街區尺度下城市高密度建成區火災風險研究
——以石家莊市中心城區為例

李 凡，薛 曄，李麗石，陳志芬

（1.太原理工大學經濟管理學院，山西太原 030024；2.石家莊市消防救援支隊，河北石家莊 050000；3.中國城市規劃設計研究院，北京 100037）

引言

2021年是“十四五”開局之年，我國在開啟全面建設社會主義現代化國家的新征程中提出了全面提升城市品質的遠景目標。截至2018年末［1］，我國已有城市673個，城市建成區面積達58 455.7平方公里。其中，城市高密度建成區是城市發展的縮影，新型火災危險源不斷出現與傳統消防安全問題交織影響，使其中火災呈現復雜化、多樣化、后果嚴重化的趨勢。進行高密度建成區火災風險評估，對城市火災風險進行有效管控具有重要意義，也是當前亟待解決的問題。

火災風險評估，基于評估對象的不同可分為單體建筑火災風險評估［2-4］、企業（行業）火災風險評估［5］及城市（區域）火災風險評估［6-7］三大類。其中，評估城市或區域的火災風險（火災風險類型、大小、特性和趨勢）［8-11］有不同的方法（定性、半定量和定量等方法），但數據的收集和信息的整合存在滯后性，強度指標（人口密度、人均GDP等）相關數據范圍過大，導致評估結果相對區域火災現勢滯后、風險分區劃分不夠詳細。當前，國家在轉變城市發展方式中明確提出新建住宅推廣街區制的目標，因此，街區尺度的城市問題研究切實可行且意義深遠。POI數據和遙感影像信息提取技術［12-14］的應用可以一定程度彌補上述局限性，進而獲取街區尺度的城市空間數據。城市興趣點（Point of Interesting，POI）［15］描述地理實體的空間和屬性信息，增強了對實體位置的描述能力，可以反映城市活動特點，具有數據量大、時效性強等特點，目前，已經在空間結構識別等方面得到廣泛的應用［16-19］。遙感影像在近年來對城市建成區的研究中被廣泛使用為基礎數據，明顯地提高了區域尺度范圍內土地利用/土地覆蓋的分類精度［20-22］。

基于此，本文借助POI數據的時效性，提高數據收集及信息整合過程的效率，并結合遙感圖像在城市建成區功能分區方面的研究，進一步挖掘地理信息數據內涵以輔助高密度建成區火災風險評估，使火災風險防范措施精細化，以期為政策制定者與理論研究者提供參考。

1 研究區域概況

河北省省會石家莊市，如圖1所示，地處溫帶季風氣候，境內京廣、石太、石德、石太客運專線、京廣高鐵、石濟高鐵6條鐵路干線交會，是中國鐵路運輸的主樞紐城市。至2019年底，全市常住人口1 039.42萬人，地區生產總值5 392.95億元。

圖1 研究區域位置示意Fig.1 Location of the study area

中心城區二環路內人口聚集、道路復雜，是石家莊市的高密度建成區，據統計，2011年1月-2020年8月間，高密度建成區涉及的石家莊市核心四區（橋西區、新華區、裕華區和長安區）共發生火災5 166起，造成29人死亡，直接經濟損失達7 135萬元。從空間層面看，其現狀空間結構與早期規劃中向東發展的結構設想基本一致，50年來形成了以京廣沿線和火車站為中心，向兩翼擴展的單中心、外延式的擴張模式。從消防安全層面來看，石家莊市高密度建成區具有以下特征：第一，火災重點場所分布多，潛在隱患多；第二，歷史規劃建設不全面，城中村、低層建筑居多，防火間距不夠；第三，車輛保有量持續增多，影響救援效率，停車位規劃不足，占用消防通道；第四，留存的多合一，三合一場所，起火概率大，人員傷亡率高。

2 高密度建成區火災風險評估方法

2.1 基于“點-線-面”要素的“單位-街區-區域”框架解析

消防安全是城市安全板塊中重要的子模塊，火災風險管控則是實現消防安全的重要保障。基于區域災害系統理論，城市火災系統具有由孕災環境、致災因子、承災體復合組成的結構體系和由孕災環境穩定性、致災因子危險性、承災體脆弱性形成的功能體系［23］。城市空間是火災系統結構與功能體系的載體，其構成要素深深干擾火災的形成與演化。如圖2所示，點作為最簡單的幾何概念，是幾何、物理、矢量圖形和空間的最基本的組成部分，點要素可以表示城市空間內部成分的位置并進行聚焦，線要素強調城市空間發展過程的延伸方向與外形，面要素強調城市空間內部成分的形狀與面積。

