劉頂立，徐志勝，王飛躍

基于后果概率估計(jì)的地鐵集群火災(zāi)風(fēng)險(xiǎn)評估

劉頂立，徐志勝，王飛躍

(中南大學(xué) 土木工程學(xué)院，湖南 長沙 410075)

有很多大型企事業(yè)單位包含了火災(zāi)風(fēng)險(xiǎn)特征相似的多個(gè)建筑或場所，可將這些建筑或場所定義為“集群”。目前，尚缺乏集群火災(zāi)風(fēng)險(xiǎn)評估的相關(guān)研究。為了降低集群火災(zāi)風(fēng)險(xiǎn)及提升決策者對于集群火災(zāi)風(fēng)險(xiǎn)的認(rèn)知和重視，需探討集群在其全壽命周期內(nèi)發(fā)生火災(zāi)的可能性。針對集群火災(zāi)風(fēng)險(xiǎn)評估，建立了后果概率估計(jì)法，即“通過對評估對象火災(zāi)后不同維度后果(重傷人數(shù)、死亡人數(shù)、直接財(cái)產(chǎn)損失)的概率進(jìn)行估計(jì)，并參照火災(zāi)風(fēng)險(xiǎn)值基準(zhǔn)來計(jì)算該評估對象的火災(zāi)風(fēng)險(xiǎn)值”。通過邀請5名專家運(yùn)用后果概率估計(jì)法評估了長沙地鐵集群(99座車站，其中有12座換乘站)的火災(zāi)風(fēng)險(xiǎn)。結(jié)果表明：長沙地鐵的火災(zāi)風(fēng)險(xiǎn)值為70.45，為中風(fēng)險(xiǎn)等級。

