    is  required egress time in the baseline scenario (without fire).  ∑ ∆ (2) ∆𝑇     where ∆𝑇   is calculated from Equation (1) and i is associated with the fire scenarios  (from 1 to 5 in our case study with considering five different fire incidents). The ∆𝑇   for  𝑅𝑆𝐸𝑇 𝑅𝑆𝐸𝑇 𝑅𝑆𝐸𝑇 𝑅𝑆𝐸𝑇 Fire 2021, 4, 67  21  of  29  each snapshot is then multiplied by the duration of that snapshot to calculate the fire risk  of the snapshot (𝐹𝑅 ) as shown by Equation (3).  𝐹𝑅 ∆𝑇 𝑜𝑛𝑎𝐷𝑢𝑟𝑡𝑖   (3) where ∆𝑇   is the summation of all ∆𝑇   related to one specific snapshot with five  different fire scenarios and 𝑎𝐷𝑢𝑟𝑛𝑡𝑖𝑜   is the time of each snapshot occurrence in  the schedule. It must be noticed that we are assuming similar likelihoods for the incident  of all five different fires.   In  each  schedule,  all  values  of  𝐹𝑅   are  summed  up,  and  the  𝐹𝑅 is  eventually  calculated  as  the  factor  of  safety  for  the  alternative  schedule,  as  shown  by  Equation (4).   𝐹𝑅 𝐹𝑅   (4) where 𝐹𝑅   is derived from Equation (3) and i is the number of different snapshots  existing/ considered in one schedule.  Method B, Maximum evacuation extension—In the second method, the maximum of five  different ∆Ts is selected as ∆𝑇 , as suggested by Equation (5). In each schedule, the  maximum ∆𝑇 for different snapshots of the schedule is considered as the safety factor  (′𝐹𝑅 ) as shown by Equation (6).   ∆𝑇 𝑀𝑎𝑥∆ 𝑇   (5) where ∆𝑇   is the difference between evacuation time in with and without fire sce‐ narios and i is associated with the fire scenario (from 1 to 5 for our case study).  ′𝐹𝑅 𝑀𝑥𝑎 ∆𝑇 )  (6) where ∆𝑇 comes from Equation (5) and i is associated with the fire scenarios (from 1  to 5 in our case study).  Both methods A and B were applied to both fire zone and the entire building evacu‐ ation times separately, for our case study. The results were combined with the other two  criteria, i.e., time and cost, to compare the construction schedule alternatives, as will be  explained in the next section.  5.3. Construction Planning Evaluation  It is worth noting again that developing a multi‐criteria schedule evaluation has been  beyond the scope of this paper. The main objective of this study was to introduce co‐sim‐ ulation as a tool for quantitative analysis of safety in construction renovation projects.  However, to show how the result can be mixed with other traditionally used metrics to  evaluate schedules, i.e., time and cost, one simple combination option, i.e., weighted sum‐ mation, is tested here. Further studies are necessary to determine the optimal weights, as  well as better options for the metrics and multi‐criteria function.   After calculating the three performance metrics for the assessment of the schedule,  we define ‘TCS’ as an index to evaluate the goodness of construction scenarios. TCS in  this study was defined as the weighted sum of the range‐normalized values for these three  metrics, for each alternative schedule, as shown by Equation (7). The aim is to identify the  schedule with the lowest TCS. We used both versions of FR and FR’ and calculated the  TCS twice for the case study. Detailed results are shown in Appendix. Table 8 shows the  results of Method (A) for the eighth floor.  (7) 𝑤 𝑚𝑒𝑇𝑖𝑤 𝑡𝐶𝑜𝑠𝑤 𝑆𝑎𝑓𝑒𝑡𝑦   where 𝑒   is the normalized total duration of the schedule completion, 𝑡𝐶𝑜𝑠   is the nor‐ malized most repetitive daily cost (mode cost) in the associated schedule, 𝑆𝑎𝑓𝑒𝑡𝑦   is the  𝑇𝑖𝑚 𝑇𝐶𝑆 Fire 2021, 4, 67  22  of  29  normalized safety metric explained earlier, and the weights w1 through w3 are user‐de‐ fined (for the sake of this paper, we applied equal weights to each metric).   Table 8. TCS values for the Eighth floor based on method A.  Raw Values  Range Normalization  Snapshot  FR Snap‐ Schedule  ∆T Tot  FR Schedule  TCS  Fatality?  Rank  Duration  shot  Cost  Time  Safety  Cost  Time  (Safety)  16  1  1.00  1.000  1  60  65  0.000  0.000  1.000  0.300  No  1  1  1.00  1.004  17  2  1.49  2.985  10  160  36  0.629  1.000  0.000  0.489  Yes  4  1.54  6.175  18  4  1.54  6.175  6  160  36  0.355  1.000  0.000  0.406  No  4  1  1.02  1.016  19  3  1.54  4.631  10  160  36  0.626  1.000  0.000  0.488  Yes  3  1.49  4.478  20  4  1.49  5.970  6  160  36  0.341  1.000  0.000  0.402  No  3  3  1.00  3.012  2  1.02  2.032  21  14  160  36  0.885  1.000  0.000  0.565  Yes  2  1.56  3.121  4  1.43  5.734  2  1.43  2.867  22  9  160  36  0.556  1.000  0.000  0.467  No  5  4  1.56  6.241  4  1.02  4.065  23  1  1.00  1.004  8  160  36  0.479  1.000  0.000  0.444  Yes  2  1.46  2.917  24  4  1.46  5.834  6  160  36  0.332  1.000  0.000  0.399  No  2  6  1.76  10.565  25  4  1.00  4.011  16  120  36  1.000  0.600  0.000  0.480  Yes  1  1.00  1.004  6  1.33  8.007  26  2  1.02  2.039  12  120  36  0.759  0.600  0.000  0.408  Yes  2  1.01  2.022  6  1.38  8.274  27  4  1.01  4.038  13  120  36  0.846  0.600  0.000  0.434  Yes  1  1.02  1.016  6  1.43  8.582  28  2  1.00  2.000  13  120  36  0.796  0.600  0.000  0.419  Yes  2  1.01  2.028  6  1.00  6.016  29  4  1.76  7.043  15  120  36  0.927  0.600  0.000  0.458  Yes  1  1.46  1.458  6  1.02  6.117  30  2  1.33  2.669  11  120  36  0.713  0.600  0.000  0.394  Yes  2  1.31  2.617  6  1.01  6.056  31  4  1.38  5.516  13  120  36  0.832  0.600  0.000  0.430  Yes  1  1.56  1.560  6  1.00  6.000  32  2  1.43  2.861  12  120  36  0.736  0.600  0.000  0.401  Yes  2  1.43  2.867  As shown in Table 9, any schedule that had a snapshot with fatality was eliminated  from the selection process, leaving schedules 16, 18, 20, 22, and 24 to decide between. Log‐ th ically, schedule 16 provided the lowest TCS for both the 8  floor fire zone and the whole    Fire 2021, 4, 67  23  of  29  building; however, it violated the core owner requirement of a duration less than 60 days  and hence was also excluded from the comparison. Consequently, this table shows the  TCS values for each evaluation method for the 17 schedules and the corresponding best  schedule.   Table 9. Schedule Preferences based on evaluation methods.  Evaluation Method  Min TCS  Max TCS  Average TCS  Preferred Schedule  TCS Value  Method A—8th Floor  0.3  0.565  0.434  24  0.399  Method A—Whole  0.3  0.6  0.453  20  0.391  Building  Method B—8th Floor  0.3  0.565  0.434  24  0.399  Method B—Whole  0.3  0.482  0.461  20  0.476  Building  6. Conclusions  This study developed a framework to quantitatively investigate the effect of occu‐ pant’s fire and evacuation safety as an additional decision criterion on construction reno‐ vation schedules. To implement this investigation a building examination was conducted  to provide the relevant properties related to the construction scope and evacuation (size,  number of floors, number and location of exits, layout, etc.). All the possible construction  scenario combinations were obtained and filtration techniques with regards to the con‐ struction  flow  and  building  operation  logic  were  applied  to  select  viable  construction  plans. Workspace modeling was applied to the acceptable construction scenarios to deter‐ mine the unique building layouts under construction. Then fire scenarios and properties  were generated for each snapshot of the renovation operation. By the aid of BIM and FDS  applied over the BIM environment, fire effects were simulated and evacuation behavior  of occupants was modeled through ABM. The results were analyzed and evaluated ac‐ cording to the defined metrics to measure the goodness of construction schedules under  cost, time and safety criteria. By integration of Pyrosim and Pathfinder and running the  co‐simulation,  two RSETs (required  safe  exit time) were  obtained.  The  first  RSET  was  based on the scenario with fire (for various scenarios) and the second RSET was the sce‐ nario without fire. The proportion of these two numbers provided an indicator of risk; the  greater this number, the higher the fire risk of that snapshot. Two methods were applied  on the basis of this indicator to assign a number related to safety to each schedule. To  evaluate the schedules, the possibility of fatality and casualties were investigated and all  the schedules consisting of such construction scenarios  were eliminated. An indicator,  called TCS, was introduced as the weighted summation of cost, duration, and risk factors.  The risk factor was calculated for the fire zone where the fire initiates, as well as the entire  building, in two different ways.   The main contribution of this study is to propose a methodology to integrate fire  safety analysis quantitatively in the process of construction planning for renovation pro‐ jects. The results of this analysis consist of 44 TCS values for the two tested methods of  assessment with two different approaches of safety calculation. By analyzing the co‐sim‐ ulation results, it was verified that the presence of fire in renovation work increased the  evacuation time in 60% of cases in the fire zone of fire origin, and about 40% of cases in  the whole building. Moreover, it was apparent that the construction schedule with mini‐ mum cost or budget will not necessarily be the safest in all cases. The start point of the fire  was considered correlated with the construction workspaces where combustible materials  are compiled. It was shown that the fire origin can significantly influence the criticality  and increase the safety risks of the scenarios. Among selected fire locations, the fire in  front of the open spiral stair connecting the three floors of the fire zone had the least im‐ pact on evacuation, due to the chimney effect.     Fire 2021, 4, 67  24  of  29  Despite the contributions, this study had some limitations and made assumptions  that need further investigations in the future. The proposed method takes into considera‐ tion the  higher  risk  associated  with  building  blockages  that  take  longer;  however,  the  same likelihood was considered for the occurrence of all fire scenarios; which in the future  should be scrutinized in more detail. The probability of fire in various workspaces, for  instance,  can  be  assumed  to  be  proportional  to  the  amount  of  fuel  available  in  those  spaces, and the propagations can be modeled accordingly. Furthermore, the impact of the  fire on agents’ behavior was limited to view reduction due to smoke. However, fire flash‐ over, other fire products’ impacts, the panic effects, and the behavior of occupants with  physical limitations must be further investigated in the future. The effect of sprinkler and  HVAC systems and the probability of any failures (in pressurized stairs, e.g.,) were ig‐ nored in the presented co‐simulation, which can be another area for future research.  Last but not least, while the proposed methodology can help construction planners  integrate safety in their construction modeling procedure, the decision making based on  this additional criterion requires further research. As construction scheme analysis is not  limited to cost, time, and safety, more comprehensive studies will be needed to select ac‐ curate metrics, assign proper weights, and combine the criteria appropriately so that the  construction planners assure the selection of the most ideal construction schedule.   Author  Contributions:  Conceptualization,  M.N.‐B.  and  A.H.;  methodology,  M.N.‐B.;  software,  S.T.S.A. and N.M.T.; validation, M.N.‐B. and A.H.; formal analysis, S.T.S.A. and N.M.T.; investiga‐ tion,  A.H.;  resources,  M.N.‐B.;  data  curation,  S.T.S.A.,  N.M.T.  and  A.H.;  writing—original  draft  preparation,  S.T.S.A. and  N.M.T.; writing—review  and editing,  A.H.; visualization, S.T.S.A.  and  N.M.T.; supervision, M.N.‐B.; project administration, A.H. and M.N.‐B.; funding acquisition, M.N.‐ B. All authors have read and agreed to the published version of the manuscript.  Funding: This research received no external funding.  Data Availability Statement: The data presented in this study are available on request from the  corresponding author.  Acknowledgments: The authors acknowledge the support of the Thunderhead Engineering com‐ pany for providing the educational version of Pyrosim and Pathfinder software tools.  Conflicts of Interest: The authors declare no conflict of interest.  Appendix TCS Results for the whole building as per method A and for the 8th floor and whole  building as per method B  Table A1. TCS values for the whole building based on method A.  Raw Values  Range Normalization  Snap‐ FR  Sched‐ shot Du‐ ∆T Tot  Snap‐ FR Schedule  TCS  Fatality?  Rank  ule  Cost  Time  Safety  Cost  Time  ration  shot  (Safety)  16  1  1  1  1.000  60  65  0.000  0.000  1.000  0.300  No  1  1  1.005  1.005     17  2  1.018  2.035  7.216  160  36  0.612  1.000  0.000  0.484  Yes     4  1.044  4.175     18  4  1.044  4.175  4.175  160  36  0.313  1.000  0.000  0.394  No  4  1  1.007  1.007     19  3  1.044  3.131  7.191  160  36  0.610  1.000  0.000  0.483  Yes     3  1.018  3.053     20  4  1.018  4.070  4.070  160  36  0.302  1.000  0.000  0.391  No  3  3  1.005  3.016     21  11.141  160  36  0.999  1.000  0.000  0.600  Yes  2  1.007  2.014       Fire 2021, 4, 67  25  of  29  2  1.021  2.041     4  1.018  4.070     2  1.018  2.035  22  6.118  160  36  0.504  1.000  0.000  0.451  No  5  4  1.021  4.083  4  1.007  4.028     23  1  1.005  1.005  7.074  160  36  0.598  1.000  0.000  0.480  Yes     2  1.021  2.041     24  4  1.021  4.083  4.083  160  36  0.304  1.000  0.000  0.391  No  2  6  1.020  6.122     25  4  1.000  4.000  11.127  120  36  0.998  0.600  0.000  0.479  Yes     1  1.005  1.005     6  1.028  6.167     26  2  1.002  2.003  10.170  120  36  0.903  0.600  0.000  0.451  Yes     2  1.000  2.000     6  1.019  6.113     27  4  1.008  4.031  11.151  120  36  1.000  0.600  0.000  0.480  Yes     1  1.007  1.007     6  1.040  6.239     28  2  1.006  2.012  10.256  120  36  0.912  0.600  0.000  0.454  Yes     2  1.003  2.005     6  1.000  6.000     29  4  1.020  4.081  11.102  120  36  0.995  0.600  0.000  0.479  Yes     1  1.021  1.021     6  1.002  6.009     30  2  1.028  2.056  10.118  120  36  0.898  0.600  0.000  0.449  Yes     2  1.027  2.054     6  1.008  6.046     31  4  1.019  4.075  11.142  120  36  0.999  0.600  0.000  0.480  Yes     1  1.021  1.021     6  1.006  6.036     32  2  1.040  2.080  10.151  120  36  0.901  0.600  0.000  0.450  Yes     2  1.018  2.035     Table A2. TCS values for the Eighth floor based on method B.  