https://frosthead.com

Kuinka tiedot ja hyvä algoritmi voivat auttaa ennustamaan, mistä tulipalot alkavat

Ei voi olla reaktiivisempaa työtä kuin palontorjunta. Odotat, että hälytys soi; kun se tapahtuu, menet tulipaloihin.

Mutta entä jos olisi algoritmi, joka voisi arvata arvaukset palontorjunnasta? Entä jos riittävät tiedot voitaisiin analysoida, jotta palokunnat pystyisivät tunnistamaan, missä palot todennäköisimmin tapahtuvat?

New Yorkin kaupungin palokunta (FDNY) on tehnyt juuri tämän vuoden yli vuoden. Tietotyökalulla nimeltään FireCast 2.0 on priorisoitu, mitkä sadoista tuhansista kaupungin rakennuksista ovat suurimmassa vaarassa tulipalo. Ohjelmisto käyttää algoritmia viideltä kaupungin virastolta ottaen huomioon jopa 60 erilaista riskitekijää - paitsi selviä, kuten rakennuksen ikä, myös sen ollessa keskellä sulkemismenettelyä vai oliko sillä aktiivisia vero panttioikeuksia. Ei ole suuri harppaus nähdä miksi kiinteistön taloudellinen tilanne voi tehdä siitä suuremman paloriskin, mutta toistaiseksi palolaitoksilla ei ollut virallista tapaa tietää sellaisia ​​asioita.

Tosiasiassa ei ollut niin kauan sitten, että jopa niin hienostunut palotekniikka kuin FDNY seurasi rakennuksia paikallisissa palotaloissa sijaitsevissa korttiluetteloissa. Jokaisella rakennuksella olisi oma kortti perustietoineen - kun se rakennettiin, neliömateriaalia, rakennusmateriaaleja - ja siitä lähtien yrityksen komentajan odotettiin määrittävän, mitkä rakennukset tarkistetaan kuinka usein.

Rakennustarkastukset ovat tärkeä osa palontorjuntaa New Yorkin kaltaisissa kaupungeissa, ja se, kuten saatat epäillä, ei ollut kovin tehokas tapa käsitellä niitä. Yleensä FDNY kamppaili saavuttaakseen vuotuisen tavoitteensa tarkastaa 10 prosenttia kaupungin vastuulla olevasta 330 000 rakennuksesta. Se on valtava työ, kun ajatellaan, että yksi näistä rakennuksista on Empire State Building.

Mutta FireCast 2.0 on jo yksinkertaistanut tätä prosessia, jonka avulla osasto voi kohdistaa tarkemmin paloalttiimpiin rakennuksiin, joista monia ei ollut tarkistettu vuosien varrella. Tarkastukset eivät tietenkään aina pysty estämään tulipaloja. Mutta FDNY: n virkamiehet huomauttavat, että FireCast 2.0: n käyttöönoton jälkeen vuonna 2013 yli 16 prosenttia kaupungin paloista oli rakennuksissa, jotka oli tarkastettu viimeisen 90 päivän aikana, mikä viittaa siihen, että paitsi että oikeat rakenteet olisi siirretty mutta myös kun palomiehet palasivat sammuttamaan tulipalot, heillä oli ajantasaista tietoa rakennusten ulkoasusta.

Älykkäämpiä

FDNY on tyytyväinen suureen edistykseen, joka on otettu niin kutsuttuun älykäsyn palontorjuntaan, mutta se on vasta ensimmäinen askel. Myöhemmin tänä vuonna osaston odotetaan päivittävän FireCast 3.0: een, vielä tehokkaampaan työkaluun, joka analysoi kolmen vuoden tiedot 17 eri kaupunginvirastosta jokaisesta 330 000 rakennuksesta. Jokaiselle annetaan paloriskipiste. Mutta luettelo päivitetään päivittäin - jos esimerkiksi rakennus saa roskakorin, sen pisteet voivat nousta seuraavan päivän luettelossa. Kansallisen palontorjuntayhdistyksen raportin mukaan kaikkien näiden rakennusten tietojen kokoaminen vie vain 90 minuuttia.

FireCast 3.0: n käsittelemät tiedot ovat myös paljon tarkempia. FireCast 2.0 yhdisti koko kaupungin yhdeksi suureksi tietojoukkoksi. Päivitetty työkalu analysoi sen sijaan erikseen kutakin kaupungin 49 pataljoonapiiristä, ja palovaara-arvot perustuvat palohistoriaan ja yksittäisten kaupunginosien ominaisuuksiin. Se sisältää tietoja joka päivä kaupungin 311-puhelimesta, joka ei ole hätätilanteessa. Se ei ehkä tunnu olevan niin hyödyllistä palovaroitusten tunnistamisessa, mutta yli puolet järjestelmän kautta tulevista puheluista on valituksia tai raportteja rakennuksista.

Ajatuksena on pitää jatkuvasti tuoretta tietoa tulevana tulona algoritmin terävöittämiseksi siinä toivossa, että palontorjunnasta voi tulla enemmän tiedettä. Kuten FireCastin johtava tietotekijä Ryan Zirngibl kertoi National Fire Protection Association Journal -lehdelle, tavoitteena on tunnistaa niin monta palon saaneiden rakennusten ominaisuuksia ja verrata niitä sellaisten rakennusten ominaisuuksiin, joilla ei ole.

"Mikä on ero kahden rakennuksen välillä, jotka näyttävät täsmälleen samalta, paitsi että yhdellä rakennuksella oli tulipalo", hän sanoi. "Mitä me emme näe näissä rakennuksissa?"

Robotit merellä

Yhdysvaltain merivoimien tutkimusvirasto esitteli äskettäin hyvin erilaisen lähestymistavan palontorjunnan tulevaisuuteen. Se on 5'10 ”: n 143-kiloinen robotti nimeltään SAFFiR, lyhenne sanoista Shipboard Autonomous Firefing Robot, ja Virginia Techin insinöörit ovat suunnitelleet sen polttamaan tulipaloja sinne missä ne ovat vaarallisimpia - merellä.

Äskettäisen testin aikana SAFFiR pystyi käyttämään infrapuna-stereoäänensä löytääkseen tulipalon paksun savun läpi ja käsittelemään letkua kädet riittävän hyvin tulen sammuttamiseksi. Ehkä vaikuttavammalta, se näytti meren jalat pystyen pysymään pystyssä liikkuvalla aluksella. Se SAFFiR: n suunnittelijoiden mukaan on saattanut olla heidän suurin haaste.

SAFFiR: llä on vielä tapoja edetä, ennen kuin se on valmis suuntautumaan merelle. Se kamppailee edelleen oviaukkojen ja portaikkojen navigoinnissa. Testiä varten ihminen itse asiassa kontrolloi sen liikkeitä. Vaikka se todennäköisesti muodostuu pariksi ihmisen kanssa jonkin aikaa, SAFFiR saattaa lopulta pystyä liikkumaan ja tekemään päätöksiä yksin. Ajan myötä, kun tulipalo alkaa aluksella, liekit kohtaavat koneen, ei ihmisen.

Kuinka tiedot ja hyvä algoritmi voivat auttaa ennustamaan, mistä tulipalot alkavat