一种基于大数据的消防安全评价能力构建方法与流程
本发明涉及城市公共安全技术领域，尤其涉及一种基于大数据的消防安全评价能力构建方法。
背景技术：
消防工作是国民经济和社会发展的重要组成部分，是构建和谐社会的重要保障。消防隐患的识别与消除是城市消防安全的重要课题，也是公安部构建社会消防安全“防火墙”工程所提出的“四个能力”的重要组成部分。
消防安全风险综合评价是指以统计学为基础，分析影响区域消防安全的因素集，如建筑性质、年龄、杂物堆放情况等；然后评价它们影响程度的等级和权重再进行分析计算；再通过系统工程的方法考察各系统组成要素的相互作用，做出对整个评估对象的消防安全性能评价；在当前对消防隐患评级过程中，主要采用基于消防业务人员的主观评价，或基于消防业务参考手册所建立的安全评价打分体系，通过评价总分等于分项得分乘以分项权重的方式对评估对象的整体消防安全性能进行评估。
对于当前的安全评价来说，其分项指标确定依赖于业务人员对消防风险源辨识以及各因素的层级结构等主观逻辑分析；指标权重的确立方法主要依赖于平均分配、业务人员制定、ahp层次分析法等。当前对于分项指标选取与分项指标权重的设定较为主观，易受业务人员经验与水平影响，客观性不足；对当前智慧城市建设中所产生的大量数据没有得到合理的应用，缺少一个可用于横向比较的、标准化的评价标准。特别是在面对庞杂的火灾相关因素，如何能够筛选提取出最适合用于评估消防风险的指标项并设定具体权重，现在还没有一套成熟可靠的方法。
技术实现要素：
(一)发明目的
为解决背景技术中存在的技术问题，本发明提出一种基于大数据的消防安全评价能力构建方法，本发明通过对大量火灾数据的分箱以及对与火灾相关因素进行筛选，确定各相关因素权重，构建消防安全评价得分的计算模型，能为城市的消防安全工作提供消防安全评价的能力，并能对城市区域发生火灾的风险进行评估并以此指导城市消防隐患排查工作。
(二)技术方案
本发明提供了一种基于大数据的消防安全评价能力构建方法，包括以下步骤：
s1：选定区域a；通过获取消防业务单位以及消防执勤单位的相关历史业务数据，并以月为单位对区域a内历史起火原因进行统计，得到区域a内b个火灾事件样本；再将b个火灾事件样本中的各样本按照发生火灾的频率将b个火灾事件样本分为c个高风险样件和d个低风险样例，并选择b个火灾事件样本中的r个样本作为模型训练集和z个样本作为检测集；其中，c的数量和d的数量之和为b的数量；r的数量和z的数量之和为b的数量；
s2：再对r个样本进行分析，获取各火灾事件的火灾起因和火灾的发展与处置过程，并结合消防法规中具体的相关规定描述，得到e个导致火灾发生的消防安全变量；
s3：对e个导致火灾发生的消防安全变量进行处理，得到离散变量、定性变量以及连续变量；其中，对离散变量与定性变量采取直接分箱以及对连续变量分箱采用卡方分箱法进行分箱，得到f个第一评价指标；
s4：基于信息熵计算f个第一评价指标中各评估指标的信息价值iv，再去除掉信息价值iv值小于设定阈值的评估指标，得到与火灾发生相关度高的j个第二评价指标；其中,信息价值iv的阈值设定为o.01；对于特定分箱数为i的指标，其信息价值iv的具体计算方法如下:
s5：根据各箱内的火灾高风险样本数量排序，对于分箱总数为m的指标i，当该指标i的属性处于排名第j名的分箱内时，则指标i的分数为qi；其中
s7：对区域a内的r个样本一一进行打分，得到r个评分xij；再构建r个样本的评分矩阵；
s8：对评分矩阵中每一列的矩阵评分xij转化为标准化的数值评分yij；yij的计算公式为：
其中，max(xi)表示此项指标的最高得分；min(xi)表示此项指标的最低得分；
s9：根据信息熵的计算公式，计算出各个指标标准化评分的信息熵ej；ej的计算公式为：
其中，
