一种预测火灾风险的方法、装置、设备及存储介质

摘要

本申请提供了一种预测火灾风险的方法、装置、设备及存储介质，其中，该方法包括：按照各地块所属的建设用地类型，对目标预测区域进行划分，以划分出的各地块作为待预测单元；利用指数标度下的一级指标的判断矩阵，确定每一所述一级指标的第一权重；针对每一所述待预测单元，利用该待预测单元的指标源数据，确定该待预测单元的每一所述二级指标的指标值；利用每一所述二级指标的指标值，以及该二级指标所属的一级指标，计算每一所述一级指标的指标值；利用每一所述一级指标的指标值，以及该一级指标的所述第一权重，进行加权求和，将加权求和的结果作为所述待预测单元的火灾风险预测值。这样，可以提高火灾风险预测结果的准确度。

说明书

技术领域

本发明涉及消防安全技术领域，具体而言，涉及一种预测火灾风险的方法、装置、设备及存储介质。

背景技术

火灾是制约城市发展的主要灾害之一，随着我国城市化进程的快速发展，城市工业化水平不断提高，城市人口与经济产业日益呈集中向分布，城市火灾的发生频率以及由火灾导致的人员经济损失均呈现明显的上升趋势。因此，如何加强城市消防安全布局，提高城市的火灾风险应急效率，成为当前消防安全技术领域迫切需要解决的技术问题。

目前的方法，由于不同的城市之间区域环境差异较为明显，历史起火原因也各不相同，因此，对于城市的火灾风险预测并没有明确或固定的方法，火灾风险预测结果受到预测人员的经验等主观因素的影响，导致预测的结果不能反映城市的真实火灾风险状态，不利于指导城市消防基础设施的规划与布局。

发明内容

有鉴于此，本发明的目的在于提供一种预测火灾风险的方法、装置、设备及存储介质，以提高火灾风险预测结果的准确度，有利于指导城市的消防安全布局。

第一方面，本发明实施例提供了一种预测火灾风险的方法，所述方法包括：

按照目标预测区域内各地块所属的建设用地类型，对所述目标预测区域进行土地划分，将划分出的每一地块作为待预测单元；

利用指数标度下的一级指标的判断矩阵，确定每一所述一级指标的第一权重，其中，所述一级指标包括：火灾危险性指标、承灾体易损性指标以及区域抗灾能力指标，每一所述一级指标的下级指标中至少包括一种预先设置的二级指标；

针对每一所述待预测单元，利用该待预测单元的指标源数据，确定该待预测单元的每一所述二级指标的指标值，其中，所述指标源数据至少包括：历史火灾统计数据、空间区位信息、用地属性信息以及建筑属性信息；

利用每一所述二级指标的指标值，以及该二级指标所属的一级指标，计算该待预测单元的每一所述一级指标的指标值；

利用所述待预测单元的每一所述一级指标的指标值，以及该一级指标的所述第一权重，进行加权求和，将加权求和的结果作为所述待预测单元的火灾风险预测值。

可选的，在所述一级指标为所述火灾危险性指标时，所述二级指标，包括：建筑最低耐火等级指标、与危险源的最小距离指标、历史火灾发生频率指标；

在所述一级指标为所述承灾体易损性指标时，所述二级指标，包括：最大建筑高度指标、建筑密度指标、人口密度指标、经济密度指标；

在所述一级指标为所述区域抗灾能力指标时，所述二级指标，包括：与消防站的最小行车时间距离指标。

可选的，所述利用指数标度下的一级指标的判断矩阵，确定每一所述一级指标的第一权重，包括：

以所述火灾危险性指标的重要程度大于所述承灾体易损性指标，以及所述承灾体易损性指标的重要程度大于所述区域抗灾能力指标，作为所述判断矩阵的构建条件，构建所述判断矩阵，其中，所述判断矩阵中的每一位元素值用于表示该位元素值所在行的一级指标相比于该位元素值所在列的一级指标的重要程度；

