基于AHP-Bayes的城鎮(zhèn)老舊小區(qū)動態(tài)智能化火災風險評估模型
——以上海市M小區(qū)為例

余 婕，田世祥*，王 偉，江澤標，楊君濤，韋善陽

(1.貴州大學礦業(yè)學院，貴州 貴陽 550025；2.應急管理部上海消防研究所，上海 200032)

我國經濟正逐漸由高速增長階段轉向高質量發(fā)展階段，城市化的進程和規(guī)模不斷擴張，使得火災風險水平也不斷加重。社區(qū)是社會治理和民生保障的重要載體，傳統與非傳統消防安全因子彼此交叉滲透，其火災具有受災面積小、火災荷載大、受困人員少但易傷亡、撲救難度小且救援要求高等特點，90%以上的社區(qū)火災面積不超過50 m。2019年我國共接報火災23.3萬起，其中居民住宅火災雖然只占44.8%，但造成了1 045人死亡(占比為78.3%)，遠超出其他場所死亡人數的總和，“小火亡人”問題仍然突出。于2000年以前建成的老舊小區(qū)是居民住宅火災的重災區(qū)，已成為城市發(fā)展面臨的主要消防痛點，直接威脅公眾生命財產和公共安全，亟待加強源頭治理和綜合治理。城鎮(zhèn)老舊小區(qū)改造是滿足人民群眾美好生活需要的重大民生工程和發(fā)展工程，2020年7月國務院辦公廳印發(fā)的《關于全面推進城鎮(zhèn)老舊小區(qū)改造工作的指導意見》中明確指出，消防改造是老舊小區(qū)改造工程的重要組成部分，火災風險評估是老舊小區(qū)消防改造的先決條件和考核改造成果評價的重要手段。

國內外學者在建筑火災風險評估方法方面已做了大量的研究。如：陳娟娟等利用聚類分析與層次分析法相結合，評估了大型商場建筑單體火災風險并確定了其風險水平等級；孫華麗等應用主成分分析法評估了超大城市公共安全風險，找出了影響公共安全水平的重要因子，以實現城市公共安全的有效預防；孫旋等基于改進層次分析法對火災高危單位消防安全進行了評估，并建立了火災高危單位消防安全評估模型；徐堅強等將貝葉斯網絡方法引入到火災風險定量評估中，提出了基于貝葉斯網絡的火災動態(tài)風險評估模型；張立寧等、張強等分析了高層民用建筑火災發(fā)生的不確定性及其特點，研究了適合高層民用建筑火災風險評估的未確知C-均值聚類智能化綜合評估模型，并根據火災煙氣參數的不確定性構建了基于貝葉斯網絡的豎井中性面模型；還有學者分別采用層次分析法、主成分分析法、熵權法、網絡層次分析法進行組合賦權，建立了組合賦權火災評估模型、層級火災風險評價模型和模糊綜合評價模型，對古建筑群、文物建筑、少數民族村寨火災風險進行了評估，分析了其潛在的火災風險及其等級，并對潛在的火災風險提出了相對應的防控措施。此外，為了精準、高效地評價養(yǎng)老社區(qū)火災風險，確保社區(qū)配電網安全和智慧社區(qū)的建設，謝尊賢等研究了基于BIM-GA-BN耦合的養(yǎng)老社區(qū)施工安全評價模型，史運濤等提出了基于層次分析-貝葉斯網絡的社區(qū)配電網風險動態(tài)綜合評估方法。

綜上所述，前人在對建筑火災風險評估指標權重計算時僅考慮單一的主觀或者客觀權重，對建筑火災風險組合賦權動態(tài)綜合評估少有研究，而對復雜老舊建筑火災風險組合賦權動態(tài)評估的研究幾乎是空白。鑒于此，本文針對復雜老舊建筑火災智能監(jiān)測、滅火設備設施、安全疏散救援、消防安全管理4個方面較薄弱的特點，建立了脆弱性核心影響因子風險評估指標體系，并將層次分析法與貝葉斯網絡法耦合，建立了基于AHP-Bayes的城鎮(zhèn)老舊小區(qū)動態(tài)智能化火災風險評估模型，實現了對城鎮(zhèn)復雜老舊小區(qū)火災動態(tài)風險的評估，提高了城鎮(zhèn)老舊小區(qū)火災風險評估的準確性和實時性，可為城鎮(zhèn)老舊小區(qū)火災防控、滅火等提供理論支撐。

