消防大數據平臺在火災分析和預警中的應用

摘要：隨著我國城市化建設的逐步完善，降低城市火災發生率，減少傷亡和損失一直是城市消防建設的重大目標之一。現有的火災預警系統或智慧消防系統能在火災發生時及時報警，但現有火災預警系統依靠物聯網設備實現，缺少火災預測的應用或預測效果不佳，且城市火災預防采用的消防單位安全風險評估方法適用性不強且評估成本高。同時還提出了利用大數據及人工智能技術構建一個功能更完備，預測效果更佳、性能更好的消防大數據平臺，致力于降低城市火災發生率，減少火災傷亡和損失。

關鍵詞：火災大數據人工智能風險評估

中圖分類號：TU998.1

ApplicationoftheBigDataPlatformofFireProtectioninFireAnalysisandAlarm

BAIHaijiang

（FireRescueBrigadeofLizhouDistrict，Guangyuan，SichuanProvince，628000China）

Abstract：WiththegradualimprovementofurbanizationconstructioninChina，?;reducingtheincidenceofurbanfirescasualtiesandlosseshasalwaysbeenoneofthemajorgoalsofurbanfireprotectionconstruction.Theexistingfirealarmsystemorintelligentfireprotectionsystemcangivetimelyalarmintheeventofafire，buttheexistingfirealarmsystemreliesondevicesfromtheInternetofThingswiththelackoftheapplicationoffirepredictionorpoorpredictionresults，andthesafetyriskassessmentmethodsoffireprotectionunitsusedforurbanfirepreventionarenotapplicableandhavehighevaluationcosts.Thisarticleproposestousebigdataandartificialintelligencetechnologiestobuildabigdataplatformoffireprotectionwithmorecompletefunctions，betterpredictionresultsandbetterperformance，whichiscommittedtoreducingtheincidenceofurbanfires，firecasualtiesandlosses.

KeyWords：Fire;Bigdata;Artificialintelligence;Riskassessment

我國的火災形勢依舊嚴峻，據有關數據統計，2022年，全國共接報火災82.5萬起，死亡2053人、受傷2122人，直接財產損失71.6億元[1]。2018年之后火災數量明顯增加，尤其是2021年相比2020年快速躍升，增長了2倍。2018年全國共接報火災23.7萬起，造成1407人死亡、798人受傷；2019年全年共接報火災23.3萬起，死亡1335人，傷837人；2020年全國共接報火災25.2萬起，死亡1183人，受傷775人；2021年全國共接報火災74.8萬起，死亡1987人，受傷2225人。面對我國現階段嚴峻的城市火災形勢以及存在的諸多火災隱患，突出的隱患問題包括電器、明火的不正當使用，消防設施、器材失效或損壞，消防管理措施不當或管理力度不夠，這些問題表明對消防建設和火災預防的研究有著重要的現實意義。

1消防大數據平臺需求分析

隨著信息技術應用的普及，傳感技術在眾多領域得到了廣泛應用，在消防領域中物聯網監測設備更是隨處可見。現有的物聯網設備，如煙感報警器、火災自動報警器、CO探測器，這些物聯網設備可以幫助我們監測單位的各項火災特征指標，在火災發生時，第一時間得到警報并及時采取滅火救援措施[2]。物聯網設備監測系統產出的數據量是龐大的，但是其價值密度較低，目前消防系統或預警系統應用中利用較多的消防數據主要是那些火災報警和設備故障信號數據。

消防大數據平臺研究和應用不僅是為了將消防物聯網數據進行更好的采集和存儲，而且要采用更先進、更智能的技術來完成對消防數據的挖掘分析和預測，并且建立更完備的消防安全風險評估體系，利用消防數據的價值來幫助城市及其重點單位降低火災風險，幫助完成火災預防工作，更早的采取火災控制和救援措施，降低城市的火災發生率[3]。科學建立實用、高效、智能的消防大數據平臺，實現監測、分析和預測三位一體的智能數據可視化系統，是減少火災造成的傷亡及損失的有效方法，對促進社會、城市的經濟發展具有重大意義，也是解決諸多火災難題及挑戰的有效途徑之一。

2消防大數據中心總體設計

按照消防大數據中心的功能設計，啟動Hadoop集群，對平臺的各個功能進行編碼實現。消防大數據中心的搭建是為了將消防數據集中化管理，并為上層應用提供完整的數據支持。消防大數據中心借助Hadoop生態圈中Storm、HBase和Kafka分別實現數據處理、數據存儲和數據分發功能。消防大數據中心由物聯網設備和數據庫提供數據，消防大數據中心完成數據對應功能處理后，向外提供獲取數據的接口，外部應用可以通過調用對應的接口來獲取想要的類型數據。接下來從如何進行數據采集、數據處理、數據分發和數據存儲問題入手，逐一提出解決方案，完成消防大數據中心的設計與實現。消防大數據平臺的總體架構如圖1所示。

3歷史火災分析設計與實現

3.1火災原因分析

歷史火災數據除了展示包括歷史火災統計對比分析、分區域火災同比分析、重點火災因素分析和區域歷史滅火救援數據統計。

（1）歷史火災統計對比分析圖按地區分區進行對比分析，火災統計數據應該包含火災起數、直接經濟損失、受傷和死亡人數。歷史火災統計不僅可以統計對比當月或歷史每月的數據，也可以同時統計多個月的數據。

