基于ANP与ArcGIS的城市火灾风险评估

赵帆，方世跃*，祁欣海，贾帅，尹春风

(1.西安科技大学地质与环境学院，西安 710054；2.国家管网集团联合管道有限责任公司，西安 710018；3.陕西核工业工程勘察院有限公司，西安 710054；4.国家管网集团南山(山东)天然气有限公司，烟台 265700)

随着经济的快速发展，城市火灾的防控压力及难度持续增大。超市、宾馆、体育馆、商场等公共场所一旦发生火灾，常因人员聚集、建筑规模巨大、易燃易爆危险品较多等，导致严重的人员伤亡。城市火灾风险评估对减少火灾发生率、优化消防力量配置、指导消防检查、提高灭火救援效率和城市消防安全水平具有重要作用[1]。但简单高效的城市火灾评估模型，一直是重点与难点问题。在中国，吴在栋等[2]提出了利用层次分析法(analytic hierarchy process,AHP)和模糊数学获取各项指标的参数值和权重值，在地理信息科学(geographic information science，GIS)空间技术支持下使用危险性评价模型、易损性评价模型和综合风险评估模型评估历史文化街区的火灾风险。李保杰等[3]利用GIS中的格网和叠加分析进行城市火灾风险评估。吴立志等[4]学者为了定量分析城市火灾风险，提出基于随机森林算法的递归特征消除方法优化自变量指标，结合线性加权法评估城市火灾风险。方硕等[5]在随机森林算法的基础上，设计开发了交互式消防热点风险地图，以方便相关人员快速确定地块建筑火灾风险并据此调整消防检查的策略以及人力物力资源的分配。叶宽等[6]利用多源数据融合的方法引入烟尘颗粒浓度来识别森林火灾发生的高风险区域。在国外，Goldarag等[7]利用神经网络和逻辑回归对森林火灾风险进行建模并识别火灾发生高潜在区域。Torres等[8]对GIS进行二次开发，分析处理国家公园及周边植被发生火灾的因素，然后进行风险等级的划分。Liu等[9]提出用通过使用JavaScript和HTML5，在映射不同颜色的火灾风险值的基础上，绘制广义火灾风险图，用事故数据可视化对风险区域进行评估。Gheshlaghi[10]使用GIS和网络层次分析法(analytic network process,ANP)建立森林火灾风险图和评价模型。综合比较目前对于火灾风险评估的研究方法，模糊综合评价法虽能把定性的问题转为定量问题，但也因此丢失了较多的信息，容易出现偏差；BP(back propagation)神经网络评价法虽然评价结果更客观，不带有明显的主观性，但无法处理定性的指标且模型数据获取比较困难；AHP操作简单易于实施，但其主观性较强且风险因素数目不能过多，且不能考虑因素间的关系。

纵观目前的火灾风险评估研究，对于火灾诱发因素的定量与定性分析、客观与主观的分析一直是关注的重点，但城市火灾的诱发因素间的联系也对最终的风险评价结果有着重要影响，目前对于火灾诱发因素间互相影响的问题却鲜有研究。ANP内含敏感度分析，因此不会因样本多寡而影响评估结果，不会忽略火灾风险评价中网络层之间的相互比较，合理地考虑了因素间的依存关系，能使结果更加准确可信。鉴于此，现将城市防灾减灾能力纳入风险评估的脆弱性研究中，构建考虑多个因素间相互关联的指标体系，再利用ANP的网络结构模型与ArcGIS的空间分析相结合的方法，进行权重计算；比较用500 m×500 m的渔网和行政区作为评价单元的评价结果精确度，选择500 m×500 m的渔网作为研究区的基本评价单元；结合火灾风险评价模型和ArcGIS的空间分析进行因素权重的叠加，利用自然间断法划分火灾风险等级。

1 研究区概况及数据

1.1 研究区概况

西安市临潼区位于关中平原东部，西安国际大都市副中心，地理坐标为东经109°5′49″～109°27′50″，北纬34°16′49″～34°44′11″。行政区划总面积916.293 4 km2，辖23个街道办事处。2021年临潼区全区总人口731 498 人，是一个人口、经济、文化快速发展的区域。根据临潼区2016 —2021年(截至2021年12月31日)的历年火灾分类统计分析，中心城区共发生火灾299 起，占全市火灾发生次数的56.3%。从历史火灾统计资料来看，中心城区火灾发生较为集中的场所为居民区，特别是在老城区、城中村为数最多，在各类火灾发生场所中的占比为42.1%；其次农田、林木、温棚，占比3.4%；再次为酒店、餐饮娱乐等商业场所，占比4.3%。临潼区用地类型多样，老旧街区建筑密集，消防布施不完善，火灾的发生率较高，火灾起因类型多样，火灾发生场所集中且火灾发生时间集中。