针对所述判断矩阵中的每一行，计算该行包含的每一位元素值的和值，将计算结果作为该行的元素和值；

利用所述判断矩阵中每一行的所述元素和值，对该行的元素和值进行归一化处理，将归一化处理的结果作为该行对应的所述一级指标的所述第一权重。

可选的，所述利用该待预测单元的指标源数据，确定该待预测单元的每一所述二级指标的指标值，包括：

针对每一所述第二指标，从所述指标源数据中，获取该第二指标的初始指标值；

利用该第二指标对应的指标值层级划分列表，确定所述初始指标值所属的指标值层级，其中，所述指标值层级划分列表包括：每一所述指标值层级对应的初始指标值范围，以及该指标值层级映射的层级得分；

根据所述初始指标值所属的指标值层级，以该指标层级映射的所述层级得分作为所述二级指标的指标值。

可选的，所述利用每一所述二级指标的指标值，以及该二级指标所属的一级指标，计算该待预测单元的每一所述一级指标的指标值，包括：

针对每一所述二级指标，利用该二级指标在所属的一级指标中的指标优先级，将所述指标优先级映射的权重值作为该二级指标的第二权重；

针对每一所述一级指标，利用该一级指标包含的每一所述二级指标的指标值，以及该二级指标的所述第二权重，进行加权求和，将加权求和的结果作为该一级指标的指标值。

可选的，所述方法，还包括：

按照用户输入的火灾风险等级个数，对所述目标预测区域内包含的各所述待预测单元的火灾风险预测值，进行聚类处理，确定所述火灾风险预测值的自然断点；

利用确定出的各所述自然断点，对所述目标预测区域内包含的各所述待预测单元进行火灾风险等级的划分，确定每一所述待预测单元所属的火灾风险等级。

可选的，所述方法，还包括：

针对每一所述待预测单元，在所述目标预测区域的电子地图中，确定该待预测单元在所述电子地图中的目标位置；

利用该待预测单元所属的火灾风险等级映射的颜色值，对所述目标位置进行色彩标记，得到所述目标预测区域的火灾风险等级分布图，其中，不同的所述火灾风险等级映射的颜色值不同。

第二方面，本发明实施例还提供了一种预测火灾风险的装置，所述装置包括：

单元划分模块，用于按照目标预测区域内各地块所属的建设用地类型，对所述目标预测区域进行土地划分，将划分出的每一地块作为待预测单元；

第一计算模块，用于利用指数标度下的一级指标的判断矩阵，确定每一所述一级指标的第一权重，其中，所述一级指标包括：火灾危险性指标、承灾体易损性指标以及区域抗灾能力指标，每一所述一级指标的下级指标中至少包括一种预先设置的二级指标；

数据处理模块，用于针对每一所述待预测单元，利用该待预测单元的指标源数据，确定该待预测单元的每一所述二级指标的指标值，其中，所述指标源数据至少包括：历史火灾统计数据、空间区位信息、用地属性信息以及建筑属性信息；

第二计算模块，用于利用每一所述二级指标的指标值，以及该二级指标所属的一级指标，计算该待预测单元的每一所述一级指标的指标值；

风险预测模块，用于利用所述待预测单元的每一所述一级指标的指标值，以及该一级指标的所述第一权重，进行加权求和，将加权求和的结果作为所述待预测单元的火灾风险预测值。

可选的，在所述第一计算模块中：

在所述一级指标为所述火灾危险性指标时，所述二级指标，包括：建筑最低耐火等级指标、与危险源的最小距离指标、历史火灾发生频率指标；

在所述一级指标为所述承灾体易损性指标时，所述二级指标，包括：最大建筑高度指标、建筑密度指标、人口密度指标、经济密度指标；

在所述一级指标为所述区域抗灾能力指标时，所述二级指标，包括：与消防站的最小行车时间距离指标。

可选的，所述第一计算模块，包括：

矩阵构建单元，用于以所述火灾危险性指标的重要程度大于所述承灾体易损性指标，以及所述承灾体易损性指标的重要程度大于所述区域抗灾能力指标，作为所述判断矩阵的构建条件，构建所述判断矩阵，其中，所述判断矩阵中的每一位元素值用于表示该位元素值所在行的一级指标相比于该位元素值所在列的一级指标的重要程度；

