面向城市消防站選址規(guī)劃的時空動態(tài)火災風險建模分析.pdf

1、當前，中國的城鎮(zhèn)化建設處于高速發(fā)展的階段，與此同時，城市火災風險居高不下。我國城市的消防規(guī)劃相對滯后于城鎮(zhèn)化的快速發(fā)展，特別對于城市的未來發(fā)展以及對火災風險的發(fā)展考慮得不夠全面，同時，考慮時空動態(tài)分布的火災風險影響下的消防資源布局方面的研究也較少。本文通過引入相關(guān)數(shù)學模型來綜合考慮時空變化對城市火災發(fā)生的影響，充分考慮火災發(fā)生的時空變化特征，并在此基礎上發(fā)展一種與城市發(fā)展相適應的、動態(tài)的消防站選址規(guī)劃模型，可為提高城市消防規(guī)劃的科學性提

2、供理論支撐。主要工作如下:
　　1.城市尺度火災發(fā)生的空間分布研究
　　通過使用機器學習算法和空間計量經(jīng)濟學模型對市域尺度的城市火災的發(fā)生進行空間建模，從而預測或者解釋火災發(fā)生的空間分布。
　　首先，我們使用機器學習算法進行分析。針對特征選擇得到的重采樣結(jié)果顯示，在訓練集中，四種機器學習算法中隨機森林模型（RF）的預測精度最高。樣本點距離消防站的距離、人口的分布、企業(yè)工廠的分布、道路密度、溫度的分布以及海拔是選入RF中

3、的自變量，說明這些變量對火災風險的貢獻度最大。同時隨機森林算法在訓練集和測試集上均預測效果較好，差別不大，說明其較為穩(wěn)健。
　　之后，通過對空間計量經(jīng)濟學模型進行分析，結(jié)果顯示空間通用模型(SAC)的赤池信息準則(AIC)值最小，也即擬合效果最好。結(jié)果顯示道路密度對火災密度有正相關(guān)的關(guān)系，而溫度、海拔以及距離消防站的距離這三個變量均與火災密度呈負相關(guān)的關(guān)系。結(jié)果說明人類的活動對于火災發(fā)生有著相當重要的作用，同時也對空間回歸模型的貢

4、獻度相對較大。同時，SAC模型在訓練集上均表現(xiàn)良好，但在測試集上均與訓練集的預測效果相差較大。這說明空間通用模型更適合對火災風險進行解釋。
　　總之，在模型的適用性方面，我們發(fā)現(xiàn)RF能夠表現(xiàn)出更穩(wěn)健的預測能力，魯棒性較強。而對于空間計量經(jīng)濟學模型，它們則能夠從特定數(shù)據(jù)集（訓練集）中隱藏的空間分布規(guī)律和聚類特征入手，采用空間權(quán)重矩陣準確地刻畫市域尺度下城市火災發(fā)生的空間規(guī)律與影響較大的自變量，更適合于解釋火災的發(fā)生，但總體上要強于隨

5、機森林算法。同時，通過對最終得到的SAC與RF模型在整個數(shù)據(jù)集上進行預測，結(jié)果顯示，SAC在總體上要優(yōu)于RF。進一步通過對模型的殘差進行分析和可視化，結(jié)果顯示SAC比RF更能解釋火災發(fā)生的空間結(jié)構(gòu)。
　　2.城市尺度火災發(fā)生的時間分布研究
　　通過使用小波變換的方法對火災與氣象因素的時間序列進行分析，進而揭示時間序列中存在的潛在規(guī)律與變化共性，之后使用經(jīng)典的自回歸移動平均模型與MCMC對火災頻次的時間序列進行擬合，最終得到時