圖2 城市空間“點-線-面”要素與火災風險評估Fig.2 Urban space‘Spot?Line?Area’elements and fire risk assessment

近年來，政府層面廣泛依托“大數據”開展社會治理，數據收集能力的提升，促進了城市風險評估單元的小型化、精確化。城市空間內部道路網絡“線”劃分區域“面”為街區“面”，街區內主成分相互關聯又兼具差異性，且街區作為城市形態結構、城市功能、城市管理及城市認知的基本單元，是城市規劃中的重要元素之一，也是構成居民生活和城市環境的基本單元［24］。因此，進行街區尺度的城市高密度建成區火災風險評估對城市安全未來發展有重要意義。

2.2 基于“單位-街區-區域”框架的火災風險評估指標體系構建

在理論上，風險評估本來是研究不確定性的，是試圖將這些不確定性以一種確定性的方式表達出來，將不確定性降低到最低限度的［25］。廣義災害風險評估模型為：

式中，S i為第i種致災因子；Pr(S i)為第i種致災因子發生的概率；P0(Pr(S i)為Pr(S i)的可能性分布；X i為第i種災害造成的損失；P0(X i)為第i種災害的可能性分布。

狹義災害風險評估模型為：

即一定發生概率的自然致災因子與其所造成的后果的乘積。

基于上述評估模型，結合區域災害系統論和事故致因論，本文對城市高密度建成區火災風險發生的可能性、暴露性、消防能力以及導致的結果進行危險性評估和風險綜合評估。衡量高密度建成區火災風險的計算公式可以表示為：

H為火災危險性；D*為火災損失系數；A1為火災發生可能性；A2為特征暴露性；A3為消防能力。

綜上所述，區域火災風險取決于火災危險性及火災損失系數。街區火災危險性取決于街區火災發生可能性，街區特征暴露程度及其消防能力；火災造成的后果，主要由財產損失、傷亡人數和社會影響等指標來反映，這些指標與火災波及地區的社會屬性直接相關。而街區主導功能直接決定社會活動及其屬性，因此，街區火災損失系數由街區主導功能確定。

（1）火災危險性評估指標體系

對于火災危險性評估，借助消防工程中的相關技術標準及規范，基于“單位-街區-區域”橫向框架，建立“可能性-暴露性-消防能力”三維度的縱向火災危險性評估指標體系（表1）?；诂F有研究［26］，采用層次分析法確定指標權重，參考文獻［27、28］中的具體步驟，邀請15位專家進行打分，構造判斷矩陣，確定最大特征值及特征向量，對判斷矩陣進行一致性檢驗，逐級逐項得到三維度火災危險性評價指標權重。

表1 高密度建成區火災危險性評價指標體系Table 1 Fire hazard evaluation index system for high?density built?up areas

其中，點要素單位層指標計算公式如下：

Sθ指被評估街區單元的面積，屬性值字段為Shape-Area；N ij為被評估街區單元內包含的單位層評價指標點的個數，屬性值字段為Count；A ij為點要素單位層指標的點密度值。

線要素單位層指標計算公式如下：

Sθ指被評估街區單元的面積，屬性值字段為Sh a pe-Ar ea；Lφ是街區單元θ包含的二級公路長度，屬性值字段為Shape-Le1；φ是二級公路的道路通行系數；Lφ是街區單元θ包含的三級公路長度屬性值字段為S hape-Le2；φ是三級公路的道路通行系數。

（2）火災損失系數

由于評估時期（災前、災后），評估目的（預測、重建）的不同，當前，我國并未建立統一的火災損失評估體系。但是，災害損失是災害的本質特征，考慮火災損失與受災區域社會生產活動的直接聯系，通過街區主導功能的識別，可以確定各街區的火災損失系數。參考現有文獻［29］對各城市用地類型火災損失計算的研究，火災損失系數等于火災財產損失系數、火災致亡人數和火災社會影響的耦合（表2）。

