CC BY
30
DOI: 10.12845/bitp.34.2.2014.4
ml. bryg. mgr inz. Robert MAZUR1
Przyj^ty/Accepted/Принята: 29.03.2013;
Zrecenzowany/Reviewed/Рецензирована: 20.05.2014;
Opublikowany/Published/Опубликована: 30.06.2014;
OCENA STOPNIA BEZPIECZENSTWA W ASPEKCIE STATYSTYK ZDARZEN ZA LATA 2000-2012. CZASOWO-PRZESTRZENNA CHARAKTERYSTYKA ZAGROZEN POZAROWYCH OBIEKTOW MIESZKALNYCH W SYSTEMIE INFORMACJI PRZESTRZENNEJ (GIS)
NA PRZYKLADZIE M.ST. WARSZAWA
Assessment of Safety Level in the Aspect of 2000-2012 Fire Statistics. Temporal And Spatial Characteristics of Residential Buildings Fires in Geographical Information System. Warsaw Case Study
Оценка степени безопасности в отношении статистики событий за 2000-2012 годы. Временно-пространственная характеристика пожарной опасности жилых зданий в Геоинформационной системе (ГИС) на примере города Варшавы
Abstrakt
Cel: Celem artykulu, b^d^cego trzeci^. cz^sci^. cyklu publikacji pt. Ocena stopnia bezpieczenstwa w aspekcie statystyk zdarzen Panstwowej Strazy Pozarnej (PSP), jest czasowa i przestrzenna charakterystyka pozarow jedno- i wielorodzinnych obiektow mieszkalnych (POM) Warszawy. Poprzez charakterystyka czasow^. nalezy rozumiec rozklady pozarow w funkcji godzin, dni tygodnia, miesi^cy, kwartalow, zas charakterystyka przestrzenna metody budowy map zagrozen poparte analiz^. i dyskusj^. wynikow badan. Wprowadzenie: Badania cz^stosci wyst^powania pozarow, miejscowych zagrozen (MZ) oraz poszkodowanych odnotowanych w raportach Panstwowej Strazy Pozarnej (PSP) za lata 2007-2012 wskazujq, jak istotn^. problematyk^. w dzialalnosci sluzb ratowniczych s^. zagrozenia generowane w obiektach mieszkalnych [1], [4]. Wprowadzenie zawiera najistotniejsze wnioski z poprzedzaj^cej biez^cy artykul publikacji nt. oceny stopnia bezpieczenstwa w aspekcie statystyk pozarow [1] i MZ [4]. Wynika z nich, ze cz^stosc pojawiania si^ POM oscyluje w granicach 17% wszystkich pozarow, zas wspolczynniki rannych i ofiar smiertelnych kilkudziesi^ciokrotnie przewyzszaj^. wspolczynniki wypadkowosci innych klas obiektow, osi^gaj^c odpowiednio 75% i 81% wszystkich poszkodowanych [1]. Koncentracja MZ w obiektach mieszkalnych si^ga 31% wszystkich MZ z odsetkiem rannych na poziomie 8% oraz ofiar smiertelnych 22% [4]. Dodatkowo autor przedstawia najwazniejsze postulaty z przegl^du 14 wybranych angkjzycznych pozycji literaturowych w zakresie metod i technik identyfikacji, szacowania, oceny zagrozen pozarowych, uzasadniaj^ce podj^cie problematyki badawczej. Metodologia: Badania przeprowadzono w oparciu o informacje ze zdarzen za lata 2000-2012 wyselekcjonowane z baz danych Komendy Glownej PSP. W cz^sci dotycz^cej analizy danych przedstawiono wnioski w zakresie jakosci bezposredniego (wspolrz^dne geograficzne) i posredniego (dane adresowe) odniesienia przestrzennego raportow. Opisano procedure generowania map wektorowych w systemie ArcGIS, ktorymi posluzono si^ podczas charakterystyki czasowo-przestrzennej. Przedstawiono dwie metody budowy map. Pierwsza na podstawie przynaleznosci pozarow do obszarow miejskiego systemu informacji o osiedlach (MSI) - pozary ograniczone podzialem administracyjnym miasta, druga w oparciu o estymaj g^stosci skupien zdarzen metody KDE (ang. Kernel Density Estimation) - zdarzenia nieograniczone obszarem administracyjnym miasta.
1 Komenda Glowna Panstwowej Strazy Pozarnej, ul. Podchor^zych 38, 00-463 Warszawa, [email protected]/National Headquarters of the State Fire Service (KG PSP), Poland;
D01:10.12845/bitp.34.2.2014.4
Wnioski: We wnioskach podkreslono, ze POM maj^. tendenj do budowy wzorcow czasowo-przestrzennych. Ich liczba nasila si^ w godzinach 7-20, z maksimum w godz. 18-20, po czym jednostajnie spada pomi^dzy 21-4. W sezonie grzewczym (grudzien, styczen luty) oraz miesi^cach o wzmozonym ruchu dzieci i mlodziezy (czerwiec, lipiec, sierpien) zauwaza si^ zwi^kszon^. ich liczb^. G^stosc pozarow jest wi^ksza dla obszarow o zwartej zabudowie mieszkalnej, z przewag^. starych budynkow mieszkalnych. Wnioski w zakresie metodyki budowy map zagrozen to lepsze dopasowanie stopnia zagrozenia pozarowego poprzez zaimplementowanie metody KDE. Podkreslono, ze warunkiem koniecznym podczas generowania map zagrozen jest dokladne uzupelnianie raportow sluzb w zakresie wspolrz^dnych geograficznych podczas zakladania kart zdarzen zgloszen alarmowych (wybor, w miar^ mozliwosci, danych adresowych zaimplementowanych w postaci rejestru TERYT [24] - system SWD-ST PSP) oraz tworzenia raportow.