1.2 数据来源

本文中所采用的基础数据主要依托于《西安市临潼区国土空间规划——临潼区综合防灾专项规划》和相关部门所提供的相关数据，如表1所示。

表1 数据来源统计表Table 1 Classification data source statistic

2 火灾风险评估模型

2.1 城市火灾风险评估指标体系构建

2.1.1 指标选取

目前国际上的风险评估主流框架为H-V-E，即灾害风险水平是由危险性(H)、敏感性(E)、脆弱性(V)这三方面共同决定的[11]，模型表达为：Risk=H∩E∩V。但随着城市经济和科技的发展，在城市火灾的风险评估中城市的防灾减灾能力不容忽略，许多学者也将其纳入脆弱性分析中，因此本文从致灾因子的危险性分析、敏感性分析和防灾减灾能力三方面进行城市火灾的风险评估，以火灾危险度为其危险性(H)，区域特征性为其敏感性(E)，防灾减灾能力(P)这三个一级指标展开指标的筛选。

2.1.2 指标体系构建

火灾是多因素作用的结果，全面、科学、合理地选取评价因素至关重要。选取指标时应合理考虑指标的可获取性、合理性、科学性以及火灾的发生、控制、预防等各种问题。本文建立指标体系的具体步骤如下。

(1)根据火灾发生的危险度、区域特征性、城市防灾减灾能力确定因素。

(2)根据城市区域火灾风险因素之间的关联性对因素进行分组。将火灾风险评估定为控制层B，以火灾危险度B1，区域特征性B2，防灾减灾能力B3为控制层因素，所有二级评价指标为网络层C1、C2、C3,如表2所示。

表2 城市区域火灾风险指标体系Table 2 Classification index system of evaluation of fire risk in urban area

(3)分析组之间的关系。在整个网络中，不止网络层的因素间具有相关性，控制层间的关系也不容忽略。因此，确定出控制层和网络层之间的网元关系，如图1所示。

图1 西安市临潼区火灾风险评估ANP因素关系网Fig.1 ANP factors network of fire risk assessment in Lintong district,Xi’an City

2.2 指标量化

由于火灾指标的量纲与单位不同，且有正、负之分，利用极差标准化法处理数据使其量纲统一，负向指标也进行相应转化[10]。根据各因素的可获取性、在各评价单元上的差异性、剔除因素间的重叠因素，合理分配数据，运用ArcGIS和OMP软件将所收集到的数据进行了处理，比例尺1∶200 000，处理过程如下。

(1)火灾载荷密度：以建筑物面积与火灾载荷密度平均值的乘积作为重点消防单位的火灾载荷密度[12]，归一化后以各重点消防单位矢量位置为基础，利用ArcGIS的Spatial Analyst中的密度分析对其进行搜索距离为10 km的核密度分析。

(2)重点消防单位面积：以重点消防单位建筑的占地面积乘以建筑物层数得出重点消防单位建筑物的面积并将其归一化，以各重点消防单位矢量位置为基础，利用ArcGIS的Spatial Analyst中的密度分析对其进行搜索距离为10 km的核密度分析。