元素计算单元，用于针对所述判断矩阵中的每一行，计算该行包含的每一位元素值的和值，将计算结果作为该行的元素和值；

归一化处理单元，用于利用所述判断矩阵中每一行的所述元素和值，对该行的元素和值进行归一化处理，将归一化处理的结果作为该行对应的所述一级指标的所述第一权重。

可选的，所述数据处理模块，还用于：

针对每一所述第二指标，从所述指标源数据中，获取该第二指标的初始指标值；

利用该第二指标对应的指标值层级划分列表，确定所述初始指标值所属的指标值层级，其中，所述指标值层级划分列表包括：每一所述指标值层级对应的初始指标值范围，以及该指标值层级映射的层级得分；

根据所述初始指标值所属的指标值层级，以该指标层级映射的所述层级得分作为所述二级指标的指标值。

可选的，所述第二计算模块，还用于：

针对每一所述二级指标，利用该二级指标在所属的一级指标中的指标优先级，将所述指标优先级映射的权重值作为该二级指标的第二权重；

针对每一所述一级指标，利用该一级指标包含的每一所述二级指标的指标值，以及该二级指标的所述第二权重，进行加权求和，将加权求和的结果作为该一级指标的指标值。

可选的，所述装置，还包括：

聚类模块，用于按照用户输入的火灾风险等级个数，对所述目标预测区域内包含的各所述待预测单元的火灾风险预测值，进行聚类处理，确定所述火灾风险预测值的自然断点；

等级划分模块，用于利用确定出的各所述自然断点，对所述目标预测区域内包含的各所述待预测单元进行火灾风险等级的划分，确定每一所述待预测单元所属的火灾风险等级。

可选的，所述装置，还包括：

数据查询模块，用于针对每一所述待预测单元，在所述目标预测区域的电子地图中，确定该待预测单元在所述电子地图中的目标位置；

分布图创建模块，用于利用该待预测单元所属的火灾风险等级映射的颜色值，对所述目标位置进行色彩标记，得到所述目标预测区域的火灾风险等级分布图，其中，不同的所述火灾风险等级映射的颜色值不同。

第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的预测火灾风险的方法的步骤。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述的预测火灾风险的方法的步骤。

本申请的实施例提供的技术方案可以包括以下有益效果：

本申请是按照目标预测区域内各地块所属的建设用地类型，对所述目标预测区域进行土地划分，以将不同建设用地类型的地块作为火灾风险的待预测单元，虽然不同地区的城市之间可能具有明显的环境差异，然而，不同地区的城市中建设用地的划分都需要遵守统一的国家标准，因此，这样，得到的火灾风险预测结果并不会受到城市区域环境差异的影响，也不会受到预测人员对待预测单元划分范围的主观因素影响，可以提高火灾风险预测结果的准确度，有利于火灾风险预测方法的推广。

进一步地，本申请在进行火灾风险预测时，选取火灾危险性指标、承灾体易损性指标以及区域抗灾能力指标作为一级指标，利用指数标度下的一级指标的判断矩阵，确定每一所述一级指标的第一权重，由于判断矩阵中每一位元素可以用于表征两个一级指标之间的相对重要程度，因此，利用判断矩阵可以较为客观的确定各一级指标在火灾风险预测结果中所占的权重，提高火灾风险预测结果的可靠性。同时，每一所述一级指标的下级指标中至少包括一种预先设置的二级指标，待预测单元的每一所述二级指标的指标值均来自于该待预测单元的指标源数据，其中，所述指标源数据至少包括：历史火灾统计数据、空间区位信息、用地属性信息以及建筑属性信息。这样，通过二级指标的具体指标值可以反映出各待预测单元的历史火灾发生特性，以及目标预测区域中各地块火灾风险的空间分布状态，有利于指导城市消防基础设施的规划与布局。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本申请实施例所提供的一种预测火灾风险的方法的流程示意图；