s10：将各指标的权重归一化得到各指标权重wj；wj的计算公式为：
s11：以区域a内各指标i进行消防风险评估，得到各指标i的评价得分qi，其中，qi的计算公式为：
s12：再根据检测集内的z个样本按照s2-s11对检测评价得分qi进行验证；验证成功后输出安全评价得分qi的计算模型。
优选的，s1中对区域a选定后，再结合gis地图对区域a内火灾发生地点进行落图，并以网格为单位对区域a进行统计划分。
优选的，s2中导致火灾发生的消防安全变量包括但不限于家庭年收入、家庭人员数量、家庭用电量、家庭用煤气量、火灾发生时间、建筑年龄、是否有消防电梯、消防设施使用年限、人流量、人均居住面积、水栓数量、易燃物密集度、距离消防救援点距离、是否高层、消防设施部署密度、消防设施是否多元化、消防宣传张贴密度、强弱电线路情况、通风情况、气候情况、是否配单独送水泵、是否配单独供电发电系统以及楼间距。
优选的，s3中卡方分箱法包括以下具体步骤：
s31、根据自由度和显著性水平得到对应的卡方阈值；
s32、对需离散的连续性数值变量实例进行排序，每个实例属于一个区间；
s33、计算每对相邻实例区间卡方值x2；x2的计算公式为：
s34、将卡方值最小的一对区间合并；
s35、重复s33和s34直至最小卡方值超过设定阈值，则完成连续变量的分箱工作。
本发明的上述技术方案具有如下有益的技术效果：
本发明通过对过往火情火警案例分析，客观量化的对与火灾相关因素进行筛选，确定各种造成火灾发生因素的评价指标打分标准与指标权重，构建消防安全评价得分qi的计算模型，借此对区域发生火灾的风险进行评估并以此指导城市消防隐患排查工作；通过安全评价得分qi的计算模型对建筑物进行评分，可辅助对一些存在严重安全隐患的建筑物进行提前排查，将火灾扼杀在摇篮中，保障城市公共安全，本发明为排查区域内消防薄弱环节与消防隐患识别提供有效的帮助，具有非常有价值的指导意义；
另外，本发明是基于大量的历史火警火情数据对单元内消防安全等级进行构建安全评价得分qi的计算模型，这是一种对大数据系统应用的有效运用，能帮助我们更深的理解城市消防安全这一复杂系统的运行规律；本发明基于熵权法对所需要评估的消防指标做权重评估，以往的权重评估多是一些层次分析法、专家打分法，这些方法有更多的主观因素，而熵权法相对那些主观赋权法，精度较高客观性更好，能够更好的解释所得结果。
附图说明
图1为本发明提出的一种基于大数据的消防安全评价能力构建方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
如图1所示，本发明提出的一种基于大数据的消防安全评价能力构建方法，包括以下步骤：
s1：选定区域a；通过获取消防业务单位以及消防执勤单位的相关历史业务数据，并以月为单位对区域a内历史起火原因进行统计，得到区域a内b个火灾事件样本；
再将b个火灾事件样本中的各样本按照发生火灾的频率将b个火灾事件样本分为c个高风险样件和d个低风险样例，并选择b个火灾事件样本中的r个样本作为模型训练集和z个样本作为检测集；其中，c的数量和d的数量之和为b的数量；r的数量和z的数量之和为b的数量；
s2：再对b个火灾事件样本进行分析，获取各火灾事件的火灾起因和火灾的发展与处置过程，并结合消防法规中具体的相关规定描述，得到e个导致火灾发生的消防安全变量；
s3：对e个导致火灾发生的消防安全变量进行处理，得到离散变量、定性变量以及连续变量；其中，对离散变量与定性变量采取直接分箱以及对连续变量分箱采用卡方分箱法进行分箱，得到f个第一评价指标；
s4：基于信息熵计算f个第一评价指标中各评估指标的信息价值iv，再去除掉信息价值iv值小于设定阈值的评估指标，得到与火灾发生相关度高的j个第二评价指标；需要说明的是，信息价值iv代表单一指标对火灾发生情况的预测能力；