Raw Values  Range Normalization  Snap‐ FR  Sched‐ shot Du‐ ∆T Tot  Snap‐ FR Schedule  TCS  Fatality?  Rank  ule  Cost  Time  Safety  Cost  Time  ration  shot  (Safety)  16  1  1.00  1  1.000  60  65  0.000  0.000  1.000  0.300  No  1  1  1.004  1.004     17  2  1.493  2.985  10.164  160  36  0.629  1.000  0.000  0.489  Yes     4  1.544  6.175     18  4  1.544  6.175  6.175  160  36  0.355  1.000  0.000  0.406  No  4  1  1.016  1.016     19  3  1.544  4.631  10.125  160  36  0.626  1.000  0.000  0.488  Yes     3  1.493  4.478     20  4  1.493  5.970  5.970  160  36  0.341  1.000  0.000  0.402  No  3  21  3  1.004  3.012  13.900  160  36  0.885  1.000  0.000  0.565  Yes      Fire 2021, 4, 67  26  of  29  2  1.016  2.032     2  1.560  3.121     4  1.434  5.734     2  1.434  2.867  22  9.109  160  36  0.556  1.000  0.000  0.467  No  5  4  1.560  6.241  4  1.016  4.065     23  1  1.004  1.004  7.986  160  36  0.479  1.000  0.000  0.444  Yes     2  1.458  2.917     24  4  1.458  5.834  5.834  160  36  0.332  1.000  0.000  0.399  No  2  6  1.761  10.565     25  4  1.003  4.011  15.580  120  36  1.000  0.600  0.000  0.480  Yes     1  1.004  1.004     6  1.334  8.007     26  2  1.019  2.039  12.067  120  36  0.759  0.600  0.000  0.408  Yes     2  1.011  2.022     6  1.379  8.274     27  4  1.009  4.038  13.328  120  36  0.846  0.600  0.000  0.434  Yes     1  1.016  1.016     6  1.430  8.582     28  2  1.000  2.000  12.609  120  36  0.796  0.600  0.000  0.419  Yes     2  1.014  2.028     6  1.003  6.016     29  4  1.761  7.043  14.518  120  36  0.927  0.600  0.000  0.458  Yes     1  1.458  1.458     6  1.019  6.117     30  2  1.334  2.669  11.403  120  36  0.713  0.600  0.000  0.394  Yes     2  1.309  2.617     6  1.009  6.056     31  4  1.379  5.516  13.133  120  36  0.832  0.600  0.000  0.430  Yes     1  1.560  1.560     6  1.000  6.000     32  2  1.430  2.861  11.728  120  36  0.736  0.600  0.000  0.401  Yes     2  1.434  2.867     Table A3. TCS values for the whole building based on method B.  Raw Values  Range Normalization  Snap‐ FR  Sched‐ shot Du‐ ∆T Tot  Snap‐ FR Schedule  TCS  Fatality?  Rank  ule  Cost  Time  Safety  Cost  Time  ration  shot  (Safety)  16  1  1.00  1  1.000  60  65  0.000  0.000  1.000  0.300  No  1  1  1.005  1.005     17  2  1.018  2.035  4.175  160  36  0.606  1.000  0.000  0.482  Yes     4  1.044  4.175     18  4  1.044  4.175  4.175  160  36  0.606  1.000  0.000  0.482  No  4  1  1.007  1.007     19  3  1.044  3.131  3.131  160  36  0.407  1.000  0.000  0.422  Yes     3  1.018  3.053     20  4  1.018  4.070  4.070  160  36  0.586  1.000  0.000  0.476  No  3    Fire 2021, 4, 67  27  of  29  3  1.005  3.016     2  1.007  2.014     21  4.070  160  36  0.586  1.000  0.000  0.476  Yes  2  1.021  2.041     4  1.018  4.070     2  1.018  2.035  22  4.083  160  36  0.588  1.000  0.000  0.477  No  5  4  1.021  4.083  4  1.007  4.028     23  1  1.005  1.005  4.028  160  36  0.578  1.000  0.000  0.473  Yes     2  1.021  2.041     24  4  1.021  4.083  4.083  160  36  0.588  1.000  0.000  0.477  No  2  6  1.020  6.122     25  4  1.000  4.000  6.122  120  36  0.978  0.600  0.000  0.473  Yes     1  1.005  1.005     6  1.028  6.167     26  2  1.002  2.003  6.167  120  36  0.986  0.600  0.000  0.476  Yes     2  1.000  2.000     6  1.019  6.113     27  4  1.008  4.031  6.113  120  36  0.976  0.600  0.000  0.473  Yes     1  1.007  1.007     6  1.040  6.239     28  2  1.006  2.012  6.239  120  36  1.000  0.600  0.000  0.480  Yes     2  1.003  2.005     6  1.000  6.000     29  4  1.020  4.081  6.000  120  36  0.954  0.600  0.000  0.466  Yes     1  1.021  1.021     6  1.002  6.009     30  2  1.028  2.056  6.009  120  36  0.956  0.600  0.000  0.467  Yes     2  1.027  2.054     6  1.008  6.046     31  4  1.019  4.075  6.046  120  36  0.963  0.600  0.000  0.469  Yes     1  1.021  1.021     6  1.006  6.036     32  2  1.040  2.080  6.036  120  36  0.961  0.600  0.000  0.468  Yes     2  1.018  2.035     References  1. Campbell, R. Fires in Structures under Construction or Renovation; NFPA: Quincy, MA, USA, 2020.  2. Leber, F., Renovation and Construction “Are you ensuring the safety of occupants and contractors?”, Canadian Fire Safety  Association: North York, ON, Canada, 2014.  3. Deere, S.; Xie, H.; Galea, E.R.; Cooney, D.; Lawrence, P.J. An evacuation model validation data‐set for high‐rise construction  sites. Fire Saf. J. 2021, 120, 103118.  4. Learn  About  the  Federal  Agency  Working  for  a  Fire‐Safe,  U.S.  Fire  Administration.  Available  online:  https://www.usfa.fema.gov/index.html (accessed 21 November 2020).  5. Moosavi, S.F.; Moselhi, O. Schedule assessment and evaluation. In Proceedings of the Construction Research Congress, West  Lafayette, IN, USA, 21–23 May 2012.  6. Eftekharirad, R.; Nik‐Bakht, M.; Hammad, A. Extending IFC for fire emergency real‐time management using sensors and occu‐ pant information. In Proceedings of the ISARC2018‐34th International Symposium on Automation and Robotics in Construc‐ tion, Berlin, Germany, 20–25 July 2018.  7. Cao, S.‐C.; Song, W.‐G.; Liu, X.‐D.; Mu, N. Simulation of pedestrian evacuation in a room under fire emergency. In Proceedings  of the 2013 International Conference on Performance‐Based Fire and Fire Protection Engineering, Wuhan, China, 16 November  2013.    Fire 2021, 4, 67  28  of  29  8. Shariff, G.N.; Yong JC, E.; Salleh, N.; Siow, C.L. Risk assessment of building fire evacuation with stochastic obstructed emer‐ gency exit. In Proceedings of the 2019 4th International Conference and Workshops on Recent Advances and Innovations in  Engineering (ICRAIE), Kedah, Malaysia, 28–29 November 2019.  9. Lawson, J.R.; Quintiere, J.G. Slide rule estimates of fire growth. Fire Technol. 1985, 21, 267–292.  10. Alvares, N.; Fernandez‐Pello, A. Fire initiation and spread in overloaded communication system cable trays. Exp. Therm. Fluid  Sci. 2000, 21, 51–57.  11. Quintiere, J.G. Analytical methods for fire safety design. Fire Technol. 1987, 24, 333–352.  12. DRådemar, D.; Blixt, D.; Debrouwere, B.; Melin, B.G.; Purchase, A. Practicalities and Limitations of Coupling FDS with Evacu‐ ation  Software.  2017.  Available  online:  https://www.wsp.com/‐/media/Insights/Sweden/Documents/2018/Practicalities‐and‐ Limitations‐of‐Coupling‐FDS‐with‐Evacuation‐Software.pdf (accessed on 19 November 2020).  Yayun, W.; Jia, W. Research on public building fire risk assessment control model. In Proceedings of the 2016 Chinese Control.  and Decision Conference (CCDC), Yinchuan, China, 28–30 May 2016.  14. Rein, G.; Bar‐Ilan, A.; Fernandez‐Pello, A.C.; Alvares, N. A comparison of three models for the simulation of accidental fires. J.  Fire Prot. Eng. 2006, 16, 183–209, doi:10.1177/1042391506056926.  15. Olenick, S.M.; Carpenter, D.J. An updated international survey of computer models for fire and smoke. J. Fire Prot. Eng. 2003,  13, 87–110.  16. McGrattan,  K.B.;  Forney,  G.P.;  E  Floyd,  J.;  Hostikka,  S.  Fire  Dynamics  Simulator  (Version  2)‐User’s  Guide;  NIST:  Gaithersburg, MD, USA, 2001  17. PyroSim  User  Manual,  Thunderhead  Engineering.  2020.  Available  online:  https://support.thunderheadeng.com/docs/pyro‐ sim/2020‐5/user‐manual/ (accessed on 20 November 2020).  18. Sun, Q.; Turkan, Y. A BIM‐based simulation framework for fire safety management and investigation of the critical factors  affecting human evacuation performance. Adv. Eng. Inform. 2020, 44, 101093.  19. Li, M.‐X.; Zhu, S.‐B.; Wang, J.‐H.; Zhou, Z. Research on Fire Safety Evacuation in a University Library in Nanjing. Procedia Eng.  2018, 211, 372–378, doi:10.1016/j.proeng.2017.12.025.  20. Wang, S.H.; Wang, W.C.; Wang, K.C.; Shih, S.Y. Applying building information modeling to support fire safety management.  Autom. Constr. 2015, 59, 158–167.  21. Eftekharirad, R.; Hosny, A.; Nik‐Bakht, M.; Hammad, A. Planning building renovation projects for safe evacuation provisions— An agent‐based. In Proceedings of the IPBSA Building Simulation 2019, Rome, Italy, 2–4 September 2019.   22. Bonabeau, E. Agent‐based modeling: Methods and techniques for simulating human systems. Proc. Natl. Acad. Sci. USA 2002,  99, 7280–7287.  23. Pathfinder, Thunderhead Engineering. Available online: https://www.thunderheadeng.com/pathfinder/ (accessed on 25 No‐ vember 2020).  24. AnyLogic. Available online: https://www.anylogic.com/ (accessed on 3 December 2020).  25. STEPS Simulating Pedestrian Dynamics—Mott MacDonald. Available online: https://www.steps.mottmac.com/steps‐dynamics  (accessed on 3 December 2020).  26. FDS+EVAC, VTT, October 2016. Available online: http://virtual.vtt.fi/virtual/proj6/fdsevac/examples_fds6.html (accessed on 3  December 2020).  27. SFPE Guide to Human Behavior in Fire; Springer International Publishing: New York, NT, USA, 2019.  28. Afshar, A.; Zolfaghar Dolabi, H.R. Multi‐objective optimization of time‐cost‐safety using genetic algorithm. Int. J. Optim. Civil.  Eng. 2014, 4, 433–450.  29. Purser, D. ASET and RSET: Addressing some issues in relation to occupant behaviour and tenability. Fire Saf. Sci. 2003, 7, 91– 102.  30. Pathfinder User Manual, Thunderhead Engineering. 2020. Available online: https://support.thunderheadeng.com/docs/path‐ finder/2020‐5/user‐manual/ (accessed on 22 November 2020).  31. Mirahadi, F.; McCabe, B.; Shahi, A. IFC‐centric performance‐based evaluation of building evacuations using fire dynamics sim‐ ulation and agent‐based modeling. Autom. Constr. 2019, 101, 1–16.  32. Ronchi, E.; Arias, S.; La Mendola, S.; Johansson, N. A fire safety assessment approach for evacuation analysis in under‐ground  physics research facilities. Fire Saf. J. 2019, 108, 102839.  33. Gerges, M.; Demian, P.; Adamu, Z. Customising evacuation instructions for high‐rise residential occupants to expedite fire  egress: Results from agent‐based simulation. Fire 2021, 4, 21.  34. Wang, N.; Gao, Y.; Li, C.Y.; Gai, W.M. Integrated agent‐based simulation and evacuation risk‐assessment model for under‐ ground building fire: A case study. J. Build. Eng. 2021, 40, 102609.  35. Hurley, M.J.; Gottuk, D.T.; Hall Jr, J.R.; Harada, K.; Kuligowski, E.D.; Puchovsky, M.; Wieczorek, C.J. SFPE Handbook of Fire  Protection Engineering; Springer: New York, NY, USA, 2015; Volume 1, p. 3510.  36. The Ontario Building Code, Occupant Load Determination. 2017. Available online: http://www.buildingcode.online/115.html  (accessed on 19 November 2020).  37. RSMeans Online, Gordian. 2011. Available online: https://www.rsmeansonline.com/ (accessed on 23 November 2020).  38. Hosny, A.; Nik‐Bakht, M.; Moselhi, O. Workspace planning in construction: non‐deterministic factors. Autom. Constr. 2020, 116,  103222.    Fire 2021, 4, 67  29  of  29  39. PyroSim, Thunderhead Engineering. 2020. Available online: https://www.thunderheadeng.com/pyrosim/ (accessed on 25 No‐ vember 2020).  40. PyroSim Tutorials, Thunderhead Engineering. 2020. Available online: https://support.thunderheadeng.com/tutorials/pyrosim/  (accessed on 22 November 2020).  41. National Fire Protection Association. Available online: https://www.nfpa.org/ (accessed on 22 November 2020).  42. Cortés, D.; Gil, D.; Azorín, J.; Vandecasteele, F.; Verstockt, S. A review of modelling and simulation methods for flashover  prediction in confined space fires. Appl. Sci. 2020, 10, 5609.  43. Concordia University’s Office of Emergency. Interview with Concordia University Fire Marshall, Fire Evacuation Practices in Univer‐ sity Buildings; Concordia University: Montreal, QC, Canada, 2018.  Concordia University. Available online: https://www.concordia.ca/ (accessed on 3 December 2020).  45. Pathfinder  Technical  Reference  Manual,  Thunderhead  Engineering  2020.  Available  online:  https://support.thunder‐ headeng.com/docs/pathfinder/2020‐5/technical‐reference‐manual/ (accessed on 1 December 2020).  46. Fruin, J.J. Pedestrian Planning and Design; Elevator World: Mobile, AL, USA, 1987.  47. IMO. IMO Guidelines for Evacuation Analysis for New and Existing Passenger Ships; International Maritime Organization: London,  UK, 2007.  48. Ronchi, E. A research roadmap for evacuation models used in fire safety engineering. In Proceedings of the Fire and Evacuation  Modelling Technical Conference, Torremolinos, Spain, 16–18 November 2016.  49. ISO/TC  92/SC  4/WG  7—Verification  and  Validation  of  Calculation  Methods,  November  2020.  Available  online:  https://www.iso.org/standard/78348.html (accessed on 3 September 2021).  http://www.deepdyve.com/assets/images/DeepDyve-Logo-lg.png Fire Multidisciplinary Digital Publishing Institute

BIM-Based Co-Simulation of Fire and Occupants’ Behavior for Safe Construction Rehabilitation Planning

Download PDF
29 pages

Loading next page...