(3)重大危险源面积：以重大危险源面积归一化后，用矢量点对其进行搜索距离为10 km的核密度分析。

(4)与危险源的距离：以重大危险源单位为矢量点进行缓冲区建立，其距离分别为600、1 000、2 000、>2 000 m。

(5)用地类型：将土地利用类型分为4类，划分4个风险等级，如表3所示。

表3 土地利用类型风险等级划分表Table 3 Classification risk grade of land use types

(6)人口密度：根据西安市临潼区统计局的数据得到各行政街道办的人口密度。

(7)植被覆盖度：以国家地理信息资源目录服务系统的为基础数据。

(8)与消防站的距离：以消防站为基准点进行缓冲区建立，其距离分别是1 000、2 000、3 000、>3 000 m。

(9)消防供水能力：根据供水站的矢量位置进行10 km的核密度分析。

(10)医疗保障水平：用西安市临潼区卫健局的医院床位为基础数据进行归一化处理，以各医院的矢量点展开10 km的核密度分析。

将各因素统一纲量后进行ArcGIS的空间分析，利用ArcGIS的[重分类]对各因素的栅格进行重新赋值和分类，得出各个影响因素的标准化结果，如图2所示。

图2 评价因素分级图Fig.2 Evaluation factor grading chart map

2.3 城市火灾ANP结构模型构建

2.3.1 指标权重确定

将一级指标和二级指标对应关系判断矩阵分别输入SD(super decisions)软件中。将元素集Ci中元素按其对Cij的影响力进行两两比较分析，同时也将控制层中的网元进行两两比较，采用九分法(1～9)进行各因素比重标度后得到两两判断矩阵，再通过特征根法求得排序向量，采用一致性率(consistency ratio,CR)测度判断一致性程度。如果CR<0.1，则判断其一致性是可以接受的，否则进行修正。西安市临潼区火灾风险评估一级指标检验结果如表4所示。

表4 指标一致性检验结果Table 4 Classification index consistency test results

(1)

当得到的极限收敛且唯一时，指标权重稳定[10]，西安市临潼区的权重计算结果如表5所示。

表5 火灾风险评估权重值表(ANP)Table 5 Classification weight value of fire risk assessment(ANP)

2.3.2 城市火灾风险评估模型构建

在得出各二级指标的权重后，将各控制层按照权重再次叠加，在ArcGIS中利用字段计算器加权叠加得到西安市临潼区一级指标分级图，如图3所示。叠加表达式为

图3 一级指标分级图Fig.3 First-level indicator gradingmap

(2)

式(2)中：R为一级指标风险结果；wi为指标i的二级指标权重；xij为对应的二级指标。

选取评估模型[13]，利用ArcGIS的栅格计算器叠加一级指标的权重结果，得出西安市临潼区最终的火灾风险评估结果，如图4所示。选取的评估模型为

(3)

式(3)中：H为危险性；E为敏感性；P为防灾减灾能力。

3 结果与分析

3.1 西安市临潼区火灾风险评价结果

将图4西安市临潼区火灾风险评估图(ANP)与图5西安市临潼区的城市组团区域分布图对比，其风险评估结果基本与城市城区结构分布一致。从西安市临潼区火灾风险性评估图中可以看出，火灾风险性总体上呈南高北低的格局，高风险区域主要分布在临潼的旧城区和新城区的人口密集和经济发展中心，中风险区域主要分布在渭北工业区和新丰区的工业区域，具体风险性区划如表6所示。

表6 西安市临潼区火灾风险区划Table 6 Classification fire risk zoning of Lintong district, Xi’an City

3.2 评价单元对结果的影响

评价单元的选取对于城市火灾最后的评价结果有着重要影响，根据城市火灾评价的实际情况，常用的评价单元有渔网单元和行政区域划分单元。用行政区域划分评价单元，西安市临潼区有23个行政街道，以每个街道办为一个评价单元，得到23个火灾风险评价单元。运用同样的指标，将其按照行政街道单元再次处理部分数据，具体过程如下。

(1)火灾载荷密度，以建筑物面积与火灾载荷密度平均值的乘积作为重点消防单位的火灾载荷密度，然后按行政街道统计每个街道的重点消防单位的火灾载荷密度并将其归一化。

(2)重点消防单位面积百分比，以街道办内总的重点消防单位面积除以行政街道办的面积得出该街道办的重点消防单位面积占比并将其归一化。

(3)重大危险源面积百分比，以街道办内总重大危险源面积除以行政街道办的面积得出该街道办的重大危险源面积占比并将其归一化。

(4)人口密度，根据西安市临潼区统计局的数据得到各行政街道办的人口密度。

(5)消防供水能力，统计每个行政街道办的供水站个数除以供水站总数量，得到各行政街道办的消防供水站的密度。

(6)其余指标数据处理方法不变。利用ANP构建的结构模型计算出的权重结合ArcGIS的空间分析再次叠加各指标，结果如图6所示。将结果与图4中用500 m×500 m的渔网作为基本评价单元的结果做对比，可以看出用渔网作为基本评价单元其风险评价结果更加精确，而行政区划作为评价单元，其只可划分不同行政区划之间的风险等级，对于部分指标无法进行行政区划内部的更加精细化的风险等级划分。渔网的一个评价单元面积远小于行政区域的面积，可以根据渔网等级的大小，在行政区划的内部进行风险等级的精确划分，使得其评价过程更精细，结果更准确。

