蘇州提升火災防控精準度

佚名

每年的11月9日是全國消防日，今年是第26個全國消防日。哪里是消防監督的重點？哪些單位最應該注重防火？在蘇州，有這樣一套系統保衛著防火安全——“火眼”大數據火災風險預測系統。以往消防監督工作采用的是對消防重點單位進行界定，但是從蘇州2015年6個月的數據來看，這類單位的火災只占火災總數的1.7%。這一方面可以說明重點單位的管理是卓有成效的，但同時一些“小單位、大事故”的情況屢屢發生。因此，消防安全重點單位不應完全等同于消防監督工作重點。

蘇州市利用大數據平臺進行精準預測預防火災的發生。根據系統實際運行數據的相關統計顯示該預測系統的預測精準度較高。

火眼，是蘇州消防依托大數據及人工智能技術開發的火災風險預測系統。在蘇州市場主體面廣量大，防火監督力量極為有限的情況下，火眼系統堪比消防界的“阿爾法狗”，不需要增加人力投入，就可以對火災風險精確預測，大大提高了火災防控工作的精準度，實現了“數據強消，預知預警”。

億量級的數據云為依托

火眼系統開展預測的前提是具有完備和可靠的數據資源。在重點整合既有消防數據、做實做細火災數據的同時，蘇州消防主動與公安、安監、交通、工商、住建等部門進行對接。

目前，以蘇州市消防安全委員會為平臺，已經有26個部門建立了消防大數據聯席會議制度，為匯集數據打通了路徑，建立了與消防安全管理有關的數據庫，形成全市統一的“消防數據云”。通過對社區警務、火警火災二合一系統、工商數據庫、安監數據庫以及交通數據庫等平臺的數據采集，“消防數據云”整合到的與消防相關的數據資源已達5億條，形成了企事業單位、建筑、火災、隱患、危險源五大基礎業務庫。

數據的采集涵蓋面廣，也有精細化要求。以一家單位為例，它的基礎數據包含單位信息、建筑信息、歷史火災信息、歷史檢查隱患記錄以及其他相關數據等五大方面。僅建筑信息一項，又細分為：建筑類型、建筑年齡、建筑層高、建筑面積、耐火等級、入駐單位數量、最大可容納人數等等。數據又有靜態和動態之分，火眼系統所依托的大數據平臺，其后臺數據會隨著實際變化實時更新。比如建筑數據可以歸入靜態數據，但日常設施檢查、聯網檢測、生產流程數據等就屬于動態數據。

目前蘇州危化品和易燃易爆品的存儲倉庫、儲運碼頭，均已實現數據的實時推送、實時展示。全市近6000輛?；奋囕v以及在蘇州境內運行的?；奋囕v，也均能實時定位，對于其裝載?；返姆N類、數量以及駕駛員的信息，也能切實掌握。

精準防控幫助降低火情

和“阿爾法狗”相似，正是借助海量的數據資源，火眼系統才能夠進行機器學習，生成火災風險預測模型，對所有建筑進行動態及量化火災風險排序，找出高危單位，預測火災風險。

借助火眼系統，蘇州消防的日常防火監督模式已經發生改變。傳統的安全管理按照重點單位的界定標準，將社會單位分類、定性為：一級重點單位、二級重點單位、三級重點單位以及一般單位。但火眼系統基于更多因素的大數據預測，著眼于火災風險的動態化管理。通過火眼系統的精準預測，日常消防安全管理有了更為可靠的科學引導，在不增加人力投入的情況下，日常消防安全檢查工作的效率得以大幅提高。一組數據顯示，針對蘇州的9.6萬幢建筑（包含7800家消防重點單位和8.8萬家規模較大的單位），火眼預測火災風險最高的5%的建筑實際發生了42%的火災，火眼預測火災風險最低的30%建筑實際僅發生了3%的火災。與傳統的隨機監督抽查模式相比，火眼系統指導下的防火檢查可提升8倍的精準度。

在精準的火災風險預測指導之下，火災發生率顯著下降。根據統計，2017年第一季度火災同比減少24起，下降24%，2017年第二季度單位火災同比減少46起，下降39%。應用大數據預測針對性檢查，在警力無增長的情況下，隱患發現量大幅上升，火災起數顯著下降。

多方合力齊抓共管

火眼系統生成的火災高風險預警指令，通過與消防業務系統結合，可以同步推送給消防、派出所和相關單位以及各有關部門和縣（市）、鄉（鎮）、街道（社區），除了提高監督管理的針對性，還能督促高危單位增加檢查頻次，開展隱患自查和整改。

據了解，“火眼2.0”的動態儀表盤與消防監督管理系統、派出所警務工作平臺以及社會單位微消防服務平臺相關聯，接入每日防火執法工作數據、單位自查數據等等，包括全市的每日檢查單位數、單位自查數、發現隱患數、隱患整改數、重大隱患發現數、重大隱患整改數等。

通過動態儀表盤，消防工作人員可對每日及各時間階段的消防檢查工作進行分析，挖掘不同時期、不同區域的火災隱患分布特點，從而更科學地安排防火監督檢查工作，將更多的火災隱患消滅在萌芽狀態。endprint