“人少事多”是很多消防一线工作人员共同的感慨。数据显示，苏州2015年实有人口1300万 ，全市拥有各市场主体90万户，但消防监督员仅有170人。90万户与170人之间的落差，凸显了消防预警监管难的现实问题。从2015年10月至今年3月底，在警力无增长的情况下，苏州隐患发现量同比上升268%，火灾起数同比下降15.5%，这归功于苏州消防推出“火眼”火灾风险预测系统。

  韩小强

  系统预测降低火灾发生

  今年一季度，苏州消防支队利用“火眼”的大数据预测功能，在昆山、常熟两地各抽取了100家“红色预警”单位进行系统测试，常熟对选取的100家企业采取了针对性检查，最终火灾发生同比下降15%；而没有进行干预的昆山，火灾发生率保持不变。

  提起“火眼”火灾风险预测系统，苏州市消防支队支队长朱亚明告诉记者，从去年底至今，在警力无增长的情况下，通过参考大数据火灾风险预测实施针对性检查，苏州实现了火灾隐患发现量的大幅上升和火灾起数的显著下降，同时，相关大数据平台用于灭火救援，还带来了消防作战能力明显提升的实效。统计显示，通过优化站点部署、提高救援指挥环节效率等，目前，消防部门灭火救援的平均到场时间比两个月前快了3分半钟。

  大数据分析火灾概率

  据了解，以往消防监督工作采用的是对消防重点单位进行界定，但是从苏州过去6个月的数据来看，这类单位的火灾只占火灾总数的1.7%，这一方面可以说明重点单位的管理是卓有成效的，但同时也会发现一些“小单位、大事故”的情况屡屡发生。事实上，消防安全重点单位不应完全等同于消防监督工作重点。“火眼”大数据火灾风险预测系统成功将这两个重点的概念区分开来，并提供了解决方案。

  记者了解到，“火眼”的大数据汇聚消防安全相关数据近5亿条，包括苏州全市90万家市场主体、8375家消防重点单位、805家石化企业的基础数据。在这些大数据的基础上，利用人工智能技术，通过对火灾、单位建筑、隐患、违章行为等历史数据进行智能分析，可预测未来三个月单位建筑的火灾概率。

  “火眼”判定消防监督重点

  “火眼”系统针对苏州消防监督管理系统中的9.6万幢建筑， 让“火眼”依据此前学习的智能模型，计算每一幢建筑的火灾风险，并取出火眼预测风险最高的5%，共4800幢建筑 。而这些建筑实际发生火灾的情况占了全部单位实际火灾的25%。同时， “火眼”判定为低风险的30%的单位，占了实际火灾的1%。这从一个侧面反映出“火眼”对于单位火灾风险的智能评估的有效性。

  “有了火眼的帮助，我们可以更加有针对性地开展日常安全防范工作，例如智能分级预警、单位及行业分析、区域风险评估等研判，并基于预测预警推动单位自查、智能巡检及质态评估等工作。”苏州消防相关负责人表示，预警结果还可自动推送给单位及人员，包括社会单位、消防监督员及派出所民警，第一时间发现最有可能发生火灾的建筑，提高日常巡检指向精确度，发挥有限警力的最大工作效率，最大限度避免火灾的发生。