基于火灾情况统计数据的消防力量优化分析

周意浩，张存位，罗艺鑫，罗阳洪

(中国人民警察大学，河北 廊坊 065000)

0 引言

火灾事故是当今社会严重威胁人类安全与发展的灾害之一，随着社会经济的不断发展，火灾愈发呈现出事故多发、原因复杂、扑救困难、损失严重等问题。据统计，2016年全国消防部门共接报火灾32.4万起，死亡1 591人，受伤1 093人，直接财产损失41.3亿元。面对严峻的火灾安全形势，必须加快消防安全工作的发展，加强消防队伍建设。

需要明确的是，我国的消防工作也存在发展不平衡不充分的问题，消防力量配备仍无法与日益增长的灭火抢险救援任务相适应。在一些地区，消防力量严重不足的问题日益凸显，消防员承担着繁重的救援任务，长期处于超负荷的工作状态。以四川省为例，截止到2014年底，还有64个县未组建公安现役消防中队，现役消防员数量仅占全省人口的0.007 4%，远低于全国0.012%的水平，但承担着全国近11%的出警量。四川省政府专职队仅有179支，专业救援力量无法全域覆盖，极大阻碍了消防工作的发展。伴随着我国消防体制改革，消防事业将逐步走向职业化道路，蓬勃发展多种形式的消防力量，不断壮大消防队伍，以适应日益繁重的消防任务。在发展消防力量时，应立足实际，优化力量配置，与现实火灾形势相适应，因地制宜，在保证完成任务的同时充分利用消防资源。

基于统计数据展开分析是科学、客观研究火灾形势的正确方法[1]，本文将以四川省为例，根据该省各地区火灾情况统计数据，利用SPSS统计软件，深入分析数据，评价四川省内21个地区的火灾形势，对各地区消防力量优化具有一定的指导意义。

1 四川省各地区火灾情况统计数据

目前，我国火灾统计工作中，反映一个地区火灾概况的基本指标主要有六种，即火灾起数、死亡人数、受伤人数、直接经济损失、烧毁建筑、受灾户数[2]。笔者通过查阅中国消防年鉴(2015、2016、2017)，得到2014年、2015年、2016年四川省分地区火灾情况数据，包括了三年以来四川省18个地级市以及3个少数民族自治州共21个地区的六项火灾概况指标数据[3]。

2014—2016年四川省火灾总体情况见表1。从数据中看出，三年来，四川省总共发生火灾58 727起，死亡295人，受伤239人，造成直接经济损失55 476.1万元，烧毁建筑面积为685 288 m2，受灾户数为8 180户。

表1 2014—2016年四川省火灾概况表

将表中数据均值化处理后进行对比分析，如图1所示。

图1 2014—2016年四川省火灾情况对比

从图1可以看出，三年中火灾起数与死亡人数较为稳定，受伤人数波动较大，其中2014年受伤人数最多，达到132人，直接经济损失逐年上升，烧毁建筑面积逐年下降，受灾户数有较小的波动。下面将根据上述火灾基本情况数据，分年度对四川省21个地区的火灾情况进行综合评价。

2 主成分分析评价四川省各地区火灾情况

综合评价某个地区的火灾情况，需要建立合理、系统的评价模型，将火灾概况六项指标作为评价指标，分别用变量x1、x2、x3、x4、x5、x6表示火灾起数、死亡人数、受伤人数、直接经济损失、烧毁建筑、受灾户数。不难发现，这六个变量之间存在一定的相关性，部分信息重叠，变量过多会增大分析难度，因此，运用主成分分析方法，在尽可能多地保留原始数据信息的情况下，删去多余重复的信息，提取出新的线性不相关的变量，达到降维目的，降低分析难度和复杂程度[4-6]。

2.1 数据处理

本文拟对2014—2016年四川省各个地区的火灾情况进行评价，首先对2014年的统计数据进行分析，表2为2014年四川省21市(州)的六项指标数据。

表2 2014年四川省分地区火灾情况

由于每个指标数据的数量级不同，因此先采用均值化法对数据进行无量纲处理，消除指标量纲和数量的影响，使其较全面地反映原始数据中各指标的变异程度和相互影响程度的信息。将均值化后的数据导入SPSS进行相关性分析，结果表明火灾起数、直接经济损失、受灾户数三者相关性较大，受伤人数与其他五个指标相关性很小，死亡人数、烧毁建筑与其他指标具有一定的相关性。在此基础上进行主成分分析。

