МЕТОДИКА ОПРЕДЕЛЕНИЯ ЧАСТОТЫ ВОЗНИКНОВЕНИЯ ПОЖАРОВ В ЗДАНИЯХ НА ОСНОВЕ МЕТОДОВ ОЦЕНКИ ПЛОТНОСТИ И ИМИТАЦИИ ОТЖИГА
Аннотация
Решение задачи определения оптимального пространственного размещения пожарных под-
разделений представляет собой достаточно сложную научно-техническую проблему, включаю-
щую, как показали предыдущие исследования, обширный перечень факторов, в том числе необхо-
димость оценки ожидаемых частот возникновения пожаров в разных частях населенных пунктов
в зависимости от характера застройки. В настоящее время в Российской Федерации подходы и
методы, позволяющие решать эту проблему, не достаточно проработаны. Как правило исследо-
ватели ограничиваются фактом существования пространственного распределения пожаров, не
углубляясь в причины, приведшие к тому или иному характеру такого распределения. Между тем
их понимание позволит строить модели оценки ожидаемых плотностей потоков пожаров в раз-
личных районах городов. В статье предложен подход, основанный на методе оценки простран-
ственной плотности случайных событий (KDE, Kernel Density Estimation) и алгоритме имитации
отжига для подбора значений расчетных частот возникновения пожаров в зданиях различных
классов функциональной пожарной опасности. Существующая классификация расширена за счет
добавления класса Ф1.5 для садовых домиков и дач. Подход апробирован на имеющихся данных о
пожарах за период 2010-2020 годов и городской застройке города Красноярск. Подход реализован
в виде программного решения на языке программирования Python с использованием инструментов
ГИС, пространственного и сетевого анализа. Исследование показало, что предложенный подход
позволяет получить такие значения частот возникновения пожаров, при которых их прогнози-
руемая плотность будет максимально близка к фактической. Полученные результаты расширя-
ют набор исследовательских инструментов в области оценки как фактической, так и прогнози-
руемой пожарной обстановки и направлены на развитие методов и алгоритмов определения оп-
тимальных мест размещения пожарных подразделений. Предложенный подход также может
быть использован и при решении иных задач пространственной оптимизации в области обеспече-
ния общественной безопасности, безопасности дорожного движения, защиты населения от чрез-
вычайных ситуаций, а также в области урбанистики и градостроительства.
Литература
operativnoy deyatel'nosti pozharnykh podrazdeleniy k usloviyam V'etnama [Development and adaptation
of the simulation system of operational activities of fire departments to the conditions of Vietnam],
Pozhary i chrezvychaynye situatsii: predotvrashchenie, likvidatsiya [Fires and emergencies:
prediction, liquidation], 2021, No. 2, pp. 5-14. DOI: 10.25257/FE.2021.2.5-14.
2. Brushlinskiy N.N. [i dr.]. Bezopasnost' gorodov. Imitatsionnoe modelirovanie gorodskikh protsessov i
system [The safety of cities. Simulation of urban processes and systems]. Moscow: FAZIS, 2004, 172 p.
3. Brushlinskiy N.N. [i dr.]. Matematicheskie metody i modeli upravleniya v Gosudarstvennoy
protivopozharnoy sluzhbe: uchebnik [Mathematical methods and management models in the State Fire
Service: Textbook]. 2nd ed. Moscow: Akademiya GPS MChS Rossii, 2019, 194 p.
4. Gordienko D.M. [i dr.]. Dannye o chastotakh vozniknoveniya pozharov i pozharoopasnykh situatsiy v
obshchestvennykh zdaniyakh razlichnogo naznacheniya i na proizvodstvennykh ob"ektakh [Data on
the frequency of fires and fire-hazardous situations in public buildings for various purposes and at industrial
facilities], Pozharnaya bezopasnost' [Fire safety], 2009, No. 2, pp. 42-46.
5. Kozhevnikov M.L. Modelirovanie vremennykh kharakteristik protsessa funktsionirovaniya pozharnospasatel'nykh
podrazdeleniy i analiz chastoty ispol'zovaniya pozharnoy tekhniki [Modeling of the time
characteristics of the functioning of fire and rescue units and analysis of the frequency of use of fire
equipment], Pozhary i chrezvychaynye situatsii: predotvrashchenie, likvidatsiya [Fires and emergencies:
prediction, liquidation], 2021, No. 2, pp. 79-86. DOI: 10.25257/FE.2021.2.79-86.