图2示出了本申请实施例所提供的一种一级指标的权重计算方法的流程示意图；

图3示出了本申请实施例所提供的一种火灾风险等级的划分方法的流程示意图；

图4示出了本申请实施例所提供的一种区域内火灾风险等级分布的展示方法的流程示意图；

图5示出了本申请实施例所提供的一种区域内火灾风险等级分布图的示意图；

图6示出了本申请实施例所提供的一种预测火灾风险的装置的结构示意图；

图7为本申请实施例提供的一种计算机设备700的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供了一种预测火灾风险的方法、装置、设备及存储介质，下面通过实施例进行描述。

实施例一

图1示出了本申请实施例所提供的一种预测火灾风险的方法的流程示意图，该方法包括步骤S101-S105；具体的：

S101，按照目标预测区域内各地块所属的建设用地类型，对所述目标预测区域进行土地划分，将划分出的每一地块作为待预测单元。

具体的，考虑到不同的城市之间区域环境差异较为明显，例如，昆明、拉萨等城市位于高海拔地区，成都、重庆等城市则位于较低海拔的盆地区域，然而，不同的城市中建设用地的划分都需要遵守统一的国家标准，因此，在本申请中，将不同建设用地类型的地块作为火灾风险的待预测单元，这样，得到的火灾风险预测结果并不会受到城市区域环境差异的影响，也不会受到预测人员对待预测单元划分范围的主观因素影响，可以提高火灾风险预测结果的准确度，有利于指导城市的消防安全布局。

具体的，作为一可选实施例，通过参考国家发布的《城市用地分类与规划建设用地标准》，在本申请提供的各实施例中，所述建设用地类型可以包括：

W：物流仓储用地；U：公共设施用地；G：绿地与广场用地；S3：交通枢纽用地；S4：交通场站用地；M：工业用地；R1：一类居住用地；R2：二类居住用地；R3：三类居住用地；H12：镇建设用地；H14：村庄建设用地；A1：行政办公用地；A2：文化设施用地；A3：教育科研用地；A4：体育用地；A5：医疗卫生用地；A6：社会福利设施用地；A7：文物古迹用地；A8：外事用地；A9：宗教设施用地；B：商业服务业设施用地。

示例性的说明，以目标预测区域为城市N为例，可以沿城市边缘朝向城市中心的方向，以两种不同的建设用地类型的地块分界线作为城市N的土地划分线，将城市N划分成n个地块，其中，每一个地块对应一种建设用地类型，以划分后n个地块作为预测城市N的火灾风险的n个待预测单元。

S102，利用指数标度下的一级指标的判断矩阵，确定每一所述一级指标的第一权重，其中，所述一级指标包括：火灾危险性指标、承灾体易损性指标以及区域抗灾能力指标，每一所述一级指标的下级指标中至少包括一种预先设置的二级指标。

本申请实施例中，作为一可选实施例，在所述一级指标为所述火灾危险性指标时，所述二级指标，包括：建筑最低耐火等级指标、与危险源的最小距离指标、历史火灾发生频率指标；

在所述一级指标为所述承灾体易损性指标时，所述二级指标，包括：最大建筑高度指标、建筑密度指标、人口密度指标、经济密度指标；

在所述一级指标为所述区域抗灾能力指标时，所述二级指标，包括：与消防站的最小行车时间距离指标。

具体的，在利用层次分析法进行定量分析时，常需要通过指标因子间两两比较的判断矩阵，来确定各指标因子对应的权重。其中，判断矩阵是参与定量分析的所有的指标因子组成的方阵，判断矩阵中的每一位元素a