SJowa kluczowe: pozary, bezpieczenstwo pozarowe, zagrozenia pozarowe, pozary obiektow mieszkalnych, statystyka pozarowa, mapy zagrozen pozarowych, systemy informacji przestrzennej, GIS, Kernel Density Estimation, KDE, charakterystyka czasowa pozarow, charakterystyka przestrzenna pozarow Typ artykuJu: oryginalny artykul naukowy
Abstract
Purpose: This is the third in a series of four articles entitled “Assessment of Safety Level Based on the State Fire Service Statistics (SFS)”. The paper refers to the experimental research on spatial-temporal analysis of residential building fires that occurred in Warsaw. The temporal analysis means that the author described percentage distribution of residential building fires by categories of hours, days of week, months and quarters. Spatial characteristics shoud be understood as the techniques of residential building fires hazard maps development proven by the research and discussion on its results.
Introduction: Research on the frequency of fires, local emergencies and injuries in residential buildings class definitely demonstrates that the issue of risks in residential buildings is very important for the emergency services [1], [4]. The introduction includes the essential conclusions from the previous papers on the assessment of safety level in the aspect of fires [1] and local emergencies [4]. According to the State Fire Service statistics for 2007-2012, residential fires constituted 17% of all fires. Injury (75%) and fatality rates (81%) related to this class of buildings are a few dozen times higher than in case of other classes [1]. The percentage of local emergencies emerging in residential buildings amounts to 31% of all local emergencies with the coefficients of injuries and fatalities constituting 8% and 22% respectively [4]. In addition, the introduction contains the most important postulates from the literature review of 14 selected English language papers on fire hazards identification, estimation and assessment methods, that motivated the author to carry out the research and write this article.
Methodology: Research includes a selection of detached house fires and blocks of flats fires that had been registered in the National Headquarters of State Fire Service database between 2000 and 2012. The paper includes summaries on the quality of direct spatial reference (coordinates) and indirect spatial reference (address data) found in the fire reports. The methodology of geo-processing fire statistic into point class vector map that is suitable in geographical information system (GIS) is described too.
GIS analysis of temporal characteristics of residential fires by the way of classification of the events by hours, days of the week and months is presented. The author compiled house fire hazard maps on the basis of 2 methods. The first one shows classification of cartography grid based on polyline estate vector map, where each cell’s grid has a parameter of the number of residential fires. The second one based on residential fire density vector map created by Kernel Density Estimation mapping method.
Conclusions: It is underlined that residential buildings fires are characterised by spatial and temporal dependencies. The number of residential buildings fires rises between 7-20 o'clock, and is peaking at 18-20. Then the number declines between 21-4. It is proved that the number of house fires is the highest in November, December, January and during the time of holidays such as June, July and August. When the density of dwelling estates rises, the residential fire hazard rises too. One of the hint in the field of residential building hazard maps is to implement KDE GIS method. The method is based on the density of point class vector map (e.g. fires) and it does not involve administrative boundaries. The better coordinates and address data, the better quality of the hazard maps. It is suggested to fill in the emergency calls forms and fire reports with the address data from the registry (if possible). There is an example of registry called TERYT [24] that is kept in SWDST, Polish State Fire Service system.
Keywords: fires, fire safety, fire hazards, housing fires, fire statistics, fire hazards maps, geographical information system, GIS, Kernel Density Estimation, KDE, temporal fire characteristic, spatial fire characteristic Type of article: original scientific article
Аннотация
Цель: Целью статьи, являющейся третьей частью цикла публикаций под названием „Оценка степени безопасности в отношении статистики событий Государственной Пожарной Службы (PSP)”, является временная и пространственная характеристика пожаров жилых зданий (POM) (одно - и многосемейных) в г. Варшава. Временную характеристику надо понимать - как разделение пожаров в зависимости от времени, дней недели, месяцев, кварталов, а пространственную характеристику - как методы разработки карт риска, подтверждённые анализом и дискуссиями результатов исследований.
Введение: Исследования частоты возникновения пожаров, местных угроз2 (MZ) и потерпевших, зафиксированных в Отётах о событиях PSP за 2007-2012 годы показывают насколько важным вопросом для деятельности спасательных служб являются угрозы, возникающие в жилых объектах [1], [4]. Введение содержит самые важные выводы из предыдущей статьи на тему оценки степени безопасности в соотношении статистик о пожарах [1] и MZ [4]. Согласно им, частота выступления пожаров жилых зданий (POM) - колеблется в границах 17% всех пожаров, а показатели раненых и смертных жертв несколько десяток раз превышают показатели случаев других классов объектов, составляя соответственно 75% и 81% всех пострадавших [1]. Концентрация MZ в квартирах достигает 31% всех MZ с процентом раненых на уровне 8% и жертв - 22% [4]. Кроме того,
2 Местную угрозу следует понимать как: происшествие, которое не является пожаром, возникает в результате цивилизационного развития и воздействия природных сил, создает угрозу для жизни, окружающей среды или имущества.