1 城鎮(zhèn)老舊小區(qū)消防安全的特點

絕大多數城鎮(zhèn)老舊小區(qū)建成于2000年以前，主要由住宅區(qū)和沿街底樓商戶兩個區(qū)域構成其使用功能，小區(qū)普遍存在街道老、庭院老、住房老、設施老、居住環(huán)境差等顯著“四老”問題，小區(qū)公共設施較落后已影響到小區(qū)居民的基本生活，居民改造意愿強烈。結合上海市房管部門提供的客觀數據以及實地調研和近7年的火災數據分析，發(fā)現電動車違規(guī)充電、生活用火不慎、電氣設備安裝和使用維護不當等是造成城鎮(zhèn)老舊小區(qū)火災的主要原因。城鎮(zhèn)老舊小區(qū)具有以下消防安全共性特點：

(1) 建筑年代久，結構復雜。城鎮(zhèn)老舊小區(qū)老建筑年代久遠、結構復雜、樓層較低，不滿足現在建筑的消防標準，以至于近7年來老建筑極易發(fā)生火災，其中著火建筑為二層建筑的占42%，三層建筑的占49%，其他建筑樓層的占9%。

(2) 構件設施老舊。城鎮(zhèn)老舊小區(qū)公共消防設施和消防裝備建設具有滯后性，原有消防規(guī)劃不足，尤其是電氣線路老化問題嚴重，未設置簡易噴淋、獨立式煙感報警器、電氣火災監(jiān)控、防排煙設施等系統。

(3) 逃生救援難度大。城鎮(zhèn)老舊小區(qū)存在消防道路被占用及間距不夠、疏散樓梯間及疏散通道堆放雜物、違規(guī)搭建、滅火器過期、滅火器數量或規(guī)格不符合要求、應設而未設應急照明以及疏散指示、安全出口數量不足或堵塞等問題，一旦發(fā)生火災易造成群死群傷現象。

2 城鎮(zhèn)老舊小區(qū)火災風險評估指標體系建立

城鎮(zhèn)老舊小區(qū)火災風險評估指標包括定性評估指標和定量評估指標，即靜態(tài)評估指標和動態(tài)評估指標。其中，靜態(tài)評估指標數據通過實地考察獲取，即依照國家相關標準規(guī)范，通過問答、問卷等形式進行現場調查，通過專家打分，利用Yaahp層次分析法軟件對數據進行分析,將其量化轉換為定量評估指標權重；動態(tài)指標數據由火災智能監(jiān)測系統實時提供，即將收集到的數據借助云計算、物聯網等技術進行處理，經處理后的數據直接代入公式計算評估指標權重即可，具有智能化的特點，可實現智能防火探測。例如：評估指標乘客電梯使用情況

A

、疏散樓梯堵塞情況

A

和疏散走道堵塞情況

A

可通過電梯中安置的智能攝像頭，由設備云端實時提供電梯箱內煙和霧等火災發(fā)生情形、電梯使用情況、發(fā)生火災時乘電梯者在電梯箱內的反應、疏散樓梯和疏散走道堵塞情況等可視化監(jiān)測數據。本文從靜、動態(tài)兩個視角出發(fā)，對城鎮(zhèn)老舊小區(qū)火災風險評估準則層從4個方面進行描述，并根據建筑消防設施配置使用等情況充分梳理火災發(fā)生時各環(huán)節(jié)火災風險的影響因子并設立21個評估指標，進而構建可量化、實時反映城鎮(zhèn)老舊小區(qū)火災動態(tài)的風險評估指標體系，見圖1。

圖1 城鎮(zhèn)老舊小區(qū)火災風險評估指標體系Fig.1 Fire risk assessment index system for urban old community

3 城鎮(zhèn)老舊小區(qū)動態(tài)智能化火災風險評估模型構建

為了避免建筑火災風險評估過程中傳統方法帶來較強的主觀經驗性，本文采用層次分析法計算評估指標的主觀權重，通過貝葉斯網絡法計算評估指標的客觀權重，對火災風險影響因子進行組合賦權，將主、客觀權重相結合得出評估指標的綜合權重，從而對城鎮(zhèn)老舊小區(qū)火災風險進行動態(tài)智能化綜合評估。根據《建筑設計防火規(guī)范》等標準規(guī)范，并結合現場調研情況，將建筑火災風險水平分為5個等級：非常安全(Ⅰ)、安全(Ⅱ)、比較安全(Ⅲ)、比較危險(Ⅳ)、非常危險(Ⅴ)。

3.1 基于AHP法的評估指標主觀權重確定

層次分析(Analytic Hievarchy Process,AHP)法是一種系統定性計算評估指標權重的分析方法，其基本原理是把復雜的評估系統按照目標層、準則層、子準則層、指標層等層次進行劃分，分析系統中影響因子之間相互作用的影響關系，并按照規(guī)定的標度進行定量化，構造判斷矩陣，即可計算出判斷矩陣的最大特征值及相對應的最大特征向量和各影響因子的相對權重。具體步驟如下：

