摘要：隨著現(xiàn)代社會的發(fā)展，電動車使用數(shù)量不斷增加，住宅區(qū)電動車火災(zāi)頻發(fā)，導(dǎo)致的人員財產(chǎn)損失巨大。本文以模糊綜合評價法構(gòu)建評價住宅區(qū)電動車火災(zāi)發(fā)生概率的體系，模擬分析了一小區(qū)的火災(zāi)發(fā)生概率。通過模擬計算得出火災(zāi)發(fā)生概率的綜合得分為64.97，火災(zāi)發(fā)生概率較大，與實際情況較為符合。

關(guān)鍵詞：電動車火災(zāi)；模糊綜合評價；模擬計算

引言

截至2022年底，中國電動自行車社會保有量超過3億輛，電動摩托車保有量也在逐年攀升，達(dá)到數(shù)千萬輛。這些數(shù)據(jù)反映了中國電動車市場的巨大規(guī)模和增長潛力。在全球范圍內(nèi)，電動自行車和電動摩托車的市場也呈現(xiàn)出穩(wěn)步增長的趨勢。根據(jù)國際能源署（IEA）發(fā)布的數(shù)據(jù)，2021年全球電動自行車銷量超過5000萬輛，電動摩托車銷量也在數(shù)千萬輛左右。隨著環(huán)保意識的提高和技術(shù)的進(jìn)步，預(yù)計未來幾年內(nèi)全球電動車市場將繼續(xù)保持強(qiáng)勁增長勢頭。同時，因為使用者的疏忽以及缺乏相關(guān)基礎(chǔ)設(shè)施導(dǎo)致電動車火災(zāi)事故頻發(fā)，尤其是住宅區(qū)發(fā)生的電動車火災(zāi)導(dǎo)致的群眾生命財產(chǎn)損失更為巨大?；趪蚁谰仍值慕y(tǒng)計數(shù)據(jù)，全國電動車火災(zāi)事故近年來呈現(xiàn)頻發(fā)趨勢[1]。電動車火災(zāi)發(fā)生后，30秒左右就能引燃整輛車及周邊可燃物且伴隨爆炸、高溫?zé)焿m、有毒煙氣。從電動車著火開始，人們的安全逃生時間僅有100秒。住宅區(qū)電動車火災(zāi)發(fā)生后，通常會造成較大的人員生命財產(chǎn)損失。

本研究以模糊綜合評價方法[2]對住宅區(qū)電動車火災(zāi)發(fā)生概率進(jìn)行模擬分析。模糊綜合評價方法常用于各種火災(zāi)的分析模擬中，杜紅兵等[3]利用模糊綜合評價對高層建筑火災(zāi)風(fēng)險進(jìn)行分析，得出了火災(zāi)風(fēng)險等級；孫博等[4]利用層次分析-模糊綜合評價法構(gòu)建了橋梁火災(zāi)風(fēng)險評估體系，取得良好的預(yù)測效果。本研究基于《新疆維吾爾自治區(qū)電動自行車管理辦法》《建筑設(shè)計防火規(guī)范》等相關(guān)規(guī)范，選擇住宅區(qū)電動車火災(zāi)風(fēng)險評估指標(biāo)。以電動車使用規(guī)范為切入點，住宅區(qū)電動車火災(zāi)風(fēng)險評估指標(biāo)的選擇應(yīng)涉及建筑消防安全的基本方面。住宅區(qū)電動車火災(zāi)的誘因較多，彼此之間交互作用。建筑消防布局[5]：建筑材料的防火性能、疏散通道、火災(zāi)預(yù)警系統(tǒng)、消防滅火設(shè)施等；住宅區(qū)電動車火災(zāi)情況：起火時間、電動車火災(zāi)發(fā)生位置、起火點與居民居住區(qū)的距離、電動車電池容量、居民對火災(zāi)的警覺程度等；日常安全管理：建立完備的日常消防巡邏制度、定期對居民進(jìn)行消防安全知識的宣傳；電動車情況：電動車本身屬性和周邊物品堆積及屬性?；谏鲜龇治?，建立相應(yīng)的住宅區(qū)電動車火災(zāi)模糊綜合評價指標(biāo)體系[6]。

一、評價方法簡介

模糊評價法[7]是將影響評判的指標(biāo)賦予不同權(quán)重，然后以權(quán)重對結(jié)果進(jìn)行模擬計算。對于不同指標(biāo)的權(quán)重，常見的方法是邀請行業(yè)內(nèi)權(quán)威專家對指標(biāo)權(quán)重[8]進(jìn)行打分。雖然權(quán)威性較高，但終究會受主觀因素的影響，導(dǎo)致評價結(jié)果出現(xiàn)偏差。故本次研究以長鼻浣熊優(yōu)化算法[9]的BP神經(jīng)網(wǎng)絡(luò)[10]對指標(biāo)的權(quán)重賦值進(jìn)行模擬分析，避免主觀因素的影響。計算過程：標(biāo)定住宅區(qū)電動車火災(zāi)發(fā)生概率的模糊綜合評價因素集A；邀請行業(yè)內(nèi)權(quán)威學(xué)者對評價因素制定權(quán)重，然后利用智能優(yōu)化后的神經(jīng)網(wǎng)絡(luò)對權(quán)重進(jìn)行模擬優(yōu)化，排除主觀因素的影響，確定權(quán)重W；對隸屬度進(jìn)行演算，得到評價矩陣R；將W和R相乘，得到模糊綜合評價指標(biāo)矩陣P。指標(biāo)體系建立的原則有客觀、精確、全面等。其中，目標(biāo)層為住宅區(qū)電動車火災(zāi)發(fā)生概率綜合評價體系，準(zhǔn)則層為建筑布局、火災(zāi)情況和日常安全管理；指標(biāo)層為疏散通道、防火材料、火災(zāi)預(yù)警、起火時間、電動車情況等18個指標(biāo)。