6. Vlasov K.S. [i dr.]. Otsenka raspredeleniya vyezdov pozharno-spasatel'nykh podrazdeleniy na pozhary
razlichnykh ob"ektov [Assessment of the distribution of visits of fire and rescue units to fires of various
facilities]. Zheleznogorsk: Sibirskaya pozharno-spasatel'naya akademiya Gosudarstvennoy
protivopozharnoy sluzhby Ministerstva Rossiyskoy Federatsii po delam grazhdanskoy oborony,
chrezvychaynym situatsiyam i likvidatsii stikhiynykh bedstviy, 2021, pp. 574-581.
7. Vlasov K.S. [i dr.]. Primenenie tekhnologiy mashinnogo obucheniya dlya issledovaniya kharakteristik
pozharov [The use of machine learning technologies to study the characteristics of fires], Sibirskiy
pozharno-spasatel'nyy vestnik [Siberian Fire and Rescue Bulletin], 2023, 2 (29), pp. 80-87.
8. Pozhary i pozharnaya bezopasnost' v 2021 godu: statist. sb. [Fires and fire safety in 2021: a statistical
collection]. Balashikha: FGBU VNIIPO MChS Rossii, 2022, 114 p.
9. Pozhary i pozharnaya bezopasnost' v 2022 godu: statist. sb. [Fires and fire safety in 2022: a statistical
collection]. Balashikha: FGBU VNIIPO MChS Rossii, 2023, 80 p.
10. Ob utverzhdenii metodiki opredeleniya raschetnykh velichin pozharnogo riska v zdaniyakh,
sooruzheniyakh i pozharnykh otsekakh razlichnykh klassov funktsional'noy pozharnoy opasnost':
Prikaz MChS Rossii ot 14 noyabrya 2022 g. № 1140 [On approval of the methodology for determining
the calculated values of fire risk in buildings, structures and fire compartments of various classes of
functional fire hazard: Order of the Ministry of Emergency Situations of Russia dated November 14,
2022 No. 1140].
11. Mazur Robert. Assessment of Safety Level in the Aspect of 2000-2012 Fire Statistics. Temporal And
Spatial Characteristics of Residential Buildings Fires in Geographical Information System. Warsaw
Case Study, Bezpieczeństwo i Technika Pożarnicza, 2014, No. 34, pp. 47-56.
12. Chen C.-Y., Yang Q.-H. Hotspot Analysis of the Spatial and Temporal Distribution of Fires, Proceedings
of the 4th International Conference on Geographical Information Systems Theory, Applications
and Management. Funchal, Madeira, Portugal: SCITEPRESS - Science and Technology Publications,
2018, pp. 15-21.
13. Parzen E. On Estimation of a Probability Density Function and Mode, Ann. Math. Statist., 1962, Vol. 33,
No. 3, pp. 1065-1076.
14. Rosenblatt M. Remarks on Some Nonparametric Estimates of a Density Function, Ann. Math. Statist.,
1956, Vol. 27, No. 3, pp. 832-837.
15. Fan T. et al. Density peaks clustering algorithm based on kernel density estimation and minimum
spanning tree, IJICA, 2022, Vol. 13, No. 5/6, pp. 336.
16. Kirkpatrick S., Gelatt C.D., Vecclii M.P. Optimization by Simulated Annealing, Science, New Series,
1983, Vol. 220, No. 4598, pp. 671-680.
17. Boeing G. OSMnx: New methods for acquiring, constructing, analyzing, and visualizing complex
street networks, Computers, Environment and Urban Systems, 2017, Vol. 65, pp. 126-139.
18. Boeing G., Ha J. Resilient by design: Simulating street network disruptions across every urban area in
the world, Transportation Research Part A: Policy and Practice, 2024, Vol. 182, pp. 104-116.
19. Matushkin A.S. Kartografirovanie i analiz prostranstvennykh dannykh s ispol'zovaniem
geoinformatsionnoy sistemy QGIS: ucheb. posobie [Mapping and analysis of spatial data using the
geographic information system QGIS: tutorial]. Kirov: VyatGU, 2018, 100 p.
20. Materov E.N., Babenyshev S.V. Metody optimizatsii: ucheb. posobie [Optimization methods: a textbook].
Zheleznogorsk: Sibirskaya pozharno-spasatel'naya akademiya GPS MChS Rossii, 2019, 135 p.