ИССЛЕДОВАНИЯ И РАЗВИТИЕ D01:10.12845/bitp.34.2.2014.4
автор представляет самые важные постулаты из обзора 14 избранных, англоязычных литературных позиций в сфере методов и техник идентификации, оценки пожарной опасности, объясняющие рассмотрение этого исследовательского вопроса. Методология: Исследования были проведены на основе Сведений о событиях за 2000-2012 годы избранных из баз данных Главной Комендатуры ГПС. В части касающейся анализа данных представлены выводы в сфере качества непосредственного (географические координаты) и посредственного (адрес) пространственного отношения отчётов. Описана процедура разработки векторных карт в системе ArcGIS, которые были использованы при временно-пространственной характеристике. Представлены два метода разработки карт. Первый - на основе принадлежности пожаров к городской системе информации о жилых массивах - пожары, ограниченные административным разделением города, второй - на основе оценки плотности концентрации событий методом KDE - события, неограниченные административным разделением города.
Выводы: В выводах было подчеркнуто, что пожары жилых зданий (POM) имеют тенденцию к построению временнопространственных образцов. Их число растёт между 7-20 часами, достигает максимум около 18-20 часам, после чего равномерно снижается между 21-4. В отопительном сезоне (декабрь, январь, февраль) и месяцах характеризующихся повышенным движением детей и молодёжи (июнь, июль, август) наблюдается рост их числа. Плотность пожаров является большой на территории со сжатой жилой застройкой, с преимуществом старых жилых зданий. Выводы в области методики разработки карт угроз это лучшее определение степени пожарной опасности благодаря внедрению методики KDE. Подчёркнуто, что необходимым условием во время разработки карт угроз является верное заполнение рапортов служб в области географических координат во время приготовления бланков тревог (выбор, по мере возможности, адресных данных введенных в виде реестра TERYT [25] - система SWD-ST PSP), а также создания отчётов.
Ключевые слова: пожары. пожарная безопасность, пожарная угроза, пожары жилых объектов, пожарная статистика, карты пожарных угроз, Геоинформационная система, GIS, Kernel Density Estimation, KDE, временная характеристика пожаров, пространственная характеристика пожаров Вид статьи: оригинальная научная статья
1. Wprowadzenie
Artykul jest trzeci^. cz?sci^. z cyklu czterech publikacji pt. „Ocena stopnia bezpieczenstwa w aspekcie statystyk zdarzen PSP”. W cz?sci pierwszej autorzy oceniaj^ poziom bezpieczenstwa przez pryzmat zagrozen pozaro-wych [І], w drugiej - miejscowych zagrozen3 [4] (badania w skali kraju), zas w czwartej - na podstawie analizy statystycznej przypuszczalnych przyczyn pozarow obiek-tow mieszkalnych w skali kraju i miasta (Warszawy). Po-nizej przedstawiono najistotniejsze wnioski z poprzedza-j^cych biez^cy artykul publikacji.
Wedlug statystyk Panstwowej Strazy Pozarnej liczba pozarow w ostatnich trzech latach wzrosla ze 135,5 tys. (20І0) do 183,8 tys. (2012), co oznacza wzrost o 36% [І]. Najliczniejsz^. grup?4 stanowi^. pozary smietnikow, zsypow, wysypisk smieci, traw, poboczy drog, szlakow komunikacyjnych - pozary przypisane do klasy innych obiektow (47% wszystkich pozarow). Drug^ grup? sta-nowi^. pozary traw, nieuzytkow, l^k, rzysk, stogow, bro-gow - znajduj^ce si? w klasie pozarow „uprawy i rolnic-two” (22% pozarow). Pozary jedno- i wielorodzinnych obiektow mieszkalnych - zaklasyfikowano do pozarow obiektow mieszkalnych, ktore stanowi^. 17% wszystkich pozarow. Pomimo ze dla okresu 20І0-20І2 zauwaza si? spadek liczby poszkodowanych w przeliczeniu na liczb? zdarzen (ranni z 31,4*10-3 do 22,8*І0-3; ofiary smiertelne 3,9*10-3 do 3,І*І0-3), to i tak sredni odsetek poszkodowanych w pozarach jest w dalszym ci^gu wysoki. Wedlug statystyk PSP w latach 2007-20І2 odnotowano 23443 rannych i 3449 ofiar smiertelnych, z czego 75% osob zo-
3 Zdarzenie nieb?d^ce pozarem ani kl?skq. zywiolow% wynikaj^.-ce z rozwoju cywilizacyjnego, naturalnych praw przyrody, stano-wi3.ce zagrozenie dla zycia, zdrowia, mienia lub srodowiska [3].
4 Obowi^zuj^ca norma prawna uwzgl?dnia klasyfikacj? zda-
rzen PSP do klas obiektow: uzytecznosci publicznej, mieszkalnych, produkcyjnych, magazynowych, srodkow transportu, la-sow, upraw i rolnictwa, innych [2].
stalo rannych i 81% stracilo zycie w wyniku pozarow po-wstalych wlasnie w obiektach mieszkalnych [І].
W przypadku MZ liczba interwencji w ostatnich trzech latach spadla z 355,6 tys. (20І0) do 236,8 tys. (20І2), co oznacza 33-proc. spadek [4]. Najliczniejsz^ grup? stanowi^ nast?puj^ce rodzaje interwencji: usuwa-nie skutkow anomalii pogodowych (zwisaj^ce konary drzew, powalone drzewa blokuj^ce ci^gi komunikacyj-ne, wypompowywanie wody), plam oleju z jezdni i po-boczy drog, owadow blonkoskrzydlych (osy, szerszenie), zabezpieczanie l^dowan Lotniczego Pogotowia Ratunko-wego i innych srodkow komunikacji lotniczej - nalez^ce do klasy „inne obiekty” (39% wszystkich MZ); udzielanie pomocy policji przy otwarciu mieszkan, zabezpieczaniu interwencji w przypadku zdarzen z udzialem osob niepel-nosprawnych, uwalnianiu osob zatrzasni?tych w miesz-kaniach, windach; wypompowywanie wody z zalanych piwnic, garazy, interwencje zwi^zane z zatruciem tlen-kiem w?gla (innych gazow) - interwencje znajduj^ce si? w klasie „obiekty mieszkalne” (3І% MZ) oraz wypad-ki w komunikacji drogowej, kolejowej, lotniczej - dzial „srodki transportu”. Pomimo spadku liczby MZ w okre-sie 2010-2012, zauwaza si? wzrost liczby poszkodowa-nych w przeliczeniu na liczb? zdarzen (ranni z 138,4*10-3 w 20І0 do 197,9*10-3 w 20І2; ofiary smiertelne z 12,1* 10-3 w 20І0 do 20,7*10-3 w 20І2). Statystyki PSP poka-zuj^, ze w latach 2007-2012 odnotowano 273219 rannych i 25576 ofiar smiertelnych, z czego 8% rannych i 22% ofiar smiertelnych odnotowano w obiektach mieszkal-nych [4].
