城市是火灾的高发区域，并且由于城市的财产和人口较为集中，容易造成巨大的经济损失和人员伤亡。消防部队各部门对每起火灾都有详细的记录，并会分类汇总、分析研究各地的火灾形势特点、火灾种类等等。但分析研究地比较浅显、直观，对消防工作的帮助较小。而当今时代，数据已经渗透到每个行业中，成为重要的生产要素。而对火灾数据的应用研究还不充分。因此，对火灾数据价值的挖掘和分析，正得到越来越多的重视。

国内外学者对数据分析在火灾预测方面进行了大量研究。徐志斌、滕金苹、王道成用时间序列方法对火灾起数进行了分析预测[1-2]。而林添枝、贾水库、郑双忠等运用灰色系统理论建立数学模型对城市火灾次数进行了分析预测[3-5]。此外，还有学者对火灾数据进行聚类分析，如高维娜、陈子锦、李杰[6-8]等。

本文选择北京市为研究对象，使用北京市统计局网上公布的火灾数据进行聚类分析。在这方面，高维娜也对北京市进行过聚类分析，但是是对多年数据的平均值进行分析，忽略了数据在时间上的趋势。本文对北京市2010年到2015年各个地域的火灾起数和直接经济损失发展规律进行分析，为消防部门合理分配消防力量提供理论参考。

一、k-均值聚类分析

聚类分析是将样本看成多维空间上的点，两点间的距离越近，就相当于相似度越大，根据样本在多维空间上的疏密程度进行分类。k-均值聚类，是先选取k个聚类中心，再根据样本与每个聚类中心的距离将每个样本分配给距离最近的聚类中心。每个聚类中心就是一类。在样本全部分配完后，再根据现有的分类重新计算聚类中心。然后重复这个过程直到满足某个终止条件。

二、北京市的火灾风险聚类分析

根据2010-2015年各行政区的火灾起数和直接经济损失的统计数据，计算各行政区平均每起火灾的直接经济损失。使用spss对各行政区平均每起火灾的直接经济损失进行聚类，设定聚类数为3类，最大迭代次数10，按照平均直接经济损失由低到高标为1、2、3，得到聚类结果，如表1所示。

直接从火灾直接经济损失来看，在6年中，朝阳区多年来直接经济损失都非常高的，火灾危险性最高。海淀区、丰台区次之，随后是房山区和通州区。其他行政区相对而言直接经济损失较少。

而从平均每起火灾的直接经济损失上来看，朝阳区的火灾形势并不突出，相比而言，房山区、密云县平均每起火灾损失更大，形势更为严峻。

每个地区的消防灭火力量是有限的，并不能够保证在起火后的第一时间有足够的力量投入灭火。消防出动时间与火灾损失密切相关。灭火力量到场时间越早，灭火战斗的时间越短。灭火时间越短，发生大火的概率越小，过火面积也越小，直接经济损失就越小。合理地分配灭火力量，可以让大火的发生概率降到最低。在火灾数据上看，如果一个地区平均每起火灾的直接经济损失较小，则可以认为这个区域的灭火力量分配相对合理。

平均每起火灾的直接经济损失较大表明该行政区当年火灾控制能力不足，造成了较大的损失，如2010年的房山区。平均每起火灾的直接经济损失较小则表明该行政区当年火灾控制能力较好，损失较小。地区差异会造成平均每起火灾的直接经济损失值偏高或偏低，但大体上，如果一个行政区火灾起数低而直接经济损失大，那么该地区的灭火情况应该得到改进。

对2015年的数据进行分析，西城区是平均每起火灾的直接经济损失最高的一类。其次是平均每起火灾损失较高的行政区，包括：朝阳区、房山区、通州区、昌平区、门头沟区、延庆区。最后是平均每起火灾损失较低的行政区，即余下的九个行政区。

三、结语

火灾起数和人的经济、政治活动密切相关。宏观上说，各产业发达的地区火灾起数多，如朝阳区、海淀区、丰台区等。而绿化多的石景山区火灾起数较少。地区的产业结构调整或地区经济运行变化都会体现在火灾起数上。特别明显的是2012年因为党的十八大在北京召开，消防部门高度重视，多次展开党的十八大消防保卫战工作，所以2012年北京市火灾起数和经济损失相比往年大幅减少。对火灾起数进行预测而不考虑这些情况的影响是不明智的。本文以平均每起火灾的直接经济损失进行分析，一定程度上避免了火灾起数对地区火灾形势的过多影响。

以往的研究中，朝阳区由于火灾起数最多，火灾风险性最高，获得较大的关注。本文通过k-均值聚类对火灾数据进行分析，用平均每起火灾的直接经济损失来评价各区县的火灾形势，从另一个方面分析，得出不一样的结论：

（1） 从2015年的数据来看，北京市各行政区中，西城区的平均每起火灾的直接经济损失最高，东城区、丰台区、海淀区、平谷区的平均每起火灾损失较高，需要加强消防保卫力量。而加强的方式可以是直接的力量调配，也可以是经验方法学习等。

（2） 朝阳区、房山区、通州区、昌平区、门头沟区、延庆区的火灾控制能力较高，灭火工作效率较好，可以为其它行政区提供参考或支援。

（3）可以用每起火灾的直接经济损失来衡量城市中各县区火灾控制能力的大小，为灭火力量的分配提供参考。

参考文献：

[1]徐志斌。时间序列方法在城市火灾分析预测中的应用[J].消防技术与产品信息，2008，（02）：33-35.

[2]滕金苹，道成。基于时间序列模型的节假日火灾形势预测与分析[J].消防技术与产品信息，2010，（03）：53-58.

[3]林添枝，吴卢荣，陈绩馨。基于时间序列与灰色拓扑的春节火灾损失预测[J].数学的实践与认识，2014，（17）：176-183.

[4]贾水库，温晓虎，蒋仲安等。灰色系统理论在城市火灾事故预测中的应用[J].中国安全生产科学技术，2008，（06）：106-109.

[5]郑双忠。基于灰色系统理论的城市火灾预测分析[J].数学的实践与认识，2005，（01）：72-76.

[6]高维娜。基于主成分分析法的城市火灾风险聚类分析[J].武警学院学报，2013，（02）：14-17.

[7]陈子锦，王福亮，陆守香等。我国火灾统计数据的聚类分析[J].中国工程科学，2007，（01）：86-88.

[8]李杰，张靖岩，郭建中等。基于聚类分析的我国火灾空间分布研究[J].中国安全生产科学技术， 2012，（02）：61-64.

此文刊登于《消防界》2017年11月刊