表2 各用地類型火災損失系數Table 2 Fire loss coefficient of each land use type

2.3 地理信息要素識別及處理方法

火災風險的綜合評估，利用基于面向對象的遙感影像識別技術及基于數據挖掘技術的用地類型識別實現；火災風險等級的劃分，在ArcGIS軟件中通過疊加分析法和自然斷點法實現（圖3）。其中，疊加分析法評價模型為：

圖3 評估方法Fig.3 Evaluation method

式中，E i為第區域的綜合評分值；P ij為第i個評價目標第j個評價指標經過標準化處理后的量值，W ij為P ij的權重值。

在ENVI軟件中處理遙感圖像，根據影像空間和光譜特征，從高分辨率全色或者多光譜數據中提取特征信息，進行城市空間內部信息的提取，實現地理數據的識別與輸出，如圖3中a-b、a-d過程。在ArcGIS軟件中實現地理數據格式的轉換、標準化及計算。

（1）支持向量機（SVM）

支持向量機算法是Vapnik［30］等提出的根據結構風險最小化準則，在有限訓練樣本誤差極小化的前提下，提高分類器的泛化推廣能力的監督學習算法，目前廣泛應用于遙感圖像分類中。面向對象的分類技術是集合鄰近像元為對象，基于空間、紋理和光譜信息進行分割和分類來識別感興趣的光譜要素［31］。運用試錯法進行分割，采取基于對象樣本的方法提取植被、道路、建筑和水域信息，通過監督模式提取目標類別的訓練樣本數據，采用SVM分類器利用訓練樣本去識別未知區域的對象，進而實現圖像分類。

（2）K?means聚類分析

K?means［32-34］聚類算法采用距離作為相似性的評價指標，即認為兩個對象的距離越近，其相似度就越大?；谠囧e法的圖像分割在不同分割和合并參數下，不同地物圖像分割的結果差異增大，本文運用K?means算法產生穩定的聚類中心后進行圖像分割和合并，從而得到面向對象的多尺度圖像分割結果。

（3）ArcGIS空間連接與近鄰分析

ArcGIS的空間連接工具可以根據兩個要素類中各要素之間的空間關系來連接這兩個要素類的屬性，并將該連接寫入/輸出。根據點-線-面要素的空間包含關系，可以將點或線要素圖層的字段屬性賦值給面要素圖層；近鄰分析，可計算輸入地理信息要素與其他圖層或要素類中的最近要素之間的距離和其他鄰近信息，用于火災危險性評估中三級指標距消防站距離的計算。

（4）無量綱化處理

高密度建成區火災危險性是由眾多指標構成的統計指標體系進行評估的，直接用原始指標值進行分析，就會突出數值較高的指標在綜合分析中的作用，相對削弱數值水平較低指標的作用，從而使各指標數據以不等權參加運算分析，因此，需要對經過數據識別與地理計算過程得到的三級指標值原始數據進行無量綱化處理。直線型無量綱化方法是指在指標實際值轉化成不受量綱影響的指標值時，二者之間呈線性關系，指標實際值的變化引起標準化后數值一個相應的比例變化，符合火災風險評估模型的要求，各指標的標準化分值具體計算公式如下：

（5）三維空間建模

通過Python編程，從百度地圖獲取研究區域的建筑樓層數據，進而得到研究區域的建筑高度，結合圖像識別獲得的建筑、道路輪廓等數據，在ArcScence中建立研究區域的三維空間模型，如圖2中a-d-gh、a-b-e-h過程。

（6）聚類和異常值分析Anselin Local Moran′sI

聚類和異常值分析，可以計算某個要素在指定范圍內的相鄰要素總和，使之與所有要素的總和相比較，進而可以識別具有高值或低值的要素的空間聚類并識別空間異常值，空間關聯的(Moran′s I)統計數據如下所示：

其中，x i是要素i的屬性是對應屬性的平均值；W i j是要素i和j之間的空間權重，并且：

n等于要素的總數目；統計數據的ZI i得分的計算方法如下：

其中：

計算結果中，聚類/異常值類型(CO T ype)字段可區分火災風險等級的高值(H H)聚類、低值(L L)聚類、高風險等級中由低風險等級圍繞的異常值(H L)以及低風險等級中由高風險等級圍繞的異常值(L H)。統計顯著性的置信度設置為95%。