2.2 提取主成分

对处理后的数据运用SPSS进行因子分析，采用主成分分析方法，根据计算结果提取三个主成分，记为F1、F2、F3。其中，第一主成分F1的方差贡献率56.163%，能较好地反映原始数据信息，F2的方差贡献率18.528%，F3的方差贡献率18.528%，三者累计贡献率达到了93.219%，大于85%，具有良好的代表性。

通过SPSS软件运算得到三个主成分F1、F2、F3的成分矩阵，根据成分矩阵可以得到三者的表达式：

(1)

可以看出，F1在火灾起数、直接经济损失、受灾户数三个指标上载荷较高，同时在死亡人数、烧毁建筑两个指标也具有一定的载荷量；F2在死亡人数、烧毁建筑两个指标也具有一定的载荷量；F3在受伤人数这一指标上载荷较高。

2.3 计算评价得分

根据三个主成分的贡献率确定其权重，通过加权求和计算评价得分值F。

将数据代入可得到21个地区的指标评价得分并进行排序，结果见表3。

表3 2014年四川省各地区火灾综合评价得分及排序

表3数据中，得分越高表示火灾形势越严峻，火灾损失程度越大。利用2015年、2016年四川省分地区火灾情况数据，采取相同的分析方法，可得到2015年与2016年四川省各地区火灾综合评价得分及排名，如图2所示。

由图2可以看出，只有成都市2014—2016年连续三年排名第一保持不变，其他地区有的排名相对比较稳定，有的则跳跃较大，无法直观地看出各个地区在三年相对较长周期内的火灾形势。下面将利用三年中各地区火灾综合评价得分数据对以上21个地区分类，进一步进行分析。

3 聚类分析评价四川省各地区火灾情况

3.1 聚类分析的原理及方法

聚类分析是基于数据的按照某一特定标准将对象分类到不同的类或簇的一种分析方法，分类后，同一类或簇中的对象具有较好的相似性，不同类的对象有很大的相异性[7]。

系统聚类法是目前使用最为广泛的聚类方法，该方法的基本思想是先将聚类的每个样本都各自作为一类，确定类与类间的距离，然后将距离最近的两类合并成一个新类，重新计算各类间的距离，再进行合并，循环此过程直到所有样本合为一类为止。系统聚类根据类与类之间距离的不同的定义可以分为多种方法：组间联接、组内联接、最近邻元素、最远邻元素、质心聚类法、中位数聚类法和离差平方和法(Ward法)。Ward法基于方差分析的思想，如果分类正确，同类样品之间的离差平方和应当较小，类与类之间的离差平方和应当较大。本文采用Ward法进行聚类分析。

3.2 SPSS软件聚类结果及分析

根据四川省各地区三年以来火灾综合评价得分数据，先对评价得分进行均值化处理后导入SPSS软件，采取系统聚类法对21个地区进行聚类分析。根据数据可知，成都市连续三年火灾综合评价得分排名第一，且明显高于其他地区，因此单独归为一类；遂宁市得分也较高，而且仅在2014年得分与其他地区相异性较大，故排除偶然性仍将其与凉山彝族自治州、达州市、宜宾市、内江市等4个得分较高的地区归为一类；剩下的15个地区由于评价得分较低而归为一类[8]。具体分类情况见表4。

图2 四川各市(州)2014—2016年火灾综合形势排名

表4 四川省各地区火灾情况分类表

应根据各地区的火灾情况，对消防力量进行合理优化，火灾形势相对严峻的地区应具备相对较多的消防工作人员，配备相对完善的车辆、装备，保证充足消防力量；火灾形势相对安全的地区在保证完成消防任务的同时可适当精简人员编制，以充分利用消防资源。

三类地区的平均火灾概况六项指标数据对比见图3。可以看出三类地区的火灾形势具有较为明显的差异性，同时也应明确同类地区中的不同市(州)也有自身不同的实际情况，因此各地消防力量优化应做到因地制宜。

图3 三类地区火灾概况

3.3 消防力量优化建议

各市(州)的消防力量应根据当地的实际情况进行优化，结合各市(州)的GDP、人均GDP、人口密度、城镇化率四个社会因素，对三类共21个市(州)消防力量优化进行分析。图4～图7为各地区的四项社会因素指标，横轴从左至右分别为类别1至类别3的地区(数据来源：四川省统计年鉴)。

