【无标题】

基于密集沉降建筑物密度的火灾风险

• 密集住区中基于建筑密度：建筑总面积、建筑单元数、火灾发生地点 ---- 不一定相关 物理安排会有相关性

基于GIS系统的火灾风险的关键基础设施空间脆弱性评估-案例研究：葡萄牙吉马拉斯历史城市中心

• 火灾风险指数(FRI)是使用简化的Arica方法计算的。该方法基于经验数据，包括四个主要子因素:火灾开始或点燃(SFI)，火灾传播(SFP)，疏散(SFE)和消防(SFC)。
  
• Arica方法
  • 保护状态的价值取决于影响火灾发生的各个方面，而不考虑建筑材料。它的范围从下限的1.00到上限的1.20。
  • 至于电力装置的情况，分析会考虑该建筑物是否仍然使用其原有的无保护装置(级别为1.50) ，或该系统是否已经部分或全部改装，级别分别为1.25及1.00。
  • 气体装置的分项系数视乎供气类别、贮存地点及通风情况
  • 利用燃烧系数和活化系数两个系数分别评价了材料的燃烧性能和燃烧速度
  • 以及材料的着火敏感性
  • 生活或工作的人员进行培训的次数

基于高分辨率空间分布的集成机器学习算法在城市火灾风险评估中的应用——以成都市为例（很重要，相关性很高，全是空间要素）

- 道路
- 天然气管道
.- GDP
- 人口
- 危险化学品企业
- 汽油和充电站
- 文物保护组
- 集会占用
- 高层建筑
- 商业服务区
- 工业区
- 仓库区域
- 住宅区
- 土地开发强度

火鸟:预测火灾风险和优先考虑火灾检查在亚特兰大

• 历史火灾543起----火灾事件的信息，如时间、地点、类型和火灾原因
• 火灾检查数据集–巡检数据包括巡检的物业类型、地址、巡检时间等信息。
• 建筑级别特征，如建造年份、建筑材料、楼层和单元数、建筑状况和其他信息
• 营业执照数据集有20,020条记录，包含业务类型，企业名称，地址，所有者等20多个特征
• 社会经济和人口统计数据
• 亚特兰大警察局的酒类许可证和2014年犯罪数据
• 亚特兰大建筑物办公室的入住证明(CO)数据

基于大数据和人工智能的智能城市火灾危险性预警系统