集群火災(zāi)風(fēng)險(xiǎn)；火災(zāi)風(fēng)險(xiǎn)評估；后果概率估計(jì)法；火災(zāi)事故等級

隨著經(jīng)濟(jì)社會的快速發(fā)展、城市化進(jìn)程不斷推進(jìn)，建筑數(shù)量越來越多、規(guī)模越來越大、構(gòu)造和功能日趨復(fù)雜，給城市的火災(zāi)防控帶來了巨大的挑戰(zhàn)[1?3]。在一些城市出現(xiàn)了一些成片的大規(guī)模住宅小區(qū)(如：長沙的湘江世紀(jì)城有300多棟建筑)、大規(guī)模的廠房建筑群(如：中車株洲電力機(jī)車有限公司占地2.25 km2)。這些成片的大規(guī)模建筑群具有類似的火災(zāi)風(fēng)險(xiǎn)特征，即消防管理模式是統(tǒng)一的，消防設(shè)施和空間結(jié)構(gòu)特征是相似的。另外，也有一些大型企事業(yè)單位的各個(gè)下轄機(jī)構(gòu)或場所雖然不是集中在同一個(gè)片區(qū)，但是同樣也具有類似的火災(zāi)風(fēng)險(xiǎn)特征(如：同一個(gè)城市的地鐵車站，大型連鎖商業(yè)的各個(gè)商場)[4?5]。在本文中，將這種具有統(tǒng)一的消防管理模式、配備了類似的消防設(shè)施、具有類似的建筑結(jié)構(gòu)特征的多個(gè)建筑或場所定義為“集群”。集群的各個(gè)單體的火災(zāi)風(fēng)險(xiǎn)特征是類似的，同時(shí)也往往隸屬于同一個(gè)單位。對于單位的高層決策者而言，他們需要高效地掌握集群的整體火災(zāi)風(fēng)險(xiǎn)特征，才能制定有效的消防管理策略及擬定合理的消防經(jīng)費(fèi)投入。因此，非常有必要進(jìn)行集群火災(zāi)風(fēng)險(xiǎn)評估。在以往的火災(zāi)風(fēng)險(xiǎn)評估研究和實(shí)踐中，多是針對某個(gè)建筑或者某個(gè)區(qū)域。本文旨在建立一種高效的針對集群的火災(zāi)風(fēng)險(xiǎn)評估方法?；馂?zāi)風(fēng)險(xiǎn)評估的方法多種多樣，對應(yīng)的評估工具也層出不窮。在NFPA 551中，將火災(zāi)風(fēng)險(xiǎn)評估方法劃分為定性評估(定性分析可能性和后果)、可能性定量評估(定量分析可能性、定性分析后果)、后果定量評估(定性分析可能性、定量分析后果)、定量評估(定量分析可能性和后果)、成本效益評估(確定降低火災(zāi)風(fēng)險(xiǎn)措施的成本和效益)[6]。范維澄等[7]將火災(zāi)風(fēng)險(xiǎn)評估方法分為定性分析、半定量分析、定量分析等類型。在前人的研究中，比較盛行的是采取不同的數(shù)學(xué)模型來建立不同的火災(zāi)風(fēng)險(xiǎn)評估指標(biāo)體系，其中比較常見的有層次分析法、熵權(quán)法、物元法等[8?11]。隨著，計(jì)算機(jī)技術(shù)的進(jìn)步，極大地拓展了火災(zāi)風(fēng)險(xiǎn)評估的研究思路，進(jìn)而誕生了許多以算法(Bayesian算法、BP神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)算法等)應(yīng)用為基礎(chǔ)發(fā)展出來的新評估方法[12?17]。也有學(xué)者針對特定場景開發(fā)了對應(yīng)的評估軟件，如：1) 方正等以層次分析法為基礎(chǔ)建立了典型建筑的火災(zāi)風(fēng)險(xiǎn)評價(jià)指標(biāo)體系，并開發(fā)了對應(yīng)的評估軟件[18]；2) 荷蘭Hanea等基于Bayesian網(wǎng)絡(luò)開發(fā)了一個(gè)面向建筑的火災(zāi)致死風(fēng)險(xiǎn)的計(jì)算工具[19]；3) 捷克French等開發(fā)了用于火災(zāi)影響和風(fēng)險(xiǎn)評價(jià)的決策支撐工具(FireDST)[20]。雖然目前的評估方法和工具繁多，但在實(shí)際應(yīng)用中還存在諸多問題。最典型的是火災(zāi)風(fēng)險(xiǎn)值與實(shí)際的火災(zāi)后果缺乏對應(yīng)關(guān)系，不利于消防決策者對量化分值的直觀理解。在我國，依據(jù)火災(zāi)事故不同后果維度(重傷人數(shù)、死亡人數(shù)、直接財(cái)產(chǎn)損失)的嚴(yán)重程度，將火災(zāi)事故劃分為不同的等級。在本文中，參考火災(zāi)事故等級劃分的原則，將后果的嚴(yán)重程度與火災(zāi)風(fēng)險(xiǎn)值對應(yīng)，并估計(jì)評估對象火災(zāi)后不同維度后果的概率、進(jìn)而反向推算出火災(zāi)風(fēng)險(xiǎn)值。以此建立的基于后果概率估計(jì)的火災(zāi)風(fēng)險(xiǎn)評估模型具有良好的應(yīng)用價(jià)值，有利于產(chǎn)權(quán)擁有者、產(chǎn)權(quán)使用者、消防管理人員、消防監(jiān)督人員等高效地認(rèn)知評估對象的火災(zāi)風(fēng)險(xiǎn)。本文中，將基于后果概率估計(jì)來進(jìn)行集群火災(zāi)風(fēng)險(xiǎn)評估，并以長沙的99個(gè)地鐵車站作為研究案例。

1 火災(zāi)發(fā)生可能性

一般而言，可將火災(zāi)風(fēng)險(xiǎn)看成是火災(zāi)發(fā)生可能性與火災(zāi)后果的函數(shù)?；馂?zāi)發(fā)生可能性本質(zhì)上是數(shù)學(xué)概率上的問題，而計(jì)算其大小則必須考慮時(shí)間范圍?；馂?zāi)風(fēng)險(xiǎn)評估對象往往是指建筑。若某棟建筑在1 d內(nèi)發(fā)生火災(zāi)的概率為，其在1個(gè)月(30 d)內(nèi)發(fā)生火災(zāi)概率則應(yīng)該為1?(1?)30，其在1年(365 d)內(nèi)發(fā)生火災(zāi)概率則應(yīng)該為1?(1?)365。由此可知，若考慮的時(shí)間范圍越大，其發(fā)生火災(zāi)的概率越大。即使很小，若時(shí)間范圍很大(可認(rèn)為趨于無限大)，則其發(fā)生火災(zāi)的概率接近于100%，即意味著必然發(fā)生火災(zāi)。這也從火災(zāi)風(fēng)險(xiǎn)角度驗(yàn)證了墨菲定律，即若某建筑存在火災(zāi)風(fēng)險(xiǎn)，則在未來的很長一段時(shí)間內(nèi)，其必然會發(fā)生火災(zāi)[21]。遺憾的是，以往的火災(zāi)風(fēng)險(xiǎn)評估實(shí)踐中很少考慮評估的時(shí)間因素。