 
/lp/multidisciplinary-digital-publishing-institute/bim-based-co-simulation-of-fire-and-occupants-behavior-for-safe-xgrwJKmAj0

References

References for this paper are not available at this time. We will be adding them shortly, thank you for your patience.

Publisher
Multidisciplinary Digital Publishing Institute
Copyright
© 1996-2021 MDPI (Basel, Switzerland) unless otherwise stated Disclaimer The statements, opinions and data contained in the journals are solely those of the individual authors and contributors and not of the publisher and the editor(s). MDPI stays neutral with regard to jurisdictional claims in published maps and institutional affiliations. Terms and Conditions Privacy Policy
ISSN
2571-6255
DOI
10.3390/fire4040067
Publisher site
See Article on Publisher Site

Abstract

Article  BIM‐Based Co‐Simulation of Fire and Occupants’ Behavior for  Safe Construction Rehabilitation Planning  Seyedeh Tannaz Shams Abadi, Nojan Moniri Tokmehdash, Abdelhady Hosny and Mazdak Nik‐Bakht *  Department of Building, Civil and Environmental Engineering, Concordia University,   Montreal, QC H3G 1M8, Canada; tannaz.shamsabadi@gmail.com (S.T.S.A.);   nojan.moniri.t@gmail.com (N.M.T.); Abdelhady.hosny@mail.concordia.ca (A.H.)  *  Correspondence: mazdak.nikbakht@concordia.ca  Abstract Construction renovation projects increase the risk of structural fire, mostly due to the ac‐ cumulation of combustible construction materials and waste. In particular, when the building re‐ mains operational during such projects, the redistribution of occupants and interruptions with ac‐ cess corridors/exit egress can exponentially increase the risk for the occupants. Most construction  projects are, however, planned and scheduled merely based on the time and budget criteria. While  safety is considered paramount and is meant to be applied as a hard constraint in the scheduling  stage, in practice, safe evacuation considerations are reduced to rules of thumb and general code  guidelines. In this paper, we propose simulation as a tool to introduce safety under structural fire,  as a decision criterion, to be mixed with time and budget for selecting the best construction schedule  alternative. We have used the BIM (building information model) to extract the building’s spatial  and physical properties; and have applied co‐simulation of fire, through computational fluid dy‐ namics (CFD), and occupants’ evacuation behavior, through agent‐based modeling (ABM) to esti‐ Citation: Shams Abadi, S.T.;   mate the average and maximum required safe egress time for various construction sequencing al‐ Moniri Tokmehdash, N.; Hosny, A.;   ternatives. This parameter is then used as a third decision criterion, combined with the project’s cost  Nik‐Bakht, M. BIM‐Based   and duration, to evaluate construction schedule alternatives. We applied our method to a three‐ Co‐Simulation of Fire and   floor fire zone in a high‐rise educational building in Montreal, and our results show that considering  Occupants’ Behavior for Safe   the  fire  safety  criterion  can  make  a  difference  in  the  final  construction  schedule.  Our  proposed  Construction Rehabilitation   method suggests an additional metric for evaluating renovation projects’ construction plans, par‐ Planning. Fire 2021, 4, 67.  ticularly in congested buildings which need to remain fully or partially operational during the ren‐ https://doi.org/10.3390/fire4040067  ovation. Thus, this method can be employed by safety officers and facility managers, as well as  construction project planners to guide accounting for fire incidents while planning for these types  Academic Editor: Wojciech  of projects.   Węgrzyński  Keywords: fire simulation; evacuation models; agent based modeling; co‐simulation; BIM; occu‐ Received: 4 August 2021  Accepted: 30 September 2021  pant behavior  Published: 4 October 2021  Publisher’s  Note:  MDPI  stays  neu‐ tral  with  regard  to  jurisdictional  1. Introduction  claims in published maps and institu‐ According to the US National Fire Protection Association (NFPA), local fire depart‐ tional affiliations.  ments have reported an annual average of 3840 and 2580 structural fire incidents for un‐ der construction or renovation sites, respectively. These fires collectively caused 12 civil‐   ian deaths, 101 civilian injuries, and $408 million damage in direct property annually be‐ tween 2013 and 2017 [1]. According to the Canadian Fire Safety Association (CFSA) report  Copyright: © 2021 by the authors. Li‐ published in 2014, the Ontario Fire Marshal (OFM) reported that the total number of fire  censee  MDPI,  Basel,  Switzerland.  incidents in occupied buildings under renovation was five times higher than new/vacant  This article  is an open access article  distributed under the terms and con‐ buildings under construction. In addition, between 2008 and 2013, fire incidents in reno‐ ditions of the Creative Commons At‐ vation projects have increased, despite the reduction in the total number of fires [2]. Ren‐ tribution (CC BY) license (http://crea‐ ovation construction projects always have the challenge to execute the works on time and  tivecommons.org/licenses/by/4.0/).  within  budget,  while  providing  a  safe  work  environment  for  the  workers  and  the  Fire 2021, 4, 67. https://doi.org/10.3390/fire4040067  www.mdpi.com/journal/fire  Fire 2021, 4, 67  2  of  29  occupants alike. The building is at its most precarious state when construction is sched‐ uled during normal operation conditions. Construction operations limit (or block) access  to some areas and redirect the traffic flow and typical routes. The occupants during this  time will be unfamiliar with the building’s access and egress. This magnifies the risks of  injuries and fatalities during evacuation in buildings, particularly with high vertical and  horizontal  occupant  density [3].  On the  other  hand,  construction  activities  accumulate  combustible waste and could have hazardous operations such as hot work and welding  [4]. These act as potential ignition sources increasing the risk of fires with varying inten‐ sities. When coupling these risks together, along with those of fires, the probability of ci‐ vilian casualties and injuries increases dramatically. Accordingly, construction renovation  projects  carried  out  during  normal  operational  hours  require  more  complex  planning  since they must consider the additional risks to keep the occupants safe and minimize  their  interruption,  all  while  maintaining  the  project  within  the  time  and  budget  con‐ straints.   This indicates the importance of fire‐related safety planning in occupied high‐rise  buildings that undergo construction renovation. Necessary safety assessments and fire  risk mitigation analyses must be conducted in such cases and must be integral metrics for  evaluating corresponding proposed construction plans. Popular planning guidelines in  the  market,  such  as  “The  Defense  Contract  Management  Agency  of  U.S  Government  (DCMA)” and “The Government Accountability Office (GAO)”, are not designed to eval‐ uate the plans for these types of renovation projects [5]. The question is how the threat  and risk of fire during the planning stage can be identified and how this assessment can  be used to evaluate the proposed construction plan, in addition to the other evaluation  metrics such as time, and cost. To address the proposed argument, various investigations  on human evacuation in fire emergencies are required. While the use of Internet of Things  (IoT) and sensory data is proposed for tracking and monitoring occupant’s evacuation  behavior [6], in the real world, there are not many chances for collecting the required data  associated with evacuation time or human behavior in the process of evacuation during  an actual fire. That is where software simulation can be helpful to model the behavior of  the facility, occupants, and the fire under various scenarios [7]. Accordingly, this paper  provides an understanding of the associated fire and evacuation risks related to various  construction renovation scenarios in buildings under operation. The approach is imple‐ mented by using a building information modeling (BIM) environment and co‐simulation  of fire and occupant’s behavior in evacuation. Consequently, the best renovation sequenc‐ ing option will be selected based on three criteria, i.e., fire safety, construction time, and  cost at the same time. The paper is organized as follows; a review of the relevant literature  on fire, evacuation safety, and construction schedule evaluation will be first provided.  Then, the proposed framework for schedule evaluation considering time, cost, and safety  will be introduced and implementation of the framework on a case study of an educa‐ tional building will be presented. Finally, the results are discussed, and conclusions are  drawn to provide a set of recommendations as well as suggestions for future work.  2. Previous Studies  Evaluating a renovation plan based on the occupants’ evacuation under fire condi‐ tions requires the modeling of fire and evacuation, both separately and together, as well  as a method to assess the evacuation performance under a fire incident. Accordingly, this  section provides an overview of each of these topics throughout the previous studies. The  literature review is designed to highlight the previous works and set the scope and as‐ sumptions for this research.   2.1. Fire Modeling and Simulation  Fire incidents have been simulated in four different ways. The first approach is only  considering the impact of fire as an exit door closure, rather than modeling the fire itself.  G. N. et al. (2019) investigated the impact of such closure probability of exit doors on safe    Fire 2021, 4, 67  3  of  29  th exit  evacuation  time  on  the  10   floor  of  an  educational  building  at  USCI.  The  results  showed the importance and criticality of the fire location in front of the exit door. How‐ ever, this approach did not model the impact of fire and its byproducts such as heat, toxic  gases, and visibility reduction on evacuees’ behavior and corresponding impacts on the  evacuation time [8]. Alternatively, the second method which models compartment fires is  an analytical approach. In this method, which is considered as the simplest, by utilizing a  fundamental series of expressions associated with the fire physicochemical processes e.g.,  Lawson and Quintiere’s computational technique and Alvares and Fernandez‐Pello’s em‐ pirical model, the fire development can be modeled [9–11]. Analytical models are the base‐ line for the more complex and computer‐based methods. Zone and field models, which  are the third approach, are from this group. A zone model initially divides a partially  enclosed room’s space into two sections with a layer which is a separation of upper hot  layer (smoke) and bottom cold layer (air). Additionally, the area of interest is defined as a  combination of uniform described zones. In each of these zones, specific mathematical  equations  describe  the  conditions  of  interest.  Consolidated  Fire  and  Smoke  Transport  (CFAST) developed by the National Institute of Standards and Technology (NIST) is a  method based on the concept of zonal model and the output of its simulation shows ac‐ ceptable results, however, the accuracy decreases in models with complex geometry, or  when the enclosure is small or the surface is not uniform. Lastly, is the approach that uses  computational fluid dynamics (CFD) principles to model the behavior of fire and its by‐ products (which is called a field model). Similar to the zonal approach, this model divides  an enclosure into smaller zones, but in a larger number, compared to the zone model and  simulates fire through numerically solving Navier–Stokes equations for low‐speed flows  in 3D. Examples of commercial software which operate based on CFD principles (creating  field models) are JASMINE, SOFIE, and Fire Dynamic Simulator (FDS) [7,12–15]. The FDS  also  provides  operators  with  modeling  facilities’  geometry,  objects,  materials,  and  fire  properties in a programming environment. The simulation results will be obtained in 2D,  i.e., plot time history results and slices; as well as 3D, i.e., visual smoke view videos [16,17].  However, using field models requires a tremendous effort to set up and also simulation  time is significantly longer than the previous approaches e.g., hours and days of simula‐ tion [14].  Working with FDS and its programming interface is challenging due to the limited  visualization capacity, specifically to model complex geometries [16,18]. To bridge this  gap, a graphical user interface (GUIs), named Pyrosim, is developed to support modeling  the facility’s geometry, and simulate the fire in a visual FDS‐based environment. This al‐ lowed for better measurement of location, temperature, and CO concentration of smoke  and visibility reduction produced by fire [13,18–20].   2.2. Evacuation Modeling  Agent‐based simulation has  been used  as  an established approach  for evacuation  modeling [18,21] among others. Agent‐based modeling  (ABM) is a simulation method  based on entities as agents [22]. The individual agents behave based on set rules, as well  as interactions with other agents, and the environment [18]. While the utilization of ABM  has been common in the previous works, a few studies modeled the evacuation without  any simulation. For instance, the evacuation Cao et al. (2013) relied on formulas and cal‐ culations based on the model with smoke effect and blind evacuation strategy (SEBES) [7].  In that study, the focus of the model was more on characteristics and the location of the  fire, as well as the exit door’s width that was inversely proportional to the evacuation time  [7]. However, the model was not complex and was unable to consider factors such as ve‐ locity changes and the agent’s behavior variations in the fire emergency. Eftekharirad, et  al. (2019) combined ABM with an FDS based engine to study the evacuation behavior of  residents under a structural fire, in a construction renovation project [21]. That study par‐ tially considered some of the effects of fire products on agents’ behavior and also modeled  agents for occupants with disabilities.    Fire 2021, 4, 67  4  of  29  Several software tools are commercially available to apply ABM for evacuation sim‐ ulation; including Pathfinder, Anylogic, STEPS, and Evac [23–26]. WSP’s study in 2017  analyzed three different evacuation software tools, i.e., Pathfinder, Evac, and STEPS. The  comparison indicates that the complex geometries are best supported by Pathfinder and  STEPS with a satisfying visualization [12]. However, STEPS has difficulty in non‐horizon‐ tal modeling and FDS geometries are not perfectly coordinated. The Evac also has limited  support for complex geometries. The whole study did not address the interaction between  agents and smoke, which could influence the evacuation time [12]. Sun and Turkan (2020)  modeled the evacuation of a single‐story nightclub through ABM, using Anylogic soft‐ ware tool [18]. The critical factors affecting the fire and evacuation in this study were hu‐ man behavior, physical characteristics of the building, and fire condition [18]. The com‐ putational time was reported to be very high, so the authors had to compromise on the  model resolution.   