Wysokie wartosci indeksow przedstawione w bada-niach [1], [4] sklaniaj^ do przeprowadzenia bardziej wni-kliwych analiz w zakresie identyfikacji, szacowania i oce-ny zagrozen pozarowych, w szczegolnosci z wykorzysta-niem metod analitycznych GIS5.
5 GIS (Geographical Information Systems) - nazywane wy-miennie systemami informacji przestrzennej (SIP), systemami
Implementacja GIS, szczegolnie rozwini?ta w ochro-nie przeciwpozarowej lasow [9], [10], [11], [12] oraz w badaniach wzorcow przest?pstw [13], [14], zyskuje coraz wi?ksz^ popularnosc w badaniach czasowo-prze-strzennej natury pozarow. Sposrod duzej liczby metod i technik analitycznych na uwag? zasluguje metoda COMAP6, obrazuj^ca przestrzenny rozklad dwoch zmiennych uwarunkowanych trzeci^ lub czwart^ [15], [16]. Przyklad zastosowania metody znajduje si? w badaniach czasowo--przestrzennej natury pozarow poludniowo-wschodniego regionu Queensland (Australia) w odniesieniu do warto-sci indeksu SEIFA7 [18]. Zgeokodowane do obszaru siatki kartograficznej (100 m) dane pozarowe Queensland Fire Rescue Service podzielono na klas? pozarow: wlasnosci (property fires), pojazdow (vehicles), pozarow drugorz?d-nych (secondary fires) i alarmow falszywych (malicious calls). Z opracowanych rozkladow wynikaj^:
• silna czasowo-przestrzenna zaleznosc pozarow wlas-nosci w stosunku do wskaznika SEIFA;
• zwi^zek pozarow drugorz?dnych z por^ roku;
• wi?ksza liczba pozarow pojazdow wzdluz szlakow ko-munikacyjnych l^cz^cych g?sto zamieszkale osrodki;
• zwi?kszaj^ca si? w soboty i niedziele na obszarach
o wysokiej koncentracji pubow i klubow nocnych (godz. 24-12) liczba alarmow falszywych.
Kolejne zastosowanie GIS to badania wplywu zmien-nych socjoekonomicznych, uj?tych w formie wskaznika Townsend Index 20018, na liczb? pozarow w poludniowej Walii [20]. Zagregowane do czterech klas pozary miesz-kan, obiektow uzytecznosci publicznej (FDR1), pojazdow (FDRIV), pustostanow, ogrodzen, smieci, itp. (FDR3), alarmy falszywe (FAM) przeniesiono do GIS. Dla po-wyzszych kategorii obliczono wzgl?dne ryzyko pozaro-we przypadaj^ce na milion mieszkancow oraz ryzyko po-wierzchniowe, ilustrjce rozklady zdarzen nieograniczo-ne podzialem administracyjnym. Przy szacowaniu ryzy-ka powierzchniowego posluzono si? metody KDE9. Roz-
informacji o terenie (SIT, LIS, Land Information Systems). Zlo-zone ze sprz?tu (komputery, siec itp.), oprogramowania (bazy danych, systemy operacyjne itp.), danych (wektorowe, rastrowe, itp.), ludzi (uzytkownicy, administratorzy, specjalisci GIS, itp.) oraz procedur (specyfikacje, standardy, itp.). GIS przeznaczony jest do zbierania, przechowywania, analizowania, wizualizacji danych, przestrzennie odniesionych do powierzchni Ziemi ([5] w oparciu o [6], [7], [8]).
6 COMAP (Conditional MAP) - mapa uwarunkowana. Narz?-dzie GIS dzialaj^ce na bazie zmodyfikowanej idei wykresu wa-runkowego COPLOT (COnditional PLOT). Wykres warunko-wy sklada si? z wielu malych wykresow ilustruj^cych rozklad badanej zmiennej w funkcji innych zmiennych. COMAP sta-nowi rozwini?cie pomyslu zaproponowanego przez Clevelanda w 1993 r. [15], [16].
7 Zdarzenie nieb?d^ce pozarem ani kl?sk^ zywiolow^, wynikaj^-ce z rozwoju cywilizacyjnego, naturalnych praw przyrody, stano-wi3.ce zagrozenie dla zycia, zdrowia, mienia lub srodowiska [3].
8 Obowi^zuj^ca norma prawna uwzgl?dnia klasyfikacj? zdarzen PSP do klas obiektow: uzytecznosci publicznej, mieszkal-nych, produkcyjnych, magazynowych, srodkow transportu, la-sow, upraw i rolnictwa, innych [2].