若考慮建筑的全壽命周期，建筑發(fā)生火災(zāi)的可能性將會變得很大。比如說住宅建筑的全壽命周期為70 a，據(jù)相關(guān)研究表明2014年我國住宅火災(zāi)頻率為2.8×10?4起/(戶·年)[22]。對于城市最常見的高層住宅建筑而言，1棟住宅超過100戶(按100戶算)，70 a內(nèi)發(fā)生火災(zāi)數(shù)量的期望值為1.96起，意味著在其全壽命周期內(nèi)必然發(fā)生火災(zāi)。

由于缺乏有關(guān)于某種類型建筑火災(zāi)概率的統(tǒng)計(jì)數(shù)據(jù)，無法就各種類型的建筑在其全壽命周期范圍內(nèi)的火災(zāi)可能性進(jìn)行具體分析。但是，泛化Barrios模型能夠用來計(jì)算建筑火災(zāi)頻率，該模型的表達(dá)式如下[23]：

假設(shè)某個(gè)集群中有個(gè)單體，令第個(gè)單體在其全壽命周期內(nèi)火災(zāi)頻率為f，則該集群在其全壽命周期內(nèi)火災(zāi)的頻率f為：

芬蘭Tillander采用數(shù)據(jù)擬合的方法推導(dǎo)出了不同類型建筑的1，2，和參數(shù)的取值。對于交通建筑而言，1=0.000 07，2=0.000 001，=?0.65，=?0.05。假若某地鐵線路(地鐵車站集群)共有25座車站，各車站的建筑面積為6 000 m2，全壽命周期為100 a，則可根據(jù)上述方法計(jì)算出該地鐵車站集群在其全壽命周期內(nèi)的火災(zāi)頻率的期望值為13.39起。

可以推測，對于絕大部分的大體量建筑而言，在其全壽命周期內(nèi)發(fā)生火災(zāi)的可能性將接近于100%。對于集群而言，在其全壽命周期內(nèi)發(fā)生火災(zāi)的頻率將會大于1，甚至遠(yuǎn)大于1?；馂?zāi)發(fā)生的時(shí)間是難以預(yù)測的，既有可能今年發(fā)生火災(zāi)、也有可能在未來的某一年發(fā)生火災(zāi)。進(jìn)行火災(zāi)風(fēng)險(xiǎn)預(yù)判和防控時(shí)，我們應(yīng)采取更加保守的思路，這樣才能盡可能降低火災(zāi)風(fēng)險(xiǎn)。因此，在進(jìn)行集群火災(zāi)風(fēng)險(xiǎn)評估時(shí)，若無法計(jì)算或預(yù)判出集群的火災(zāi)概率，則可保守假設(shè)該集群在其全壽命周期內(nèi)的火災(zāi)發(fā)生可能性為100%。因此，在進(jìn)行集群火災(zāi)風(fēng)險(xiǎn)評估時(shí)，可主要考慮火災(zāi)后果。若更加保守，甚至在對一些大體量的建筑進(jìn)行火災(zāi)風(fēng)險(xiǎn)評估時(shí)，也可主要考慮其火災(zāi)后果。

火災(zāi)的發(fā)生是隨機(jī)的，無法預(yù)測火災(zāi)發(fā)生的精準(zhǔn)時(shí)間。因此，人們應(yīng)根據(jù)火災(zāi)風(fēng)險(xiǎn)特征來制定好應(yīng)對火災(zāi)、減輕火災(zāi)后果的措施。為了制定這些措施，應(yīng)基于火災(zāi)后果的角度來進(jìn)行火災(zāi)風(fēng)險(xiǎn)評估、剖析火災(zāi)風(fēng)險(xiǎn)特征。

2 后果概率估計(jì)

2.1 火災(zāi)風(fēng)險(xiǎn)值基準(zhǔn)

在我國，衡量火災(zāi)后果的主要因素為重傷人數(shù)、死亡人數(shù)、直接財(cái)產(chǎn)損失。在定性分析火災(zāi)后果時(shí)，依據(jù)上述要素的嚴(yán)重程度將火災(zāi)劃分為特別重大火災(zāi)事故、重大火災(zāi)事故、較大火災(zāi)事故、一般火災(zāi)事故，具體分類標(biāo)準(zhǔn)如表1所示。只要重傷人數(shù)、死亡人數(shù)或者直接財(cái)產(chǎn)損失中任意條件滿足了，即為對應(yīng)的事故等級。