(1) 構造判斷矩陣。AHP法的核心是構造判斷矩陣，將評估內容層次劃分處理后，邀請在消防安全等領域具有豐富經驗的專家采用“1～9”標度法(見表1)分別對兩級評估指標體系中的影響因子進行評估打分，以確定

P

的值，并將其進行兩兩比較，逐層得到評估指標權重的排序結果,從而構造出

n

階判斷矩陣：

表1 判斷矩陣標度及其含義[15]Table 1 Scale of judgment matrix and its meaning[15]

(1)

式中：

P

、

P

(

i

，

j

=1，2，…,

n

)表示影響因子；

P

表示

P

對

P

的相對重要性指數;

n

為判斷矩陣的階數。

(2)

(3)

(4)

(3) 一致性檢驗。為了保證判斷矩陣

P

的準確性，需利用Yaahp軟件對其進行一致性檢驗，判斷隨機一致性比率(

CR

)值的大小，

CR

值越小，表示一致性越高，準確性越高，與現實越吻合。當

CR

<0

.

1時，表示符合一致性檢驗要求，屬于可接受范圍；反之，不滿足一致性檢驗要求,無法獲得結果。具體計算公式如下：

(5)

(6)

式中：

n

為判斷矩陣的階數；

λ

為判斷矩陣的最大特征向量；

CI

為判斷矩陣的一般一致性指標；

RI

為判斷矩陣的平均隨機一致性指標，具體取值見表2；

CR

為判斷矩陣的隨機一致性比率。

表2 判斷矩陣的RI值[14]Table 2 RI values of judgment matrix of order[14]

3.2 基于Bayes網絡法的評估指標客觀權重確定

貝葉斯(Bayes)網絡法可通過對一次性事件進行概率評估，來描述先發(fā)概率和后發(fā)概率之間的相互聯系，具有動態(tài)計算的優(yōu)點，滿足動態(tài)智能化火災風險評估模型建立的需要，可以用來處理城鎮(zhèn)老舊小區(qū)火災風險動態(tài)評估研究中出現的不確定性問題。

3.2.1 Bayes網絡法概念

Bayes網絡法是一種信念網絡，是網絡結構與網絡參數兩部分組成的二元數組，網絡結構是一個描述各節(jié)點間相互關系的有向無圈圖，網絡參數中條件概率表述了子節(jié)點對父節(jié)點的依托關系，定量描述了節(jié)點之間的影響強度，由父節(jié)點(原因)指向子節(jié)點(結果)，即原因指向結果，即BN=(網絡結構，網絡參數)，網絡結構=(子節(jié)點集，有向邊集)。其中，有向邊集反映節(jié)點變量間的因果依賴關系。

(1) 確定網絡結構。根據城鎮(zhèn)老舊小區(qū)火災發(fā)展風險從靜、動態(tài)兩方面劃分影響因子，借助Netica Bayes網絡軟件構建城鎮(zhèn)老舊小區(qū)火災動態(tài)風險評估Bayes網絡圖，見圖2。本文所建立的評估Bayes網絡中父節(jié)點脆弱性影響因子總共為21個，這21個影響因子主要包括靜態(tài)因子和動態(tài)因子，其中靜態(tài)因子由調查人員現場檢查輸入，動態(tài)因子由智能探測終端提供數據測算得到。

圖2 城鎮(zhèn)老舊小區(qū)火災動態(tài)風險評估Bayes網絡圖Fig.2 Bayesian network diagram of dynamic fire risk assessment for urban old community

(2) 確定網絡參數。網絡參數代表了評估對象基本特征和父子節(jié)點間的關聯依賴程度，包括節(jié)點變量參數和條件概率表兩個部分，節(jié)點變量參數即是先發(fā)概率與后發(fā)概率的確定；條件概率表用來量化父節(jié)點對子節(jié)點的影響程度，即火災風險發(fā)生的等級。

3.2.2 Bayes網絡法確定評估指標的客觀權重

利用Bayes網絡法計算評估指標的客觀權重，并評估消防安全狀態(tài)。計算Bayes網絡(BN)每層節(jié)點得分時，先設各評估指標的評分滿分為100分，將節(jié)點全部狀態(tài)處于有利消防安全狀態(tài)時的先發(fā)概率乘以100后得到BN每層節(jié)點的分數，再將節(jié)點分數量化后得到火災風險并作為輸入端；然后從底端開始，每往上一層各評估指標的得分等于每個節(jié)點評估指標得分乘以該節(jié)點評估指標權重相加的總和，再與同層對應節(jié)點評估指標的Bayes網絡得分相加求取平均值，即可得出該層各節(jié)點評估指標的最終得分，進而計算出評估指標的客觀權重。概率