9 GIS (Geographical Information Systems) - nazywane wy-
miennie systemami informacji przestrzennej (SIP), systemami
informacji o terenie (SIT, LIS, Land Information Systems). Zlo-zone ze sprz?tu (komputery, siec itp.), oprogramowania (bazy
DOI:10.12845/bitp.34.2.2014.4
szerzeniem badan [20] jest analiza porownawcza wplywu wskaznikow SEIFA, Townsend Index na liczb? pozarow obszarow metropolitarnych w Brisbane (Australia) i Cardiff (Walia) [21]. Z baz danych strazy pozarnych z Cardiff i Queensland (2000-2004) wyselekcjonowano i zge-okodowano do GIS klasy zdarzen FDR1, FDRIV, FDR3, FAM. Zauwazono, ze zmienne indeksow wykazuj^ wy-soki stopien korelacji, dlatego tez ograniczono ich licz-b? algorytmem PCA10, a nast?pnie oszacowano wielkosc wplywu zmiennych na liczb? zdarzen. Zaobserwowano, ze zmienne zakwaterowanie (powierzchnia mieszkalna na osob?), posiadanie samochodu, prawo wlasnosci miesz-kania oraz poziom wyksztalcenia s3 predykatorami maj3-cymi istotny wplyw na liczb? pozarow [21].
Powyzsze publikacje poruszaly problematyk? prze-strzennej lokalizacji pozarow, podczas gdy badania Asga-ry’ego i innych [21] dodatkowo poruszaj^ ich aspekt cza-sowy. Dla pozarow konstrukcji11 w miescie Toronto (Ka-nada) za okres 2000-2006 opracowano rozklady zdarzen w funkcji pory dnia, dni tygodnia, miesi?cy i roku w GIS.
Wnioski plyn3.ce z analizy literaturowej, b?d^ce jed-noczesnie inspiraj do przeprowadzenia badan, to przede wszystkim:
• niewielki stopien wykorzystania metod i technik ana-litycznych GIS do budowy map zagrozen, w tym ge-nerowanych przez obiekty mieszkalne;
• przeprowadzanie obliczen na zagregowanych klasach pozarowych skladaj^cych si? np. z pozarow w obiektach mieszkalnych, uzytecznosci publicznej itp., co wprowadza bl?dy i znieksztalcenia w analizie i oce-nie danych;
• tendencje pozarow do budowy wzorcow przestrzen-no-czasowych [21].
2. Metodologia badan
Celem badan jest konstrukcja, analiza i ocena stopnia zagrozenia POM na przykladzie Warszawy. Poprzez za-grozenia pozarowe definiuje si? tu pozary wywolane dzia-lalnosci3 czlowieka, wadami, usterkami elementow tech-nologiczno-instalacyjnych obiektow mieszkalnych jedno-
i wielorodzinnych lub lokali stanowi^cych ich cz?sci, kto-rych skutki wywolaly koniecznosc interwencji zast?pow PSP i podj?cie dzialan ratowniczo-gasniczych (def. wlas-na).
danych, systemy operacyjne itp.), danych (wektorowe, rastrowe, itp.), ludzi (uzytkownicy, administratorzy, specjalisci GIS, itp.) oraz procedur (specyfikacje, standardy, itp.). GIS przeznaczony jest do zbierania, przechowywania, analizowania, wizualizacji danych, przestrzennie odniesionych do powierzchni Ziemi ([5] w oparciu o [6], [7], [8]).
10 COMAP (Conditional MAP) - mapa uwarunkowana. Narz?-dzie GIS dzialaj^ce na bazie zmodyfikowanej idei wykresu wa-runkowego COPLOT (COnditional PLOT). Wykres warunkowy sklada si? z wielu malych wykresow ilustruj^cych rozklad ba-danej zmiennej w funkcji innych zmiennych. COMAP stano-wi rozwini?cie pomyslu zaproponowanego przez Clevelanda w 1993 r. [15], [16].
11 SEIFA (Index of Relative Socio-Economic Advantage/Disadvantage) - jeden z czterech indeksow socjoekonomicznych stosowanych w Australii, uwzgl?dniaj^cy stopien docho-dow, wyksztalcenie, zatrudnienie, stan zdrowia i warunki by-towe [18].
ИССЛЕДОВАНИЯ И РАЗВИТИЕ
D01:10.12845/bitp.34.2.2014.4
т«ы?
il- *.
