基于案例推理的火灾事故相似度及应对措施研究
2018-10-10秦霜霜余惠琴宋玲玲
秦霜霜,吕 伟,2,余惠琴,2,宋玲玲,周 婷
(1.武汉理工大学管理学院,湖北 武汉 430070;2.武汉理工大学中国应急管理研究中心,
湖北 武汉 430070)
火灾是人类所面临的各种灾害中发生最频繁、破坏性最大、严重威胁人类生存和发展的灾害之一。近年来,随着我国社会经济、城市化的不断发展,火灾安全形势仍然严峻,火灾发生的数量和损失居高不下。据公安部统计,2016年全国共接报火灾31.2万起,死亡1 582人,受伤1 065人,直接财产损失37.2亿元。因此,如何快速地采取有效措施管控火灾事态、降低火灾事故损失显得尤为重要。而以往火灾事故案例中的应对策略和经验具有很高的学习和借鉴作用[1]。如能从以往的火灾事故案例中借鉴到一些有益的经验教训,对火灾事故的防范和快速有效的应对都具有积极意义。
案例推理(Care-Based Reasoning,CBR)作为人工智能的研究领域之一,其研究源于德克萨斯大学Schank 教授提出的案例推理思想及其模型框架[2]。目前,该领域的研究成果主要表现在五个方面:案例推理研究的兴起与发展、基于案例推理的决策技术、案例属性选择技术、案例推理的应用研究及系统开发、多策略相似性检索方法[3]。在案例推理技术中,案例间的相似性度量是关键技术,学者们提供了多种计算相似度的方法和模型,也提供了一系列检索方法,如人工神经网络法、最近相邻算法(KNN)、遗传算法、相联检索、归纳检索、层次检索和基于知识的检索等。如乔亚男等[4]根据查询词之间的语义相似度,提出了一种查询词相似度加权的邻近性检索方法,可进一步推断用户的实际信息需求,挖掘查询中蕴含的更深层次的信息;史忠贤[5]通过借鉴已有文本处理、文本特征提取和语义相似度计算方法,建立了公共危机事件案例语义相似度计算模型;张骐等[6]引入了本体理论和知网理论,提出了一种新的案例检索模型——基于本体的中文案例检索系统;曾钰鑫[7]运用CBR模型与灰色关联分析法的知识,研究了基于预案库的决策支持系统的关键技术,设计出一种在城市火灾应急系统中用于突发性事件的应急指挥系统;王玉等[8]针对最近相邻算法在大型复杂事例库检索过程中存在的检索效率低、事例特征权值向量难以确定的问题,提出了基于ART1神经网络进行事例层次聚类和基于遗传算法进行特征权值优化的解决方案;于磊等[9]将熵理论和未确知测度理论引入到高层建筑火灾危险性评价中,建立了高层建筑的火灾危险性评价模型;Assali等[10]设计了在知识密集条件下用于医疗诊断的案例推理平台;Shi等[11]提出了一种新的基于CBR的病例相似性模型;Chen等[12]针对维基百科中历史人物的词条和标签描述,将有关历史人物信息的维基百科页面转换为矢量表示,从而能够量化信息相似度;Chazara等[13]通过开发的CBR系统来找到旧产品恢复过程,并尝试生成新产品的升级方案。
案例推理技术已得到了广泛的应用,在企业决策、法律案例、医疗诊断、经济金融、问题求解、灾害应急调度、农业等领域都取得了较好的应用效果,但目前在火灾事故案例库构建及此类案例相似度计算的研究方面还缺少应用与拓展。为此,本文以火灾事故为例,探讨了火灾事故案例相似度的实践应用方法。即:在对火灾事故案例进行全面调查、统计和分类分析的基础上,建立了火灾事故案例特征指标体系,并构建了完整的火灾事故案例库;结合信息熵的方法确定指标权重,构建了火灾事故案例相似度计算模型,并从案例库中查找与目标事故案例最相似的历史案例,以及该历史案例发生的经验教训,以为当前火灾事故案例的原因调查与防范应对提供借鉴。