P

、Bayes網絡中各評估指標的權重

β

″(

A

1)的計算公式如下：

(7)

(8)

式中：

n

為節(jié)點個數；

F

和

E

為隨機變量，

F

=

f

為一組事件假設，

E

=

e

為一組條件，在條件

E

=

e

發(fā)生之前，對事件

F

=

f

造成的影響概率

P

(

F

)稱為先發(fā)概率，在條件

E

=

e

發(fā)生之后，對事件

F

=

f

造成的影響概率

P

(

F

|

E

)稱為后發(fā)概率。

3.3 確定指標組合權重

(9)

3.4 構建基于AHP-Bayes的城鎮(zhèn)老舊小區(qū)動態(tài)智能化火災風險評估模型

本文基于AHP-Bayes建立城鎮(zhèn)老舊小區(qū)動態(tài)智能化火災風險評估模型。該模型的評估流程如下(見圖3)：在構建的城鎮(zhèn)老舊小區(qū)靜、動態(tài)火災風險評估指標體系的基礎上，從多層面對火災風險影響因子進行綜合分析，即將評估指標體系分為目標層、準則層和子準則層，其中，目標層從靜態(tài)與動態(tài)兩個角度進行分析；一級指標準則層主要包括火災智能探測能力

A

、滅火設備設施能力

B

、安全疏散救援能力

C

、消防安全管理能力

D

4個方面,二級指標子準則層從21個評估指標進行評價;將AHP法與Bayes網絡法進行耦合，確定評估指標的綜合權重，并根據最大權重原則確定各評估指標的火災風險水平等級，且認為火災風險水平等級為較安全及以下的均需要對其進行消防改造，其余火災風險水平等級的則需進行消防完善即可。最終實現了對城鎮(zhèn)老舊小區(qū)消防安全管理效果的動態(tài)評估。

圖3 城鎮(zhèn)老舊小區(qū)動態(tài)智能化火災風險評估模型評估流程Fig.3 Assessment process of dynamic intelligent fire risk assessment model for urban old community

4 案例應用與分析

為了檢驗基于AHP-Bayes的城鎮(zhèn)老舊小區(qū)動態(tài)智能化火災風險評估模型在城鎮(zhèn)老舊小區(qū)建筑火災風險評估中的準確性、實用性和可靠性，本文選取了上海市徐匯區(qū)斜土街道M老舊小區(qū)作為評估對象，根據上述建立的火災風險評估指標體系并結合小區(qū)實際情況，利用基于AHP-Bayes的城鎮(zhèn)老舊小區(qū)動態(tài)智能化火災風險評估模型，對M老舊小區(qū)的火災風險等級進行了評估。

4.1 M老舊小區(qū)消防安全現狀

經過前幾年的改造工程，上海市一些老舊小區(qū)加裝了簡易噴淋等消防設施，但目前仍有49.79%的老舊小區(qū)未設置獨立式煙感報警裝置，60.3%的老舊小區(qū)未設置電氣火災監(jiān)控系統，47.23%的老舊小區(qū)未設置簡易噴淋系統。M老舊小區(qū)總建筑面積為19 536 m，在1979—1984年建成并使用，共有21棟樓，分別編號為5～25號樓，均為5層或6層建筑，最高樓層為6層，由住宅區(qū)、底樓商戶區(qū)組成。該小區(qū)房屋總戶數為438戶，其中出租戶61戶，共有居民1 226人，其中老年人口數量為229人，占比為18.7%。該小區(qū)內無室外消火栓，有乘客電梯，周圍市政道路總長359 m，市政消火栓共5個，市政消火栓到小區(qū)內的最遠行進距離為250 m，離其最遠的點是5號樓；最近消防站為東安消防救援站，到小區(qū)內的最遠行進距離為1.9 km，離其最遠的點也是5號樓。

4.2 模型應用

4.2.1 評估指標主觀權重的計算

通過現場調研收集到M小區(qū)資料，按照圖1所列的評估指標體系及分層方法，將M老舊小區(qū)火災風險評估指標體系導入Yaahp軟件中，應用AHP法通過公式(1)～(6)計算各項評估指標的主觀權重。以準則層評估指標為例，計算出判斷矩陣的最大特征向量

λ

=4.032，

CI

=0

.