（2）分區域火災同比分析主要也是從火災起數、直接經濟損失、受傷和死亡人數方面進行同比分析，可以了解跟去年同期對比增長百分比的多少。

（3）重點火災因素分析主要對發生的火災的致災因素進行占比分析。

（4）區域滅火救援數據統計，展示全區接警總數、出動警力總人數、出動車輛、搶救被困人員總數、疏散被困人員總數、搶救財產價值、火災起數、死亡人數、直接經濟損失總數。

分析歷史火災數據中火災發生原因，有利于對火災原因進行分類，幫助用戶更好地了解當前存在的極易造成火災的隱患或不正當操作有哪些，可有針對性地進行檢查，避免創造致災環境[4]。火災原因分析，關鍵的一步是分析各火災因素的占比情況，同時可以和上個月或者去年同期占比情況對比，那些占比高的火災因素是否有所降低，對于新出現的火災因素的引發條件是如何的，怎么去規范這種行為、提高居民的防范意識，這些都可以以分析報告的形式呈現給用戶。

3.2案例展示

歷史火災分析實現的功能包括火災分區統計及對比分析展示、火災原因占比分析展示和火災場所占比分析展示等。

（1）地區火災分區統計及對比分析展示主要包括該地區按鎮（處）劃分，從火災起數、受傷人數、死亡人數和直接經濟損失4個方面的數據進行統計對比分析的結果進行展示，同時除了區域之間的對比，該部分還實現了各自分區的同比分析，可以對比了解相比去年該分區的火災形勢的變化情況，如圖2所示。

（2）火災原因占比分析展示主要對近期所有發生火災的起因進行統計分析，也實現了該地區的按鎮（處）進行對比分析。

（3）火災場所占比分析展示主要對的近期所有發生火災的場所類型進行了統計對比分析結果進行展示。

歷史火災分析除了主界面展示的數據圖表之外，將火災統計對比分析表展開后，將展示更為詳細的數據對比圖表，其中包括分區的火災數量統計、分區的經濟損失分析、受傷人員統計分析和死亡人數的統計分析，還提供對應的分區火災環比分析圖[5]。

同樣為了對火災原因和火災場所做更詳細的分析，歷史火災分析也提供主頁面上的火災原因分析及火災場所占比分析詳細頁面展開支持。火災原因分析詳細頁面包括火災原因環比分析、電器火災占比分析、用火不慎占比分析及其他原因占比分析。火災場所占比詳細分析頁面主要對所有區域的整年內火災場所分布進行分析展示。

4火災預測

火災預測分析主要對火災報警次數的加權線性回歸預測曲線和火災特征預測分析數據以趨勢圖的方式進行展示。同時可以查看某固定日期段或某個月份段的數據分析曲線圖。

火災預測分析采用的開發架構和歷史火災分析架構是同一套架構開發。主頁面除了對火災預測情況做展示外，還對窄帶物聯監控即物聯網設備的正常和異常情況進行了展示，其中物聯網設備包括智慧消火栓、智慧煙感、智慧用電、智慧可燃氣、液位探測器和壓力探測器等。報警趨勢預測如圖3所示。

與此同時，為了讓用戶更直觀地了解更多的消防數據，將全區所有報警數據和故障數據進行了統計對比分析，關于報警數據做了全區報警級別的統計分析和全區報警事件處理統計分析；關于故障數據做了全區故障處理統計和全區設備隱患統計分析。

5消防安全風險評估

消防安全風險評估重點需要展示各個單位的消防安全風險評估情況[6]。通過單位列表對該區所有單位進行信息展示，該列表信息包括單位名稱、消防安全負責人、單位安全風險分數、報警總數、報警處理率、真實火警率、誤報率、設備在線率、設備故障率。該列表可以按照單位名稱進行搜索，可以按照單位風險分數高低排序展示。

消防安全風險評估為了方便用戶更好地對各單位消防安全風險評估情況進行了解，單位列表可以根據單位名稱進行精確搜索查看某單位的信息，也可以對所有單位按照單位安全風險值進行排序，默認是按照單位序號排序。頁面還對該區的各個鎮（處）的重點單位的統計數據進行了展示，可以通過下拉按鈕選擇查看該區的某個鎮（處）的重點單位統計數據，其中展示項包含該鎮（處）重點單位總數、高層建筑數、大型綜合體數、化工企業數、加油站數、加氣站數和其他。同時，為了讓用戶理解評分的由來，提供了一個輔助界面來對今日報警總數、故障總數、真實火警數、誤報數、總報警處理率、設備總數和設備在線率進行統計展示，這樣用戶在查看單位信息時可以通過比較這些統計數據，可以更清晰地理解某單位安全風險實際情況。還提供了全區的單位類型占比分析，并將全區消防單位評估分數最低的10個單位類型進行列表展示。

6結語

本文設計與實現的消防大數據平臺相比現有的火災預警系統或智慧消防系統，具有更完備的功能，能提供更真實完整的數據，消防數據的有效利用率得到了提升，采用更智能高效的預測分析方法，極大地提高了平臺的火災預測能力。

參考文獻

[1] 劉化生.基于大數據平臺的消防安全評估方法的研究與應用[D].南昌：南昌大學，2023.

[2] 張燕.基于多網融合的消防大數據平臺系統設計[J].數字技術與應用，2022，40（8）：200-202.

[3] 阮志揚.智慧消防中的大數據應用[J].中國信息化，2022（6）：89-90.

[4] 何昊偉.大數據時代我國消防救援能力提升研究[D].湘潭：湘潭大學，2022.

[5] 趙文陳.大數據背景下消防安全網格化管理路徑探索[J].今日消防，2022，7（11）：66-68.

[6] 薛奕.淺談大數據思維下的智慧消防[J].智能建筑與智慧城市，2021（12）：186-187.