2.4 高密度建成區用地類型確定方法

城市功能的分區是一個動態變化的過程，并不存在一個合適的指標去觀測一個城市區域的功能，由于在功能、強度、利用方向、基準地價等方面作用大體一致，一定程度上來說，其空間集約利用程度和未來使用潛力也基本相同［35］，因而基于數據挖掘技術，可將城市空間劃分為不同功能類型。POI數據的核密度分析情況正好可以準確的反映城市功能在不同空間的集約利用程度。

如圖4中i-f-e過程，設研究區域內有n個POI點X={x1,x2,???,x n}，在x處核密度估計值為f(x)，計算公式如下：

式中φ()表示權重函數；ω表示帶寬，d ix表示估計值點x與x i之間的關系。

結合2011年版《城市用地分類與規劃建設用地標準》，同時考慮城市功能的普遍性和數據類別的認知度及顯著性，將POI數據分為商服用地、居住用地、工業用地、公服用地、道路與交通設施用地、倉儲用地、綠地與廣場用地等7個較具代表性的類別，作為相應土地利用類型的直接映射（表3）。但是，POI數據是點數據，不能體現出地理實體的占地面積，而在現實世界，不同地理實體之間的占地面積存在較大差異，并且，街區單元內的POI數據所代表的地理實體占地面積對該單元的主導功能類型具有重要影響，在進行城市空間功能分區時，對POI數據的權重賦值參考趙衛鋒等［36］對POI數據公眾認知度的排名。

表3 POI數據分類Table 3 POI data classification

3 石家莊市高密度建成區火災風險評估

3.1 數據來源及預處理

POI數據從百度地圖開放平臺獲取，獲取時間為2021年1月；研究區域基本數據源于全國地理服務資源目錄服務系統公眾版1：25萬矢量地圖；人口數據源于石家莊市統計局第六次人口普查數據；遙感影像數據來源于谷歌影像及微軟地圖；道路網絡數據源于Open Street Map。位置數據均采取WGS84地理坐標系統和WGS_1984_Web_Mercator_Auxiliary_Sphere投影坐標系統。從百度地圖開放平臺獲取的POI數據，使用的是對火星坐標進行BD-09二次非線性加偏的百度坐標系統，直接依據各類型POI數據文本自帶的坐標信息導入ArcGIS生成點矢量數據，可以發現影像和POI數據之間地理位置存在偏差，需要使用ArcGIS軟件的空間校正功能糾偏。

3.2 火災危險性評估

3.2.1 火災危險性單位層指標評估

根據石家莊市高密度建成區道路網絡，將研究區域劃分為539個街區網格圖4（a）。

圖4 街區單元劃分及單元層指標評估結果Fig.4 Block unit division and unit level index evaluation results

對從石家莊市遙感圖像中識別的街區尺度指標數據進行矢量化處理，依據對應的公式及處理方法［2.2節公式（2）（3）、3.1節方法（3）］得到指標計算值，為更好的描述單位層指標火災危險性，將各指標評分在Arc?GIS軟件中按自然斷點法（Natural Break，組間方差最大，組內方差最?。﹦澐譃槲鍌€等級（由綠至紅）（圖4）。

由圖4可知，電力載荷指標的四級及以上火災危險性街區單元沿石德線向東側延伸及民心河各支流兩側分布（圖4（b））。重大危險源指標的13個四級及以上火災危險性街區單元均遠離市區中心，沿二環線及其連接的主要道路分布（圖4（c））。燃氣用量指標的四級及以上火災危險性街區單元沿石太線、石德線向東西兩側延伸，部分以5號街區為中心，在石家莊站附近區域聚集（圖4（d））?；馂母呶挝患叭藛T密集場所指標的五級火災危險性街區單元以221號、215號街區為中心聚集，并沿中山路軸線向東西兩側延伸（圖4（e））。人口密度指標的五級火災危險性街區單元有71個，分屬于人口密度較高的北苑、建安、廣安、休門、裕華路、東里和東風等街道（圖4（f））。建筑密度指標的五級火災危險性街區單元有38個，零散分布（圖4（g））。建筑高度指標的五級危險性街區單元共10個，在研究區域東南部聚集，并在京廣線兩側零星分布（圖4（h））。防火間距指標的五級火災危險性街區單元有28個，在研究區域內零散分布（圖4（i））。消防通道指標的五級火災危險性街區單元有108個，分別以391號、424號、115號、295號街區單元為中心聚集（圖4（j））。消防站距離指標的五級火災危險性街區單元有47個，聚集于研究區域內西北部、西南部、東南部等距離消防站較遠的位置（圖4（k））。消防裝備指標的五級火災危險性街區有488個，因統計的小微消防站多位于內有商場、地鐵站及新建住宅區的街區單元內，單元水平差異明顯（圖4（l））。