示例性的说明，以传统的1-9标度为例，判断矩阵中的元素a

表1

具体的，在本申请中，指数标度下的一级指标的判断矩阵中的元素a

表2

需要说明的是，由于层次分析法的判断极限是9，因此，本申请中的指数标度的最大标度值：a

表3

S103，针对每一所述待预测单元，利用该待预测单元的指标源数据，确定该待预测单元的每一所述二级指标的指标值，其中，所述指标源数据至少包括：历史火灾统计数据、空间区位信息、用地属性信息以及建筑属性信息。

本申请实施例中，作为一可选实施例，所述利用该待预测单元的指标源数据，确定该待预测单元的每一所述二级指标的指标值，包括：

针对每一所述第二指标，从所述指标源数据中，获取该第二指标的初始指标值；

利用该第二指标对应的指标值层级划分列表，确定所述初始指标值所属的指标值层级，其中，所述指标值层级划分列表包括：每一所述指标值层级对应的初始指标值范围，以及该指标值层级映射的层级得分；

根据所述初始指标值所属的指标值层级，以该指标层级映射的所述层级得分作为所述二级指标的指标值。

具体的，对于历史火灾发生频率指标而言，历史火灾发生频率指标的初始指标值取决于：该待预测单元在预设时间周期内发生的历史火灾次数；在所述指标源数据中的历史火灾统计数据无法满足预设的时间周期时，作为一可选实施例，还可以根据该历史火灾统计数据中起火点的位置信息，统计位于该待预测单元内的起火点个数，将统计的所述起火点个数作为历史火灾发生频率指标的初始指标值。

具体的，对于建筑密度指标，还可以从所述指标源数据中的空间区位信息中，获取该待预测单元的高分遥感影像，然后，对该待预测单元的高分遥感影像进行目视解译，来统计该待预测单元的建筑密度指标的初始指标值。

具体的，对于人口密度指标和经济密度指标，由于人口密度和经济密度的统计数据多以行政单元为基础，难以刻画地块的实际信息，而地块的建设用地类型与用地功能密切相关，直接决定了人口密度与经济密度的差异，例如，居住用地的人口密度明显高于公园绿地的人口密度，商业用地的经济密度明显高于居住用地的经济密度，因此，可以根据指标源数据中的用地属性信息，或者按照该待预测单元所属的建设用地类型，确定人口密度指标和经济密度指标的指标值。

示例性的说明，在本申请中，作为一可选实施例，每一所述二级指标对应的指标值层级划分列表，如下表4所示：

表4

需要说明的是，表4只是本申请提供的一种可行的指标值层级划分列表的示例，对于每一所述二级指标对应的各指标值层级的具体初始指标值范围，以及该指标值层级映射的层级得分的具体取值，本申请并不进行限定。

S104，利用每一所述二级指标的指标值，以及该二级指标所属的一级指标，计算该待预测单元的每一所述一级指标的指标值。

本申请实施例中，作为一可选实施例，所述利用每一所述二级指标的指标值，以及该二级指标所属的一级指标，计算该待预测单元的每一所述一级指标的指标值，包括：

针对每一所述二级指标，利用该二级指标在所属的一级指标中的指标优先级，将所述指标优先级映射的权重值作为该二级指标的第二权重；

针对每一所述一级指标，利用该一级指标包含的每一所述二级指标的指标值，以及该二级指标的所述第二权重，进行加权求和，将加权求和的结果作为该一级指标的指标值。

示例性的说明，以火灾危险性指标为例，其中，火灾危险性指标下的二级指标，包括：建筑最低耐火等级指标、与危险源的最小距离指标、历史火灾发生频率指标，若建筑最低耐火等级指标、与危险源的最小距离指标、历史火灾发生频率指标具有相同的优先级，则建筑最低耐火等级指标、与危险源的最小距离指标、历史火灾发生频率指标的第二权重均为：