在一定程度上而言，火災(zāi)風(fēng)險(xiǎn)的存在是絕對的，而衡量火災(zāi)風(fēng)險(xiǎn)大小則應(yīng)是相對的。為了更加直觀地理解火災(zāi)風(fēng)險(xiǎn)值的意義，可將不同等級的火災(zāi)事故設(shè)定對應(yīng)的火災(zāi)風(fēng)險(xiǎn)值，以作為火災(zāi)風(fēng)險(xiǎn)值參照基準(zhǔn)(如表1所示)。如果為特別重大火災(zāi)事故，則該評估對象的既有火災(zāi)風(fēng)險(xiǎn)最大，賦予火災(zāi)風(fēng)險(xiǎn)值100；如果為重大火災(zāi)事故，則該評估對象的既有火災(zāi)風(fēng)險(xiǎn)很大，賦予火災(zāi)風(fēng)險(xiǎn)值90；如果為較大火災(zāi)事故，則該評估對象的既有火災(zāi)風(fēng)險(xiǎn)值較大，賦予火災(zāi)風(fēng)險(xiǎn)值80；如果為一般火災(zāi)事故，則該評估對象的既有火災(zāi)風(fēng)險(xiǎn)不大，賦予火災(zāi)風(fēng)險(xiǎn)值60。

在火災(zāi)風(fēng)險(xiǎn)評估時(shí)，可通過估計(jì)評估對象火災(zāi)后不同維度后果(重傷人數(shù)、死亡人數(shù)、直接財(cái)產(chǎn)損失)的概率，并參照火災(zāi)風(fēng)險(xiǎn)值基準(zhǔn)，計(jì)算出火災(zāi)風(fēng)險(xiǎn)值。這是一種新的火災(zāi)風(fēng)險(xiǎn)評估范式，將該方法定義為后果概率估計(jì)法。

表1 火災(zāi)事故等級劃分及火災(zāi)風(fēng)險(xiǎn)基準(zhǔn)值

表2 不同維度的火災(zāi)后果的概率估計(jì)

2.2 火災(zāi)后果概率估計(jì)

估計(jì)火災(zāi)后不同維度后果主要依據(jù)集群的各個(gè)單體的人員數(shù)量及分布、財(cái)產(chǎn)價(jià)值及分布、消防安全管理、消防設(shè)施設(shè)備、空間結(jié)構(gòu)特征、周邊滅火救援力量等。人員數(shù)量及分布決定著火災(zāi)造成人員傷亡的取值范圍，財(cái)產(chǎn)價(jià)值及分布則決定著直接財(cái)產(chǎn)損失的取值范圍。消防安全管理、消防設(shè)施設(shè)備、空間結(jié)構(gòu)特征、周邊滅火救援力量則決定著火災(zāi)后能否及時(shí)撲滅火災(zāi)、能否及時(shí)組織人員疏散、能否及時(shí)轉(zhuǎn)移重要資產(chǎn)。

在具體應(yīng)用時(shí)可以建立細(xì)分的指標(biāo)，分別評價(jià)，然后定量計(jì)算，也可以邀請專家依據(jù)經(jīng)驗(yàn)直接進(jìn)行估計(jì)。在本文中，采取通過專家來估計(jì)火災(zāi)后果概率的方法，具體實(shí)現(xiàn)步驟如下：

1) 邀請某專家對某評估對象發(fā)生火災(zāi)后重傷人數(shù)范圍、直接財(cái)產(chǎn)損失范圍的概率進(jìn)行估計(jì)。參照表1將重傷人數(shù)范圍、直接財(cái)產(chǎn)損失范圍分別劃分為4個(gè)區(qū)間，如表2所示。在表2中，不同維度的后果范圍的概率估計(jì)值應(yīng)滿足式(4)至式(6)要求。在式(4)至式(6)中，0表示該評估對象在其全壽命周期內(nèi)不會發(fā)生火災(zāi)的概率。在進(jìn)行集群火災(zāi)風(fēng)險(xiǎn)評估時(shí)，絕大部分情況下0=0。

2) 結(jié)合表1和表2，根據(jù)火災(zāi)事故等級判斷方法，則可計(jì)算該評估對象火災(zāi)屬于對應(yīng)等級的概率。令該評估對象火災(zāi)為一般火災(zāi)事故的概率為1，為較大火災(zāi)事故的概率為2，為重大火災(zāi)事故的概率為3，為特別重大火災(zāi)事故的概率為4。則1、2，3，4可分別用式(7)至式(10)表示。結(jié)合式(7)至式(9)，可將式(10)變換為式(11)。

表3 火災(zāi)風(fēng)險(xiǎn)等級

圖1 長沙消防救援站和地鐵車站分布圖

3 火災(zāi)風(fēng)險(xiǎn)值及等級劃分

3.1 火災(zāi)風(fēng)險(xiǎn)值計(jì)算

根據(jù)2.1節(jié)中的火災(zāi)風(fēng)險(xiǎn)值基準(zhǔn)以及2.2節(jié)中求出的1，2，3，4，可按式(12)計(jì)算出專家估計(jì)的火災(zāi)風(fēng)險(xiǎn)值()。假設(shè)共邀請了個(gè)專家來估計(jì)評估對象的火災(zāi)風(fēng)險(xiǎn)值，令第個(gè)專家估計(jì)的火災(zāi)風(fēng)險(xiǎn)值為EF,則該評估對象的火災(zāi)風(fēng)險(xiǎn)值()為所有專家的估計(jì)值的平均值，如式(13)所示。