3.2.2 火災危險性街區層指標評估

綜合三級指標單位層火災危險性評分，根據火災風險評估模型計算得到二級指標街區層火災危險性評分（高危街區具體評分如表4所列），在ArcGIS軟件中通過自然斷點法將街區層指標評價結果劃分為5個等級（由綠至紅）（圖5）。

圖5 街區層指標火災危險性評估結果Fig.5 Results of fire risk assessment of block level indicators

由于部分街區單位層指標評價值過小，從街區層指標開始，評估結果按百分制進行計算。由如圖5所示，街區火災可能性指標五級火災危險性街區單元有24個，在中山路軸線于京廣線交界處聚集性分布（圖5（a））。街區特征危害性指標五級火災危險性街區單元有38個，以181、199號街區為中心，聚集于火車站東西兩側（圖5（b））。街區消防能力指標五級火災危險性街區單元有52個，聚集于研究區域西北部、西南部及東南部位置（圖5（c））。

3.2.3 火災危險性區域層指標評估

根據火災風險評估模型，綜合各街區層指標火災危險性評估結果，得到研究區域火災危險性評估結果，在ArcGIS軟件中按自然斷點法(Natural Break)劃分為五個等級（由綠至紅）（圖6）。

圖6 高密度建成區火災危險性評估結果Fig.6 Fire hazard assessment results in high?density built?up areas

由圖6可知，研究區域內的五級火災危險性街區單元有37個（表4），其中，有36個街區單元街區特征暴露性指標評分最高，1個街區單元街區火災可能性指標評分最高，1個街區單元街區消防能力指標評分最高。400、408、409、410、527號街區聚集于西北位置，136、498、279、280、281、282號街區聚集于東南部位置，153、54、187、188、189、191、192、193、194、199、200、202、204號街區在中西部位置以199號街區為中心聚集，其余街區單元零散分布于中山路軸線附近。

表4 五級火災危險性街區單元各指標評分（按百分制計算）Table 4 Scores of each index of the five?level fire hazard block unit（Calculated on a hundred?point system）

3.3 火災損失系數確定

對經過糾偏、清洗篩選及賦權等步驟的石家莊市高密度建成區POI數據進行核密度估計，得到各類型POI數據的核密度估計分布（圖7）。

圖7 石家莊市高密度建成區POI數據核密度估計分布Fig.7 The distribution of the core density estimation of POI data in the high?density built?up area of Shijiazhuang City

劃分100m×100m格網作為基本研究單元，參考經濟地理學相關研究［17］，參照區位熵的定義，通過頻率密度與類型比例標注其用地類型：

式中：F i為第i類（本文采用的7種用地類型）POI頻率密度；n i為第i類POI在格網單元中數量；N i為第i類POI總數。將POI頻率密度比例等于50%設定為單一功能區與混合功能區的劃分界限，當某類型POI比例在某格網單元達到50%及以上時，確定此格網單元為該類型單一用地類型，否則就取決于格網單元內兩種或三種主要類型；當格網單元內POI頻率密度為0時，該格網為空白區。如圖8所示，各街區用地類型由其內部格網單元的用地類型累計判定，并進一步通過圖像目譯法進行檢驗。

圖8 用地類型識別結果Fig.8 Space function partition result

石家莊市高密度建成區單一用地主要以居住用地、商業用地和公服用地為主，在單一用地類型中，居住用地地塊數量最多且總面積最大。空間混合用地相較于單一用地，火災發生后的情況更加復雜，發展情況更加難以預測，因此，混合用地空間的火災損失評估結果取決于混合類型中火災損失更高的一類，對應各用地類型火災損失系數（表2），得到各個街區單元的火災損失系數。經統計，有111個街區單元的火災損失系數大于等于1.4，均為工業及商業用地類型，面積占比17.71%。

3.4 火災風險評估

根據高密度建成區火災風險評估模型，綜合火災危險性評估與火災損失系數判定結果，計算得到研究區域各街區火災風險水平，在ArcGIS中利用自然斷點法劃分為5個等級表示（圖9）。

