https://frosthead.com

Hvordan data og en god algoritme kan hjælpe med at forudsige, hvor brande vil starte

Der er muligvis ikke noget job, der er mere reaktive end brandbekæmpelse. Du venter på, at alarmen lyder; når det sker, går du i brand.

Men hvad nu hvis der var en algoritme, der kunne tage gætteriet ud af brandforebyggelse? Hvad hvis der kunne analyseres nok data til, at brandvæsenet ville være i stand til at identificere, hvor brande mest sandsynligt vil ske?

I mere end et år har New York City Fire Department (FDNY) gjort netop det. Ved hjælp af et dataværktøj kaldet FireCast 2.0 har det været at prioritere, hvilke af de hundreder af tusinder af bygninger i byen, der har den største risiko for brand. Softwaren anvender en algoritme fra fem byagenturer, der tager højde for så mange som 60 forskellige risikofaktorer - ikke kun indlysende, såsom en bygnings alder, men også om det var midt i afskærmningsproceduren eller havde aktive skatteafgifter. Det er ikke et stort spring at se, hvorfor en ejendoms økonomiske situation kunne gøre det til en større brandrisiko, men indtil nu havde brandvæsenet ingen formel måde at vide sådanne ting på.

Faktisk var det ikke så længe siden, at selv en brandvæsen så sofistikeret som FDNY holdt styr på bygninger i kortkataloger i lokale brandhuse. Hver struktur ville have sit eget kort med grundlæggende information - når det blev bygget, firkantede optagelser, byggematerialer - og ud fra det forventedes firmaets ledere at bestemme, hvilke bygninger der skulle inspiceres, hvor ofte.

Bygninginspektioner er en vigtig del af brandforebyggelse i byer som New York, og som du muligvis ikke var en meget effektiv måde at håndtere dem på. Normalt kæmpede FDNY for at nå sit årlige mål om at inspicere 10 procent af de 330.000 bygninger i byen, som det er ansvarlig for. Det er et massivt job, når du overvejer, at en af ​​disse bygninger er Empire State Building.

Men FireCast 2.0 har allerede forenklet denne proces, hvilket gør det muligt for afdelingen mere præcist at målrette mod de mest udsatte bygninger, hvoraf mange ikke var blevet inspiceret i årevis. Naturligvis kan inspektioner ikke altid forhindre brande. Men FDNY-embedsmænd påpeger, at siden FireCast 2.0 blev udsendt i 2013, var mere end 16 procent af byens brande i bygninger, der var blevet inspiceret i de sidste 90 dage, hvilket antyder, at ikke kun de rigtige strukturer blev flyttet til toppen af ​​toppen liste, men også da brandmændene vendte tilbage for at bekæmpe brandene, havde de ajourførte oplysninger om bygningernes layout.

Bliv smartere

FDNY er tilfreds med den store fremskridt, det er taget i det, der er kendt som "smart brandmandskab", men det er kun et første skridt. Senere i år forventes afdelingen at opgradere til FireCast 3.0, et endnu mere kraftfuldt værktøj, der vil analysere tre års data fra 17 forskellige bybureauer for hver eneste af de 330.000 bygninger. Hver får en brandrisikoscore. Men listen opdateres dagligt - hvis en bygning f.eks. Får en skraldespand, kan dens score stige på næste dags liste. Det tager kun 90 minutter at samle dataene fra alle disse bygninger, ifølge en rapport fra National Fire Protection Association.

Oplysninger, der behandles af FireCast 3.0, vil også være meget mere raffinerede. FireCast 2.0 samlet hele byen i et stort datasæt. Det opgraderede værktøj vil i stedet separat analysere hver af byens 49 bataljonsdistrikter og basere brandrisikoscore på ildhistorien og karakteristikkerne i de enkelte kvarterer. Det vil inkorporere data hver dag fra byens 311 ikke-berettigede telefonrapporteringssystem. Det synes muligvis ikke så nyttigt at identificere brandfarer, men mere end halvdelen af ​​de opkald, der kommer ind gennem dette system, er klager eller rapporter om bygninger.

Ideen er at holde en stabil strøm af friske data ind for at skærpe algoritmen med håb om, at brandbekæmpelse kan blive mere en videnskab. Som Ryan Zirngibl, den ledende dataforsker for FireCast, fortalte National Fire Protection Association Journal, er målet at identificere så mange af egenskaberne ved bygninger, der har haft brand og sammenligne dem med egenskaberne for bygninger, der ikke har det.

”Hvad er forskellen mellem to bygninger, der ser nøjagtigt ens ud, bortset fra at en bygning havde en brand, ” sagde han. ”Hvad er det, vi ikke ser om disse bygninger?”

Robotter til søs

En meget anden tilgang til fremtiden for brandbekæmpelse blev for nylig afsløret af det amerikanske kontor for søforskning. Det er en 5'10 ”, 143 pund robot ved navn SAFFiR, en forkortelse for Shipboard Autonomous Fireighting Robot, og den blev designet af ingeniører ved Virginia Tech for at slukke brande, hvor de er mest farlige - til søs.

Under en nylig test var SAFFiR i stand til at bruge sin infrarøde stereovision til at finde en ild gennem tyk røg og håndtere en slange med hænderne godt nok til at slukke flammerne. Måske mere imponerende viste det sine havben og kunne holde sig lodret på et rullende skib. Ifølge SAFFiRs designere kan det have været deres største udfordring.

SAFFiR har stadig en måder at gå på, før den er klar til at tage ud på havet. Det kæmper stadig med at navigere i døråbninger og trappeopgang. Til testen var faktisk dens bevægelser kontrolleret af et menneske. Selvom det sandsynligvis vil blive parret med et menneske i nogen tid, kan SAFFiR muligvis i sidste ende være i stand til at bevæge sig og træffe beslutninger på egen hånd. Med tiden, når en brand starter på et skib, vil det være maskinen, ikke mennesket, der står over for flammerne.

Hvordan data og en god algoritme kan hjælpe med at forudsige, hvor brande vil starte