不同区域古村镇消防行车时间统计特征研究*

左林阳 李培剑 郑飞扬

(1.昆明理工大学建筑工程学院 昆明 650500； 2.云南省消防救援总队 昆明 650500)

0 引言

火灾过程中，消防扑救是阻止火灾蔓延的一个关键因素，不同消防救援力量的介入时间决定火场情况及火灾规模的大小，直接影响消防队灭火作战策略。因此，消防及时救援是减少火灾损失、成功扑救火灾的关键。目前，各国规范中均规定了对消防队响应时间的要求，如英国、美国为5 min，日本为4 min[1]，我国规范[2]要求原则上消防队到达辖区边缘的时间不超过5 min。但消防响应过程中消防行车时间易受接警时道路、天气等因素的影响[3]，具有不确定性，导致很多情况下消防队难以实现5 min抵达火场，对于历史文化街区和传统村落等古建筑群将丧失对早期火灾扑救的良好时机。

对于消防行车时间的相关研究均采用统计历史出动时间的方法。周志军等[4]分析了我国100多个城市消防救援到场数据，指出多数城市未达到要求；徐晓玲[5]分析了2009年我国多省47例火灾出动数据，得到消防行车时间在6 min内的概率仅有28%；彭晨等[6]通过对日本全国4 4505条和中国某市14 391条消防第一出动时间的统计分析，指出出动时间受城市消防站布局、城市道路交通状况等因素的影响不能完全达到相关标准。上述研究均指出我国部分消防出警时间仍不能达到标准，然而对于特定对象，上述研究受限于历史数据，均存在时间样本不足的情况。为解决不同区域古村镇的消防队灭火救援行车时间问题，本文以位于城市中心区域和远郊区两个古建筑群为研究对象，采用基于电子地图模拟导航统计消防行车时间的方法，获得不同区域消防行车时间的统计特征，并研究影响消防行车时间的相关因素。

1 研究对象和方法

1.1 片区和消防站选取

本文选取两个古建筑群为对象，分别是位于丽江的忠信村和昆明的正义坊，研究最近消防站到建筑群的消防行车时间。忠信村地处丽江坝子西山脚下的远郊区，人、车流量小，保留了纳西族青衣色彩的建筑风格，入选中国传统村落名录；正义坊地处市中心黄金商圈，人、车流量大，建筑多为砖木结构。两地最近的消防站分别为丽江束河消防站和昆明宝善街中队。束河消防站至忠信村的行车路线有两条，行车距离分别为3.6 km和4.8 km，见图1。宝善街中队至正义坊的路线也有两条，行车距离分别为1.9 km和2.5 km，见图2。

图1 忠信村消防车行车路线

图2 正义坊消防车行车路线

1.2 行车时间分析方法

针对古建筑群火灾救援出动时间历史数据较少的问题，采用电子地图模拟导航的方法研究消防行车时间。现代电子地图软件如百度地图TM，高德地图TM等是基于大数据，且有大量基数的用户实时在后台上传路况信息，能够根据实时交通路况、施工、红绿灯等信息结合历史实测数据模拟预测路线、路况和用时。在电子地图软件上预设消防队和研究对象为起点和终点，出行方式选择驾车，路线模式选择耗时最短，则软件显示预测用时即为模拟的消防行车时间。在电子地图模拟导航基础上，编制程序实时抓取记录电子地图的预测时间，设置程序刷新、记录地图预测用时的频率为10 min/次，24 h不间断统计30 d，最终每个建筑群统计得到30×24×6=4 320个消防行车时间的数据。对行车时间数据进行统计，得到各时刻的均值、标准差、差异系数，并统计数据的概率分布特征。

2 消防行车时间统计特征

2.1 平均行车时间变化规律

30 d内不同时刻行车时间的统计结果见图3和图4所示，图中横坐标为一天当中的各个时刻，纵坐标为该时刻的行车时间。不同时刻行车时间的均值、标准差和变异系数见表1所示。不难发现，位于远郊区的忠信村的行车时间在所有时段内，均值的变化范围在4.1～4.4 min之间，变异系数在0.06～0.11之间变化，行车时间的统计特性随时刻的变化不大；而位于城中心的正义坊，均值的变化范围在6.9～15.4 min之间，变异系数在0.15～0.24之间，具有较大的离散性，而且其统计特征明显依赖于一天当中的不同时刻，具有显著的时变性。

图3 忠信村消防行车平均时间

图4 正义坊消防行车平均时间

2.2 各时段行车时间概率特征

2.2.1 远郊区

远郊区消防行车时间全天各时刻数据变化很小，均值4.23 min，变异系数0.10。对远郊区的4 320个消防行车时间进行单样本K-S检验，结果服从均匀分布。

2.2.2 城市中心区域

根据图4及表1，结合市民作息出行时间，可将城市中心区域全天分为23时至次日7时、8时至13时、14时至22时3个时段来分析城市中心行车时间的特征规律。

表1 消防行车时间参数

对正义坊各时段行车时间的累计频率分布拟合见图5，可以看出3个时段的行车时间分布特征均服从对数正态分布。下式为对数正态分布概率密度函数：

图5 各时段累计频率概率分布拟合曲线

式中，t为行车时间，μ、σ为对数正态分布的分布参数，各时段拟合参数见表2。

表2 正义坊行车时间分布拟合参数 min

2.3 其他因素影响

统计过程中发现城市中心区域2019年8月17日、18日两天行车时间出现较大波动，查询历史天气可知，这两日昆明市区连降大雨，将两日行车时间与平均时间对比得图6，可看出17、18日在上述的后两个时段(8时至13时、14时至22时)消防行车时间骤增。所以暴雨等恶劣天气会导致城市中心区域消防行车时间大幅增加。而丽江市8月16日、18日两天同为暴雨天气。从对比图7可知，行车时间并没有明显差距，说明远郊区消防行车时间基本不受天气的影响。

图6 雨天城市中心区域消防行车时间对比

图7 雨天远郊区消防行车时间对比

3 结论

本文通过对城市中心区域和远郊区两个古建筑群的30 d消防行车时间数据统计分析，采用基于电子地图模拟导航统计消防行车时间的方法，得到以下结论：

(1)城市中心区域消防行车时间统计特征具有显著的时变性，在不同时段变异系数差距大，行车时间波动明显；远郊区消防行车时间统计特征则时变性不明显，全天变异系数相近，行车时间较为稳定。

(2)城市中心区域消防行车时间全天可分为3个时段(23时至次日7时、8时至13时、14时至22时)，3个时段分布特征均服从对数正态分布；而远郊区全天消防行车时间分布特征服从均匀分布。

(3)城市中心区域消防行车时间受天气影响很大，暴雨天气会使消防行车时间大幅增加；远郊区则基本不受影响。

(4)电子地图导航模拟方法可用于预测不同区域、不同时段的消防行车时间，能够为消防站布局及消防救援出警策略提供参考。