（一）模糊評價法（FAHP）

模糊綜合評價法是一種用于處理具有模糊性特征的評價問題的方法。通過將定性描述轉(zhuǎn)化為定量數(shù)值，用于綜合評估各因素的重要性，從而得出一個總體的評價結(jié)果。該方法適用于那些難以用傳統(tǒng)統(tǒng)計方法量化的評價場景。用模糊綜合評價方法評價住宅區(qū)電動車火災(zāi)發(fā)生概率，能夠較為明確、真實對項目的實際情況進(jìn)行預(yù)測，比較各項指標(biāo)的重要性，進(jìn)行一致性檢驗，最終建構(gòu)出住宅區(qū)電動車火災(zāi)發(fā)生概率的評價模型。

（二）綜合競爭力評價體系指標(biāo)初選

該研究綜合參考了相關(guān)領(lǐng)域的最新研究，同時根據(jù)研究成果，設(shè)計了住宅區(qū)電動車火災(zāi)發(fā)生概率評價指標(biāo)體系。各指標(biāo)的綜合集合為因素集，指標(biāo)一共分為兩級，第一級指標(biāo)集包括三個因素，第二級指標(biāo)集包括十八個因素。

二、評價步驟

該住宅區(qū)電動車火災(zāi)發(fā)生概率的評語集量化矩陣V四個等級的平均值為100、80、60和50。通過該矩陣的計算，該住宅區(qū)電動車火災(zāi)發(fā)生概率為：F=BVT=64.97。得出該住宅區(qū)電動車火災(zāi)發(fā)生概率較高，與附件居民溝通發(fā)現(xiàn)，去年曾發(fā)生3起小火災(zāi)。

根據(jù)綜合模糊評價向量，制定相應(yīng)的預(yù)防措施。需要加強(qiáng)日常管理，強(qiáng)化火災(zāi)巡邏和宣傳，同時提高居民的安全意識，科學(xué)、合理管控電動車，降低發(fā)生電動車火災(zāi)的概率。

結(jié)語

本研究采用多層次模糊評價法和智能算法優(yōu)化BP人工神經(jīng)網(wǎng)絡(luò)法，對電動車住宅區(qū)火災(zāi)風(fēng)險概率進(jìn)行了綜合評價，得出結(jié)論如下。從綜合評價結(jié)果來看，評價結(jié)果準(zhǔn)確性較高，也避免單一評價方法的主觀局限性所帶來的評價誤差，提高項目整體的評價準(zhǔn)確性。證明模糊綜合評價方法可用于火災(zāi)風(fēng)險評估，對于其他工程也有一定的參考意義；在模糊評價中，可以利用BP神經(jīng)網(wǎng)絡(luò)，更好模擬分析出權(quán)重大小，避免主觀因素的影響，較符合實際情況；

智能算法優(yōu)化，可以進(jìn)一步調(diào)節(jié)模糊評價模型預(yù)測時所用參數(shù)的準(zhǔn)確性；根據(jù)模糊綜合評價體系制定相應(yīng)的預(yù)防措施，如控制電動車數(shù)目、建立日常安全管理制度、規(guī)定電動車充電時間等。

參考文獻(xiàn)

[1]譚明.讓81萬輛電動車充電“有法可依”[N].常德日報，2022-09-27（003）.

[2]伍愛友，肖國清，蔡康旭.基于模糊識別的建筑物火災(zāi)危險性評價方法[J].中國安全科學(xué)學(xué)報，2004（05）：76-79.

[3]杜紅兵，周心權(quán)，張敬宗.高層建筑火災(zāi)風(fēng)險的模糊綜合評價[J].中國礦業(yè)大學(xué)學(xué)報，2002（03）：29-32.

[4]孫博，肖汝誠.基于層次分析-模糊綜合評價法的橋梁火災(zāi)風(fēng)險評估體系[J].同濟(jì)大學(xué)學(xué)報（自然科學(xué)版），2015，43（11）：1619-1625.

[5]黃毅.城市混合功能建設(shè)研究[D].同濟(jì)大學(xué)，2009.

[6]元云麗.基于模糊層次分析法（FAHP）的建設(shè)工程項目風(fēng)險管理研究[D].重慶大學(xué)，2014.

[7]鄒志紅，孫靖南，任廣平.模糊評價因子的熵權(quán)法賦權(quán)及其在水質(zhì)評價中的應(yīng)用[J].環(huán)境科學(xué)學(xué)報，2005（04）：552-556.

[8]蘇為華.多指標(biāo)綜合評價理論與方法問題研究[D].廈門大學(xué)，2002.

[9]秦敏敏，劉立芳，齊小剛.面向維修資源分配調(diào)度的遺傳-長鼻浣熊混合優(yōu)化算法[J].智能系統(tǒng)學(xué)報，2023，18（06）：22-35.

[10]黃麗.BP神經(jīng)網(wǎng)絡(luò)算法改進(jìn)及應(yīng)用研究[D].重慶師范大學(xué)，2010.

作者簡介：曹江風(fēng)（1994- ），男，漢族，河南商丘人，碩士研究生，助教，研究方向：化學(xué)工程。