对于待预测单元x1，若待预测单元x1中：建筑的最低耐火等级为3级、距离待预测单元x1最近的危险源与x1的距离为400米、待预测单元x1历史火灾发生频率为8次，则参照表4所示的二级指标对应的指标值层级划分列表可知，待预测单元x1的建筑最低耐火等级指标的指标值为3、与危险源的最小距离指标的指标值为4、历史火灾发生频率指标的指标值为3，因此，待预测单元x1的火灾危险性指标的指标值为：

S105，利用所述待预测单元的每一所述一级指标的指标值，以及该一级指标的所述第一权重，进行加权求和，将加权求和的结果作为所述待预测单元的火灾风险预测值。

具体的，针对第i个待预测单元x

R

其中，D

W

V

W

F

W

在一个可行的实施方案中，图2示出了本申请实施例所提供的一种一级指标的权重计算方法的流程示意图，如图2所示，在执行步骤S102时，该方法还包括S201-S203；具体的：

S201，以所述火灾危险性指标的重要程度大于所述承灾体易损性指标，以及所述承灾体易损性指标的重要程度大于所述区域抗灾能力指标，作为所述判断矩阵的构建条件，构建所述判断矩阵，其中，所述判断矩阵中的每一位元素值用于表示该位元素值所在行的一级指标相比于该位元素值所在列的一级指标的重要程度。

示例性的说明，参照表3所示，若定义火灾危险性指标比承灾体易损性指标稍微重要，火灾危险性指标比区域抗灾能力指标明显重要，则利用所述判断矩阵的构建条件可知，承灾体易损性指标比区域抗灾能力指标重要，得到所述判断矩阵如下表5所示：

表5

S202，针对所述判断矩阵中的每一行，计算该行包含的每一位元素值的和值，将计算结果作为该行的元素和值。

示例性的说明，参照表5所示的判断矩阵，可以得到：

火灾危险性指标所在行的元素和值为：1+1.3161+3＝5.3161；

承灾体易损性指标所在行的元素和值为：0.7598+1+1.7321＝3.4919；

区域抗灾能力指标所在行的元素和值为：0.3333+0.5771+1＝1.9104。

S203，利用所述判断矩阵中每一行的所述元素和值，对该行的元素和值进行归一化处理，将归一化处理的结果作为该行对应的所述一级指标的所述第一权重。

示例性的说明，参照表5所示的判断矩阵，可以得到：

火灾危险性指标的第一权重为：

承灾体易损性指标的第一权重为：

区域抗灾能力指标的第一权重为：

在一个可行的实施方案中，图3示出了本申请实施例所提供的一种火灾风险等级的划分方法的流程示意图，如图3所示，在执行步骤S105之后，该方法还包括S301-S302；具体的：

S301，按照用户输入的火灾风险等级个数，对所述目标预测区域内包含的各所述待预测单元的火灾风险预测值，进行聚类处理，确定所述火灾风险预测值的自然断点。

具体的，作为一可选实施例，可以将所述目标预测区域内包含的每一所述待预测单元的火灾风险预测值输入至ArcGis平台，在ArcGis平台中，将分类方法设置为自然断点法，输入目标分类数量，则ArcGis平台会在输入数据中火灾风险预测值差异相对较大的位置设置分类边界，确定出能够将输入数据分割成目标分类数量，并且使得分割后的各类数据之间的差异达到最大化的自然断点。

示例性的说明，若用户输入的火灾风险等级个数为5，则在ArcGis平台中，按照自然断点法对所有的待预测单元的火灾风险预测值进行分类，确定出4个自然断点，将所有的待预测单元的火灾风险预测值分为5类。

S302，利用确定出的各所述自然断点，对所述目标预测区域内包含的各所述待预测单元进行火灾风险等级的划分，确定每一所述待预测单元所属的火灾风险等级。

具体的，所述火灾风险等级个数与确定出的所述自然断点的数量的差值为1，以每一所述自然断点作为所述火灾风险预测值的分级阈值，可以按照所述火灾风险等级个数，对所述目标预测区域内包含的各所述待预测单元进行火灾风险等级的划分。