1 火灾事故案例特征指标体系的建立
本文主要通过各大网站新闻报道和火灾事故调查报告收集火灾事故案例信息,为了方便案例相似度匹配计算,根据火灾发生的时间、地理位置、场所、起火原因、可燃物、事故后续信息六个方面[13],建立了火灾事故案例统计指标体系,见表1。
表1 火灾事故案例统计指标体系
在火灾事故案例统计体系中,前五个一级指标描述的是火灾事故发生时的基本特征信息,用来做相似度值的初步计算,得到初步的相似历史案例。其中,火灾场所根据空间位置分为四类;起火原因根据火灾事故的具体情况,分析整理为了九类[14];可燃物根据国家标准《火灾分类》(GB/T 4968—2008)中划定的七类进行分类;事故后续信息指标主要描述火灾事故发生后造成后果的严重程度,用来进一步匹配火灾事故后果相似的历史案例。
为了简化案例相似度匹配计算,需对指标进行分类及数值化处理,火灾事故案例统计指标具体分类取值见表2。
由于收集的火灾事故案例范围较广,且国内外地理环境皆有差异,故对火灾事故的影响不同,本文将国内、国外列为火灾事故案例的指标之一;根据火灾场所的用途及性质将地上火灾和地下火灾做了进一步分类;火灾事故等级是根据《生产安全事故报告和调查处理条例》中规定的等级标准,将原来的特大火灾、重大火灾、一般火灾3个等级调整为特别重大火灾、重大火灾、较大火灾和一般火灾4个等级。表1中其他的二级指标如受伤人数X26、死亡人数X27、经济损失X28等可以通过火灾事故调查报告直接获取;指标X7、X8、X9~X14、X18~X24亦可通过事故报道进行判断,即属于则取值为1,不属于则取值为0。
表2 火灾事故案例统计指标的分类取值
2 火灾事故案例库的构建
本文搜集了从1990年至2017年发生在世界各地不同类型的343起火灾事故案例,每个火灾事故案例的内容都按照“标题+时间+地点+事故详情+经验教训”的格式编辑,其中事故详情包括事故原因、财产损失、伤亡人数、事故处理等基本信息,并以“地点+直接起火原因+火灾事故等级”的格式命名,形成一个独立的火灾事故文本,343起火灾事故文本集合在一起,初步构成火灾事故文本案例库。
按照上述的固定模式编辑火灾事故案例,主要是为了方便在按照表1和表2统计火灾事故指标时,能够一目了然、快速地找到相应的信息。将343起火灾事故案例按照表1和表2统计出相关指标,可得到火灾事故案例库,这里截取了前十个案例的指标特征属性值数据,见表3。例如案例编号为5的火灾事故是1993年发生在河北省唐山市东矿区林西百货大楼的“2·14”特大火灾事故,其各项指标的含义如下:X1为4,表示事故发生在第四季度(12~2月);X2为2,表示事故发生在下午(12∶00—18∶00);X3为1,表示事故发生在国内;X4为2,表示事故发生地属于华北地区;X5~X8表示火灾发生的场所,其中X5为1,X6、X7、X8为0,表示此次事故属于地上火灾中的民用建筑火灾;X9~X17表示事故的起火原因,其中X13为1,其他几项指标均为0,表示此次事故为违章操作所致;X18~X24表示事故可燃物的类型,其中X18为1,其他几项指标均为0,表示此次事故的可燃物是电器,属于A类;X25为1,表示此次事故属于特别重大火灾事故;X26为55,表示此次事故的受伤人数为55人;X27为80,表示此次事故的死亡人数为80人;X28为0.04,表示此次事故造成的直接经济损失达400万元。同理,其他火灾事故案例以此类推。
表3 火灾事故案例库及指标特征属性值
3 火灾事故案例相似度计算模型的构建
3. 1 确定指标权重