pozary. ot>i«Wow.mi«z1cainy<h J000_2012
mat v I осп awid
0701004-0046 14-01-2006 19 49 Ac a Jana PaMa II <02 -1 1 0 20 98008 52,25 7490759 19 5791480 611 Warszawa ul Ai Jana PaMa 1102 Outfynek rroszfcalny 9p
0/01004-0655 08-06-2000 23 05 Акдо Jana Рама n 18 4 1 0 21 52 23888 /499903 41 5/88921039 Warszawd Jdna f’dwld ■ 10 BuOvni* гисЪЛвЛу 15 p*.1fOWY ( утих i * ftyp*.’ r»d b p*vt’£v >
0/01004 104.4 11 09 2000 19 19 asm Jana Рама 11 1 н -5 3 0 /490903 41 57kh«i:*i (. <ч .v.irvaea «»: л .tana Рама i m-чк тхклашу i:^> n.^ 0 p+twr
0701004 0090 1501-2007 16 30 Аича Jana Рама и 18 4 3 0 20 99719 52.2325 7499903 41 5788921 039 Warvawa m Jana Paurta li 18/8? BudvwK тмйсМву Юр «гагт^пи» na fip
070100-1-1301 27-10-2000 17 00 Aleja Jana РаМа II 18 4 3 0 21 52 23608 749990 3 41 5788921 039 Wat»£awa ul Jaaa Pawta 18, DixJ п»«*Ла1пу 15p
0701004- 1595 08-12-2005 17 07 Alep Jana PaMa 1120 4 1 0 21 52,23608 7499893,58 5788995 799 Warszawa ul AJ Jarw PjMd N 20/116. Budvncfc rwrizkainv 15p гйапеме na 1p
0/01004-1365 14 11 2000 10 18 л*# Jana Рама 1120 4 1 10 21 00138 52j»3/5 /499893 58 5/88996 /99 Warszawa 01 Jana мама ?o, Ву<з m^s»ainy 15р
0701004 1390 14 11 2003 01 4? Aspja Jana Рама ii 20 4 1 0 21 52 234*0 7499893 58 57Rfi995 799 Waruawa ul AJ Jana PaMa ■ 20 RiKlyneK mtes/fcainy 15р Simeci» vytMP windy
0701004-047-1 19-03-2007 21 13 Ateta Jana Рама н 20 4 1 1 20 99658 52.23438 7499893.58 5788995/99 Wanzawa u jana Рама 20 Oucvnek rrvevaainv 15
0701004-0181 20-02-2004 06 28 Afc.-|a Jdnd Рама 1120 J 1 0 20 98608 52,23327 7499893 58 5788995 799 Wdrs^awd. ul AJ Jdna PdMa II 20 micszkanic nd 5 D * budvnku 15 D
0/01004-0818 20-0/-2000 14 34 AKsa Jana Рама и 20 4 1 0 21 52.2332/ /4У9893 58 5788995 /99 warsza*a ui aj jana »*ама ■ 20 Buayne* nw^aamy itp- :aarzcn< « srytx «wyjowym
0701004 0373 201104 11 00 00 A**a Jana Рама N 20 4 1 1 20 99905 52.23511 7499893 58 5788995 799 Warvawa. ui aleja Jana Рама и 20i?07. RuOyne* M^vkamy 15р
070100-1-0096 2012-01» 00 00 Ac.a Jana Рамз 120 ■1 3 0 20 99944 52.23416 7499893 58 5786995 799 Warszawa ui Jar'a Рама N 20/9Ю DuOv»>eK mteszKasny 15 p
► 0701004-1228 03-12-2001 17 24 AX-jd Jana PMi II26 4 s 0 21 52 23608 7499812,50 5789283 844 War&zawd u< Jana PaMa R 26 ВиОугк-к murvwany 15p
0701004-0364 06-04-2000 14 49 AM-Td Jand PtfMd И 26 4 3 0 21 52.23/5, /499812.60 5/89283 844 Warszawa u> Jdiw Рама 26r 1309 BuO rmcvzkainy i6p
0/01004 1018 io 06 200/16 09 лкча Jana Рама u 4 1 0 1 21 &г.гзз27 /490812 50 ь/89283 B44 warwawa id aj jana Рама в ?s/ii23 Htidvhek mw^icainy i.‘^ гш<клап^ na up
0701004-2125 15-12-2007 20 4?» Ак^я Jana Рама li 26 4 1 0 22 11688 52.68888 7499812 50 5789283 844 Warvawa ut JanaPawtal M 26 (Vudynek гшм/казпу 16р
0701004-0280 18-03-2002 20 45 AJeja Jan a PaMa II 26 1 1 1 21 52,2375 7499012,50 5789203 8-14 Waruawa ul Ja»»a PaMa 26 BwO mtcszkalny 16p
0/01004-08/5 20-08-2002 19 09 Алта Jand PaMd 11 2b J 3 0 52 21938 /499812£Q 5/89283 844 Warszawa Ui AJ Jdna Pawta П 2*^9 Vi ВиОутнгк rmcsZKaary 16-p ЮМ1 nd 9-p
0701004 0/09 21 0/ 2001 18 09 Aieta Jana Рама il 26 4 4 0 ?1 098;rft 5223/6 /499812 50 5/89283 844 Warvawa m Jana Рама 1 ?W8o:i Wurowany 1ър
_ 0701004 025? 27 03 2001 16 28 Ale*» -*япа Рама u 26 4 1 6 20 00658 5223608 7490812.50 5780283.844 WWnM V Al Jana Рама И 26 Rudyrvp» v ■ :■ . ■ ;
Ryc. 1. Wyci^g z tabeli atrybutow warstwy wektorowej pozarow obiektow mieszkalnych [Badania wlasne na podstawie danych statystycznych Komendy Glownej PSP (KGPSP), danych GIS Biura Geodezji i Katastru
Urz?du m.st. Warszawa (BGiK)]
Fig. 1. Attribute table abridgment from residential buidling fires vector map [Own research based on the National Headquarters of the State Fire Service (NHoSFS) statistical data, Warsaw Geodesy and
Cartography Bureau's (GCB) GIS data]
Dane do badan pozyskano z systemu SWD-ST12 [22], [23]. Analizie i ocenie poddano pozary wyst?puj^ce we wszystkich dzielnicach Warszawy, za wyj^tkiem Rember-towa i Warszawy-Wesola. Liczba wszystkich pozarow za-rejestrowanych w okresie 2000-2012 w skali kraju wyno-si 2078208, z czego 273935 przypisano do dzialow 208, 209 oznaczaj^cych odpowiednio pozary budynkow jed-no- i wielorodzinnych13. Dla Warszawy wynosi to odpowiednio 75809 i 19429. Oznacza to, ze udzial pozarow obiektow mieszkalnych w stosunku do wszystkich pozarow wynosi 13% w skali kraju i 26% w stolicy.