6、間維上的城市火災風險發(fā)展趨勢。
　　首先，通過小波變換來分析火災頻次的時間序列，結(jié)果顯示存在四個特征時間尺度，分別為4，18，34，56個月，火災頻次的周期性波動在56個月（4-5年）這樣的時間尺度上周期性最強，適合于在較大的年際尺度上進行火災周期性的研究分析?？梢詮亩ㄐ缘慕Y(jié)果中推測在2010-2011年火災頻次將呈現(xiàn)下降趨勢，之后將繼續(xù)上升。
　　其次，氣象因素的時間序列通過小波分析，發(fā)現(xiàn)不同的變量存在不同的特征時間尺度集

7、合。它們均包含18個月的特征時間尺度，這說明氣象因素也和火災頻次的時間序列擁有共同的平均變化周期為12個月。
　　最后，通過使用經(jīng)典的時間序列模型對火災頻次進行建模，通過比較，最終選用ARIMA(0，1，1)模型來進行建模。另一方面，我們選用MCMC模型來進行時間序列建模，結(jié)果顯示日照時長的系數(shù)值最大，表示其對火災發(fā)生的影響最大。同時，日照時長與相對濕度的系數(shù)值為正，表示與火災發(fā)生的頻次正相關(guān);平均溫度與降水量的系數(shù)值為負，表示與

8、火災發(fā)生的頻次負相關(guān)。另外，去除氣象變量后的MCMC模型與包含氣象變量的MCMC模型進行了對比，結(jié)果表明加入氣象因素的MCMC模型的擬合度更好，更能勾勒時間序列中的波動。
　　3.城市尺度火災發(fā)生的時空分布研究
　　通過使用以最小二乘法(OLS)為基礎的全局線性回歸模型(LM)進行分析，對比了全局模型與局部模型在火災風險預測方面的效果，最終可以得到火災風險分布的時空模型。
　　首先，我們使用空間交叉驗證(SCV)對自變

9、量進行選擇。使用SCV進行線性回歸訓練的結(jié)果顯示，道路密度與工廠企業(yè)的空間分布是火災風險建模中最重要的變量，與火災的發(fā)生密切相關(guān)，但是前者對于火災風險正相關(guān)，而后者為負相關(guān)。
　　之后，我們使用選擇的自變量進行了地理加權(quán)回歸(GWR)與時空加權(quán)回歸(GTWR)兩種局部擬合模型對火災風險進行解釋與預測。結(jié)果顯示，擬合效果GTWR＞GWR＞LM。通過提取模型中的自變量的系數(shù)并進行可視化，結(jié)果顯示，對于相同的自變量，其系數(shù)值與顯著度水平

10、在不同時間截面的相同位置處發(fā)生了一定程度的變化。
　　最后，通過對不同區(qū)域顯著變量的數(shù)目進行分析，結(jié)果顯示參數(shù)的空間異質(zhì)性分布規(guī)律主要集中在城市的非中心區(qū)，往往是一些人類局部活動性較為集中的次中心地帶或者集鎮(zhèn)、縣城等地區(qū)。通過對三個模型產(chǎn)生的殘差進行半異方差檢測，結(jié)果顯示GTWR對于火災發(fā)生的空間結(jié)構(gòu)的解釋程度最強。同時，在模型的獨立測試階段，GTWR也顯示出比GWR、OLS更為準確的預測能力。
　　4.基于火災發(fā)生時空動態(tài)

11、模型的城市消防站選址規(guī)劃模型
　　首先，在前文工作的基礎上，我們可以預測未來一段時間的火災風險空間分布，進而建立改進的城市消防站選址規(guī)劃模型。通過使用遺傳算法進行選址模型的模擬仿真，結(jié)果顯示使用基于匹配度與多重部分覆蓋模型的選址模型更能體現(xiàn)出實際消防規(guī)劃中的“等級對應”思想，也即不同等級的風險應和同等級的預防措施相對應。風險越高，消防站的出動時間應越小，救援路徑應越短。因此，當目標函數(shù)為匹配度時，我們所建立的新模型與其他經(jīng)典選址模