发布去年消防活动大数据分析结果
[亚洲经济 成基镐 记者] 消防厅23日表示，已完成去年大数据分析课题中有关火灾预防、现场安全、应对、救援、急救5个领域6个课题的分析。
大数据分析自2020年7月14日消防厅设立大数据业务部门后，于2021年开始正式推进。从那时起，每年面向全国消防机构及外部产学研机构开展需求调查，并通过1至2轮专家评审程序，最终遴选出消防业务主要悬而未决课题。
对去年火灾预防课题“为减少非火灾报警（Unwanted Alarm）而开展的探测器误动作原因分析”进行分析的结果显示，过去10年间，在非火灾报警出动中，以光电式（烟感式）探测器发生误动作的比例最高，且多发生在7至8月夏季工作日的上午。
此外，分析还得出，最近5年非火灾报警发生率激增约5倍，有必要对经常性发生非火灾报警而导致出动的对象进行系统化管理。
据此，消防厅计划开发一款非火灾报警预测模型，根据警报发生地点、时间、气象条件等，将误动作可能性量化并输出，以此将消防力量损失降至最低，并改进为能够高效运用消防力量的体系。
通过现场安全课题“现场队员安全事故因素分析及风险性评估”发现，队员事故多发生在扑救火灾过程中，重伤者较多；按警阶划分，消防士及消防曹事故比例高达56.1%。
因此，作为预防队员安全事故的一项举措，将开发现场队员事故风险性评估技术，推导出事故高发时段和星期，掌握灭火、救援、急救活动中的风险因素，并计划提供按活动分类利用风险指数及等级的“今日风险度”和既往事故提醒功能。
在应对课题“按地区分析出动障碍因素”的结果中，作为难以进入现场的原因，“道路狭窄”占比最高；从难以进入的类型看，依次以其他居住区、传统市场、商铺密集区为多。
今后，消防厅将把按地区分析出的出动障碍因素资料与全国各消防署共享，使其合理用于各消防署消防车辆（轻型泵浦车）布局，并通过对追加交通、气象信息的分析提供绕行路线。
在救援课题“救援活动应对体系效率化方案分析”的结果中，针对6大主要救援类型（火灾、其他、泄漏事故、交通、升降机、自杀疑似），现场到达时间超过30分钟的邑面洞级行政区域在全国共有5个地区。
基于此，计划积极用于改进在救援空白地区部署泵浦救援队等出动应对体系，以及通过构建按救援队员的系统化管理系统，实现按事故类型快速投入专业救援队员等现场人力配置方案。
在急救课题“主要急救活动现状分析”的结果中显示，受2022年3月新冠肺炎（COVID-19）大流行影响，119急救车将患者送至医院所耗时间为历史最长。
这一结果今后将作为判断与急诊患者转运延误相关政策效果性的依据，并计划将其设计为在119急救状况管理中心实时显示的可视化现状资料，以实现对转运延误情况的监测及相应的快速应对。
消防厅消防分析制度课长 Choi Jaemin 表示：“今后也将作为积极行政的一环，扩大利用在消防活动中获取的重要数据的基础，并高度化融合人工智能（AI）和机器学习（Machine Learning）的大数据分析体系，从而制定系统且科学的安全对策。”
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