3.2 火災(zāi)風(fēng)險(xiǎn)等級

為了更加直觀理解火災(zāi)風(fēng)險(xiǎn)值所代表的意義，根據(jù)火災(zāi)風(fēng)險(xiǎn)值大小，將火災(zāi)風(fēng)險(xiǎn)劃分為4個(gè)等級(低風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)、高風(fēng)險(xiǎn)、特高風(fēng)險(xiǎn))，如表3所示。不同的風(fēng)險(xiǎn)等級體現(xiàn)出評估對象火災(zāi)所屬事故等級的可能性。特別說明的是，一般只有評估對象的人員數(shù)量少于3人、財(cái)產(chǎn)價(jià)值少于10 000 000元，且0大于0接近1時(shí)，才考慮其為低風(fēng)險(xiǎn)。

4 應(yīng)用案例

4.1 評估對象概況

為了驗(yàn)證后果概率估計(jì)法的可行性，以長沙地鐵的所有車站作為一個(gè)集群(以下簡稱“長沙地鐵”)，并運(yùn)用后果概率估計(jì)法對其進(jìn)行了火災(zāi)風(fēng)險(xiǎn)評估。

截至2020年8月31日，長沙共有5條地鐵線路，共99座車站，其中有12座換乘站，各車站位置分布如圖1所示。2019年(尚未開通3號線和5號線)，日均客流量100.01萬人次。2020年，新開通了3號線和5號線，客流量陡增。其中2020年7月24日，長沙地鐵客流量達(dá)到了157.37萬人次，其中1號線38.72萬人次、2號線56.78萬人次、3號線18.74萬人次、4號線28.99萬人次、5號線14.13萬人次。各車站包含通信系統(tǒng)、環(huán)境與設(shè)備監(jiān)控系統(tǒng)、客運(yùn)設(shè)備等，各車站的建設(shè)投資均超過1億元、財(cái)產(chǎn)價(jià)值亦超過1億元。

圖2 某換乘站密集的人群

長沙地鐵的各線路設(shè)計(jì)壽命均為100 a。長沙地鐵的絕大部分車站的面積超過了6 000 m2，其中最大的為阜埠河站。該站為3號線和4號線的換乘站，共設(shè)9個(gè)出入口，總建筑面積6.7萬m2。若按照式(1)至式(3)進(jìn)行計(jì)算的話，長沙地鐵在其全壽命周期內(nèi)發(fā)生火災(zāi)的可能性為100%。

長沙地鐵隸屬于長沙軌道交通集團(tuán)，所有車站按照統(tǒng)一模式進(jìn)行消防安全管理。各車站均建立了完善的消防管理制度，定期開展防火巡查、防火檢查、消防培訓(xùn)、消防演練等。各車站均按照相關(guān)標(biāo)準(zhǔn)和規(guī)范設(shè)置了消火栓系統(tǒng)、自動(dòng)噴水滅火系統(tǒng)、火災(zāi)自動(dòng)報(bào)警系統(tǒng)、防排煙系統(tǒng)、應(yīng)急照明與疏散指示系統(tǒng)、滅火器等，且各消防設(shè)施設(shè)備基本正常。各車站均按照相關(guān)標(biāo)準(zhǔn)和規(guī)范設(shè)置了防火分區(qū)、防煙分區(qū)、疏散通道等。各車站的結(jié)構(gòu)耐火等級均符合相關(guān)標(biāo)準(zhǔn)和規(guī)范的要求。

為了分析各座車站的周邊滅火救援力量情況，特向長沙市消防救援支隊(duì)收集了消防救援站數(shù)據(jù)。截至2020年8月31日，長沙共有39個(gè)消防救援站，主要分布在城區(qū)(見圖1)。參照LIU等[24]提出的方法，可通過調(diào)用百度地圖批量算路API根據(jù)實(shí)時(shí)路況計(jì)算出各車站與其最近的消防站之間的行駛時(shí)間，再比較行駛時(shí)間是否小于或等于目標(biāo)行程時(shí)間(240 s)，便可判斷車站是否能被消防救援服務(wù)有效覆蓋到，還能統(tǒng)計(jì)出長沙地鐵的消防救援服務(wù)有效覆蓋率。若共設(shè)置了連續(xù)的個(gè)時(shí)間點(diǎn)作為評估場景，令長沙地鐵在T時(shí)刻的消防救援有效覆蓋率為(T)，則長沙地鐵總體的消防救援有效覆蓋率可按式(14)計(jì)算。