示例性的说明，若用户输入的火灾风险等级个数为5，自然断点的值分别为：1、3、6、8，则火灾风险预测值位于区间[0,1]的待预测单元对应：火灾低风险区；火灾风险预测值位于区间(1,3]的待预测单元对应：火灾较低风险区；火灾风险预测值位于区间(3,6]的待预测单元对应：火灾中风险区；火灾风险预测值位于区间(6,8]的待预测单元对应：火灾较高风险区；火灾风险预测值位于区间(8,∞]的待预测单元对应：火灾高风险区；以待预测单元x1为例，若待预测单元x1的火灾风险预测值为2.7，则可以确定待预测单元x1所属的火灾风险等级为：火灾较低风险区。

在一个可行的实施方案中，图4示出了本申请实施例所提供的一种区域内火灾风险等级分布的展示方法的流程示意图，如图4所示，在执行步骤S302之后，该方法还包括S401-S402；具体的：

S401，针对每一所述待预测单元，在所述目标预测区域的电子地图中，确定该待预测单元在所述电子地图中的目标位置。

具体的，可以按照步骤S101中的土地划分方式，针对划分出的每一所述待预测单元，利用该待预测单元边界处的各点位置坐标，在所述目标预测区域的电子地图中，确定该待预测单元在所述电子地图中的目标位置。

S402，利用该待预测单元所属的火灾风险等级映射的颜色值，对所述目标位置进行色彩标记，得到所述目标预测区域的火灾风险等级分布图，其中，不同的所述火灾风险等级映射的颜色值不同。

示例性的说明，仍以步骤S302中的示例为例，其中，目标预测区域的火灾风险等级分为：火灾低风险区、火灾较低风险区、火灾中风险区、火灾较高风险区、火灾高风险区，则参照图5所示的示意图，可以得到目标预测区域的火灾风险等级分布图，在火灾风险等级分布图中，可以清晰直观的得到目标预测区域中火灾高风险区的分布情况，有利于指导城市消防基础设施的规划与布局，加强城市消防安全布局，提高城市的火灾风险应急效率。

本申请实施例中，作为一可选实施例，还可以针对每一所述一级指标或每一所述二级指标，按照步骤S301-S302中的等级划分方式，确定该一级指标的指标值或该二级指标的指标值对应的自然断点，利用该自然断点对各所述待预测单元进行指标等级的划分；从而，按照步骤S401-S402，得到目标预测区域的一级指标的指标等级分布图或二级指标的指标等级分布图。这样，通过分析目标预测区域中不同指标的分布情况，有利于针对性的加强城市消防安全布局；同时，对不同指标的指标高等级区域的重叠区域可以进行重点排查与检测，以及时消除城市火灾隐患，降低城市火灾风险。

实施例二

图6示出了本申请实施例所提供的一种预测火灾风险的装置的结构示意图，所述装置包括：

单元划分模块601，用于按照目标预测区域内各地块所属的建设用地类型，对所述目标预测区域进行土地划分，将划分出的每一地块作为待预测单元；

第一计算模块602，用于利用指数标度下的一级指标的判断矩阵，确定每一所述一级指标的第一权重，其中，所述一级指标包括：火灾危险性指标、承灾体易损性指标以及区域抗灾能力指标，每一所述一级指标的下级指标中至少包括一种预先设置的二级指标；

数据处理模块603，用于针对每一所述待预测单元，利用该待预测单元的指标源数据，确定该待预测单元的每一所述二级指标的指标值，其中，所述指标源数据至少包括：历史火灾统计数据、空间区位信息、用地属性信息以及建筑属性信息；

第二计算模块604，用于利用每一所述二级指标的指标值，以及该二级指标所属的一级指标，计算该待预测单元的每一所述一级指标的指标值；

风险预测模块605，用于利用所述待预测单元的每一所述一级指标的指标值，以及该一级指标的所述第一权重，进行加权求和，将加权求和的结果作为所述待预测单元的火灾风险预测值。

