人工智能技术应用在火灾统计领域的思考

信文｜姚永锋 安震鹏

目前，各级消防部门和领导干部也已经深刻认识加快发展新一代人工智能的重大意义，并根据中央政府的战略部署，推动人工智能与消防领域应用的深度融合，应用人工智能技术是火灾统计领域发展的新趋势

当前，消防火灾统计的信息化建设已初具规模，基础的电子化、数据化应用系统已不能满足日益变换的业务需求，人工智能等新一代信息技术更加适合服务于消防火灾统计业务。目前，大数据+深度学习正成为现阶段人工智能各领域研究的最重要范式，也是当前人工智能产业化的主要驱动力量。在这一主流技术路线引领下，全球人工智能技术正在表现出三大特点：算法方面，深度学习模型和方法持续创新；算力方面，模型复杂度和算力需求门槛越来越高；数据方面，开放性平台和比赛进一步促进了技术演进。

应用人工智能技术是火灾统计领域发展新趋势

一是业务需求是应用方向。随着国家综合性消防救援队伍的建立，根据新时代消防工作的需求，立足于满足火灾防控“精准化”、消防救援“智能化”、执法工作“规范化”、队伍管理“精细化”的实际需求，科学运用人工智能技术，将消防统计数据“用对、用活、用好”，切实有利于“事前提早感知，事发快速报警，事中态势研判，事后灾害评估”的全过程精细化和数字化，实现精细化动态管理和科学化高效处置，从而提高我国消防安全整体水平。

二是科技水平是应用基础。当今世界，人工智能技术作为人类社会最重要的技术变革，将给我们的生产方式、生活模式和管理制度带来深刻改变，也会深刻地影响消防领域的各项业务工作。人工智能涵盖机器人、自然语言、图像识别、数据管理等领域，是科技的高度智能化，可以对人的意识、思维过程进行模拟，通过各种技术手段生产出一种与人类智能有相似能力的技术。人工智能技术在无人机控制、语音语义识别、车辆特征识别、金融数据管理等专业领域已经开展了初步应用。随着人工智能理论和技术日益成熟，应用领域不断扩大，未来的人工智能将会是社会各类行业以及消防行业人类智慧的“容器”。

三是政策环境是应用趋势。2018年，中共中央政治局就人工智能发展现状和趋势举行第九次集体学习。习近平总书记强调，人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。为此，我国不断推进人工智能的行业发展，中央政府为人工智能建立了专门的财政引导，设立市场资金机制。不断优化人工智能产业，推广新技术的运用，进一步加快了人工智能的发展。各级消防部门和领导干部也已经深刻认识到加快发展新一代人工智能的重大意义，并根据中央政府的战略部署，推动人工智能与消防领域应用的深度融合。

火灾数据统计领域与人工智能结合的方向

人工智能是科技的高度智能化，可以对人的意识、思维过程进行模拟，通过各种技术手段生产出一种与人类智能有相似能力的技术。目前，人工智能技术在消防的多个领域已经有了初步应用，如基于人工智能技术的图像型火灾探测器、基于图像识别技术的消防车道占用技术等，这些人工智能在相应场景中均能发挥其作用。但是，适用于消防数据统计领域人员的人工智能技术还需要进一步拓展和发掘。目前，人工智能技术在火灾数据统计领域中，主要考虑以下几方面的融合：

一是简化人的重复性劳动。当前阶段，消防接处警系统、消防监督系统的火灾调查模块、消防火灾数据统计系统有大量复用的字段，而且各个系统的填报时效、汇聚时效、归口分析等要求有所差异，简单的程序判断无法满足这种复杂的需求，只能通过管理和人力复用等手段来尽量规避查错。人工智能技术是通过计算机代替人来进行信息处理的工作，这是人工智能是否能解决信息处理工作中问题的一个判别原则。原则上，不考虑人为的失误和查错，当前的人力是能够完成检查各系统之间数据一致性和准确性的问题，因此上述在火灾统计中遇到的问题非常有可能利用人工智能技术解决。

二是提升数据应用效能。在火灾统计中，数据真实性核查是一个棘手的问题。以基本的客观数据为条件，利用数据相关性分析等技术，可以对统计数据进行初步的判别。人工智能技术中的监督学习技术，一般是由一个输入对象（通常为矢量）和一个期望的输出值（也称为监督信号）组成。监督学习算法通过分析训练数据，并产生一个推断的功能，其可以用于映射出新的实例。而火灾统计数据恰好有输入对象如火灾原因、消防设施状态、队伍出动情况等，并且有输出值如财产损失情况、人员伤亡情况等，符合监督学习的应用条件，可以进一步应用人工智能技术探究其关联关系，得出相关规律。

当前火灾统计领域应用人工智能技术的不足

一是行业从业者对人工智能技术认知不足，业务场景不明晰。人工智能有其针对性和局限性，想要人工智能技术有助于消防领域应用效能提升，要将相对成熟的人工智能技术与火灾统计业务应用相结合，在图像识别、数据管理、监督学习等方向选取关键应用功能，进行重点攻关，逐步解决相应问题，构建智能化业务场景。

二是缺乏高质量的数据样本，大多数原始数据缺少进一步加工。现有的消防各类系统数据采集方式落后，数据的准确性、完整性、一致性水平不高，一些适用于人工智能技术的基础数据样本量不大，难以支撑大规模训练。例如对于原始的录音信息需要进一步加工，翻译成相应的文字信息，同时规范录音信息采样频率等条件，才能对后续的大规模训练、验证提供有效素材。

三是缺少人工智能研发平台及相应机制。在高质量数据样本的基础上建立人工智能研发平台及相应机制，为研发单位和人员提供统一、安全、标准的业务数据，有利于吸引和评选更多优质的研发资源，加速研发周期，提升技术效能。当前，大多数消防队伍用户缺乏对市场上各类人工智能技术效能精细化的评判能力，人工智能研发平台在同一评价体系下的评价结果也能够为消防队伍用户在选型时提供帮助和参考。