通過在2020年8月31日00點(diǎn)至2020年9月6日24點(diǎn)期間，每隔1 h設(shè)置一個(gè)評估場景，并在每天早晚高峰期間(07:00?09:00和17:00?19:00)加密至每隔0.5 h設(shè)置一個(gè)評估場景，共197個(gè)評估場景。通過程序調(diào)用百度地圖批量算路API共獲得了19 503條結(jié)果樣本，經(jīng)過計(jì)算分析得出= 23.54%?？芍?，考慮了交通路況對消防救援的影響后，長沙地鐵總體的消防救援有效覆蓋率僅為23.54%。長沙正在建設(shè)2個(gè)地鐵專用消防站，預(yù)期在1～2 a內(nèi)可投入運(yùn)營，長沙地鐵的各座車站均設(shè)有微型消防站和設(shè)立了志愿消防隊(duì)伍，這有利于初起火災(zāi)的撲救。

4.2 評估結(jié)果

共邀請了5名專家(涵蓋消防管理、消防監(jiān)督、消防科研、消防技術(shù)服務(wù)等領(lǐng)域)采取后果概率估計(jì)法對長沙地鐵進(jìn)行火災(zāi)風(fēng)險(xiǎn)評估。各專家依據(jù)該長沙地鐵的客流量、財(cái)產(chǎn)價(jià)值及分布、消防設(shè)施設(shè)備、空間結(jié)構(gòu)特征、周邊滅火救援力量等情況，分別就火災(zāi)后重傷人數(shù)、死亡人數(shù)、直接財(cái)產(chǎn)損失進(jìn)行了概率估計(jì)，如表4所示。依據(jù)式(13)，計(jì)算出長沙地鐵的火災(zāi)風(fēng)險(xiǎn)值等于70.45，為中風(fēng)險(xiǎn)等級，即長沙地鐵在其全壽命周期內(nèi)具有較大可能性發(fā)生一般火災(zāi)或較大火災(zāi)。

為了進(jìn)一步降低火災(zāi)風(fēng)險(xiǎn)，提升長沙地鐵抵御火災(zāi)的能力，一方面長沙地鐵仍需加強(qiáng)消防管理、維護(hù)好消防設(shè)施設(shè)備、加強(qiáng)對乘客的消防宣傳；另一方面長沙市消防救援支隊(duì)?wèi)?yīng)加強(qiáng)消防救援站的建設(shè)，提升消防救援有效覆蓋率；再者，相關(guān)政府部門應(yīng)針對性地面向社會進(jìn)行消防宣傳教育，特別加強(qiáng)地鐵消防安全知識普及。從長沙的交通環(huán)境來說，應(yīng)進(jìn)一步提倡“公交優(yōu)先”政策、優(yōu)化道路交通網(wǎng)絡(luò)，以減少交通擁堵對消防救援有效覆蓋率的不利影響。

表4 火災(zāi)后果概率估計(jì)結(jié)果

5 結(jié)論

1) 創(chuàng)造性地提出了“集群火災(zāi)風(fēng)險(xiǎn)評估”這一概念，并將集群定義成“具有統(tǒng)一的消防管理模式、配備了類似的消防設(shè)施、具有類似的建筑結(jié)構(gòu)特征的多個(gè)建筑或場所”。

2) 探討了集群全壽命周期內(nèi)火災(zāi)頻率的計(jì)算方法，并提出了“在進(jìn)行集群火災(zāi)風(fēng)險(xiǎn)評估時(shí)，可保守假設(shè)集群在其全壽命周期內(nèi)的火災(zāi)發(fā)生可能性為100%”。

3) 建立了后果概率估計(jì)法，即通過對評估對象發(fā)生火災(zāi)后不同維度后果(重傷人數(shù)、死亡人數(shù)、直接財(cái)產(chǎn)損失)的概率進(jìn)行估計(jì)，并參照火災(zāi)風(fēng)險(xiǎn)值基準(zhǔn)來計(jì)算該評估對象的火災(zāi)風(fēng)險(xiǎn)值。

4) 基于后果概率估計(jì)法，對長沙地鐵這一集群進(jìn)行了火災(zāi)風(fēng)險(xiǎn)評估。長沙地鐵的火災(zāi)風(fēng)險(xiǎn)值為70.45，為中風(fēng)險(xiǎn)等級。

在本文中，僅以專家估計(jì)的方式來進(jìn)行后果概率估計(jì)。在下一步研究中，可建立估計(jì)不同維度后果的指標(biāo)體系，并量化計(jì)算出不同維度后果的概率。通過拓展延伸，也可將后果概率估計(jì)法應(yīng)用于其他類型的風(fēng)險(xiǎn)評估。

[1] ZHANG Y, SHEN L, REN Y, et al. How fire safety management attended during the urbanization process in China?[J]. Journal of Cleaner Production, 2019, 236: 117686.

