消防救援歷史數據趨勢與原因分析

陳佳祺

摘要：隨著消防救援工作的不斷展開，消防部門積累了大量的消防救援歷史數據，對這些數據進行整理、分析和處理可以得到隱藏的信息，為消防部門決策提供幫助，推動消防救援工作的開展，實現數據的有效利用。文章以2018—2021年上海市寶山消防支隊的消防救援歷史數據作為分析對象，選取科學的數據統計和分析方法，對數據進行分析，揭示未來寶山區消防救援的發展特征和演化趨勢，為寶山消防支隊提供未來防控和救援的重點。

關鍵詞：消防救援;數據分析;相關性分析

隨著信息的不斷發展，大量的數據被收集，這些數據中蘊含著豐富的信息，如何有效地對這些數據進行梳理、總結和分析成為研究的重點[1-4]。以消防領域為例，大量的歷史警情信息被收集在各消防系統，這些警情信息中包含災情類型、案件發生的時間、發生的區域和處置對象等各類信息[5-6]。目前消防人員對這些信息以人工分析為主，存在效率低下、誤差大的弊端。隨著警情的發展，數據量越來越多，人工的方法無法從大量的數據中找到各類災情的關聯關系以及影響因素，因此利用人工的方法則不再適用[7-8]。

基于此，文章利用計算機分析消防救援歷史數據，通過統計學的方法對歷史數據進行統計，分析其趨勢，預測未來發展。并根據統計結果結合消防經驗給出相關原因，同時利用相關性分析方法研究火災、搶險救援和社會救助三種災情發生的強相關性因素，并根據關鍵因素在未來加強相關設施和設備的投入、有針對性地進行消防訓練以及加強相關的消防宣傳，為防災減災提供豐富的研判信息。

一、數據總體分析

文章將上海寶山區2018年1月到2021年9月的消防數據進行處理得到18149條消防數據，其中包含火警出動、搶險救援和社會救助三種類型。具體的消防救援歷史數據如表1所示。該表顯示近四年上海寶山區消防支隊參與的消防任務量最多的是搶險救援，其次是火警出動，這給寶山區消防支隊加強在搶險救援和火警出動方面的投入提供數據支撐。

表1? 消防救援歷史數據

時間 火警出動 搶險救援 社會救助 總體

2018.01—2018.12 1590 2050 1246 4886

2019.01—2019.12 1651 2068 1311 5030

2020.01—2020.12 1422 1856 1117 4395

2021.01—2021.09 1207 1984 647 3838

2018.01—2021.09 5870 7958 4321 18149

圖1顯示各年度火警出動、搶險救援和社會救助隨時間變化的趨勢。從圖中發現火災隨時間變化產生的波動較大，這與全年的氣溫變化有一定關系，例如夏季溫度高，易發生火災，這就需要在夏季加強防火措施。搶險救援全年總的來說相對平穩，社會救助顯示七月份屬于高發期，要在此時加強設備維護和人員訓練，做好及時應對準備。

圖2顯示各年度火警出動、搶險救援和社會救助與處置對象的關系。從表中發現處置對象以一般居民和一般單位為主，這與城市生活的環境有密切關系，通常發生災情的對象是普通民眾的住宅或者是以單位為對象的各綜合體，這就需要著重關注重點小區和特別單位，例如老舊小區和易產生事故的工廠單位。

圖3顯示各年度火警出動、搶險救援和社會救助與區域的關系。通過分析發現各災情的主要發生區域在外環以外，首先我們分析這與外環的消防設施和基礎設備落后有很大關系，其次外環工業和產業園區眾多易產生消防事故。盡管內環和中環屬于人員密集區，但各單位和各政府部門強有力的監管能夠降低不必要災情發生的概率，同時各單位管理人員的素質和能力足以應對小范圍的災情。

二、相關性分析

分析警情發生的因素并進行相應的干預是降低警情的重要手段，通過分析各類警情的相關性因素，提前做好防范準備，能夠極大地降低警情發生的概率。影響警情的因素眾多，消防工作人員無法進行逐條分析。因此文章采用相關性分析的方法挖掘影響各類警情的關鍵性因素，為消防救援未來的規劃和投入提供數據支撐。

（一）火災事故相關性分析

火災是城市消防的重點，消防部門致力于挖掘火災發生的原因。以往的火災分析通常依靠大量的人力統計，將火災發生的原因進行歸類總結，這種方法不僅耗時、耗力，同時面對海量的歷史火災數據無法進行快速有效分析。隨著數據分析和挖掘的發展，文章采用相關性分析對歷史火災的因素進行關聯分析，得到影響火災發生的因素。如圖4所示，火災數量與處置對象之間具有強相關性，小區的消防設施不完善以及普通居民的消防意識薄弱等，更容易造成火災。

圖4? 火災與時間、處置對象和區域的相關性

（二）搶險救援相關性分析

如圖5所示，搶險救援與發生的區域有重要的關聯關系。通常情況下，外環以外的郊區相關的防護設施不全，更容易造成險情。不同類型的單位發生險情的可能性也不盡相同，例如建筑工地更容易發生高空排險。而小區人員被困以及戶外水域救援等，這些主要搶險救援的區域主要發生在外環。

圖5? 搶險救援與時間、處置對象和區域的相關性

（三）社會救助相關性分析

社會救助是對因各種原因陷入生存困境的公民給予的扶助。如圖6所示，社會救助與處置對象有著密切聯系。通常社會人員向消防支隊求助處理日常生活中的事宜，例如上海公園內，樹木眾多，利于馬蜂做窩，由于馬蜂可能會給社會人員造成損傷，因此摘除馬蜂窩成了主要的社會求助，同時公共場合消防栓眾多，出現故障的概率大，容易給市民造成影響，因此這類求助也相對眾多。同時我們可以看到救助與時間之間的關系也相對緊密，這是因為各時間發生災情的情況不同，例如夏季的臺風洪澇等都與時間有關系。

圖6? 社會救助與時間、處置對象和區域的相關性

三、結語

文章通過統計學方法對消防救援歷史數據進行分析，分析該地區近四年的警情趨勢，并根據消防經驗給出相應的原因分析。同時利用相關性分析手段挖掘影響各類警情的關鍵因素，并給出分析結果，從而為消防部門提供影響警情的重點因素，為未來的工作重點和預防提供指導方向。

參考文獻：

[1]趙誠婧.大數據技術在智慧消防領域的應用研究[J].消防界（電子版），2021，07（17）：68-70.

[2]陶鈞.大數據在消防救援作戰中的運用[J].消防界（電子版），2021，07（18）：85-87.

[3]韓光，李毅，于東興，等.數據挖掘在實體火災實驗中的應用研究[J].消防科學與技術，2020，39（03）：380-384.

[4]馬軍.信息化技術在消防應急救援中的應用探究[J].信息記錄材料，2021，22（10）：146-147.

[5]鐘兆寧.論對消防報警渠道開展數字化升級[J].科技創新與應用，2021，11（29）：116-118.

[6]王增偉，羅探賾.城市火災防控中大數據的應用分析[J].內蒙古科技與經濟，2018（08）：68.

[7]李博.基于消防歷史數據的火災風險和救援難度評估[D].南京：東南大學，2019.

[8]林曉冬.人工智能深度匹配學習在消防警情分析上的應用[J].電信快報，2020（10）：25-28.