On the other hand, considering the vertical load on the evacuation is critical and it is  key to have realistic results [18]. In none of the studies by Sun and Turkan (2020), Cao, et  al. (2013), Eftekharirad, et al. (2019), and Wang et al.’s (2015) multi‐story buildings were  modeled, hence the vertical load was not being considered. In Li et al. (2018) [19] and G.N  et al. (2019) [8] research, the vertical evacuation was considered, but the fatigue, group  movement, and the movement of disabled people in vertical corridors were not compe‐ tently investigated. On the other hand, based on SFPE human behavior handbook, agents  of different ages and gender could have different speeds [27]. Wang et al.’s (2015) study  did not consider human characteristics, which are the main contributing factors [20]. Hu‐ man profiles control the speed, age, size, and height of agents and the behavior dictates  the way the agent behaves during the evacuation. Wang et al. (2015) did not differentiate,  in terms of speed, between various agents’ profiles and considered one constant speed  walk and flow rate [20]. G.N et al.’s (2019) model was also based on a constant velocity  with no consideration of age, disability, and genders [8]. Cao et al.’s (2013) model had two  velocities for slow and fast pedestrians [7]. Li et al. (2018) provided the profile of young  males and females by modeling only one default speed as 1.19 m/s [19]. Considering dif‐ ferent speeds for different ages and genders increases the accuracy of the result.   2.3. Fire Evacuation Risk Assessment  Methods used in the literature for the risk assessment of structural fire closely depend  on the modeling approach adopted for the fire. For instance, in G.N et al.’s (2019) study  that instead of directly modeling the fire, exit blockage was considered; the risk of fire was  assessed based on the reduction of safe exits in the building layout during the evacuation  [8]. Other approaches considered modeling more of the fire characteristics and incorpo‐ rating them into the risk assessment model [28]. Generally, fire risk assessment considers  two parameters: required safe egress time (RSET) and available safe egress time (ASET).  RSET is defined as the physical movement time of the agent to reach a safe area. ASET is  the time which incapacitation is predicted for the agent due to the exposure of the agent  to the fire products such as smoke. The RSET could be calculated in evacuation software  tools and ASET is an output of the FDS or other available tools with the evacuation sce‐ nario [13,18–20,29].  Wei and Wang (2016) estimated the danger time by considering 2.0 m flue gas height  factor from the floor level [13]. Wang et al. (2015) used multiple parameters based on the  Society of Fire Protection Engineers (SFPE) handbook. This handbook provides three tol‐ erance limits for agents, i.e., temperature more than 60 °C; carbon monoxide concentration  higher than 1400 ppm; and visibility less than 2.0 m. The ASET in this study was when  the agent reached visibility of less than 2.0 m [20]. Li et al. (2018) expanded the list of  tolerance limits by adding a ‘fractional effective dose’ (FED) parameter in their investiga‐ tion. They considered a building unsafe if the evacuation time exceeded RSET in which  FED value is 0.1 [19]. Implementation of this parameter was based on equations of the  2 2 SFPE Handbook for the concentration of CO, CO , and O  [30]. In these two studies, only    Fire 2021, 4, 67  5  of  29  one level of risk associated with fire was defined which does not show other stages of the  evacuation where it involves injured occupants [19].   Sun and Turkan (2020) provided three stages for ASET. The first and second stages  are defined based on the height of the smoke layer when it reaches 1.5 m and 1.2 m from  the floor level, respectively. The last stage is assigned to the condition where one of the  fire reaction byproducts (i.e., heat, toxic gases, or smoke density) reaches the human’s  physical tolerance [18]. After running simulations, ASET stages are checked for the unin‐ jured escape, injured escape without death, and failure escape alive, respectively. The out‐ put of the evacuation analysis and the building properties were taken into a linear regres‐ sion model by Sun and Turkan (2020), to compare the required time of evacuation from  the building and the available time of evacuation in different conditions [18]. Table 1 pre‐ sents a summary of the recent applications similar to the approach taken in the present  study. Regardless of the studies’ scope and method, to our best understanding, no re‐ searcher has integrated, to date, the fire/evacuation analysis with construction planning,  and this has remained a gap in the literature. Accordingly, we use ASET and RSET as the  two outputs from fire and evacuation modeling and assess the renovation construction  schedule. ABM and FDS will be used through Pathfinder and Pyrosim, which are inte‐ grated with the BIM to co‐simulate the fire products’ impact, occupants’ evacuation, and  the impact of construction operations sequence on the two.  Table 1. Most recent works for fire/evacuation co‐simulation.  Simulation  Impact of Fire on  Vertical/Horizon‐ Author (Year)  Simulation Purpose  Simulation Method  Tool  Evacuation  tal Modeling  A 6‐step framework  (EvacuSafe) including  Evaluating fire‐related  Defining  BIM, Fire Simulation  safety of evacuation in  •Fire: CYPE‐ open/close sched‐ Module, Path Identifica‐ a two‐story office  CAD MEP  ules of gates for af‐ Mirhadi et al.  tion Module, Agent‐ Horizontal and  building by consider‐ (FDS)  fecting the flow be‐ Based Crowd Simula‐ Vertical  (2019) [31]  ing the distance of  •Evacuation:  cause of fire influ‐ tion Module, Calcula‐ agents from fire and  MassMotion  ence on agents’ be‐ tion of Risk Indices, and  safe evacuation.  havior  Analysis of Design Sce‐ nario  A multi‐model ap‐ proach including Basic  Assumptions (Fire de‐ sign, Design behavioral  scenario, and Boundary  A complex agent‐ conditions); 1D Smoke  based evacuation sim‐ •Fire: FDS  Propagation (Visibility)  Smoke effect on  Ronchi et al.  ulation using a simpli‐ •Evacuation:  and Toxic Species; Sim‐ visibility and speed  Only Horizontal  (2019) [32]  fied egress model and  Pathfinder  plified Egress Modeling  of occupants  the smoke‐filled por‐ (ABM)  (in smoked filled areas);  tions  Arrival Times to  Smoke‐free Areas; Ad‐ vanced Egress Model‐ ing (in complex spaces);  and Safe Area  Introducing a method, Generating 30 scenarios •Fire: Pyrosim  Impact of fire tem‐ Li et al. (2020)  called FREEgress (Fire based on the initial loca‐•Evacuation:  perature, toxic  Only Horizontal  [19]  Risk Emulated Envi‐ tion of the fire, delay  FREEgress (de‐ gases, and smoke  ronment for Egress) to time, and behavior type; veloped based  on occupants’    Fire 2021, 4, 67  6  of  29  evaluate the impact of  Then modeling and  on the  physiology (motion  three factors: initial fire running the simulation SAFEgress soft‐ speed and health)  location; evacuation  in the associated soft‐ ware tool)  and navigation  delay time; and occu‐ ware tools  strategy  pants’ behavior) on  evacuation process   (i) A linear regression  between the building  Developing a BIM  Finding effective  design and RSET; (ii)  Based framework and  •Fire: Pyrosim  escape routes as  Finding the relationship  Q. Sun and Y. implementing FDS and  (FDS)  recommended by  between the fire growth  Turkan (2020)  ABM for simulation of  •Evacuation:  evacuation scenar‐ Only Horizontal  rate and NFH; and (iii)  [18]  fire propagation and  Anylogic  ios and hazardous  evaluating the effects of  evacuation perfor‐ (ABM)  zones as reflected  designed model param‐ mance  in fire simulation  eters by applying two  sample t‐tests  Studying the impact of  Using a co‐simulation  •Fire: Pyrosim  Temporary block‐ temporary repurpos‐ of the fire propagation  Eftekharirad,  (FDS  age of access due to  ing and changing the  and agents’ evacuation  et al. (2019)  •Evacuation:  construction and  Only Horizontal  layout due to construc‐ under the physical con‐ [21]  Pathfinder  exit blockage due  tion, on the fire and  straints of the construc‐ (ABM)  to fire  evacuation behavior  tion project  Using BIM to identify  agents’ locations to  Develop a BIM Based  send them evacuation  platform combined  instructions and simu‐ No impact of fire;  with ABM and FDS  late them in evacuation  rather studied the  and sending instruc‐ software under various •Evacuation:  Gerges et al.  influence of send‐ Horizontal and  tions to the  scenarios; Then, com‐ Pathfinder  ing instructions to  Vertical (11‐story)  (2021) [33]  smartphones to im‐ paring the regular evac‐(ABM)  smartphones dur‐ prove evacuation from  uation time with the  ing the evacuation  high‐rise residential  constraint evacuation  buildings  time to evaluate the im‐ pact of sending instruc‐ tions, on the process  Selecting the most likely  ignition source of fire  by the proposed ‘multi‐ exit fire‐location‐selec‐ Risk evaluation of un‐ Considering the  tion method’; Then esti‐ derground facilities  CO concentration  mating ASET and RSET •Fire: Pyrosim  Wang et al.  through a proposed  and outside tem‐ Horizontal and  as inputs for risk assess‐•Evacuation:  (2021) [34]  risk‐assessment  perature caused by  Vertical  ment. Calculating asso‐ Pathfinder  method associated  fire but not directly  ciated risk with each  with evacuation in fire  in the simulation  area and exit route; Fi‐ nally, evaluating the  overall risk of the entire  facility        Fire 2021, 4, 67  7  of  29  3. Methodology  As mentioned earlier, the main target of the paper is to create a feedback loop be‐ tween evacuation under fire hazards and the planning process of construction renovation  activities.  Accordingly,  Figure  1  shows  the  high‐level  framework  implemented  in  this  study, which comprises five main steps, i.e., (1) Building examination; (2) Construction  scope definition and planning; (3) Fire Modeling and Simulation Analysis; (4) Evacuation  modeling and Co‐Simulation; and (5) Construction schedule evaluation. In the following,  these steps are explained under three major steps, i.e., preparation; simulation; and eval‐ uation.   3.1. Preparation Phase—Building Examination and Construction Scope Definition and Planning  During building examination, a BIM is used to extract the required information in‐ cluding floor layout; functionality and area of spaces; connections such as corridors and  stairs;  the  number  and  location  of  pressurized  exit  doors;  components’  material;  fire  zones; occupants’ count and density at normal operation; etc. During the construction  scope definition and planning, renovation activities and necessary resources i.e., labor,  materials, and equipment, are determined based on the types of renovation activities. The  planning process uses the output of the building examination for each activity separately  to provide insight to (i) the alternative routes in/out of the building for material trans‐ fer/debris removal, etc., with minimal interruption to the occupants; (ii) the hazardous  tasks within the activity which might require additional measurements to execute them  during normal building operations; (iii) alternative occupant reallocation plans (if any)  during the project execution; and (iv) the different crew compositions, productivity and  associated costs to complete the activity considering the type(s) of interruption happening  with each (sound levels, crew movements, etc.)  Figure 1. High‐level methodology framework.    Fire 2021, 4, 67  8  of  29  Afterward,  activity  relations  and  dependencies  are  evaluated  to  develop  the  con‐ struction plan and that is where the complexity appears. The planner is expected to de‐ velop the schedule not only based upon the typical construction logic but also to consider  how the activities’ execution would affect/risk the occupants at any point in time. This  additional criterion usually could define soft dependencies in a schedule. The soft de‐ pendencies between activities are when there is no physical (hard) constraint that dictates  their  execution  order  sequence;  rather,  the  planner  creates  these  soft  dependencies  to  streamline the workflow on‐site and to level the project resources. Hence, these soft de‐ pendencies are re‐engineered now to consider occupant interruption and associated risks.  Accordingly, multiple schedule alternatives would be developed where the work break‐ down, the sequence of operation, activity duration, and critical path are defined in each.  Finally, by reviewing the 4D model for each schedule alternative, the planner can define  the workspace requirements and generate a snapshot at each unique time interval. These  snapshots would resemble the space allocation, the blocked exits, obstructed routes, and  shifted occupant  density (due to  relocation) at any point of the construction schedule.  These snapshots are then used in the fire/evacuation modeling.   3.2. Simulation Phase—Fire Modeling and Evacuation Co‐Simulation  The building examination outputs and the expected workspace snapshots from the  alternative plans, provide the layout for the co‐simulation for fire and evacuation. The fire  simulation stage comprises the following steps: i) determining the possible critical fire  locations; and ii) defining the fire characteristics and intensities. The suggested tool for  the fire simulation is Pyrosim 2020.1 [17]. According to the previous studies, fire locations  in front of exit doors are deemed more critical, and thus should be modeled [13,18–20,29].  The fire properties are based on the SFPE Handbook of Fire Engineering Protection by  selecting from the materials defined in the project [35]. The fires are modeled in the Pyro‐ sim software tool through the following steps: a) defining meshes; b) defining reactions;  c) defining fire ignition source by creating obstruction, material and burner surfaces; d)  defining 2D slices for extracting the fire result; and e) choosing the simulation time. The  results obtained are Pyrosim file (.psm) and smoke view file (.smv) which are required for  evacuation modeling and co‐simulation.  As prior investigations have implemented the method of evacuation modeling by the  help of software tools, in this study, Pathfinder an evacuation simulation software tool is  chosen to model the evacuation scenarios [13,18–20,29,30]. The fire simulation outputs are  imported into Pathfinder. The construction snapshots and occupants’ properties and re‐ allocation plans are used as the basic information of the modeling. To model the evacua‐ tion in Pathfinder software tool, the first step is floor extraction and door detection, the  second step is creating the occupants based on 2 criteria, the fixed characteristics as profile  such as speed, gender, height, and behavioral actions such as waiting and moving toward  the  exit  doors.  To  couple  the  Pyrosim  (FDS  fire  result)  and  Pathfinder,  the  automatic  method is used. The only impact of fire in this co‐simulation on evacuation is slowing  down the agents by applying a speed factor on the speed of agents due to the deduction  of visibility range caused by smoke.  