基于GIS的城市火災風險分級與消防站布局優化

摘要：為滿足城市消防站科學布局需求，減少在布局過程中出現資源浪費的情況，提出基于地理信息系統（GIS）的城市火災風險分級與消防站布局優化方法。在GIS技術的作用下，獲取城市地理位置數據、歷史火災記錄等多種類型數據，從中提取城市火災風險指標，并對風險指標進行量化，構建風險指標的判斷矩陣，計算風險指標的權重向量和城市火災風險評估值。基于此，以最小化建設成本、最小化風險覆蓋偏差作為優化目標，設定優化目標函數，設定消防站容量限制、響應時間限制等多個條件，引入遺傳算法，對優化目標進行求解，得到最優的布局優化方案。實驗結果表明，設計的布局優化方案具有較高的均衡度，能夠合理分配消防站資源。

關鍵詞：GIS；城市火災風險；風險分級；消防站布局；布局優化；遺傳算法；風險區域

中圖分類號：X913.4" " " 文獻標識碼：A" " " "文章編號：2096-1227（2025）07-0056-03

0 引言

消防站作為城市消防體系的核心組成部分，其布局的合理性直接關系到消防救援的效率和效果。在有限的財政預算下，如何科學合理地規劃消防站的數量、位置和規模，以實現消防資源的優化配置，是當前城市消防工作面臨的重要問題。姜學鵬等[1]將中心城區劃分為多個區域，并賦予不同區域相應的風險等級，應用P-中心模型，設定限制條件，進而得到最優的布局優化方案。楊藝明等[2]以最小化建設成本和最大化高緊迫度為布局優化目標構建目標函數，設定消防站間距、服務半徑等多個約束條件，引入粒子群優化（PSO）算法，對目標函數進行求解，得出最優的布局優化結果。本文設計了基于GIS的城市火災風險分級與消防站布局優化方法，以期為消防資源的調度提供數據基礎。

1 城市火災風險分級與消防站布局優化方法設計

1.1" 城市火災風險分級方法設計

GIS是一種用于采集、存儲、分析、管理和展示地理空間數據的技術系統。通過GIS技術，可將火災風險分級從靜態統計轉為空間智能決策，提升消防資源配置的科學性。應用GIS技術，對收集的城市建筑矢量、道路網絡、歷史火災地點、火災等級等多種數據進行處理[3-4]，從處理后的數據中提取多個城市火災風險指標，如建筑風險指標、電氣火災風險指標、易燃易爆風險指標、火災爆炸后果風險、應急疏散風險、火災誘發風險指標等。對上述這些風險指標進行量化，得到量化后的風險指標用fi表示。

根據量化后的風險指標，結合城市的歷史火災數據，分析城市火災出現的原因，計算不同風險指標的權重值[5]。在計算時，構建基于風險指標的判斷矩陣P，設矩陣中不同風險指標之間的相對重要性為p12。由此，構建不同風險指標的權重向量wi。根據確定的風險指標權重值，計算城市火災風險評估值F。根據計算的火災風險評估值F，對城市火災風險進行分級。設定0≤F＜2.00為極低風險、2.00≤F＜6.00為中低風險、6.00≤F為高風險。

根據城市火災風險分級結果，劃分不同的火災風險等級，由此，將城市劃分為不同的風險區，便于后續優化城市消防站布局。

1.2" 城市消防站布局優化方法設計

在對城市消防站布局優化時，選擇最小化建設成本、最小化風險覆蓋偏差作為優化目標，分別設定對應的目標函數[6]。其中，最小化建設成本需要包括消防站建設成本及日常維護成本。其具體計算過程如下。

最小化風險覆蓋偏差是指針對高風險區域和低風險區域，其在發生火災時的標準響應時間之間的偏差。其具體計算過程如下。

根據優化目標函數，設定具有針對性的限制條件，包含消防站容量限制、火災區域消防站覆蓋數量限制、響應時間限制等。設風險區域的消防站數量s的限制條件為1≤s≤smax；第n個消防站的容量rm的限制條件為；消防站應急響應時間tx的限制條件為tx≤tmax。

根據設定的限制條件，以及消防站的布局優化需求，引入遺傳算法，對消防站布局優化目標函數進行求解。在求解過程中，結合城市消防站候選位置信息，對每個消防站候選點進行標記。在遺傳算法的驅動下，隨機生成消防站布局方案，進而構建初始解空間。設定適應度函數，計算解空間中每個個體的適應度值，并按照適應度值的大小進行排序[8]。逐一判斷每個個體是否滿足預設的約束條件，若不滿足約束條件且適應度較低，則將該個體淘汰，以此實現對解空間個體的初步選擇。將保留在解空間中的個體進行交叉、變異操作，從而得到新的個體。重復上述過程，直到滿足迭代條件為止，最終獲得最優的布局優化方案。至此，基于GIS的城市火災風險分級與消防站布局優化方法的設計工作圓滿完成。