可选的，在所述第一计算模块602中：

在所述一级指标为所述火灾危险性指标时，所述二级指标，包括：建筑最低耐火等级指标、与危险源的最小距离指标、历史火灾发生频率指标；

在所述一级指标为所述承灾体易损性指标时，所述二级指标，包括：最大建筑高度指标、建筑密度指标、人口密度指标、经济密度指标；

在所述一级指标为所述区域抗灾能力指标时，所述二级指标，包括：与消防站的最小行车时间距离指标。

可选的，所述第一计算模块602，包括：

矩阵构建单元(图中未示出)，用于以所述火灾危险性指标的重要程度大于所述承灾体易损性指标，以及所述承灾体易损性指标的重要程度大于所述区域抗灾能力指标，作为所述判断矩阵的构建条件，构建所述判断矩阵，其中，所述判断矩阵中的每一位元素值用于表示该位元素值所在行的一级指标相比于该位元素值所在列的一级指标的重要程度；

元素计算单元(图中未示出)，用于针对所述判断矩阵中的每一行，计算该行包含的每一位元素值的和值，将计算结果作为该行的元素和值；

归一化处理单元(图中未示出)，用于利用所述判断矩阵中每一行的所述元素和值，对该行的元素和值进行归一化处理，将归一化处理的结果作为该行对应的所述一级指标的所述第一权重。

可选的，所述数据处理模块603，还用于：

针对每一所述第二指标，从所述指标源数据中，获取该第二指标的初始指标值；

利用该第二指标对应的指标值层级划分列表，确定所述初始指标值所属的指标值层级，其中，所述指标值层级划分列表包括：每一所述指标值层级对应的初始指标值范围，以及该指标值层级映射的层级得分；

根据所述初始指标值所属的指标值层级，以该指标层级映射的所述层级得分作为所述二级指标的指标值。

可选的，所述第二计算模块604，还用于：

针对每一所述二级指标，利用该二级指标在所属的一级指标中的指标优先级，将所述指标优先级映射的权重值作为该二级指标的第二权重；

针对每一所述一级指标，利用该一级指标包含的每一所述二级指标的指标值，以及该二级指标的所述第二权重，进行加权求和，将加权求和的结果作为该一级指标的指标值。

可选的，所述装置，还包括：

聚类模块(图中未示出)，用于按照用户输入的火灾风险等级个数，对所述目标预测区域内包含的各所述待预测单元的火灾风险预测值，进行聚类处理，确定所述火灾风险预测值的自然断点；

等级划分模块(图中未示出)，用于利用确定出的各所述自然断点，对所述目标预测区域内包含的各所述待预测单元进行火灾风险等级的划分，确定每一所述待预测单元所属的火灾风险等级。

可选的，所述装置，还包括：

数据查询模块(图中未示出)，用于针对每一所述待预测单元，在所述目标预测区域的电子地图中，确定该待预测单元在所述电子地图中的目标位置；

分布图创建模块(图中未示出)，用于利用该待预测单元所属的火灾风险等级映射的颜色值，对所述目标位置进行色彩标记，得到所述目标预测区域的火灾风险等级分布图，其中，不同的所述火灾风险等级映射的颜色值不同。

实施例三

如图7所示，本申请实施例提供了一种计算机设备700，用于执行本申请中的预测火灾风险的方法，该设备包括存储器701、处理器702及存储在该存储器701上并可在该处理器702上运行的计算机程序，其中，上述处理器702执行上述计算机程序时实现上述的预测火灾风险的方法的步骤。

具体地，上述存储器701和处理器702可以为通用的存储器和处理器，这里不做具体限定，当处理器702运行存储器701存储的计算机程序时，能够执行上述的预测火灾风险的方法。

对应于本申请中的预测火灾风险的方法，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述的预测火灾风险的方法的步骤。

具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述的预测火灾风险的方法。

在本申请所提供的实施例中，应该理解到，所揭露系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。