图4 西安市临潼区火灾风险评价结果分布图(ANP)Fig.4 Distribution map of fire risk assessment results in Lintong District,Xi’an City(ANP)

图5 西安市临潼区城市主要组团区域分布图Fig.5 Distribution map of major urban groups area in Lintong District,Xi’an City

图6 行政区域单元火灾风险评价结果分布图Fig.6 Distribution map of fire risk assessment results in administrative area units

3.3 权重对评价结果的影响

利用相同的指标和处理方法，用层次分析法再次对西安市临潼区的火灾风险进行评估。采用Yaahp软件对西安市临潼区的火灾指标进行层次分析法建模，召集该专业的专家进行打分，最终得到各个指标的权重，如表7所示。

表7 火灾风险评估权重值表(AHP)Table 7 Classification weight value of fire risk assessment (AHP)

再利用ArcGIS对火灾因素的权重叠加得出利用层次分析法建立模型后得出的西安市临潼区火灾风险评估结果如图7所示。

图7 西安市临潼区火灾风险评价结果分布图(AHP)Fig.7 Distribution map of fire risk assessment results in Lintong district,Xi’an City(AHP)

从两种方法的对比中可以看出两者得出的一级指标的权重相差不大，而主要差别在于二级指标的权重值的不同。这是由于传统的层次分析法只考虑了因素间的递阶层次问题，从而使得出的结果层次较为分散，中风险与次风险地区多以行政区划分为主，且多以重大危险源的中心点聚集，波及范围面广。相较于传统的层次分析法，ANP考虑到了火灾风险因素中的可逆性问题和网络层因素之间互有影响关系的问题，不是简单的递阶层次，得出的权重结果更加精确，风险性区域的划分更加的集中准确。

3.4 防灾减灾能力对结果的影响

利用ANP剔出防灾减灾能力的3个指标，得出火灾风险度(危险性H)、区域特征性(敏感性E)的7个指标的权重，如表8所示。再利用ArcGIS的空间分析和可视化得出未考虑防灾减灾能力的风险评价结果，如图8所示。

图8 剔除脆弱性指标火灾风险评价结果分布图Fig.8 Distribution map of fire risk assessment results excluding vulnerability indicators

表8 剔除脆弱性指标权重表Table 8 Classification eliminate the weight of vulnerability index

两者对比可以看出，未考虑城市防灾减灾能力指标的风险评估结果中高、中风险区域占比较大，考虑城市防灾减灾指标后的结果范围较集中，高中风险区域的有所缩减，由此可见，城市防灾减灾能力提高能有效的缩减火灾的高风险范围。

4 结论

(1)根据火灾发生的危险性、区域特征性、防灾减灾能力这三个决策层筛选了10 个影响因素。利用SD软件建立网络层间因素互相联系的因素关系网，配合ArcGIS和极差法将指标统一量化，建立考虑因素间相互关联的指标体系。结合ANP和专家打分进行指标权重确定，将权重结果与ArcGIS的空间分析相结合，采用加入城市防灾减灾因素后的风险叠加模型，利用自然间断法将西安市临潼区的火灾风险等级划为高、中、次、低风险四类。将得到的结果与未考虑火灾因素间相互联系的层次分析法的结果对比，ANP的风险区域划分更为集中精确，以此说明ANP内的可逆性结构和因素网的建立能精进指标的权重，进而能得出更精确的结果。

(2)西安市临潼区火灾风险整体呈现出南高北低的趋势，尤其集中在骊山、斜口、代王、新丰、北田这五个街道办，高风险区域占1.81%，中风险区域占5.82%，次风险区域占16.85%，低风险区域占75.53%。据实际调查，这些街道办均属于人口和建筑密集，城市经济中心，重大危险源较多的区域，在此也验证了本文城市风险评估的准确可靠，可操作性强。

(3)将500 m×500 m的渔网评价单元和行政区划评价单元进行风险评价结果对比，发现渔网可以更准确地划分风险区域范围，减少后期消防规划的工作幅度。

(4)城市防灾减灾能力能够有效减低城市的火灾风险性，因此在对城市风险评估时应当适当考虑目前已有的防灾减灾能力因素，这对于最终的风险评估结果有着缩小风险范围，精细化评价结果的作用。