基于Logistic回归的社会单位消防安全管理水平分析

宋玉华 杨杰茹 王珺 李玉诗

摘要：针对不同高度建筑及重点监管场所需实施不同等级防火监管措施的问题，提出基于无序多分类Logistic回归模型的防火安全管理水平分析策略。对低层/多层建筑、高层建筑和超高层建筑分别进行定性分析，然后通过R语言建立无序多分类Logistic回归模型进行定量分析。考虑到人员密集场所有必要给予重点分析，归纳总结了各类人员密集场所并对其建立回归模型进行防火监管水平分析。最后，对所有建筑样本的综合管理水平进行Logistic回归分析，进而给出有针对性的管理措施和建议。

关键词：消防管理;Logistic回归;防火安全;人员密集场所

随着我国经济的飞速发展，高层、超高层建筑拔地而起，人员密集场所不断涌现，火灾安全隐患陡然增加。消防安全问题关系着广大人民的生命财产安全，防火监督管理对于保障人民的生命财产安全有着极其重要的影响，消防隐患与防火监督管理也越来越受到关注[1]。不同高度建筑结构不尽相同，防火安全等级也有很大差异，这为消防应急救援带来很大的难度[2]。预防和遏制火灾事故，一直是各级政府、消防监管部门的工作重点和社会焦点，也是消防工作的重要任务[3]。以某市为例，2020年出警8600余起，出动车辆19000余辆次，出动人员63000余人次。鉴于此，构建有效的防火安全管理水平分析模型、推进“智慧消防”服务、实现消防管理现代化建设，显得尤为重要[4]。

回归分析是一种流行的预测分析与建模技术，常用于预测分析、时间序列模型以及发现变量之间的因果关系[5]。常见的线性回归分析要求因变量为定量变量，而现实中许多问题中因变量为定性变量，例如建筑的防火安全管理水平可划分为优秀、良好、一般、较差和无管理，此时使用线性回归进行预测分析较难达到理想效果，因而可考虑使用Logistic回归进行分析。Logistic回归模型对于预测变量没有类型要求，自变量可以是连续、离散或者虚拟变量，也无需额外的分布假设[6]。因此，采取从局部到整体的分析方法，通过无序多分类Logistic回归模型，对不同层高建筑、人员密集场所等研究对象的防火监管水平进行建模分析，具体分析内容如下：

局部分析。根据建筑的固有属性，将建筑分为低层/多层建筑、高层建筑、超高层建筑，针对不同类型的建筑分别进行定性和定量分析，建立Logistic回归模型对不同类别建筑的管理水平进行预测。根据建筑的使用性质，考虑到应重点加强对人员密集场所的防火监管水平和监管力度，对该类场所建立Logistic回归模型，进行相应的预测分析。

整体分析。根据建筑高度、建筑面积、建筑层数、耐火等级、使用性质、室内消火栓、室外消火栓、自动喷水灭火系统、火灾自动报警系统和排烟系统等自变量，建立无序多分类Logistic回归模型，实现对各类别建筑消防安全水平的综合分析预测，根据分析结果给出切实可行的防火安全管理建议。

1  数据收集

选取某市某区284个重点单位的建筑消防基础数据进行分析。对所有样本数据，根据建设部《民用建筑设计通则》规定[7]，将24m以下的建筑划分为低层/多层建筑，建筑高度超过24m的建筑划为高层建筑。两类建筑的管理水平统计如图1所示。

此外，对使用性质这一指标，依据《机关、团体、企业、事业单位消防安全管理规定》（公安部61号令），将其划分为表1所示的9类场所，并将其中1、2、5、6、8类场所划分为人员密集型场所。

随机选取3/4的样本数据作为训练集，剩下的1/4数据作为测试集，对模型进行检验。

2  基于Logistic回归的防火安全管理水平分析

2.1  对不同高度建筑的回归分析

将分别对低层/多层建筑与高层建筑进行分析。对于无序多分类Logistic回归模型，需定义反应变量的某一个水平为参照水平。本文将管理水平为“优秀”定义为参照水平，将其他管理水平与参照水平作对比。

对样本数据中的建筑层数和建筑高度两个变量做相关系数检验，得到相关系数值为0.98，并且p值小于0.05，说明建筑高度和建筑层数之间存在统计相关性，由此判断出样本数据的自变量之间可能存在多重共线性。因而，使用R语言进行逐步回归并建立回归模型，依据AIC信息准则[8]（Akaike Information Criterion）最小化的原则筛选回归模型中的自变量。

