https://frosthead.com

Wie Daten und ein guter Algorithmus dazu beitragen können, den Beginn von Bränden vorherzusagen

Es gibt möglicherweise keinen reaktiveren Job als die Brandbekämpfung. Sie warten, bis der Alarm ertönt. wenn es das tut, geht man Feuer bekämpfen.

Aber was wäre, wenn es einen Algorithmus gäbe, der das Rätselraten des Brandschutzes lindern könnte? Was wäre, wenn genügend Daten analysiert werden könnten, um von der Feuerwehr zu ermitteln, wo Brände am wahrscheinlichsten sind?

Genau das tut die New Yorker Feuerwehr (FDNY) seit mehr als einem Jahr. Mithilfe eines Daten-Tools namens FireCast 2.0 wurde priorisiert, welche der hunderttausenden Gebäude in der Stadt dem höchsten Brandrisiko ausgesetzt sind. Die Software wendet einen Algorithmus von fünf städtischen Behörden an, der bis zu 60 verschiedene Risikofaktoren berücksichtigt - nicht nur offensichtliche wie das Alter eines Gebäudes, sondern auch, ob es sich in einem Zwangsvollstreckungsverfahren befand oder aktive Steuerpfandrechte hatte. Es ist kein großer Sprung zu erkennen, warum die finanzielle Notlage einer Immobilie das Brandrisiko erhöhen könnte, aber bis jetzt hatten die Feuerwehren keine formelle Möglichkeit, solche Dinge zu erkennen.

Tatsächlich war es nicht allzu lange her, dass selbst eine so hoch entwickelte Feuerwehr wie FDNY Gebäude in Kartenkatalogen in örtlichen Feuerwehrhäusern verfolgte. Jede Struktur hatte ihre eigene Karte mit grundlegenden Informationen - wann sie gebaut wurde, Größe, Baumaterial - und von den Kommandeuren der Firma wurde erwartet, dass sie festlegten, welche Gebäude wie oft inspiziert werden sollten.

Gebäudeinspektionen sind ein wesentlicher Bestandteil des Brandschutzes in Städten wie New York, und das war, wie Sie vielleicht vermuten, keine sehr effiziente Methode, um damit umzugehen. Normalerweise kämpfte der FDNY damit, sein jährliches Ziel zu erreichen, 10 Prozent der 330.000 Gebäude in der Stadt, für die er verantwortlich ist, zu inspizieren. Es ist eine gewaltige Aufgabe, wenn man bedenkt, dass eines dieser Gebäude das Empire State Building ist.

FireCast 2.0 hat diesen Prozess jedoch bereits vereinfacht, sodass die Abteilung die feuergefährdetsten Gebäude, von denen viele seit Jahren nicht mehr inspiziert wurden, genauer auswählen kann. Natürlich können Inspektionen Brände nicht immer verhindern. Die Verantwortlichen des FDNY weisen jedoch darauf hin, dass seit dem Einsatz von FireCast 2.0 im Jahr 2013 mehr als 16 Prozent der Stadtbrände in Gebäuden verzeichnet wurden, die in den letzten 90 Tagen inspiziert wurden, was darauf hindeutet, dass nicht nur die richtigen Strukturen an die Spitze des Gebäudes verlegt wurden Liste, aber auch als die Feuerwehrmänner zurückkehrten, um die Brände zu bekämpfen, hatten sie aktuelle Informationen über die Aufteilung der Gebäude.

Klüger werden

Der FDNY ist erfreut über den großen Schritt, den er in der so genannten „intelligenten Brandbekämpfung“ unternommen hat, aber es ist nur ein erster Schritt. Noch in diesem Jahr wird die Abteilung voraussichtlich auf FireCast 3.0 upgraden, ein noch leistungsfähigeres Tool, das drei Jahre lang Daten von 17 verschiedenen Stadtbehörden für jedes der 330.000 Gebäude analysiert. Jeder erhält eine Brandrisikowertung. Diese Liste wird jedoch täglich aktualisiert. Erhält ein Gebäude beispielsweise einen Papierkorbverstoß, steigt seine Punktzahl möglicherweise auf der Liste des nächsten Tages. Laut einem Bericht der National Fire Protection Association dauert das Zusammenstellen der Daten aller dieser Gebäude nur 90 Minuten.

Die von FireCast 3.0 verarbeiteten Informationen werden ebenfalls wesentlich verfeinert. In FireCast 2.0 wurde die gesamte Stadt in einem einzigen großen Datensatz zusammengefasst. Das aktualisierte Tool analysiert stattdessen jeden der 49 Bataillonsbezirke der Stadt separat, wobei die Feuerrisikobewertung auf der Feuerhistorie und den Merkmalen einzelner Stadtteile basiert. Täglich werden Daten aus dem 311 nicht für Notfälle geeigneten Telefon-Meldesystem der Stadt einbezogen. Das mag für das Erkennen von Brandgefahren nicht hilfreich erscheinen, aber mehr als die Hälfte der Anrufe, die über dieses System eingehen, sind Beschwerden oder Berichte über Gebäude.

Die Idee ist, einen stetigen Strom frischer Daten zu erhalten, um den Algorithmus zu schärfen, mit der Hoffnung, dass die Brandbekämpfung mehr zu einer Wissenschaft werden kann. Wie Ryan Zirngibl, leitender Datenwissenschaftler für FireCast, dem National Fire Protection Association Journal mitteilte , besteht das Ziel darin, möglichst viele Merkmale von Gebäuden mit Bränden zu identifizieren und mit den Merkmalen von Gebäuden ohne Brände zu vergleichen.

"Was ist der Unterschied zwischen zwei Gebäuden, die genau gleich aussehen, außer ein Gebäude hatte einen Brand", sagte er. "Was sehen wir nicht an diesen Gebäuden?"

Roboter auf See

Ein ganz anderer Ansatz für die Zukunft der Brandbekämpfung wurde kürzlich vom US-amerikanischen Office of Naval Research vorgestellt. Es ist ein 5'10 ”, 143-Pfund-Roboter namens SAFFiR, kurz für Shipboard Autonomous Firefighting Robot, und er wurde von Ingenieuren der Virginia Tech entwickelt, um Feuer dort zu löschen, wo sie am gefährlichsten sind - auf See.

Bei einem kürzlich durchgeführten Test konnte SAFFiR mithilfe seiner Infrarot-Stereovision ein Feuer durch dicken Rauch finden und einen Schlauch mit den Händen so gut handhaben, dass die Flammen gelöscht werden. Vielleicht noch eindrucksvoller: Es zeigte seine Seebeine und konnte sich auf einem rollenden Schiff aufrecht halten. Dies mag laut den Designern von SAFFiR die größte Herausforderung gewesen sein.

SAFFiR hat noch viel zu tun, bevor es auf See geht. Es tut sich immer noch schwer, durch Türen und Treppen zu navigieren. Für den Test wurden seine Bewegungen tatsächlich von einem Menschen gesteuert. SAFFiR wird wahrscheinlich für einige Zeit mit einem Menschen gepaart sein, kann sich aber möglicherweise selbstständig bewegen und Entscheidungen treffen. Mit der Zeit, wenn ein Feuer auf einem Schiff beginnt, ist es die Maschine, nicht der Mensch, der den Flammen gegenübersteht.

Wie Daten und ein guter Algorithmus dazu beitragen können, den Beginn von Bränden vorherzusagen