圖9 火災風險評估結果Fig.9 Classification of fire risk assessment results

研究區域內五級火災風險街區單元共計45個，其中有31個也是五級火災高危街區單元，以居住用地為主，另有14個與商業或工業活動有關的街區單元，因發生火災時可能造成的損失較大，成為五級火災風險單元，它們以石太線、石德線和火車站為中心，向東西兩側延伸分布，具體情況如表5所示。

表5 五級火災風險街區單元（按百分制計算）Table 5 Block units of five?level fire risk（Calculated on a hundred?point system）

續表5

3.5 火災風險空間分布特征

利用聚類和異常值分析（Anselin Local Moran′sI）方法計算得到石家莊市高密度建成區火災風險空間分布，火災風險高-高聚類區域P值均值為0.011312369，低-低聚類區域P值均值為0.008426206，均通過空間顯著性檢驗。研究區域內火災風險具有明顯的組團特征，四個火災風險高-高聚類區域主要集中于中山路軸線位置、西北部、東南部位置以及由裕華西路、槐安西路與城角街、中華南大街合圍的區域（表6紅底色），兩個低-低聚類區域主要集中于東北部、中南部位置。

表6 火災風險高-高聚集區域Table 6 High fire risk?high concentration areas

12、76、122、270、466號街區單元是研究區域內火災風險異常值，列出單元內空間模型（表8黃或紅底色區域），是這些單元周圍范圍的重點監測街區單元。12、76、270號為研究區域內高-低風險異常值，這兩個街區單元火災風險的管控是保障其周圍范圍消防安全的重點。122、466號為研究區域內高-中風險異常值，這些街區單元火災風險的管控是其周圍范圍火災防范的節點。

3.6 石家莊市高密度建成區火災風險防范建議

火災風險防范是一項系統工程，依賴政府決策與實施、規劃引導、工程項目建設、宣傳教育等復合途徑。本文結合①～④號火災風險高-高聚集區及12、76、122、270、466號5個火災風險異常街區單元的主成分屬性及主導功能，以石家莊市高密度建成區火災風險空間分布及分區特征為主要命名依據，將4個聚類分區命名為“重點整改區、消防優化區、重點監測區、整改優化區”，將5個火災風險異常值街區單元命名為“重點監測點”（圖10），進而提出了防范對策與建議。

圖10 石家莊市高密度建成區火災風險防范措施Fig.10 Fire risk prevention measures in high?density built?up areas in Shijiazhuang City

（1）重點監測點：健全對小范圍內火災風險相對突出的街區單元的監督與管理，需落實到內部，因“點”制宜，分別采取對老舊建筑進行耐火改造，完善消防設施級裝備，加強消防監控工程建設等與各點實際情況相合的措施。12號街區周圍的富強大街消防救援站是保障附近消防安全形勢的中堅力量；76號街區南側的孫村長宏錦園二區已經建成，在此設立高層火災瞭望臺監測火災風險動態切實可行。122號街區內，第一要點是集通物流公司火災隱患的自排，第二要點是眾多高層建筑消防水源壓力的保障；270號街區內，應在政府主導下以中華大街小學為核心，實現環居民區與商用區消防設施的整體升級。466號街區內西側高層建筑云集，應選擇視角良好的地點設立火災瞭望臺，且棉三社區應依托老舊小區改造政策，改善社區防火間距，保障消防通道暢通，徹底清除私拉亂接等火災高危行為。重點監測點火災風險的防范成果，是其周圍環境消防安全的重要保障。

（2）重點整改區：該區域內低層、中層建筑與超高層建筑混合，建筑密度大。196號街區單元為現存城中村，低、中層建筑多為為磚混結構，耐火等級較差，防火間距小，火災容易蔓延。并且，區域內的超高層建筑內停留人數眾多，火災發生時人員疏散困難。因此，針對區域性問題，相關部門需結合政府民生工程，對區域性消防供水、建筑物耐火等級、消防通道、防火間距問題進行打包整改。同時，有關單位要落實高層建筑消防管理問題，從源頭杜絕高層火災，才能解決根本問題。