2 實驗測試

2.1" 實驗準備

實驗中，選擇城市的中心區域作為研究對象，該研究區域包含5個城市火災高發點，消防站候選點數量設定為50個。應用本文方法對該研究區域進行布局優化時，需要設定本文方法的多個參數，具體如下：成本系數為1.55，建設成本加權系數k1為0.45，風險覆蓋偏差加權系數k2為0.55。

基于設定的參數，在該研究區域，應用GIS技術獲取研究區域多種類型數據，通過對這些數據進行火災風險分析，確定相應的風險指標，并計算各風險指標的權重值。上述確定的多個風險指標權重值見表1。

根據表1設定的火災風險指標權重值，計算城市火災風險評估值，實現對城市火災風險的分級。根據該分級結果，將城市的中心區域劃分為10個低風險區域、5個中風險區域、2個高風險區域和1個極高風險區域。

針對劃分的城市風險區域，將最小化建設成本、最小化風險覆蓋偏差作為優化目標，構建對應的目標函數。同時，設定響應時間、消防站覆蓋數量、消防站容量等多個約束條件。引入遺傳算法，對設定的優化目標進行求解。在此過程中，遺傳算法的應用參數見表2。

按照表2設定的參數，運用適宜的求解算法對既定的消防站布局優化目標函數進行求解，在適應度函數的驅動下，通過多次迭代運算，獲得最優的消防站布局優化方案。

在評估本文方法的優化效果時，選取姜學鵬等[1]開展的基于MCLP-BACOP模型的城市消防站選址研究，以及楊藝明等[2]進行的基于消防安全緊迫度的傳統村落消防站選址布局優化研究這兩種方法作為對比組，將這兩種方法與本文設計的方法進行對比分析，以此驗證本文方法的優化性能。

2.2" 實驗結果討論

在評估本文方法的優化性能時，選取消防站布局的均衡度作為評價指標，對3種方法的布局性能展開對比分析。實驗過程中，應用3種方法對研究區域開展消防站布局工作，設定不同的布局條件，進而生成相應的布局方案。計算各布局方案的均衡度，其數值越高，說明在該研究區域內消防站資源的分配越合理，布局優化效果越好。

在多種消防站布局優化方案中，本文方法所得布局結果的均衡度數值為0.97，姜學鵬等[1]方法所得布局結果的均衡度數值為0.85，楊藝明等[2]方法所得布局結果的均衡度數值為0.82。本文方法的布局均衡度數值相對較高，這是由于本文方法在設計時對研究區域的火災風險進行了分級，并針對不同風險等級的火災區域，制定了與之適配的布局方案，提高了布局方案中資源分配的合理性。因此，本文方法在實際應用中的布局優化效果較好。

3 結束語

綜上所述，本文借助GIS技術，從獲取的城市歷史數據中提取出火災風險指標，計算風險指標的權重值，進而對城市火災風險進行分級。基于此，考慮消防站布局優化需求，合理設定目標函數和約束條件，在遺傳算法的驅動下，最終得到最優的消防站布局優化方案。在實際應用中，本研究能夠量化城市火災風險，合理分配消防資源，有效降低城市火災發生的概率及因火災造成的損失。同時，本研究能夠顯著縮短消防響應時間，增強城市的抗災能力，為城市規劃及改造奠定基礎。

參考文獻

[1]姜學鵬，劉飛揚，王啟睿，等.基于MCLP-BACOP模型的城市消防站選址研究[J].火災科學，2022，31（4）：252-260.

[2]楊藝明，張健，宋志剛，等.基于消防安全緊迫度的傳統村落消防站選址布局優化研究[J].昆明理工大學學報（自然科學版），

2024，49（6）：169-178.

[3]顧彧，姜立平，劉晗，等.基于超立方體排隊均衡的消防站布局和調度優化[J].消防科學與技術，2024，43（10）：1466-1472.

[4]汪什豪，胡煒，蘇墨.基于多源數據融合的城市新增消防站選址研究[J].地理空間信息，2023，21（5）：63-66+70.

[5]王雅榮，趙海鵬，周慰濤，等.整合多因素影響的城市消防站布局優化實踐[J].消防科學與技術，2024，43（4）：551-556.

[6]何青濱，馬繼東，栗鳳.城市消防站選址布局優化研究：以H市新區為例[J].中國新技術新產品，2023（22）：145-148.

[7]陳家軒.基于GIS的城市火災風險評估與應用研究：以南充市中心區為例[J].福建建筑，2023（2）：134-140.

[8]盧昊維，杜坤，周明.基于多目標優化及成本效益分析的古城鎮微型消防站布局研究[J].科技通報，2024，40（6）：80-85+105.