其中,信息价值iv的阈值设定为o.01；对于特定分箱数为i的指标，其信息价值iv的具体计算方法如下:
s5：根据各箱内的火灾高风险样本数量排序，对于分箱总数为m的指标i，当该指标i的属性处于排名第j名的分箱内时，则指标i的分数为qi；其中
s7：对区域a内的r个样本一一进行打分，得到r个评分xij；再构建r个样本的评分矩阵；
s8：对评分矩阵中每一列的矩阵评分xij转化为标准化的数值评分yij；yij的计算公式为：
其中，max(xi)表示此项指标的最高得分；min(xi)表示此项指标的最低得分；
s9：根据信息熵的计算公式，计算出各个指标标准化评分的信息熵ej；ej的计算公式为：
其中，
s10：将各指标的权重归一化得到各指标权重wj；wj的计算公式为：
需要说明的是，本方法对具体指标权重的确定是依赖于熵权法：按照信息论基本原理的解释，信息是系统有序程度的一个度量，熵是系统无序程度的一个度量；如果指标的信息熵越小，该指标提供的信息量越大，在综合评价中所起作用理当越大，权重就应该越高；
s11：以区域a内各指标i进行消防风险评估，得到各指标i的评价得分qi，其中，qi的计算公式为：
s12：再根据检测集内的z个样本按照s2-s11对检测评价得分qi进行验证；验证成功后输出安全评价得分qi的计算模型。
本发明通过对过往火情火警案例分析，客观量化的对与火灾相关因素进行筛选，确定各种造成火灾发生因素的评价指标打分标准与指标权重，构建消防安全评价得分qi的计算模型，借此对区域发生火灾的风险进行评估并以此指导城市消防隐患排查工作；通过安全评价得分qi的计算模型对建筑物进行评分，可辅助对一些存在严重安全隐患的建筑物进行提前排查，将火灾扼杀在摇篮中，保障城市公共安全，本发明为排查区域内消防薄弱环节与消防隐患识别提供有效的帮助，具有非常有价值的指导意义。
在一个可选的实施例中，s1中对区域a选定后，再结合gis地图对区域a内火灾发生地点进行落图，并以网格为单位对区域a进行统计划分；其中，区域划分颗粒度可根据分析的需要调整，包括但不限于建筑物、网格、街道以及区域等。
在一个可选的实施例中，s2中导致火灾发生的消防安全变量包括但不限于家庭年收入、家庭人员数量、家庭用电量、家庭用煤气量、火灾发生时间、建筑年龄、是否有消防电梯、消防设施使用年限、人流量、人均居住面积、水栓数量、易燃物密集度、距离消防救援点距离、是否高层、消防设施部署密度、消防设施是否多元化、消防宣传张贴密度、强弱电线路情况、通风情况、气候情况、是否配单独送水泵、是否配单独供电发电系统以及楼间距。
在一个可选的实施例中，s3中卡方分箱法包括以下具体步骤：
s31、根据自由度和显著性水平得到对应的卡方阈值；
s32、对需离散的连续性数值变量实例进行排序，每个实例属于一个区间；
s33、计算每对相邻实例区间卡方值x2；x2的计算公式为：
s34、将卡方值最小的一对区间合并；
s35、重复s33和s34直至最小卡方值超过设定阈值，则完成连续变量的分箱工作。
在一个可选的实施例中，包括以下步骤：对选取的测试样例分别通过安全评价得分qi的计算模型进行评分，将其转换为百分制后对评分进行划分：
当样例得分不小于60分，则记为具有该样本因素的区域具有高风险发生火灾；
当样例得分不大于60分且不小于50分时，则记为具有该样本因素的区域具有中风险发生火灾；
当样例得分不大于50分时，则记为具有该样本因素的区域具有低风险发生火灾；经根据实际样本验算，该安全评价得分qi的计算模型的查准率到达95.0％，达到较高水平。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
- 还没有人留言评论。精彩留言会获得点赞！