3.3. Evaluation Phase—Construction Schedule Assessment  In the last phase of the method, the construction schedule alternatives are evaluated  based on three criteria, i.e., cost (total budget), time (project duration), and safety under  fire evacuation. The project duration metric eliminates longer construction plans, which  indicate an extended period of interruption to the building’s normal operations. The con‐ struction cost metric reviews the overall construction cost and daily cashflow, to ensure  the project remains affordable, with the increased safety and logistics parameters. For the  occupants’ safety metric, two parameters are considered. First and foremost is the possi‐ bility of fatality and casualties. This is being considered as a hard constraint, hence those  schedule scenarios that can have the possibility of fatalities will be eliminated. Afterward,    Fire 2021, 4, 67  9  of  29  a comparison between the RSET with and without fire for each scenario is made and the  difference in time is considered as the added risk of evacuation due to the fire. The metrics  are coupled to determine the preferred construction scenario.  4. Case Study  In this section, the proposed modeling framework is applied to the actual case study  of an educational building. The BIM of a high‐rise building located in Concordia Univer‐ sity downtown campus, built in 2005 was built and different fire scenarios under renova‐ tion alternatives were examined. The modeling process was done on a platform with an  Intel dual‐core i5 processor (2.5 GHz) with 8 GB available RAM and the simulations were  completed on a computer with an Intel quad‐core Xenon processor E5 v5 family with 32  GB RAM. The simulation times for modeling different fire scenarios () in Pyrosim ranged  from 7.5 h to 13 h, with an average of 10.5 h. The co‐simulation times for modeling the  evacuation process for the 18 snapshots under each fire scenario () ranged from 263 s to  715 s, averaged around 400 s. Details of the fire scenarios, schedule snapshots, and their  combinations are explained later in this section.   4.1. Building Examination and Scope Definition  The  case  study  building  comprised  two  17‐story  towers,  which  are  connected  through indoor common corridors and include administrative offices, over 300 special‐ ized labs, conference and meeting rooms, some classes and student common areas. Under  normal operations, the building has an average of 1000 occupants per day and operates  th 24 h, 7 days a week. The authors acquired the BIM of the 9  floor, shown in Figure 2 and  regenerated the rest of the building. This layout is divided into 2 parts: on the bottom (E‐ Block) and on top (V‐Block). The floor includes six (6) dry laboratories, 35 student offices,  nine (9) staff offices, one kitchenette, four bathrooms, eight elevators, and four (4) pres‐ surized exit doors. Every three floors of this building are openly connected in the vertical  direction (referred to, as ‘vertical campus’) through two staircases; one spiral staircase in  the E‐Block, and one regular staircase in the V‐Block. According to the fire design of the  building, these three vertically connected floors are considered as one fire zone, which  seals off fire and smoke from traveling to other floors. Accordingly, the building model  was created at two levels of development (LOD): The fire zone which comprised floors 8  through 10, was developed at LOD 300; and the rest of the building was modeled at LOD  200. It is worth mentioning that the entire building is the engineering and art faculties,  labs, and offices and functions are quite similar. Accordingly, the layouts of all floors are  similar as well, the deviation between them is minute and negligible.     Fire 2021, 4, 67  10  of  29  Figure 2. The case study building’s 9th floor layout.  The number of occupants in the labs and the offices were assumed, based on the On‐ 2 2 tario building code, as 4.6 m  per person for the labs and 9.3 m  per person for the student  and faculty offices [36]. If the office belongs to a professor, one occupant is modeled per  space. Based on these assumptions and the extracted space areas from the 3D model, the  maximum capacities are calculated, and the normal capacity is considered 50 percent of  the maximum capacity. The area of each lab and its capacity based on the proposed code  is demonstrated in Table 2. The table presents the assumed profiles for the occupants as  well. The demographic information of labs was assumed by generalizing from a limited  number of labs for which the information was available.   Table 2. Lab’s area, capacity, and occupant’s distribution.  Max. Ca‐ Existing Ca‐ Extra Capacity due  No. Female  No. Male  No. Female  No. Male  Lab  Area (m )  pacity *  pacity *  Relocation *  <30 yrs old  <30 yrs old  30 < F < 50  30 < M < 50  A  187.46  40  20  20  8  8  2  2  B  192.82  41  20  21  8  8  2  2  C  187.97  40  20  20  8  8  2  2  D  106.47  23  11  12  5  5  0  1  E  171.36  37  19  18  7  8  2  2  F  136.23  29  14  15  5  5  2  2  Total  982.31  210  104  106  41  42  10  11  * Number of agents.        Fire 2021, 4, 67  11  of  29  4.2. Construction Scope  As explained earlier, based on the building’s fire zone divisions, this study focused  on the fire zone between the 8th and the 10th floor. The rest of the building was modeled  to resemble the vertical load effect of occupants during evacuation. The scope of work  assumed in this study was the renovation of the six labs in the V Block as well as the  corridors, as the main connection components between spaces. Ceiling work and duct‐ work were considered in the scope since both comprise hot works that would require a  complete or partial closure for labs and corridors. Based on RSMeans, one crew compris‐ ing two workers for ceiling work will produce a daily output of 500 S.F. For the ductwork,  one crew comprised of three workers will produce a daily output of 265 lb. In this study,  the productivity of each crew was assumed at 75% of the RSMeans values [37] to resemble  the complexity of the renovation (than new construction) work. Adjusted daily output for  ceiling work and ductwork were 375 S.F and 198.75 lb, respectively. In addition, the direct  cost per day of $60 and $40 was assumed for the ceiling work and ductwork, respectively.  The number of occupants in each of the three floors of the studied fire zone was assumed  to be identical and provided in Table 3. Some general contextual information about the  modeled occupants is provided in Table 3. The construction renovation was assumed to  be occurring on the 8th floor of the building. 50 occupants were assumed for the rest of  the floors, outside the  fire zone, and the number of males and females  existing  in the  building was assumed almost equal. As a result, the total number of occupants in the  whole building was 1,157 without considering the operating crews.   Table 3. Occupants’ gender and age distribution in fire zone.  Floor Number  Number of  Number of Male < 30  Number of 30 < Female < 50  Number of 30 < Male < 50  Total  in Fire Zone  Female < 30  8, 9, 10  66  67  17  19  169  4.3. Construction Planning  The two different construction renovation activities were assumed to take place as  ceiling work in the labs and the ductwork is in the corridors. Six labs and three corridors  sections are under renovation. In each lab and each corridor section, only one crew can  operate. The works’ priorities are considered identical in each type of activity. Accord‐ ingly, the authors explored the following strategies for the combination of activities be‐ tween the labs and the corridors: (i) Schedule Type 1—two activities simultaneously, one  crew for labs, one crew for corridors (we refer to this scenario as 1crew‐1crew); (ii) Sched‐ ule Type 2—three activities simultaneously, two crews for labs and one crew for corridors  (we refer to this scenario as 2 crews‐1 crew); and (iii) Schedule Type 3—Four activities  simultaneously, two crews for labs and two crews for corridors (we refer to this scenario  as 2 crews‐2 crews). Given the level of scheduling and the assumptions that the activities  are identical in terms of scope, there were no hard dependencies to be drawn. Hence, the  total number of permutational combinations for the six labs and three corridor sections  was 4320 based on the soft dependencies.   The scenarios generated out of the three strategies underwent two filtration stages  (as suggested by Figure 1); i.e., (i) construction flow; and ii) operation logic. The construc‐ tion flow eliminated the scenarios with a large number of non‐value‐added activities re‐ sulting from unnecessary crew traveling between activities. Also, the less the crew travels,  the less interruption to the occupants. As a result, by applying the construction flow on  all the possible combinations, 32 combinations remained acceptable. The operation logic  evaluated the possibility of relocating occupants of the under‐construction labs in other  areas of the same floor, based on the available minimum area per person (please refer to  Table 2). It was assumed that the occupants of each room should be temporarily accom‐ modated in a room with the same functionality. In this case, all the combinations were  accepted as space was available in any of the four labs that supported the relocation of    Fire 2021, 4, 67  12  of  29  occupants from any of the two under‐construction labs. The distribution of temporary  relocations was made evenly among the available spaces of the same floor.  The next step after determining the relations among activities was estimating their  durations. For that, the work required for each activity was calculated based on the ad‐ justed daily output of the crew operating in the activity. The renovation duration for labs  A through F was calculated as 14, 15, 11, 7, 10, and 8 days, respectively; and the duration  of corridors G, H, I activities were 6, 6, and 10 days respectively (please refer to Figure 2  for the labs’ and corridors’ names).   Table 4. Final snapshots—activities combination.  #  Activity 1  Activity 2  Activity 3  Activity 4  1  B  C  G  I  2  B  F  G  I  3  A  C  G  I  4  A  E  G  I  5  A  F  G  I  6  B  C  H  I  7  B  E  H  I  8  B  F  H  I  9  A  C  H  I  10  A  E  H  I  11  A  F  H  I  12  B  D  I  N.A.  13  A  D  I  N.A.  14  B  D  H  N.A.  15  A  D  H  N.A.  16  B  D  G  N.A.  17  B  E  G  N.A.  18  A  D  G  N.A.  Workspace planning was a key component during construction planning; where the  assumptions for each scenario were (i) labs under construction are fully evacuated; (ii)  corridors under construction are partially blocked; and (iii) occupants are not allowed in  the construction areas (i.e., construction was modeled as a static workspace) [38]. Each  schedule was divided into workspace snapshots to resemble the building layout while  under construction. As a result, each schedule had nine different snapshots with different  durations, and a total of 288 snapshots were extracted from all 32 schedules. Deep analysis  of these snapshots revealed some redundancies in the sense that some workspace snap‐ shots were part of other more critical ones e.g., a snapshot showing one lab construction  under the 1 crew‐1 crew schedules, was covered under the snapshots coming from the 2  crew–2 crew schedules, which had two labs under construction at any time. Accordingly,  after removing redundancies, this analysis revealed 18 unique snapshots that are shown  in Table 4. The 2 crews–1 crew alternatives had seven critical snapshots and the 2 crews– 2 crews had 11.  4.4. Fire Scenarios   As mentioned earlier, one of the critical locations for fire occurrence is in front of exit  doors [8]. Therefore, four out of five fire locations were assumed to be in front of each  pressurized exit door, and the last location was considered to be in front of the spiral stair‐ case. The importance of spiral staircase fire is that this research simulates both horizontal  and vertical fire smoke propagation. The special location of the spiral staircase can create  a  chimney  effect  to  this  simulation  and  let  smoke  travel  to  the  upper  floors  from  the    Fire 2021, 4, 67  13  of  29  beginning of the simulation. As such, this research considered five fire locations per each  construction snapshot, as shown in Figure 3. It is assumed that each fire, based on the  location of the construction sites in each snapshot, can be categorized as either high or low  intensity. If the fire is in or close to the construction site, it is considered high‐intensity,  due to the presence of hot works and combustibles. Otherwise, it is considered a low‐ intensity fire. The only exception is the fire for the spiral staircase, which was assumed to  be high‐intensity to investigate the chimney effect. Based on these assumptions and final  snapshots, a total of seven fires scenarios were modeled as introduced in Table 5.   Figure 3. Five fire locations per each snapshot.  Table 5. Fire scenarios modeled.  No  Fire Location  Intensity  Label  1  Exit Door‐01  High  A1  2  Exit Door‐01  Low  A2  3  Exit Door‐02  High  H1  4  Exit Door‐02  Low  H2  5  Exit Door‐03  Low  L  6  Exit Door‐04  Low  R  7  Spiral  High  Spiral  4.5. Fire Modeling Steps   Fire simulation started by importing Revit model, then defining meshes, reaction,  and the fire ignition source. It was followed by setting up the output properties, slices,  and finally running the analysis. Only one fire zone was modeled in this research, as dis‐ cussed before, which comprised floors 8 through 10. Nevertheless, the evacuation impact  during a fire incident from the rest of the floors was studied, by modeling the occupants    Fire 2021, 4, 67  14  of  29  of the upper (and lower) floors. The fire zone (floors 8 through 10) was modeled in Revit  at LOD 300, then exported as IFC (Industry Foundation Classes) Version 4 through Refer‐ ence View MVD (Model View Definition). It is important to notice that only this fire zone  was imported into Pyrosim and was used for the fire simulation. The rest of the floors  were modeled at LOD 200, and were used later in the process of evacuation modeling.  IFC was selected over other extensions, such as DWG, DXF, and FBX, to include model  information such as material types, during the export. Reference View MVD was chosen  because it contained adequate information and was stable during the import process. Af‐ ter importing the geometry into Pyrosim (Figure 4), the meshes were defined through  mesh boundaries and cell sizes to set the domain of FDS calculations in the process of  analysis and [39]. In this study, for streamlining the analysis in a timely manner, meshes  were only considered in the common areas (corridors and common spaces). Also, instead  of having one big mesh, they were divided into smaller parts comprised of 13 meshes with  an overall number of 760,368 cells with 0.25 m in size for each cell. All faces of meshes’  boundaries were set as open vents except upper and bottom faces. Based on the selected  renovation types, Nylon was considered as a part of construction waste for fire material  source and it was added to the fire model from the existing library of Pyrosim.  Figure 4. Pyrosim geometry of the 8th, 9th, and 10th floors.  