在建立的火灾事故案例统计指标体系中,由于每个指标的地位、重要程度和反映的情况都不相同,因此需要对每个指标的重要程度进行评价,以确定其权重[15]。信息熵是通过计算数据的熵值来判断数据中某个属性的离散程度从而确定指标权重的一种客观赋权法,用以表示系统的不确定性、稳定程度和信息量。数据中的信息越多,就越有可能确定信息内容,其不确定性越少,熵值就越小,反之熵值越大。利用信息熵数据计算案例库中指标权重的方法如下:
(1) 假设案例库中有n个案例和m个指标特征属性,设Xij为第i个案例的第j个指标特征属性值,对案例库中指标特征属性值进行标准化处理:
(1)
(2) 计算第i个案例的第j个指标特征属性值占案例库该指标总特征属性值的比重,有:
(2)
式中:pij表示第i个案例的第j个指标特征属性值占案例库该指标总特征属性值的比重。
(3) 计算第j个指标特征属性值的熵值,有:
(3)
式中:ej表示第j个指标特征属性值的熵值。
(4) 计算第j个指标特征属性值的信息熵:
dj=1-ej
(4)
式中:dj表示第j个指标特征属性值的信息熵。
(5) 计算第j个指标特征属性值的权重:
(5)
式中:wj表示第j个指标特征属性值的权重。
3. 2 构建火灾事故案例相似度计算模型
本文在采用信息熵计算指标权重的基础上,结合向量空间相似度计算方法,构建了火灾事故案例相似度计算模型。假设n个火灾事故案例构成集合A={a1,a2,…,an},每一个案例ai都由m个指标特征属性值构成,历史案例ai的指标特征属性向量表示为u=(X1,X2,…,Xm),目标案例b的指标特征属性向量表示为v=(Y1,Y2,…,Ym),第j个指标特征属性的权值为wj,则历史案例ai与目标案例b之间的相似度为
(6)
式中:sim(ai,b)表示历史案例ai与目标案例b之间的相似度;Xj为案例库A中的第i个案例的第j个指标特征属性标准化后的值;Yj为目标案例b的第j个指标特征属性标准化后的值;wj为第j个指标的权重。
利用公式(6)可以计算出目标案例b与案例库A中n个案例的向量空间相似度,从而得到案例相似度集合。
4 火灾事故案例分析
本文将2017年2月25日发生在南昌市的一起重大生产安全责任火灾事故作为目标案例。首先将目标案例的内容编制成与历史案例同样的格式,提取其特征指标录入案例库中;然后与历史案例进行相似度计算,并根据计算结果选取与其最相似的10个历史案例;最后对相似历史案例进行分析,总结出目标案例的应对策略。
4. 1 确定指标权重
本文利用表1中的前五个一级指标共24个二级指标做相似度的初步计算,4个事故后续信息指标主要用来对相似案例做进一步的分析。表4为利用信息熵的方法计算得到的指标权重。
表4 指标权重的计算结果
4. 2 案例相似度计算与案例匹配
在整理目标案例内容的基础上,根据指标特征体系逐一统计指标特征属性值,得到目标案例的指标特征属性向量,见表5。
表5 目标案例的指标特征属性向量
本文结合相似度计算模型,使用Matlab软件计算出历史案例库中各案例指标特征属性向量与目标案例指标特征属性向量的相似度,表6列出了案例库中与目标案例相似度排名前十的案例。
表6 历史案例库中与目标案例相似度排名前十的案例