首先，对低层/高层建筑进行分析。依据最小化AIC的原则选取的自变量分别为建筑高度、室外消火栓、室内消火栓、自动喷水系统和火灾自动报警系统，得到的回归参数估计如表2所示。

在参数估计表中，以管理水平较差的拟合情况为例，其中，常数为-5.41，表示当模型中所有自变量均为0时1n[P（较差）/P（优秀）]的值;建筑高度的拟合系数为0.08，表示建筑高度每增加一个单位，引起1n[P（较差）/P（优秀）]的改变量为0.08;同理，室内消火栓、室外消火栓、自动喷水灭火系统和火灾自动报警系统的拟合系数，也代表了其对1n[P（较差）/P（优秀）]改变量的影响程度。

依据表2，得到无序多分类Logistic回归模型如式（1）所示：

（1）

其中，x1，...，x5分别表示建筑高度、室外消火栓、室内消火栓、自動喷水灭火系统和自动报警系统变量。

令G15=0。将G11，...，G15代入下式：

即可得到五种管理水平回归分析的概率取值。

对测试集的预测值与其实际值的二维列联表如表3所示。

上表为低层/多层建筑的管理水平预测值，表中的每一行表示每种管理水平实际观测值的个数，每一列表示每种管理水平回归预测值的个数。从表中可以看出，管理水平为优秀的分类，其实际观测值的个数为23，而模型预测的个数为19，说明Logistic回归模型在该分类上的预测准确率达到了83%，总体而言，模型的预测能力较为良好。

其次，对高层建筑进行分析。在逐步回归中，根据最小化AIC准则筛选进入模型的最终自变量为建筑高度、建筑层数、室外消火栓、室内消火栓、自动喷水灭火系统、火灾自动报警系统和排烟系统，最后得到的自变量的参数估计表如表4所示。

依据表4，可得对高层建筑的Logistic回归模型如式（3）所示：

其中，x1，...，x7分别表示建筑高度、建筑层数、室外消火栓、室内消火栓、自动喷水灭火系统、火灾自动报警系统和排烟系统。

根据公式（3）的计算结果，最终可以代入公式（2）得到五种管理水平相应的概率。测试集的预测值与其实际值的二维列联表如表5所示。

从表5中可以看出，Logistic回归模型在对高层建筑防火安全管理水平的预测中，平均准确率高达66.8%，模型总体解释性能较为理想。

2.2  对人员密集场所的Logistic回归分析

根据表1的使用性质赋值，可以将284个建筑样本划分为9类，这9类场所的自动喷水灭火系统、火灾自动报警系统以及有排烟系统的汇总情况如表6所示。

从表中可以看到，无论哪种场所，安装排烟系统的建筑都要多于（或等于）安装自动喷水灭火系统或火灾自动报警系统的建筑，而安装了自动喷水灭火系统的建筑与安装了火灾自动报警系统的建筑数量是一样的。换言之，安装自动喷水灭火系统的建筑同时也会安装火灾自动报警系统。

对这9类场所的管理水平程度进行统计分析，如表7所示。

根据《机关、团体、企业、事业单位消防安全管理规定》，将第1、2、5、6、8类场所认定为人员密集型场所，对其进行Logistic回归分析。选取的参照水平仍然为优秀。该模型仍存在多重共线性问题，所以使用R语言进行逐步回归，最后依据AIC最小化原则，选取的自变量为室外消火栓、室内消火栓、自动喷水灭火系统、火灾自动报警系统和人数。最后得到的自变量的参数估计值如表8所示。

表8 公众聚集场所的参数估计表

由参数估计表8，得到Logistic回归模型如式（4）所示：

其中，x1，...，x5分别表示室外消火栓、室内消火栓、自动喷水灭火系统、火灾自动报警系统和人数。

根据公式（4）的计算结果，代入公式（2）可以得到5种管理水平相应的概率。测试集的预测值与其实际值的二维列联表如表9所示。

从表中可以看出，模型在优秀管理水平上的准确率最高达到了94.1%，说明Logistic回归模型对人员密集场所的分析预测准确率也是比较高的。

2.3  对所有建筑和场所的Logistic回归分析

上文中，着重对不同高度建筑和人员密集型场所的管理水平构建模型进行了局部分析。为了进一步研究无序多分类Logistic回归模型对不区分建筑类别和场所的整体预测性能，本节将在所有样本数据上构建回归模型。

