要在以往，如果有人對你説，蘇州某地某時發生火災的可能性很高，你也許將信將疑。可要説這是“火眼”系統的火災風險預測，你可要加倍注意了。

　　根據系統實際運行數據統計，在對蘇州9.6萬幢建築進行大數據分析後，“火眼”系統提前預測風險最高的5%建築，佔了實際發生火災數的42%；而“火眼”預測風險最低的30%建築，僅佔實際發生火災數的3%，預測精準度較高。

　　“火眼”，是蘇州消防依託大數據及人工智能技術開發的火災風險預測系統。在防火監督力量有限的情況下，“火眼”系統堪比消防界的“阿爾法狗”，不需增加人力投入，就可精確預測火災風險，大大提高火災防控工作的精準度，實現“數據強消，預知預警”。

　　億量級的數據雲為依託

　　“火眼”系統開展預測的前提是具有完備和可靠的數據資源。在重點整合既有消防數據、做實做細火災數據的同時，蘇州市公安消防部門主動與公安、安監、交通、工商、住建等進行對接。目前，以蘇州市消防安全委員會為平臺，已有26個部門建立消防大數據聯席會議制度，為匯集數據打通路徑，建立了與消防安全管理有關的數據庫，形成全市統一的“消防數據雲”。

　　通過對社區警務、火警火災二合一系統、工商數據庫、安監數據庫以及交通數據庫等平臺的數據採集，“消防數據雲”整合到的與消防相關的數據資源已達6.7億條，形成了企事業單位、建築、火災、隱患、危險源五大基礎業務庫。

　　數據的採集涵蓋面廣，也有精細化要求。以一家單位為例，其基礎數據包含單位信息、建築信息、歷史火災信息、歷史檢查隱患記錄以及其他相關數據五大方面。僅建築信息一項，又細分為：建築類型、建築年齡、層高、建築面積、耐火等級、入駐單位數量、最大可容納人數等等。

　　數據又有靜態和動態之分，“火眼”系統所依託的大數據平臺，其後臺數據會隨著實際變化實時更新。比如建築數據可以歸入靜態數據，但日常設施檢查、聯網檢測、生産流程數據等就屬於動態數據。目前蘇州危化品和易燃易爆品的存儲倉庫、儲運碼頭，均已實現數據的實時推送、實時展示。全市近6000輛危化品車輛以及在蘇州境內運行的危化品車輛，也均能實時定位，對於其裝載危化品的種類、數量以及駕駛員的信息，也能切實掌握。

　　精準防控助降火情

　　和“阿爾法狗”相似，正是借助海量的數據資源，“火眼”系統才能進行機器學習，生成火災風險預測模型，對所有建築進行動態及量化的火災風險排序，找出高危單位，預測火災風險。

　　借助“火眼”系統，蘇州市公安消防部門的日常防火監督模式已發生改變。傳統的安全管理按照重點單位的界定標準，將社會單位分類、定性為一級重點單位、二級重點單位、三級重點單位以及一般單位。但“火眼”基於更多因素的大數據預測，著眼于火災風險的動態化管理。通過“火眼”系統的精準預測，日常消防安全管理有了更為可靠的科學引導，在不增加人力投入的情況下，日常消防安全檢查工作的效率得以大幅提高。與傳統的隨機監督抽查模式相比，“火眼”指導下的防火檢查可提升8倍的精準度。在精準的火災風險預測指導之下，火災發生率顯著下降，火災隱患發現量大幅上升。

　　“火眼”系統生成的火災高風險預警指令，通過與消防業務系統結合，可以同步推送給消防、派出所和相關單位以及各有關部門和縣（市）、鄉（鎮）、街道（社區），除了提高監督管理的針對性，還能督促高危單位增加檢查頻次，開展隱患自查和整改。