历史案例库中,第288号、3号、343号、89号、300号火灾事故案例均是因为施工人员在焊接过程中严重违反操作规程导致的,其他几起火灾事故也主要是人为原因所致,包括操作人员用电不当、违规使用危险工具作业和小孩玩火等;相似案例发生的场所主要集中在企业的生产厂房、商场和居民楼等人员较密集、用电设备较多、可燃易燃物品较多的区域,一旦发生火灾容易造成较大的人员伤亡和财产损失。此外,第288号和第3号这两起火灾事故案例的地理信息、起火原因和可燃物类型与目标案例基本一致,这两起火灾事故历史案例分别是1993年的唐山林西百货大楼特别重大火灾和2011年的上海“11·15”教师公寓特别重大火灾。目标案例与上述两起火灾事故历史案例的共同点有:火灾发生地都正在改造,装修工程施工违法违规;起火原因皆为施工过程中严重违反操作规程导致溅落的火星点燃可燃物,主要原因有焊接人员无证上岗、焊接场所有大量可燃物堆放、焊接过程没有采取有效的防护措施等。火灾发生后,现场人员没有第一时间报警,也没有采取有效的灭火措施,导致火势无法控制,最终演变成为重大灾难。由于大面积的可燃物堆积,火情很容易扩大,容易造成现场混乱,导致严重的人员伤亡情况发生。相较于目标案例10人死亡、13人受伤、直接经济损失2 778万元,这两起火灾事故历史案例的人员伤亡及财产损失情况分别是:81人死亡、54人受伤、直接财产损失401万元,58人死亡、71人受伤、直接经济损失1.58亿元,伤亡损失情况都很严重。因此,本文主要通过分析这两起火灾事故历史案例与目标案例之间的异同,以为目标案例制定应对策略提供借鉴。
4. 3 火灾事故的应对措施
目标案例造成火势迅速蔓延和重大人员伤亡及财产损失的主要原因是:施工现场堆放有大量废弃沙发且动火切割作业未采取任何消防安全措施,造成火势迅速蔓延并产生大量高热有毒有害烟气,以及消防设施被停用、疏散通道被堵塞、消防设施管理维护不善等多种不利因素。结合历史案例的其他因素,如报警不及时、工作人员安全意识缺乏及素质低、企业管理混乱、施工现场安全监管缺位等,本文总结出目标案例火灾事故的应对措施如下:
(1) 电焊人员必须经过专门培训并取得合格证;电焊作业前要彻底清理周围可燃物,不能清除时要用石棉板隔绝或用水喷湿;在大风环境电焊作业时要设置挡风板,防止火花飞溅引起火灾;在电焊作业时要设监火人,并准备好灭火器材;焊接结束后要对现场认真检查,防止遗留下火种。
(2) 企业要建立健全领导消防安全责任制,增强施工人员的防火意识,树立“安全第一、预防为主”的思想,克服“重生产经营轻安全”的做法。企业生产要严格遵守国家有关的消防安全法规,必须经安全及消防部门批准,并具备生产条件、合理的安全制度和措施的情况下组织生产。
(3) 职工的消防安全意识和素质是企业做好消防安全的根本,企业安全负责人要做好职工的消防安全教育和培训,运用多种方法增强职工的安全意识,特别是对一些特殊工种,如电焊工,必须要做好上岗前的培训,杜绝违章操纵。
(4) 企业相关负责人要加强现场安全监管,消除火灾隐患,并在现场施工中严格执行动火管理制度,并严格落实电、气焊作业中的安全防范措施。
(5) 公安机关消防机构要加强企业的消防安全监督检查,切实履行监督执法职责,明确将消防安全条件作为公众聚集场所、文化娱乐场所和易燃易爆场所开业、使用前的重要行政审批与许可的门槛。
5 结 论
本文建立了火灾事故案例统计指标体系,并对指标进行分类及数值化处理,搜集了近三十年来世界各地发生的343起典型火灾事故案例,在此基础上构建了火灾事故案例数据库;结合信息熵的方法确定了指标权重,构建了火灾事故案例相似度计算模型,并将该模型运用于火灾事故目标案例的分析中,检索出与目标案例相似程度最高的10个历史案例,通过比较目标案例与检索出的相似案例之间的指标信息,验证了所构建的案例匹配模型的有效性;通过分析目标案例与检索出的相似案例的事故原因,结合相似案例发生后的应急处置措施,强调了企业建立健全领导消防安全责任制、增强施工人员的防火消防意识、做好职工的消防安全教育和培训、加强现场监管以及加强消防安全监督检查等措施的重要性。