The reaction properties are based on the SFPE Handbook of Fire Engineering Protec‐ tion [35]. The reason for choosing Nylon instead of other combustibles is the high amount  of soot yield in its reaction compared to other materials in the renovation site since smoke  was the only byproduct of fire which has an impact on the occupants during evacuation  [35]. The fire ignition source was modeled as a localized fire through the following steps:  (i) creating obstruction; (ii) defining burner surface with a heat release rate per unit area  (HRRPUA) parameter; and (iii) creating a vent with burner surface and assigning that to  the top face of the obstruction. HRRPUA was set as a fixed value to remove the delay for  reaching its defined value and to sustain it to the end of a predefined simulation time. By  fixing the HRRPUA of the applied burner surface to a vent, there is a possibility to have  the fire source up to the end of any defined simulation time while the materials and fire  propagation were not modeled [40]. This approach was also selected to increase the criti‐ cality of the simulation, although it may seem unrealistic as it does not consider the prop‐ 2 2 agation of fire. Hence, 1000 KW/m  and 500 KW/m  were assigned to high and low values  for HRRPUA of the burner surface, respectively, as a fixed number. The area of the vent  on obstruction was considered to be 5.00 m  which was obtained by multiplying 1.50 m  (vent width) by 3.33 m (vent length). It is worth noting that while a flashover as a transient  phase is possible to happen during the indoor fire development, based on the selected  HRRPUA values, the probability of its occurrence in this case study was low. Based on  the literature, flashovers are expected to occur when the temperature associated with the    Fire 2021, 4, 67  15  of  29  room’s surfaces reaches its ignition temperature [41]. For that to happen, the fire would  usually either be in a small room or have a considerable amount of fuel/ventilation to last  enough to reach such a high temperature [42]. In this case study, the fire was modeled in  the spatial corridors (corridor area is about 550 m ), which are clear from any fuel sources,  and openly connected among the three floors in the fire zone. Additionally, the corridor  walls and ceiling are 1 h fire‐rated, and the ventilation system automatically shuts off in  case of fire to limit the air supply [43]. Hence, the probability of a flashover occurring was  deemed very low. Yet it must be added that the case of flashover can only make the situ‐ ation even more critical, hence in order to respond to our research problem (i.e., whether  the occurrence of fire during construction must be taken into account quantitatively) not  considering the effect of flashover will be a conservative approach. All results were rec‐ th orded in 3D except for the 2D soot visibility slices, which were defined on the 8  floor’s  meshes. They were set at a height of 1.80 m from the floor level, which was selected based  on the assumed approximate height of the agents. The simulation time was set as 300 sec.  The analysis was conducted through parallel computing by assigning meshes to different  cores of the processor. The output of each fire simulation was one Pyrosim file (.psm) and  one smoke view file (.smv); both serving as inputs for the evacuation modeling in Path‐ finder. Additionally, 2D slices provided visualized representation for the deduction in  visibility range due to smoke.  4.6. Evacuation Modeling  Pathfinder 2020 was chosen to model the evacuation scenarios. Pathfinder calculates  the egress time based on two different methods; i.e., the “SFPE method” (introduced by  Society of Fire Protection Engineering) and the “steering mode”, which is an artificial in‐ telligence (AI)‐based model performing on the basis of each occupant’s decision in a dy‐ namic environment. The model works based on minimization of the “final direction cost”,  consisting of nine weighted factors for each agent. For details on these factors and the  objective function, please see [23]. In this study, the steering mode was chosen to run the  simulations and evaluate the evacuation scenarios. Two different types of Pyrosim files  were imported into Pathfinder, the base models without fire, and the other models with  fire including .smv files. To create an evacuation model, final construction snapshots as  well as the occupants’ properties, such as the number of existing agents, their age, and  speed, were configured. Floor extraction, door detection, and modeling pressurized safe  exit staircases were conducted to model the plan and escape routes. Based on the regula‐ tion of the Concordia University Fire Marshal, the unpressurized stairs and elevators must  not be considered as safe evacuation options and are closed down during fire emergencies  [43,44]; hence, they were not modeled in this study. Occupants were defined based on two  criteria; i.e., fixed characteristics as ‘profile’, and sequence of actions as ‘behavior’ [45]. In  the agents’ profiles, their characteristics, movement options, door choice, and speed were  set. Between the two different types of speed profiles commonly used in the literature, i.e.,  “Fruin’s  Pedestrian  Planning  and  Design”  and  “International  Maritime  Organization  (IMO)” [45–47] the latter, IMO speed profiles, were selected in this study. Four different  profiles with different speed ranges were considered based on age and gender, as illus‐ trated in Table 6.  Table 6. Occupants’ speed distribution (all in m/s).  Female < 30 (Years Old)  Male <30  30 < Female < 50  30 < Male < 50  Crew   0.93–1.55   1.11–1.85  0.71–1.19  0.97–1.62  1.11–1.85  The speed value chosen was based on uniform probability distribution; the system  generates random speeds for each agent in the specified intervals which are uniformly  distributed. We assumed the same weights for all profile types and did not give priority  to any profile in the ABM for evacuation. Agent’s visibility was measured at their height    Fire 2021, 4, 67  16  of  29  level and visibility reduction will result in a slowdown of their speeds [23]. All the doors,  rooms, and stairs were available for all the agents and no restrictions were modeled in  choosing a path [45]. The agents were modeled so that they find and take the ‘fastest route’  to the exit at any time. In this study, no wait time was considered for reaction and detec‐ tion time,  and  this  limitation  was  compensated  by setting  a  constant  heat  release  rate  (HRR) in fire modeling. We did not model any occupants with physical limitations and  disabilities who require assistance.   Pathfinder was coupled with Pyrosim. The smoke view file was imported into the  FDS data of simulation parameters. The data interval of the coupling was set at 10 sec in  all  scenarios.  The  FDS  integration  and  the  occupants’  slowdown  in  the  smoke  were  checked to make the ABM able to reduce the speed of the agents due to the smoke. Alt‐ 2 2 hough the CO, CO , O , and FED were imported by the PLOT3D, they do not have any  impact on the occupants in the evacuation simulation, which can be considered a current  limitation of the ABM tool [45]. Therefore, the only fire product affecting the occupants in  our fire evacuation simulation is smoke, which decreases the visibility, and as a result,  changes the speed of the occupants.   5. Results and Discussion  On the basis of the assumptions explained above, this section presents the results of  fire and evacuation co‐simulation under each of the construction scenarios. The evacua‐ tion times associated with generated snapshots as well as the duration and cost of each  construction schedule are obtained and discussed in this section. In addition, the safety  factor estimation and schedule evaluation are explained. for the sake of comparing the  impacts of a fire incident on the construction plans, the RSETs of both scenarios (with and  without fire) were utilized as the standard evaluation metrics. Further investigations can  include the ASET metric as well for the scenarios with fire.   5.1. Fire and Evacuation Co‐Simulations:  After running the fire and evacuation co‐simulation, the evacuation time of the entire  th building and the 8  floor, as the scope of the investigation, were obtained for 90 snapshots  with fire plus 18 snapshots without fire. Results showed that in eight snapshots with fire,  the simulation did not converge, due to the blockage of the only available exit door (when  the fire location is right in front of that exit and occupants are stuck). For a better illustra‐ tion of the data associated with the 82 remaining with‐fire cases, a ∆T parameter was de‐ fined as the ratio between evacuation times of each with‐fire (RSETWith Fire) and without  fire (RSETWithout Fire) scenario in the same snapshot. Based on this definition, ∆T can be in  one of these three conditions: ∆T > 1, i.e., fires negatively impacting the evacuation time  hence longer evacuation at the with‐fire snapshots compared to without‐fire ones; ∆T = 1,  i.e., fire has no impact on the evacuation time; and ∆T < 1, i.e., the fire incident positively  impacting the evacuation time, hence making the evacuation shorter. Figure 5 shows the  distribution of the number of snapshots in each ∆T category in the entire building, as well  as the 8th floor.   The ∆T > 1 category would be originally the expected case to approves the hypothesis  of a longer time being required for the evacuation under the fire emergency. It is expected  that, by implementing the fire, the agents’ visibility reduces and their speed would decline  [30]. As a result, agents exposed to the smoke will have a slower evacuation and the whole  evacuation time should be increased accordingly. Since the ‘without fire’ scenario’s evac‐ uation time is considered as the safe baseline for each snapshot, the closer the evacuation  times to the baseline (∆T to 1) the safer the scenario will be from the viewpoint of the fire  evacuation. Therefore, ∆T can be considered as an indicator of the unsafe condition. The  variation of ∆T values for both 8th floor and the whole building are illustrated in Figure  6.     Fire 2021, 4, 67  17  of  29  Fatalities Fatalities ∆T=1 ∆T=1 9% 8% 22% ∆T<1 13% ∆T>1 ∆T<1 42% ∆T>1 41% 56% (a) Fire zone’s snapshots.  (b) Whole building’s snapshots  Figure 5. distribution of ∆T (proportion of evacuation time with fire to the normal condition).  (a) The fire zone (8th floor)—total of 50 snapshots with ∆T > 1.  (b) The entire building—total of 38 snapshots with ∆T > 1.  Figure 6. Variations of ∆T throughout different snapshots (for snapshots with ∆T > 1).    Fire 2021, 4, 67  18  of  29  The two remaining categories, i.e., the same and faster evacuation time under the fire  compared to the normal condition, appear contradictory to the hypothesis of longer evac‐ uation in the presence of fire. Although the value of ∆T for most cases of ∆T < 1 is very  close to 1.0 (between 0.87 and 0.998, with an average at 0.96 for the entire building and  between 0.94 and 0.99, with an average of 0.98 for the 8th floor), and could have been  attributed to the stochastic speed settings for the occupants; further investigations were  made in the associated cases for both fire zone and the entire building, to identify the root  cause. It was observed that three triggers control the evacuation time, which are critical  egress, i.e., width of the door or staircase; the renovation operation location; and the fire  location. For the cases where ∆T = 1 (i.e., the fire did not affect the evacuation time), it was  concluded that the width of the door (Exit Door‐2) and the staircase (Staircase‐02) were  the main influencers behind that. The exit door and staircase were narrower than the oth‐ ers, and thus occupants were more congested and evacuated more slowly through them.  Accordingly, in these cases, the fire location was at the spiral stairs or the Exit Door‐4  (please refer to Figure 3), the evacuation of these narrower locations was not impacted  and thus the time was not changed. This phenomenon occurred in 22% and 8% of the  cases related to the evacuation of the eighth floor and the entire building, respectively. To  help support this analysis, Figure 7 shows the visibility range in different areas of the floor  during the evacuation for different time steps, when the fire is in front of Exit Door‐04  (Figure 7a) or the spiral Stair (Figure 7b). In all captured heatmaps, the red color means  the horizontal visibility of 3.0 m, i.e., the full visibility range of an agent, and dark blue  means the visibility of zero. In both figures, the area of congestion during the evacuation  is marked. For all snapshots in the category of ∆T = 1, according to the fire slices results  (Figure 7), propagation of smoke shows that in both mentioned fires, during the entire  evacuation process, smoke does not reach the congestion area, hence will not impact the  occupants’ speeds. All the evacuations are completed before 184 sec, which is when the  visibility decreases in the congestion area. That is why the evacuation duration remains  the same as in the case of not having any fire. Of course, the panic effect was not included  in this study, and that can be considered one limitation of the simulation.  For the cases of ∆T < 1 (i.e., faster evacuation than without fire), the analysis showed  different causes for the 8th floor and entire building. The agents are modeled to opt for  the  closest  exit  (shortest  path).  In the  case  of  whole‐building analysis,  when  narrower  staircases are blocked due to construction or fire, the occupants select the other (wider)  exits, which speeds up the overall evacuation. This indicated that the width of stairs was  a more influential factor than the fire, when the fire was placed in the E‐block of the build‐ ing. In the case of 8th floor, by the time the occupants get into the congestion, there is yet  no smoke there, because the source of fire is far from the critical exit door. Hence, the with  and without fire evacuation scenarios are almost the same, with a minor difference in the  number of people in the congestion (∆T in most of these cases is slightly less than 1). An‐ other interesting observation was when the smoke completely reaches the congestion, at  t = 57 sec as shown in Figure 8. Checking the frame‐by‐frame evacuation behavior, in this  case, suggests that the speed reduction due to the smoke has helped the congestion by  th moving the crowd more smoothly and letting the occupants (accumulated from the 8   floor and floors above) evacuate in less density and a shorter time. However, this behavior  of the agent‐based model may not be realistic and requires further investigation to be val‐ idated and justified. It is evident for the fire and evacuation community that due to the  lack of collected behavioral datasets, the validation process which should be a primary  step in evacuation modeling becomes very challenging. There is a general absence of uni‐ formity for evaluating evacuation models, which is mostly subjective depending on the  users’ acceptance. However, the International Standards Organization (ISO) published in‐ itially the ISO 20414:2020 standard named “Verification and validation protocol for build‐ ing fire evacuation models” through the committee of FSE (ISO/TC 92/SC 4) which should  help in the future with this issue [48,49].    