027，判斷矩陣的隨機一致性比率

CR

=0.077 8<0.1，符合一致性檢驗要求，準則層判斷矩陣及各評估指標權重計算結果見表3，其余子準則層各評估指標權重的計算結果見表4。

表3 M老舊小區(qū)火災風險評估準則層判斷矩陣及各評估指標權重計算結果Table 3 Index weight and consistency checking index of criterion layer of dynamic fire risk assessment index system for old community M

表4 M老舊小區(qū)動態(tài)智能化火災風險評估各評估指標權重計算結果Table 4 Index weight of dynamic intelligent fire risk assessment for old community M

4.2.2 評估指標客觀權重的計算

本文借助Netica Bayes網絡軟件將M老舊小區(qū)收集的資料及數據輸入，計算得出各層次BN節(jié)點得分，將節(jié)點得分作為輸入端，根據公式(7)～(8)及第3.2.2中描述的方法計算得出層次一各項BN節(jié)點的最終得分，進而量化得到層次一各評估指標的權重，方法同理，依此類推，便可得出該小區(qū)各項評估指標的權重和消防安全綜合得分。其中，消防安全綜合得分0～50分為很危險級別，50～60分為一般危險級別，70～80分為一般安全級別，80分以上為安全級別；節(jié)點得分0～50分為很危險級別，50～60分為一般危險級別，70～80分為一般安全級別，80分以上為安全級別。通過計算，可得到M老舊小區(qū)各層次BN節(jié)點得分和消防安全綜合得分，其計算結果見表5。由表5可知，該M老舊小區(qū)的消防安全綜合得分為48.5分，屬于危險級別。

表5 M老舊小區(qū)動態(tài)智能化火災風險綜合評估結果Table 5 Comprehensive results of dynamic intelligent fire risk assessment for old community M

4.2.3 評估指標綜合權重的確定

以準則層中火災智能探測能力

A

、滅火設備設施能力

B

、安全疏散救援能力

C

、消防安全管理能力

D

為最終評估指標，根據收集的數據采用AHP法和Bayes網絡法計算得出各評估指標的主觀權重和客觀權重，將各評估指標的主、客觀權重進行組合賦權，通過公式(9)計算出各評估指標的綜合權重，其計算結果見表6。

表6 M老舊小區(qū)動態(tài)智能化火災風險評估一級評估指標綜合權重的計算結果Table 6 Calculation result of index comprehensive weight of dynamic intelligent fire risk assessment for old community M

4.3 討論與分析

(1) 將模型應用于M老舊小區(qū)火災風險評估，根據最大權重原則，由表4和表5分析得出：評估指標疏散走道堵塞情況

A

、消火栓系統

B

、電氣線路及使用情況

C

、消防設備維護情況

D

的權重為相應指標層中權重最大的；由表6可知，

M

老舊小區(qū)火災風險評估一級評估指標中，評估指標的安全疏散救援能力

C

的綜合權重最高為0

.

391 5，其次為滅火設備設施能力

B

，該指標的權重為0

.

245 8，進而推斷出該老舊小區(qū)安全疏散救援能力較為薄弱，與實際情況較為符合。

(2) 針對M老舊小區(qū)火災風險評估出現的問題，提出如下應對措施與建議：拆除耐火等級低的居民建筑，將其改造為車道、綠化帶、集中電瓶車充電點，并設置安全防火間距；將活動廣場、公共綠地、消防道路及耐火等級較高的建筑物作為分隔，解決老舊城區(qū)連片和無消防車道等問題；制定小區(qū)個性化的消防改造方案，開展評估一區(qū)一策原則；設置電氣監(jiān)控設備并引入物聯網技術，對老舊小區(qū)實施火災智能化安全隱患監(jiān)控；采購適用于老舊小區(qū)滅火使用的小型消防車，采用疏通社會車輛與拓路拔點征收方式以確保現有消防車道的暢通，以此降低小區(qū)建筑火災風險。

5 結 論

(1) 本文構建了基于AHP-Bayes的城鎮(zhèn)老舊小區(qū)動態(tài)智能化火災風險評估模型，其內容包括構建基于貝葉斯網絡的建筑火災風險評估推理網絡結構、城鎮(zhèn)老舊小區(qū)動態(tài)火災風險評估指標體系以及相應的火災風險評估的計算模型。

(2) 該模型通過將傳統AHP法與Bayes網絡法耦合進行評估指標權重的組合賦權并計算出評估指標的綜合權重，提高了評估指標權重確定的合理性和科學性，實現了建筑火災主、客觀風險的綜合評估。

(3) 通過模型應用可有效識別出引起建筑火災的關鍵影響因子，實現了火災風險的動態(tài)分析，可為減少火災風險提供依據。