[2] HUO T, LI X, CAI W, et al. Exploring the impact of urbanization on urban building carbon emissions in China: Evidence from a provincial panel data model[J]. Sustainable Cities and Society, 2020, 56: 102068.

[3] Mcnamee M, Meacham B, Van Hees P, et al. IAFSS agenda 2030 for a fire safe world[J]. Fire Safety Journal, 2019, 110: 102889.

[4] 蔡鑒明, 鄧薇. 長沙地鐵網(wǎng)絡(luò)復(fù)雜特性與級聯(lián)失效魯棒性分析[J]. 鐵道科學(xué)與工程學(xué)報(bào), 2019, 16(6): 1587? 1596. CAI Jianming, DENG Wei. Complex characteristics of Changsha metro network and robustness analysis of cascading failures[J]. Journal of Railway Science and Engineering, 2019, 16(6): 1587?1596.

[5] 馮凱, 楊舜, 張新. 車輛基地火災(zāi)排煙對上蓋建筑的影響[J]. 鐵道科學(xué)與工程學(xué)報(bào), 2017, 14(3): 635?641. FENG Kai, YANG Shun, ZHANG Xin. The influencing of smoke exhausting on over development buildings under fire in subway vehicle base[J]. Journal of Railway Science and Engineering, 2017, 14(3): 635?641.

[6] NFPA 551, Guide for the evaluation of fire risk assessments (2019 Edition)[S].

[7] 范維澄, 孫金華, 陸守香. 火災(zāi)風(fēng)險(xiǎn)評估方法學(xué)[M]. 北京: 科學(xué)出版社, 2004: 163?173. FAN Weicheng, SUN Jinhua, LU Shouxiang. Fire risk assessment methodology[M]. Beijing: Science Press, 2004: 163?173.

[8] 徐志勝, 劉頂立, 曹歡歡, 等. 基于AHP的古建筑火災(zāi)風(fēng)險(xiǎn)評估方法研究[J]. 鐵道科學(xué)與工程學(xué)報(bào), 2015, 12(3): 690?694. XU Zhisheng, LIU Dingli, CAO Huanhuan, et al. Study on fire risk assessment of historic buildings based on AHP[J]. Journal of Railway Science and Engineering, 2015, 12(3): 690?694.

[9] 游溫嬌, 徐志勝, 劉頂立. 基于物元分析法的古建筑火災(zāi)風(fēng)險(xiǎn)評價(jià)[J]. 安全與環(huán)境學(xué)報(bào), 2017, 17(3): 873? 878. YOU Wenjiao, XU Zhisheng, LIU Dingli. On the fire risk assessment for the ancient buildings based on the matter element analysis[J]. Journal of Safety and Environment, 2017, 17(3): 873?878.

[10] 李嘉良, 馬東輝, 王威. 基于證據(jù)理論和熵權(quán)灰色關(guān)聯(lián)的潛在地震滑坡危險(xiǎn)性評價(jià)[J]. 中南大學(xué)學(xué)報(bào)(自然科學(xué)版), 2016, 47(5): 1730?1736. LI Jialiang, MA Donghui, WANG Wei. Assessment of potential seismic landslide hazard based on evidence theory and entropy weight grey incidence[J]. Journal of Central South University (Science and Technology), 2016, 47(5): 1730?1736.

[11] 王麗. 集成AHP/熵權(quán)法的煤礦工業(yè)廣場火災(zāi)風(fēng)險(xiǎn)評估方法研究[J]. 煤炭工程, 2018, 50(8): 177?180. WANG Li. AHP and entropy method-based study on fire risk assessment of coal mine industrial site[J]. Coal Engineering, 2018, 50(8): 177?180.

[12] 李健行, 夏登友, 武旭鵬. 基于貝葉斯網(wǎng)絡(luò)的高層建筑火災(zāi)后果預(yù)測模型[J]. 中國安全科學(xué)學(xué)報(bào), 2013, 23(12): 54?59. LI Jianhang, XIA Dengyou, WU Xupeng. Bayesian network-based model for predicting consequences of high-rise buildings fire[J]. China Safety Science Journal, 2013, 23(12): 54?59.