Fire 2021, 4, 67  19  of  29  Congestio Congestion  n  (a) Fire in front of Exit Door‐04.  Congestion  Congestion  (b) Fire in front of the spiral staircase.  Figure 7. Visibility slice at 1.8 m from the floor level.  Figure 8. Visibility slice at 1.8 m from the floor level (fire is in front of Exit Door‐02).    Fire 2021, 4, 67  20  of  29  5.2. Construction Planning Results (Time, Cost and Safety)   Three criteria were considered for the schedule evaluation, i.e., cost; time; and safety,  each of which has a separate measure and evaluation process. While several different met‐ rics can be used to measure each criterion, and also there would be various ways to com‐ bine the metrics, the multicriteria decision‐making aspect is not within the scope of this  paper, and future studies will be needed in this regard. Nevertheless, we test some possi‐ bilities, mainly to show how the proposed method of this paper can be used in quantita‐ tive decision analysis. Table 7 compares the three schedule types in terms of the metrics  used for cost and time. Starting with the time criterion, the final 32 schedules had a total  project duration of 65 days for schedule type 1 (1 crew–1 crew) and 36 days for both type  2 and 3 alternatives (i.e., 2 crews–1 crew and 2 crews–2 crews). Given the high demand  for access to the labs, it was assumed, as an owner requirement, that the desired project  duration is 60 days or less. Moving on to the cost metric, considering that the only cost  component modeled in the project is the direct cost (leading to the independence of project  budget from duration), the authors used the ‘mode cost’, i.e., cash flow analysis, as a met‐ ric for cost evaluation. The mode cost was considered as the ‘highest most frequent daily  cost’ throughout a schedule. Schedule type 1 with $60, schedule type 3 with $120, and  schedule type 2 with $160, had the lowest to highest mode costs, respectively. Following  the regular logic of construction projects, it was assumed that any contractor would prefer  the lowest mode cost. Accordingly, the assumed metric for the cost was having a mode  value less than $160.   Table 7. Schedule categories based on duration and cost.  Schedule Type  Schedule Number  Crew Combination  Total Duration (Days)  Mode cost ($)  1 crew (lab)–1 crew  1  Schedule 1 to 16  65  60  (corridor)  2 crew (lab)–1 crew  2  Schedule 17 to 24  36  120  (corridor)  2 crew (lab)–2 crew  3  Schedule 25 to 32  36  160  (corridor)  For the  third  criterion,  i.e.,  safety,  two  parameters  were  considered:  fatalities  and  evacuation time. The occupants’ lives were considered paramount; therefore any schedule  that  had  a  snapshot  with  fatality  was  eliminated.  Twelve schedules  consisted  of  eight  snapshots with fatalities, all of which were considered unacceptable. On the other hand,  for the evacuation times (the remaining 82 snapshots), those with ∆T < 1 were assumed to  be safe (until further studies will make better clarifications regarding the anomalies ex‐ plained earlier). After that, two different methods were applied to provide a metric for the  safety of each schedule.   Method A, Average total evacuation extension—In the first method, five ∆Ts per snap‐ shot (one ∆T for every fire incident modeled), as expressed by Equation (1), are averaged  to obtain the total evacuation time extension due to the fire, as ∆𝑇   in Equation (2).   ∆𝑇   (1) where    is the required egress time in fire scenario and    is  required egress time in the baseline scenario (without fire).  ∑ ∆ (2) ∆𝑇     where ∆𝑇   is calculated from Equation (1) and i is associated with the fire scenarios  (from 1 to 5 in our case study with considering five different fire incidents). The ∆𝑇   for  𝑅𝑆𝐸𝑇 𝑅𝑆𝐸𝑇 𝑅𝑆𝐸𝑇 𝑅𝑆𝐸𝑇 Fire 2021, 4, 67  21  of  29  each snapshot is then multiplied by the duration of that snapshot to calculate the fire risk  of the snapshot (𝐹𝑅 ) as shown by Equation (3).  𝐹𝑅 ∆𝑇 𝑜𝑛𝑎𝐷𝑢𝑟𝑡𝑖   (3) where ∆𝑇   is the summation of all ∆𝑇   related to one specific snapshot with five  different fire scenarios and 𝑎𝐷𝑢𝑟𝑛𝑡𝑖𝑜   is the time of each snapshot occurrence in  the schedule. It must be noticed that we are assuming similar likelihoods for the incident  of all five different fires.   In  each  schedule,  all  values  of  𝐹𝑅   are  summed  up,  and  the  𝐹𝑅 is  eventually  calculated  as  the  factor  of  safety  for  the  alternative  schedule,  as  shown  by  Equation (4).   𝐹𝑅 𝐹𝑅   (4) where 𝐹𝑅   is derived from Equation (3) and i is the number of different snapshots  existing/ considered in one schedule.  Method B, Maximum evacuation extension—In the second method, the maximum of five  different ∆Ts is selected as ∆𝑇 , as suggested by Equation (5). In each schedule, the  maximum ∆𝑇 for different snapshots of the schedule is considered as the safety factor  (′𝐹𝑅 ) as shown by Equation (6).   ∆𝑇 𝑀𝑎𝑥∆ 𝑇   (5) where ∆𝑇   is the difference between evacuation time in with and without fire sce‐ narios and i is associated with the fire scenario (from 1 to 5 for our case study).  ′𝐹𝑅 𝑀𝑥𝑎 ∆𝑇 )  (6) where ∆𝑇 comes from Equation (5) and i is associated with the fire scenarios (from 1  to 5 in our case study).  Both methods A and B were applied to both fire zone and the entire building evacu‐ ation times separately, for our case study. The results were combined with the other two  criteria, i.e., time and cost, to compare the construction schedule alternatives, as will be  explained in the next section.  5.3. Construction Planning Evaluation  It is worth noting again that developing a multi‐criteria schedule evaluation has been  beyond the scope of this paper. The main objective of this study was to introduce co‐sim‐ ulation as a tool for quantitative analysis of safety in construction renovation projects.  However, to show how the result can be mixed with other traditionally used metrics to  evaluate schedules, i.e., time and cost, one simple combination option, i.e., weighted sum‐ mation, is tested here. Further studies are necessary to determine the optimal weights, as  well as better options for the metrics and multi‐criteria function.   After calculating the three performance metrics for the assessment of the schedule,  we define ‘TCS’ as an index to evaluate the goodness of construction scenarios. TCS in  this study was defined as the weighted sum of the range‐normalized values for these three  metrics, for each alternative schedule, as shown by Equation (7). The aim is to identify the  schedule with the lowest TCS. We used both versions of FR and FR’ and calculated the  TCS twice for the case study. Detailed results are shown in Appendix. Table 8 shows the  results of Method (A) for the eighth floor.  (7) 𝑤 𝑚𝑒𝑇𝑖𝑤 𝑡𝐶𝑜𝑠𝑤 𝑆𝑎𝑓𝑒𝑡𝑦   where 𝑒   is the normalized total duration of the schedule completion, 𝑡𝐶𝑜𝑠   is the nor‐ malized most repetitive daily cost (mode cost) in the associated schedule, 𝑆𝑎𝑓𝑒𝑡𝑦   is the  𝑇𝑖𝑚 𝑇𝐶𝑆 Fire 2021, 4, 67  22  of  29  normalized safety metric explained earlier, and the weights w1 through w3 are user‐de‐ fined (for the sake of this paper, we applied equal weights to each metric).   Table 8. TCS values for the Eighth floor based on method A.  Raw Values  Range Normalization  Snapshot  FR Snap‐ Schedule  ∆T Tot  FR Schedule  TCS  Fatality?  Rank  Duration  shot  Cost  Time  Safety  Cost  Time  (Safety)  16  1  1.00  1.000  1  60  65  0.000  0.000  1.000  0.300  No  1  1  1.00  1.004  17  2  1.49  2.985  10  160  36  0.629  1.000  0.000  0.489  Yes  4  1.54  6.175  18  4  1.54  6.175  6  160  36  0.355  1.000  0.000  0.406  No  4  1  1.02  1.016  19  3  1.54  4.631  10  160  36  0.626  1.000  0.000  0.488  Yes  3  1.49  4.478  20  4  1.49  5.970  6  160  36  0.341  1.000  0.000  0.402  No  3  3  1.00  3.012  2  1.02  2.032  21  14  160  36  0.885  1.000  0.000  0.565  Yes  2  1.56  3.121  4  1.43  5.734  2  1.43  2.867  22  9  160  36  0.556  1.000  0.000  0.467  No  5  4  1.56  6.241  4  1.02  4.065  23  1  1.00  1.004  8  160  36  0.479  1.000  0.000  0.444  Yes  2  1.46  2.917  24  4  1.46  5.834  6  160  36  0.332  1.000  0.000  0.399  No  2  6  1.76  10.565  25  4  1.00  4.011  16  120  36  1.000  0.600  0.000  0.480  Yes  1  1.00  1.004  6  1.33  8.007  26  2  1.02  2.039  12  120  36  0.759  0.600  0.000  0.408  Yes  2  1.01  2.022  6  1.38  8.274  27  4  1.01  4.038  13  120  36  0.846  0.600  0.000  0.434  Yes  1  1.02  1.016  6  1.43  8.582  28  2  1.00  2.000  13  120  36  0.796  0.600  0.000  0.419  Yes  2  1.01  2.028  6  1.00  6.016  29  4  1.76  7.043  15  120  36  0.927  0.600  0.000  0.458  Yes  1  1.46  1.458  6  1.02  6.117  30  2  1.33  2.669  11  120  36  0.713  0.600  0.000  0.394  Yes  2  1.31  2.617  6  1.01  6.056  31  4  1.38  5.516  13  120  36  0.832  0.600  0.000  0.430  Yes  1  1.56  1.560  6  1.00  6.000  32  2  1.43  2.861  12  120  36  0.736  0.600  0.000  0.401  Yes  2  1.43  2.867  As shown in Table 9, any schedule that had a snapshot with fatality was eliminated  from the selection process, leaving schedules 16, 18, 20, 22, and 24 to decide between. Log‐ th ically, schedule 16 provided the lowest TCS for both the 8  floor fire zone and the whole    Fire 2021, 4, 67  23  of  29  building; however, it violated the core owner requirement of a duration less than 60 days  and hence was also excluded from the comparison. Consequently, this table shows the  TCS values for each evaluation method for the 17 schedules and the corresponding best  schedule.   Table 9. Schedule Preferences based on evaluation methods.  Evaluation Method  Min TCS  Max TCS  Average TCS  Preferred Schedule  TCS Value  Method A—8th Floor  0.3  0.565  0.434  24  0.399  Method A—Whole  0.3  0.6  0.453  20  0.391  Building  Method B—8th Floor  0.3  0.565  0.434  24  0.399  Method B—Whole  0.3  0.482  0.461  20  0.476  Building  6. Conclusions  This study developed a framework to quantitatively investigate the effect of occu‐ pant’s fire and evacuation safety as an additional decision criterion on construction reno‐ vation schedules. To implement this investigation a building examination was conducted  to provide the relevant properties related to the construction scope and evacuation (size,  number of floors, number and location of exits, layout, etc.). All the possible construction  scenario combinations were obtained and filtration techniques with regards to the con‐ struction  flow  and  building  operation  logic  were  applied  to  select  viable  construction  plans. Workspace modeling was applied to the acceptable construction scenarios to deter‐ mine the unique building layouts under construction. Then fire scenarios and properties  were generated for each snapshot of the renovation operation. By the aid of BIM and FDS  applied over the BIM environment, fire effects were simulated and evacuation behavior  of occupants was modeled through ABM. The results were analyzed and evaluated ac‐ cording to the defined metrics to measure the goodness of construction schedules under  cost, time and safety criteria. By integration of Pyrosim and Pathfinder and running the  co‐simulation,  two RSETs (required  safe  exit time) were  obtained.  The  first  RSET  was  based on the scenario with fire (for various scenarios) and the second RSET was the sce‐ nario without fire. The proportion of these two numbers provided an indicator of risk; the  greater this number, the higher the fire risk of that snapshot. Two methods were applied  on the basis of this indicator to assign a number related to safety to each schedule. To  evaluate the schedules, the possibility of fatality and casualties were investigated and all  the schedules consisting of such construction scenarios  were eliminated. An indicator,  called TCS, was introduced as the weighted summation of cost, duration, and risk factors.  The risk factor was calculated for the fire zone where the fire initiates, as well as the entire  building, in two different ways.   The main contribution of this study is to propose a methodology to integrate fire  safety analysis quantitatively in the process of construction planning for renovation pro‐ jects. The results of this analysis consist of 44 TCS values for the two tested methods of  assessment with two different approaches of safety calculation. By analyzing the co‐sim‐ ulation results, it was verified that the presence of fire in renovation work increased the  evacuation time in 60% of cases in the fire zone of fire origin, and about 40% of cases in  the whole building. Moreover, it was apparent that the construction schedule with mini‐ mum cost or budget will not necessarily be the safest in all cases. The start point of the fire  was considered correlated with the construction workspaces where combustible materials  are compiled. It was shown that the fire origin can significantly influence the criticality  and increase the safety risks of the scenarios. Among selected fire locations, the fire in  front of the open spiral stair connecting the three floors of the fire zone had the least im‐ pact on evacuation, due to the chimney effect.     Fire 2021, 4, 67  24  of  29  Despite the contributions, this study had some limitations and made assumptions  that need further investigations in the future. The proposed method takes into considera‐ tion the  higher  risk  associated  with  building  blockages  that  take  longer;  however,  the  same likelihood was considered for the occurrence of all fire scenarios; which in the future  should be scrutinized in more detail. The probability of fire in various workspaces, for  instance,  can  be  assumed  to  be  proportional  to  the  amount  of  fuel  available  in  those  spaces, and the propagations can be modeled accordingly. Furthermore, the impact of the  fire on agents’ behavior was limited to view reduction due to smoke. However, fire flash‐ over, other fire products’ impacts, the panic effects, and the behavior of occupants with  physical limitations must be further investigated in the future. The effect of sprinkler and  HVAC systems and the probability of any failures (in pressurized stairs, e.g.,) were ig‐ nored in the presented co‐simulation, which can be another area for future research.  Last but not least, while the proposed methodology can help construction planners  integrate safety in their construction modeling procedure, the decision making based on  this additional criterion requires further research. As construction scheme analysis is not  limited to cost, time, and safety, more comprehensive studies will be needed to select ac‐ curate metrics, assign proper weights, and combine the criteria appropriately so that the  construction planners assure the selection of the most ideal construction schedule.   Author  Contributions:  Conceptualization,  M.N.‐B.  and  A.H.;  methodology,  M.N.‐B.;  software,  S.T.S.A. and N.M.T.; validation, M.N.‐B. and A.H.; formal analysis, S.T.S.A. and N.M.T.; investiga‐ tion,  A.H.;  resources,  M.N.‐B.;  data  curation,  S.T.S.A.,  N.M.T.  and  A.H.;  writing—original  draft  preparation,  S.T.S.A. and  N.M.T.; writing—review  and editing,  A.H.; visualization, S.T.S.A.  and  N.M.T.; supervision, M.N.‐B.; project administration, A.H. and M.N.‐B.; funding acquisition, M.N.