# 看纽约如何利用数据挖掘预防火灾

- 作者：黄思俊
- 发布时间：2014-01-27 10:10
- 分类：公司
- 原文：https://www.ifanr.com/398618

[![6977622867_e88f060d5d_z](https://s3.ifanr.com/wp-content/uploads/2014/01/6977622867_e88f060d5d_z.jpg)](https://s3.ifanr.com/wp-content/uploads/2014/01/6977622867_e88f060d5d_z.jpg)

之前我们曾报道过纽约市长手下有一支极客团队，他们通过搜集城市大数据作趋势分析预测，解决各种疑难杂症。要准确掌握这颗大苹果的脉络，当中数据挖掘（data mining）是重要一环。

对于纽约消防队员来说，除了救火外，日前他们多了一项新任务：检验全纽约各栋建筑物的安全性。

目前纽约约有 100 万栋建筑物，平均每年当中约有 3000 栋会发生严重级别的大火。那是否有方法能够预防悲剧发生呢？据[华盛顿邮报](http://blogs.wsj.com/digits/2014/01/24/how-new-yorks-fire-department-uses-data-mining/?mod=WSJBlog)报道，纽约消防局的数据分析师认为，每栋建筑物拥有独特的属性，通过分析就能得知一些建筑物其实本身就属“火”。

能判断一栋建筑物是否属“火”主要遵循不同的因素：例如贫穷，低收入家庭的房子往往更容易发生火灾，而且低收入人群居住密度较高，火灾的危害性更大。另外，建筑物的年龄也需要关注。老房子问题更多，因为它们很容易有各种由电线线路引起火警的潜在问题，而且老房子消防设施落后，发生火灾后才发现附近根本没有足够的水龙头，危险指数是普通建筑物的两倍。

诸如此类，纽约消防员将影响房屋起火的因素分为 60 个。除去危害性较小的小型独立屋，相关人员通过特定算法，为城市中 33 万栋需要检验的建筑物单独进行打分，得出危险指数高低。而整个纽约城的消防数据，也因系统的检测和防范得到更新。

这样当消防员每周出勤检验时，系统都会列出建筑物的详细资料和危险指数，决定哪些是优先“照顾”的对象。这个庞大的数据挖掘计划从去年七月开始实施，预计会将全纽约建筑为归类成 2400 种，例如学校、图书馆这种比较重要的设施就会列入超常规检验对象。

在前市长 [Michael Bloomberg](http://www.ifanr.com/267560) 驱动下，纽约已逐渐成为数据城市。过去几年不同职能部门通过数据解决了如垃圾、火灾、治安问题。

预计纽约会继续在大数据分析系统加大投入。不过目前有个问题就是，如何找出证据显示因为有了这些数据分析和防范，从而避免了火灾发生？消防局发言人表示：“最好的答案还是数据本身，因为最后我们能看到火灾数量的下降。”

题图来自：[AAAE](http://www.aaae.org/training_professional_development/arff_professional_designation_programs/airport_fire_officer/)