3. Analiza danych
Informacje ze zdarzen PSP, w szczegolnosci za lata 1993-1999, zawieraj^ duzo niescislosci w zakresie prze-strzennej lokalizacji zdarzen. Dotyczy to zarowno bezpo-sredniego odniesienia przestrzennego (wspolrz?dne geo-graficzne), jak i posredniego (nazwy ulic). Owczesny brak lub ograniczony dost?p stanowisk kierowania do SIP, dzialaj^cych obecnie w oparciu o serwisy mapowe (Geoportal, Targeo, Google maps, itp.), czy tez profesjonal-ne systemy GIS (ArcGIS, GeoMedia, Maplnfo, itp.) spo-wodowaly, ze wspolrz?dne geograficzne w latach 19931999 pobierano glownie z map sztabowych. Przy braku systemowej automatycznej weryfikacji poprawnosci ko-ordynat wprowadzalo to rozbieznosci w stosunku do ich rzeczywistej lokalizacji. St^d tez odst^piono od analizy danych za lata 1993-1999. Zauwazono rowniez, ze wraz z popularyzaj SIP jakosc koordynat poprawila si?.
Inny aspekt wprowadzaj^cy utrudnienia w analizie danych to nazewnictwo ulic wyst?puj^cych w raportach. W wielu przypadkach nie jest ono zbiezne z formalnie przyj?tym przez rad? miasta zapisem, dol^czonym do badan w postaci bazy referencyjnej punktow adresowych14. Na przyklad ulica „Al. Jana Pawla II”, „Jana Pawla II”
12 Wielowymiarowy indeks „wykluczenia” uwzgl^dniaj^cy: sto-pien bezrobocia, zaludnienia mieszkan, liczb? osob nieposiada-j^cych wlasnego mieszkania, samochodu, itp. [19].
13 KDE (Kernel Density Estimation) - opis metody w cz?sci „Estymacja g?stosci pozarow metody KDE”.
14 Baza referencyjna w postaci warstwy wektorowej GIS pozy-
skana z Biura Geodezji i Katastru Urz?du Miasta Stolecznego Warszawa (BGiK).
rozni si? od wzoru zapisu ulicy zawartego w bazie danych BGiK, gdzie widnieje jako „Aleja Jana Pawla II”. Obecnie problem rozwi^zywany jest w sposob systemowy, na podstawie rejestru TERYT15 dol^czonego do SWD-ST stanowisk kierowania PSP.
Reasumuj^c, z uwagi na niescislosci w zakresie odniesienia przestrzennego danych proces mapowania zagro-zen pozarowych poprzedzila korekta lokalizacji zdarzen, zgodnie z ponizsz^. procedure:
1.
2.
4.
Pobierz nazw? ulicy wraz z numerem budynku z in-formacji ze zdarzenia PSP.
Odszukaj w bazie referencyjnej BGiK nazw? punk-tu adresowego, ktorego podobienstwo ci^gow znako-wych z wartosci. punktu 1 jest najwi?ksze.
Dla istniej.cych pol.czen pobierz wspolrz?dne me-tryczne (met_x, met_y) punktu adresowego bazy BGiK. Zgeokoduj dane z pkt. 3 w SIP na podstawie met_x, met_y.
Przyj?ta procedura zakladala, ze kazda interwencja PSP sprowadzala si? do pozaru obiektu mieszkalnego z przypisanym adresem. Regula nie dotyczyla pozarow budynkow w trakcie budowy lub pustostanow. W sytu-acjach gdy dla parzystych punktow adresowych znajdu-j.cych si? w raportach PSP nie istnialo odniesienie w bazie BGiK, wowczas przyjmowano najblizszy parzysty punkt adresowy BGiK, zas dla nieparzystych - najblizszy nieparzysty. Dla przypadkow, gdzie procedura z roznych wzgl?dow nie zadzialala poprawnie, wprowadzono r?cz-n. korekt? nazw ulic. W rezultacie otrzymano warstw? wektorow. POM licz.c. 18588 rekordow. Do danych do-l.czono informacj? na temat numeru zgloszenia, dat?, go-dzin? zgloszenia pozaru do stanowiska kierowania PSP, numer jednostki ratowniczo-gasniczej (JRG), na ktorej terenie zaistnialo zdarzenie, liczb? zast?pow uczestni-cz.cych w akcji, szacunkowe straty oraz opis zdarzenia z bazy ewidencji pozarow PSP, liczb? poszkodowanych (Ryc. 1).
15 TERYT - Krajowy Rejestr Urz?dowy Podzialu Terytorialne-go Kraju zawieraj.cy katalogi: TERC (wykaz jednostek podzialu terytorialnego), SIMC (wykaz miejscowosci), ULIC (wykaz ulic), WMRODZ (wykaz symboli i nazw rodzajow miejscowosci) [24].
D01:10.12845/bitp.34.2.2014.4
4. Rezultaty i dyskusja
Sposrod blisko 18,5 tys. zdarzen odpowiadaj^cych de-finicji pozarow przyj?tej na potrzeby badan analiza staty-styczna pola „opis_ewid” (Ryc. 1) przeprowadzona za po-moc^. wyrazen regularnych wykazala, ze ok. 14% wszyst-kich interwencji stanowi^.:
a) pozary smieci w zsypach, szybach windowych, klat-kach schodowych, kanalach wentylacyjnych, itp. (8% - 1490 interwencji);
b) pozary pustostanow (4% - 706);
c) pozary potraw pozostawionych bez nadzoru (2% -392)16.