‐ B. All authors have read and agreed to the published version of the manuscript.  Funding: This research received no external funding.  Data Availability Statement: The data presented in this study are available on request from the  corresponding author.  Acknowledgments: The authors acknowledge the support of the Thunderhead Engineering com‐ pany for providing the educational version of Pyrosim and Pathfinder software tools.  Conflicts of Interest: The authors declare no conflict of interest.  Appendix TCS Results for the whole building as per method A and for the 8th floor and whole  building as per method B  Table A1. TCS values for the whole building based on method A.  Raw Values  Range Normalization  Snap‐ FR  Sched‐ shot Du‐ ∆T Tot  Snap‐ FR Schedule  TCS  Fatality?  Rank  ule  Cost  Time  Safety  Cost  Time  ration  shot  (Safety)  16  1  1  1  1.000  60  65  0.000  0.000  1.000  0.300  No  1  1  1.005  1.005     17  2  1.018  2.035  7.216  160  36  0.612  1.000  0.000  0.484  Yes     4  1.044  4.175     18  4  1.044  4.175  4.175  160  36  0.313  1.000  0.000  0.394  No  4  1  1.007  1.007     19  3  1.044  3.131  7.191  160  36  0.610  1.000  0.000  0.483  Yes     3  1.018  3.053     20  4  1.018  4.070  4.070  160  36  0.302  1.000  0.000  0.391  No  3  3  1.005  3.016     21  11.141  160  36  0.999  1.000  0.000  0.600  Yes  2  1.007  2.014       Fire 2021, 4, 67  25  of  29  2  1.021  2.041     4  1.018  4.070     2  1.018  2.035  22  6.118  160  36  0.504  1.000  0.000  0.451  No  5  4  1.021  4.083  4  1.007  4.028     23  1  1.005  1.005  7.074  160  36  0.598  1.000  0.000  0.480  Yes     2  1.021  2.041     24  4  1.021  4.083  4.083  160  36  0.304  1.000  0.000  0.391  No  2  6  1.020  6.122     25  4  1.000  4.000  11.127  120  36  0.998  0.600  0.000  0.479  Yes     1  1.005  1.005     6  1.028  6.167     26  2  1.002  2.003  10.170  120  36  0.903  0.600  0.000  0.451  Yes     2  1.000  2.000     6  1.019  6.113     27  4  1.008  4.031  11.151  120  36  1.000  0.600  0.000  0.480  Yes     1  1.007  1.007     6  1.040  6.239     28  2  1.006  2.012  10.256  120  36  0.912  0.600  0.000  0.454  Yes     2  1.003  2.005     6  1.000  6.000     29  4  1.020  4.081  11.102  120  36  0.995  0.600  0.000  0.479  Yes     1  1.021  1.021     6  1.002  6.009     30  2  1.028  2.056  10.118  120  36  0.898  0.600  0.000  0.449  Yes     2  1.027  2.054     6  1.008  6.046     31  4  1.019  4.075  11.142  120  36  0.999  0.600  0.000  0.480  Yes     1  1.021  1.021     6  1.006  6.036     32  2  1.040  2.080  10.151  120  36  0.901  0.600  0.000  0.450  Yes     2  1.018  2.035     Table A2. TCS values for the Eighth floor based on method B.  Raw Values  Range Normalization  Snap‐ FR  Sched‐ shot Du‐ ∆T Tot  Snap‐ FR Schedule  TCS  Fatality?  Rank  ule  Cost  Time  Safety  Cost  Time  ration  shot  (Safety)  16  1  1.00  1  1.000  60  65  0.000  0.000  1.000  0.300  No  1  1  1.004  1.004     17  2  1.493  2.985  10.164  160  36  0.629  1.000  0.000  0.489  Yes     4  1.544  6.175     18  4  1.544  6.175  6.175  160  36  0.355  1.000  0.000  0.406  No  4  1  1.016  1.016     19  3  1.544  4.631  10.125  160  36  0.626  1.000  0.000  0.488  Yes     3  1.493  4.478     20  4  1.493  5.970  5.970  160  36  0.341  1.000  0.000  0.402  No  3  21  3  1.004  3.012  13.900  160  36  0.885  1.000  0.000  0.565  Yes      Fire 2021, 4, 67  26  of  29  2  1.016  2.032     2  1.560  3.121     4  1.434  5.734     2  1.434  2.867  22  9.109  160  36  0.556  1.000  0.000  0.467  No  5  4  1.560  6.241  4  1.016  4.065     23  1  1.004  1.004  7.986  160  36  0.479  1.000  0.000  0.444  Yes     2  1.458  2.917     24  4  1.458  5.834  5.834  160  36  0.332  1.000  0.000  0.399  No  2  6  1.761  10.565     25  4  1.003  4.011  15.580  120  36  1.000  0.600  0.000  0.480  Yes     1  1.004  1.004     6  1.334  8.007     26  2  1.019  2.039  12.067  120  36  0.759  0.600  0.000  0.408  Yes     2  1.011  2.022     6  1.379  8.274     27  4  1.009  4.038  13.328  120  36  0.846  0.600  0.000  0.434  Yes     1  1.016  1.016     6  1.430  8.582     28  2  1.000  2.000  12.609  120  36  0.796  0.600  0.000  0.419  Yes     2  1.014  2.028     6  1.003  6.016     29  4  1.761  7.043  14.518  120  36  0.927  0.600  0.000  0.458  Yes     1  1.458  1.458     6  1.019  6.117     30  2  1.334  2.669  11.403  120  36  0.713  0.600  0.000  0.394  Yes     2  1.309  2.617     6  1.009  6.056     31  4  1.379  5.516  13.133  120  36  0.832  0.600  0.000  0.430  Yes     1  1.560  1.560     6  1.000  6.000     32  2  1.430  2.861  11.728  120  36  0.736  0.600  0.000  0.401  Yes     2  1.434  2.867     Table A3. TCS values for the whole building based on method B.  Raw Values  Range Normalization  Snap‐ FR  Sched‐ shot Du‐ ∆T Tot  Snap‐ FR Schedule  TCS  Fatality?  Rank  ule  Cost  Time  Safety  Cost  Time  ration  shot  (Safety)  16  1  1.00  1  1.000  60  65  0.000  0.000  1.000  0.300  No  1  1  1.005  1.005     17  2  1.018  2.035  4.175  160  36  0.606  1.000  0.000  0.482  Yes     4  1.044  4.175     18  4  1.044  4.175  4.175  160  36  0.606  1.000  0.000  0.482  No  4  1  1.007  1.007     19  3  1.044  3.131  3.131  160  36  0.407  1.000  0.000  0.422  Yes     3  1.018  3.053     20  4  1.018  4.070  4.070  160  36  0.586  1.000  0.000  0.476  No  3    Fire 2021, 4, 67  27  of  29  3  1.005  3.016     2  1.007  2.014     21  4.070  160  36  0.586  1.000  0.000  0.476  Yes  2  1.021  2.041     4  1.018  4.070     2  1.018  2.035  22  4.083  160  36  0.588  1.000  0.000  0.477  No  5  4  1.021  4.083  4  1.007  4.028     23  1  1.005  1.005  4.028  160  36  0.578  1.000  0.000  0.473  Yes     2  1.021  2.041     24  4  1.021  4.083  4.083  160  36  0.588  1.000  0.000  0.477  No  2  6  1.020  6.122     25  4  1.000  4.000  6.122  120  36  0.978  0.600  0.000  0.473  Yes     1  1.005  1.005     6  1.028  6.167     26  2  1.002  2.003  6.167  120  36  0.986  0.600  0.000  0.476  Yes     2  1.000  2.000     6  1.019  6.113     27  4  1.008  4.031  6.113  120  36  0.976  0.600  0.000  0.473  Yes     1  1.007  1.007     6  1.040  6.239     28  2  1.006  2.012  6.239  120  36  1.000  0.600  0.000  0.480  Yes     2  1.003  2.005     6  1.000  6.000     29  4  1.020  4.081  6.000  120  36  0.954  0.600  0.000  0.466  Yes     1  1.021  1.021     6  1.002  6.009     30  2  1.028  2.056  6.009  120  36  0.956  0.600  0.000  0.467  Yes     2  1.027  2.054     6  1.008  6.046     31  4  1.019  4.075  6.046  120  36  0.963  0.600  0.000  0.469  Yes     1  1.021  1.021     6  1.006  6.036     32  2  1.040  2.080  6.036  120  36  0.961  0.600  0.000  0.468  Yes     2  1.018  2.035     References  1. Campbell, R. Fires in Structures under Construction or Renovation; NFPA: Quincy, MA, USA, 2020.  2. Leber, F., Renovation and Construction “Are you ensuring the safety of occupants and contractors?”, Canadian Fire Safety  Association: North York, ON, Canada, 2014.  3. Deere, S.; Xie, H.; Galea, E.R.; Cooney, D.; Lawrence, P.J. An evacuation model validation data‐set for high‐rise construction  sites. Fire Saf. J. 2021, 120, 103118.  4. Learn  About  the  Federal  Agency  Working  for  a  Fire‐Safe,  U.S.  Fire  Administration.  Available  online:  https://www.usfa.fema.gov/index.html (accessed 21 November 2020).  5. Moosavi, S.F.; Moselhi, O. Schedule assessment and evaluation. In Proceedings of the Construction Research Congress, West  Lafayette, IN, USA, 21–23 May 2012.  6. Eftekharirad, R.; Nik‐Bakht, M.; Hammad, A. Extending IFC for fire emergency real‐time management using sensors and occu‐ pant information. In Proceedings of the ISARC2018‐34th International Symposium on Automation and Robotics in Construc‐ tion, Berlin, Germany, 20–25 July 2018.  7. Cao, S.‐C.; Song, W.‐G.; Liu, X.‐D.; Mu, N. Simulation of pedestrian evacuation in a room under fire emergency. In Proceedings  of the 2013 International Conference on Performance‐Based Fire and Fire Protection Engineering, Wuhan, China, 16 November  2013.    Fire 2021, 4, 67  28  of  29  8. Shariff, G.N.; Yong JC, E.; Salleh, N.; Siow, C.L. Risk assessment of building fire evacuation with stochastic obstructed emer‐ gency exit. In Proceedings of the 2019 4th International Conference and Workshops on Recent Advances and Innovations in  Engineering (ICRAIE), Kedah, Malaysia, 28–29 November 2019.  9. Lawson, J.R.; Quintiere, J.G. Slide rule estimates of fire growth. Fire Technol. 1985, 21, 267–292.  10. Alvares, N.; Fernandez‐Pello, A. Fire initiation and spread in overloaded communication system cable trays. Exp. Therm. Fluid  Sci. 2000, 21, 51–57.  11. Quintiere, J.G. Analytical methods for fire safety design. Fire Technol. 1987, 24, 333–352.  12. DRådemar, D.; Blixt, D.; Debrouwere, B.; Melin, B.G.; Purchase, A. Practicalities and Limitations of Coupling FDS with Evacu‐ ation  Software.  2017.  Available  online:  https://www.wsp.com/‐/media/Insights/Sweden/Documents/2018/Practicalities‐and‐ Limitations‐of‐Coupling‐FDS‐with‐Evacuation‐Software.pdf (accessed on 19 November 2020).  Yayun, W.; Jia, W. Research on public building fire risk assessment control model. In Proceedings of the 2016 Chinese Control.  and Decision Conference (CCDC), Yinchuan, China, 28–30 May 2016.  14. Rein, G.; Bar‐Ilan, A.; Fernandez‐Pello, A.C.; Alvares, N. A comparison of three models for the simulation of accidental fires. J.  Fire Prot. Eng. 2006, 16, 183–209, doi:10.1177/1042391506056926.  15. Olenick, S.M.; Carpenter, D.J. An updated international survey of computer models for fire and smoke. J. Fire Prot. Eng. 2003,  13, 87–110.  16. McGrattan,  K.B.;  Forney,  G.P.;  E  Floyd,  J.;  Hostikka,  S.  Fire  Dynamics  Simulator  (Version  2)‐User’s  Guide;  NIST:  Gaithersburg, MD, USA, 2001  17. PyroSim  User  Manual,  Thunderhead  Engineering.  2020.  Available  online:  https://support.thunderheadeng.com/docs/pyro‐ sim/2020‐5/user‐manual/ (accessed on 20 November 2020).  18. Sun, Q.; Turkan, Y. A BIM‐based simulation framework for fire safety management and investigation of the critical factors  affecting human evacuation performance. Adv. Eng. Inform. 2020, 44, 101093.  19. Li, M.‐X.; Zhu, S.‐B.; Wang, J.‐H.; Zhou, Z. Research on Fire Safety Evacuation in a University Library in Nanjing. Procedia Eng.  2018, 211, 372–378, doi:10.1016/j.proeng.2017.12.025.  20. Wang, S.H.; Wang, W.C.; Wang, K.C.; Shih, S.Y. Applying building information modeling to support fire safety management.  Autom. Constr. 2015, 59, 158–167.  21. Eftekharirad, R.; Hosny, A.; Nik‐Bakht, M.; Hammad, A. Planning building renovation projects for safe evacuation provisions— An agent‐based. In Proceedings of the IPBSA Building Simulation 2019, Rome, Italy, 2–4 September 2019.   22. Bonabeau, E. Agent‐based modeling: Methods and techniques for simulating human systems. Proc. Natl. Acad. Sci. USA 2002,  99, 7280–7287.  23. Pathfinder, Thunderhead Engineering. Available online: https://www.thunderheadeng.com/pathfinder/ (accessed on 25 No‐ vember 2020).  24. AnyLogic. Available online: https://www.anylogic.com/ (accessed on 3 December 2020).  25. STEPS Simulating Pedestrian Dynamics—Mott MacDonald. Available online: https://www.steps.mottmac.com/steps‐dynamics  (accessed on 3 December 2020).  26. FDS+EVAC, VTT, October 2016. Available online: http://virtual.vtt.fi/virtual/proj6/fdsevac/examples_fds6.html (accessed on 3  December 2020).  27. SFPE Guide to Human Behavior in Fire; Springer International Publishing: New York, NT, USA, 2019.  28. Afshar, A.; Zolfaghar Dolabi, H.R. Multi‐objective optimization of time‐cost‐safety using genetic algorithm. Int. J. Optim. Civil.  Eng. 2014, 4, 433–450.  29. Purser, D. ASET and RSET: Addressing some issues in relation to occupant behaviour and tenability. Fire Saf. Sci. 2003, 7, 91– 102.  30. Pathfinder User Manual, Thunderhead Engineering. 2020. Available online: https://support.thunderheadeng.com/docs/path‐ finder/2020‐5/user‐manual/ (accessed on 22 November 2020).  31. Mirahadi, F.; McCabe, B.; Shahi, A. IFC‐centric performance‐based evaluation of building evacuations using fire dynamics sim‐ ulation and agent‐based modeling. Autom. Constr. 2019, 101, 1–16.  32. Ronchi, E.; Arias, S.; La Mendola, S.; Johansson, N. A fire safety assessment approach for evacuation analysis in under‐ground  physics research facilities. Fire Saf. J. 2019, 108, 102839.  33. Gerges, M.; Demian, P.; Adamu, Z. Customising evacuation instructions for high‐rise residential occupants to expedite fire  egress: Results from agent‐based simulation. Fire 2021, 4, 21.  34. Wang, N.; Gao, Y.; Li, C.Y.; Gai, W.M. Integrated agent‐based simulation and evacuation risk‐assessment model for under‐ ground building fire: A case study. J. Build. Eng. 2021, 40, 102609.  35. Hurley, M.J.; Gottuk, D.T.; Hall Jr, J.R.; Harada, K.; Kuligowski, E.D.; Puchovsky, M.; Wieczorek, C.J. SFPE Handbook of Fire  Protection Engineering; Springer: New York, NY, USA, 2015; Volume 1, p. 3510.  36. The Ontario Building Code, Occupant Load Determination. 2017. Available online: http://www.buildingcode.online/115.html  (accessed on 19 November 2020).  37. RSMeans Online, Gordian. 2011. Available online: https://www.rsmeansonline.com/ (accessed on 23 November 2020).  38. Hosny, A.; Nik‐Bakht, M.; Moselhi, O. Workspace planning in construction: non‐deterministic factors. Autom. Constr. 2020, 116,  103222.    Fire 2021, 4, 67  29  of  29  39. PyroSim, Thunderhead Engineering. 2020. Available online: https://www.thunderheadeng.com/pyrosim/ (accessed on 25 No‐ vember 2020).  40. PyroSim Tutorials, Thunderhead Engineering. 2020. Available online: https://support.thunderheadeng.com/tutorials/pyrosim/  (accessed on 22 November 2020).  41. National Fire Protection Association. Available online: https://www.nfpa.org/ (accessed on 22 November 2020).  42. Cortés, D.; Gil, D.; Azorín, J.; Vandecasteele, F.; Verstockt, S. A review of modelling and simulation methods for flashover  prediction in confined space fires. Appl. Sci. 2020, 10, 5609.  43. Concordia University’s Office of Emergency. Interview with Concordia University Fire Marshall, Fire Evacuation Practices in Univer‐ sity Buildings; Concordia University: Montreal, QC, Canada, 2018.  Concordia University. Available online: https://www.concordia.ca/ (accessed on 3 December 2020).  45. Pathfinder  Technical  Reference  Manual,  Thunderhead  Engineering  2020.  Available  online:  https://support.thunder‐ headeng.com/docs/pathfinder/2020‐5/technical‐reference‐manual/ (accessed on 1 December 2020).  46. Fruin, J.J. Pedestrian Planning and Design; Elevator World: Mobile, AL, USA, 1987.  47. IMO. IMO Guidelines for Evacuation Analysis for New and Existing Passenger Ships; International Maritime Organization: London,  UK, 2007.  48. Ronchi, E. A research roadmap for evacuation models used in fire safety engineering. In Proceedings of the Fire and Evacuation  Modelling Technical Conference, Torremolinos, Spain, 16–18 November 2016.  49. ISO/TC  92/SC  4/WG  7—Verification  and  Validation  of  Calculation  Methods,  November  2020.  Available  online:  https://www.iso.org/standard/78348.html (accessed on 3 September 2021). 

Journal

Fire – Multidisciplinary Digital Publishing Institute

Published: Oct 4, 2021

Keywords: fire simulation; evacuation models; agent based modeling; co-simulation; BIM; occupant behavior

There are no references for this article.