（3）消防優化區：該區域平均建筑高度較高，整體位置距離周圍的消防站較遠，發生火災時一旦失控，撲救工作將非常困難。因此，區域的消防優化整改應分兩步進行：第一步，建立一個以政府為主導，消防、住建、公安、治安、街道辦、綜合執法、社區、物業等各部門、單位各司其職的聯動機制，定期召開會議通報情況，研究問題并及時解決，隨時消除火災隱患；第二步，向有關部門申請加強消防站、消防水源建設，提升救援人員的裝備水平，設立社區微型消防站，增強該區域的整體消防能力。

（4）重點監測區：該區域位于城市核心區域，因此，區域內部高樓林立、商業發達，人員密集場所聚集分布。區域的優化內容由三部分組成，第一是提升區域內超高層建筑區的自我管理水平，強化相關崗位的消防安全培訓，從自身自職責出發構筑火災防范“圍墻”；第二是保障區域范圍內消防監控設備的使用率，通過緊抓“智慧消防”建設的重大機遇，推廣應用物聯網系統，進一步實現自身裝備的智能化、精準化；第三是設立火警瞭望塔，依托區域內部超高層建筑優勢進行火情監測。

（5）整改優化區：該區域低層、中層、高層建筑混合，建筑密度大，建筑年代久，耐火等級差，并且，這里為居-公-商混合用地，與消防站距離遠，火災傷/亡人率高。考慮區域實際情況，第一步，有關部門應發展多形式消防隊伍，借鑒國外發達國家消防體制建設的先進經驗，通過建立小型消防站或者專職消防隊，探索多形式消防力量齊頭并進的全社會防火滅火“立體式”格局；第二步，相關單位責任人應強化基層消防安全監管，保障基層消防工作組織的場所與經費，理清各級網格員職責分工，延伸基層消防監管觸角，落實“網格化”管理措施。

4 結論與討論

4.1 結論

本文基于由遙感圖像中獲取到的街區尺度的空間數據和百度開放平臺的POI數據，針對石家莊市高密度建成區，進行了街區尺度的火災風險研究，得出以下結論：

（1）街區尺度的火災風險評估為火災風險的溯源降低了難度，借助城市管理的基本單元，可以實現從根源處防控火災風險。國家在十四五遠景目標中明確提出新建住宅推廣街區制，因此，將消防安全管理下沉到街區，全員融合，是符合未來城市發展的可行方法。三維空間模型的建立，突出了街區之間的立體差異性，是地理信息大數據在城市治理中的進一步應用，可以為政策制定者與理論研究者研判區域火災變化形勢提供依據。

（2）火災危險性評估發現研究區域內有37個街區單元為五級火災危險性街區單元，其中有36個街區特征暴露性指標評分最高，因此，從街區規劃方面提出火災防范措施是可行的。街區特征火災風險暴露程度不僅僅取決于單一的建筑類型，多種建筑類型的混合可能會令街區火災情況更加復雜，不同建筑主體間的配合是解決火災問題的可行方法。

（3）火災風險評估發現有111個街區單元火災損失系數大于等于1.4，均為工業及商業用地類型，面積占比17.71%。45個五級火災高風險街區單元，存在高-高聚集現象，4個集群分別位于西北部、東南部、中山路軸線及裕華西路、槐安西路與城角街與中華南大街合圍區域。商業及工業是高密度建成區最活躍的活動，隨著區域經濟的發展，其影響范圍是不斷擴大的，有效的商業管理及合理地工業搬遷是保障高密度建成區消防安全的有力手段。

4.2 討論

城市高密度建成區內火災形勢復雜多變，城市快速發展導致的新型火災危險源不斷涌現，因此，采取動態變化的火災風險評估方法才能有效管控城市區域火災。

（1）考慮城市火災事故具有的必然性和隨機性，以及信息資料的可獲取性，本文在建立高密度建成區火災風險評估指標體系時所選取的指標及指標權重的計算對研究數據的準確性具有一定的依賴性，現今，數字化浪潮正深刻變革人們的生產生活方式，隨著大數據技術的日益成熟，未來城市治理大數據平臺的構建是解決這一局限性的有效方法。

（2）街區尺度的火災風險研究提升了火災危險源溯源的可操作性，加強了基層單位的火災風險防范能力，當前街區是基于地理信息數據進行的最優劃分，滿足了實證研究的嚴謹性與科學性。但是，在真正的實踐中，歷史發展因素的制約是不可忽視的，未來可以通過問卷調研與實地考察實現街區單元的更優劃分。