[13] WANG Y F, QIN T, LI B, et al. Fire probability prediction of offshore platform based on dynamic bayesian network[J]. Ocean Engineering, 2017, 145: 112?123.

[14] 姜東民, 丁伶. ANP-BP公路隧道火災(zāi)風(fēng)險(xiǎn)評價(jià)模型及應(yīng)用[J]. 青島理工大學(xué)學(xué)報(bào), 2018, 39(5): 111?116. JIANG Dongmin, DING Ling. Research on fire risk assessment of highway tunnel based on ANP-BP method [J]. Journal of Qingdao University of Technology, 2018, 39(5): 111?116.

[15] LIU D, XU Z, ZHOU Y, et al. Heat map visualisation of fire incidents based on transformed sigmoid risk model[J]. Fire Safety Journal, 2019, 109: 102863.

[16] Worrell C, Luangkesorn L, Haight J, et al. Machine learning of fire hazard model simulations for use in probabilistic safety assessments at nuclear power plants[J]. Reliability Engineering & System Safety, 2019, 183: 128?142.

[17] Lau C K, Lai K K, Lee Y P, et al. Fire risk assessment with scoring system, using the support vector machine approach[J]. Fire Safety Journal, 2015, 78: 188?195.

[18] 陳娟娟, 方正, 謝濤, 等. 典型建筑火災(zāi)風(fēng)險(xiǎn)評估體系及其軟件開發(fā)[J]. 中國安全科學(xué)學(xué)報(bào), 2015, 25(1): 116?121. CHEN Juanjuan, FANG Zheng, XIE Tao, et al. Fire risk assessment for typical buildings and software development[J]. China Safety Science Journal, 2015, 25(1): 116?121.

[19] Hanea D, Ale B. Risk of human fatality in building fires: A decision tool using Bayesian networks[J]. Fire Safety Journal, 2009, 44(5): 704?710.

[20] French I, Cechet B, YANG T, et al. FireDST: Fire impact and risk evaluation decision support tool-model description[C]// 20th International Congress on Modelling and Simulation (MODSIM2013). Mssanz, Christchurch, 2013: 173?179

[21] 裴繼春, 趙卿, 王惠云. 墨菲定律的客觀性探討及對安全管理的啟示[J]. 工業(yè)安全與環(huán)保, 2012, 38(10): 88? 90. PEI Jichun, ZHAO Qing, WANG Huiyun. The objectivity analysis of murphy’s law and its enlightenment to the safety management[J]. Industrial Safety and Environmental Protection, 2012, 38(10): 88?90.

[22] 楊世全, 黃曉家, 謝水波, 等. 基于故障樹和貝葉斯的高層住宅火災(zāi)概率計(jì)算[J]. 消防科學(xué)與技術(shù), 2019, 38(9): 1322?1325. YANG Shiquan, HUANG Xiaojia, XIE Shuibo, et al. Calculating high-rise residential fire probability based on fault tree and Bayesian Network[J]. Fire Science and Technology, 2019, 38(9): 1322?1325.

[23] Tillander K. Utilisation of statistics to assess fire risks in buildings[D]. VTT Technical Research Centre of Finland, VTT, 2004.

[24] LIU D, XU Z, WANG Z, et al. Estimation of effective coverage rate of fire station services based on real-time travel times[J]. Fire Safety Journal, 2020: 103021.

Fire risk evaluation of subway group based on consequence probability estimation

LIU Dingli, XU Zhisheng, WANG Feiyue

(School of Civil Engineering, Central South University, Changsha 410075, China)

Many large enterprises and institutions contain multiple buildings or places with similar fire risk characteristics, which can be defined as “group”. At present, there is still a lack of study on evaluation of group fire risk. To reduce group fire risk and enhance the awareness and attention on group fire risk of decision makers, the fire possibility of groups was discussed. For evaluating group fire risk, the consequence probability estimation method was established based on estimating probabilities of different ranges of fire injuries, fire deaths and fire direct losses, and calculating fire risk value by referring to the fire risk value benchmark. Five experts were invited to evaluate the fire risk of the group of 99 subway stations (including 12 transfer stations) in Changsha using consequence probability estimation method. The results show that its fire risk value is 70.45, which can be defined as “medium risk level”.

group fire risk; fire risk evaluation; consequence probability estimation method; fire accident level

X951

A

1672 ? 7029(2021)03 ? 0813 ? 08

10.19713/j.cnki.43?1423/u.T20200888

2020?09?21

國家自然科學(xué)基金資助項(xiàng)目(51676210，51974362)

王飛躍(1977?)，男，重慶人，副教授，博士，從事城市公共安全與應(yīng)急管理研究；E?mail：wfycsu@csu.edu.cn

(編輯 蔣學(xué)東)