使用R语言进行逐步回归，依据AIC最小化原则，最终选取的自变量为建筑高度、建筑层数、室外消火栓、室内消火栓、自动喷水系统和火灾自动报警系统。回归拟合得到的参数估计如表10所示。

根据表10，得到的回归模型如式（5）所示：

其中，x1，...，x6分别表示建筑高度、建筑层数、室外消火栓、室内消火栓、自动喷水灭火系统和自动报警系统。

在模型应用中，测试集的模型预测值与实际值的二维列联表如表11所示。

从表中可以看出，模型在优秀上的准确率最高达到了84%，总体的模型解释能力也是较为理想的。

4  结语

根据本文的分析，我们可以看出无论是低层或多层建筑、高层建筑还是超高层建筑，管理水平为良好和优秀的居多，说明对于低层或多层建筑以及高层建筑的消防管理水平还是中等居上的，但是仍然存在管理程度差甚至无管理的建筑需要相关部门加强消防管理措施。对于公众聚集场所仍然存在较多的管理程度差和无管理的建筑。

对低层/多层建筑建立的回归模型可以看出，建筑高度越高，管理水平以优秀作为参照，无管理和较差的情况出现的概率越大，说明对于低层/多层建筑中稍微偏高的建筑应加强防火安全管理工作。对于高层建筑来说，建筑高度越高，建筑的管理水平相比于优秀来说，无管理、一般的概率越小。这说明某市某辖区当前对于高层建筑的管理水平相对较好。

对于人员密集型场所，建筑层数越多，管理水平为无管理和较差的相比起优秀来说概率更大，对于该辖区的防火安全监管工作，应加大对于层数越多的人员密集型场所的监管力度，加强对此类建筑的消防安全建设。

最后，对于该辖区内的所有建筑，建筑高度越高，建筑管理水平为差的相比优秀而言概率越小，并且有室外室内消火栓的建筑的管理水平为优秀的概率更高，说明该辖区的整体防火安全检查工作比较有效，该辖区整体防火工作水平较高。

参考文献：

[1]薛智.高层建筑消防隐患分析与防火监督管理研究[J].消防界（电子版），2021，7（07）：107-108.

[2]杨阳.基于Shapley-ICUOWGA算子的高层建筑火灾安全评价[J].消防科学与技术，2019，38（7）：1019-1022.

[3]薛鈞，邵绍斌.浅谈合用场所亡人火灾原因及预防对策[J].消防科学与技术，2017，36（6）：883-885.

[4]苏畅，王新平，李政，等.我国消防安全管理研究的前沿热点和趋势[J].消防科学与技术，2020，39（7）：1026-1029.

[5]白振鹏，李炎锋，张鹏，等.隧道火灾温度分布的多元回归预测分析[J].消防科学与技术，2018，37（10）：1304-1306+1323.

[6]曾婕，胡国治.Logistic回归模型的统计诊断[J].数理统计与管理，2017，36（4）：620-631.

[7]GB 50352-2005，民用建筑設计通则[S].

[8]王伟，李建锋，刘帅.基于改进局部线性模型树的航空发动机过渡态非线性辨识[J].信息与控制，2020，49（5）：560-569+577.

Analysis of fire safety management level

of social units based on logistic regression

Song Yuhua1，Yang Jieru2，Wang Jun2，li Yushi1

（1.Yantai Fire and Rescue Brigade of Shandong，Shandong  Yantai  264000;2.ludong University，Shandong  Yantai  264000）

Abstract：For the problem of different heights of buildings and key supervisory places need to implement different levels of fire prevention supervision measures， the fire safety management level analysis strategy based on disordered multiclassification logistic regression model is proposed. Qualitative analysis is conducted for low-rise/multi-story buildings， high-rise buildings and super high-rise buildings respectively， and then a disordered multi-classification logistic regression model is established for quantitative analysis through R language. Considering that it is necessary to give focus to the analysis of crowded places， various types of crowded places are summarized and regression models are established for their fire prevention supervision level analysis. Finally， the comprehensive management level of all building samples is analyzed by logistic regression， and then targeted management measures and suggestions are given.

Keywords：fire prevention management; logistic regression; fire safety; crowded places