3.3.1 类别1中只有成都一个城市。从图3中可以看出，成都市火灾起数、火灾伤亡人数、火灾造成的经济损失都远超其他两类地区的平均水平。成都是四川的省会城市，从图4～图7可以看出，成都市的年GDP达到万亿元以上，经济体量远超其他城市，人口密度大，城镇化水平高。对于成都来说，高经济水平带来了更多的起火因素，导致较高的火灾发生率，火灾造成的经济损失也相对较重，同时城市人口众多，人员密集，火灾造成的人员伤亡基数大。因此，应加大消防投入，增加消防站数量，扩编消防救援人员，完善消防装备，提高消防员素质，以应对多发的火灾事故；同时，加强防火安全工作，对人员密集场所做好消防监督检查，确保建筑内固定消防设施稳定可靠。

图4 三类地区GDP数据

图5 三类地区人均GDP数据

图6 三类地区人口密度数据

图7 三类地区城镇化率数据

3.3.2 类别2中的地区火灾起数略多于类别3，但火灾伤亡人数与火灾造成的损失明显较高，每起火灾造成的损失比较严重。从图4～图7可以看出，类别2中的五个市(州)年GDP相对都是比较高的，但人均GDP水平却不高，这从侧面反映了民众素质还不是很高。除了凉山彝族自治州之外的其他4个城市人口密度相对较大，城镇化水平相对较高。对于遂宁、达州、宜宾、内江等地，城镇人口较多，农村人口大量涌向城镇从事生产工作，但公众的消防安全意识没有跟上，在一些人员密集的生产场所存在较多的火灾隐患。因此，在消防力量配备方面，应增加防火工作人员数量，加强消防监督检查力度，做好消防宣传工作，提高公民消防意识，同时要在一定程度上增强消防救援力量，减少火灾造成的损失。而对于凉山彝族自治州来说，作为少数民族聚居地，凉山州城镇化率较低，人口分布在广大农村地区，消防工作开展难度大，同时建筑的耐火等级普遍不高，从火灾数据来看，火灾烧毁建筑面积大，火灾伤亡人数也较多。因此，针对凉山彝族自治州，应加强多种形式消防队伍建设，根据实际情况建立乡镇消防队、民办义务消防队等；在村内建立微型消防站，配备消防设施；同时加强消防宣传工作，提高群众消防意识。

3.3.3 对于类别3中的地区，应根据当地实际情况进行消防力量配备。例如，对于经济水平较高，人口密度较大的地区，如德阳、自贡、南充等地，为防止火灾造成严重后果，应适当加强消防力量配备，保证足够的救援力量；对于火灾形势较好且稳定的地区，如眉山、广元、雅安等地，在能够继续保持火灾形势稳定的基础上，可适当减少人员编制；对于甘孜、阿坝等地域辽阔、人员稀少，且火灾发生较少的地区，应合理优化消防站的位置，调整消防工作人员数量，同时做好消防宣传，提高群众防火意识，切实加强公众动员，发挥群众力量。

4 结论

4.1 以四川省为例，通过查阅中国消防年鉴，获取2014—2016年四川省分地区火灾情况数据，利用火灾起数、死亡人数、受伤人数、直接经济损失、烧毁建筑、受灾户数六项火灾指标展开分析。

4.2 采用主成分分析法，基于SPSS数据分析软件，对四川省21个地区的火灾情况进行综合评价，计算得分并排序。结果表明，成都市2014年、2015年、2016年连续三年得分均为第一，火灾形势严峻；其他地区三年中排名均有所波动。

4.3 基于21个地区三年的火灾情况综合评价得分，采用聚类分析，将21个地区分为三类，成都市连续三年得分远高于其他地区，单独分为类别1；遂宁市、凉山彝族自治州、达州市、宜宾市、内江市得分较高，聚为类别2；资阳市、眉山市、广元市、雅安市、攀枝花市、自贡市、广安市、绵阳市、南充市、德阳市、乐山市、巴中市、泸州市、阿坝藏族羌族自治州、甘孜藏族自治州得分较低，聚为类别3。

4.4 对于火灾形势严峻，火灾造成损失大的地区，应具备与之相适应的足够的消防力量。根据聚类结果以及各个地区GDP、人均GDP、人口密度、城镇化率四个社会因素对四川省各地区的消防力量优化进行分析，提出了建议。