Blisko 5% (915) stanowi^. pozary z odnotowanymi rannymi b^dz ofiarami smiertelnymi (Ryc. 2), zas ich lo-kalizacja pokrywa si? z obszarami wysokiego lub bardzo wysokiego stopnia zagrozenia pozarowego (Ryc. 7).
4.1. Charakterystyka czasowa
Analizuj^c pozary pod wzgl?dem godzin wyst?po-wania, zauwazono, ze cz?stosc zdarzen osi^ga minimum w przedziale godziny 5-6. Sukcesywny wzrost nast?pu-je w granicach 7-20, osi^gaj^c maksimum pomi?dzy 18 a 20. Godziny 21-4 to okres jednostajnego spadku. Roz-klad odpowiada wielomianowi stopnia 3, osi^gaj^c przy tym bardzo wysokie dopasowanie modelu, na poziomie wspolczynnika determinacji R2=0,99 (Ryc. 3).
Rozklad zdarzen w funkcji dnia tygodnia ma zasadni-czo staly charakter. Trudno wyroznic dni, w ktorych cz?-stosc zdarzen ma charakter dominuj^cy. Jednakze zauwa-za si? niewielki wzrost ich liczby w czwartki, pi^tki, so-boty i niedziele. Rozkladowi najbardziej odpowiada wie-lomian stopnia 5 ze wspolczynnikiem R2=0,86 (Ryc. 4).
W przypadku rozkladu pozarow wedlug miesi?-cy zauwazono dopasowanie danych do modelu wielo-mianu stopnia 4 ze wspolczynnikiem R2=0,81. Funkcja przyjmuje najwi?ksze wartosci dla pazdziernika, listopa-da, grudnia, stycznia. Ma to zwi^zek z okresem grzew-czym. Zapewne liczba zdarzen zwi?kszylaby si?, gdyby do pozarow dodano interwencje PSP dotycz^ce usuwa-nia skutkow nieprawidlowo funkcjomjcych systemow grzewczych (tlenki w?gla) rejestrowane jako miejscowe zagrozenia (Ryc. 5a.). Wysok^. liczb? zdarzen notuje si? rowniez dla okresu letniego (czerwiec, lipiec, sierpien), co zwi^zane jest m.in. ze wzmozonym ruchem dzieci i mlodziezy w okresie wakacyjnym, wzmozonym ruchem osob bezdomnych, a tym samym wzrostem liczby poza-row smieci, zsypow, szybow windowych, klatek schodo-wych, kanalow wentylacyjnych, pustostanow, itp. (12% ogolu interwencji). Potwierdzeniem wnioskow jest roz-klad zdarzen wedlug miesi?cy zagregowanych do pozio-
mu kwartalow opisany wielomianem stopnia 3 ze wspol-czynnikiem R2=1 (Ryc. 5b).
16 Wyrazenia regularne - metoda opisu cech wspolnych zbiorow lancuchow znakowych. Dzialanie opiera na teorii zbiorow. Jest silnym narz?dziem przetwarzania tekstow, wyszukiwania, mo-dyfikowania, analizy skladniowej [27]. Obliczono na podstaw-ie: a) “opis_ewid” LIKE ‘%_mieci%’ OR “opis_ewid” LIKE ‘%zsyp%’ OR “opis_ewid” LIKE ‘%_mietnik%’; b) „opis_ ewid” LIKE ‘%_ustostan%’; c) “opis_ewid” LIKE ‘%_i_so%’ OR “opis_ewid” LIKE ‘%_otrawa%’ OR “opis_ewid” LIKE ‘%_arnku%’ OR “opis_ewid” LIKE ‘%_osi_ek%’.
Ryc. 2. Liczba pozarow obiektow mieszkalnych w latach 20002012 z odnotowanymi rannymi lub ofiarami smiertelnymi [Badania wlasne na podstawie danych statystycznych KG PSP, danych GIS BGiK]
Fig. 2. The number of residential building fires with victims or injured in 2000-2012 [Own research based on NHoSFS statistical data, GCB's GIS data]
Ryc. 3. Rozklad pozarow obiektow mieszkalnych w latach 2000-2012 wg godzin [Badania wlasne na podstawie danych statystycznych KG PSP] Fig. 3. Residential building fires distribution by hours (for 2000-2012)
[Own research based on NHoSFS statistical data]
y - -».6*5 + 85.9i‘ - 5S9.3*» + 1847.S*1 - 2557.1x * J692.4 R‘-0.S
* (f
DnfB ntndiii (\\ rfk "> day)
Ryc. 4. Rozklad pozarow obiektow mieszkalnych w latach 2000-2012 wg dni tygodnia [Badania wlasne na podstawie danych statystycznych KG PSP] Fig. 4. Residential building fires distribution by days of the week (for 2000-2012)
[Own research based on NHoSFS statistical data]
ИССЛЕДОВАНИЯ И РАЗВИТИЕ
a)
у=+is8,9i;. бею,'* -1779,7
D01:10.12845/bitp.34.2.2014.4
dodano parametr opisuj^cy liczb? pozarow zawieraj^cych si? w jego obr?bie.
Ryc. 5. Rozklad pozarow obiektow mieszkalnych w latach 2GGG-2G12 wg miesi?cy (a.), kwartalow (b.)
[Badania wlasne na podstawie danych statystycznych KGPSP] Fig. 5. Residential building fires distribution by months (a.), quarters (b.) (for 2GGG-2G12)
[Own research based on NHoSFS statistical data]
4.2. Charakterystyka przestrzenna
Warstw? wektorow^. pozarow obiektow mieszkalnych przeniesiono do systemu ArcGIS17, a nast?pnie zobrazo-wano na podkladzie warstw dzielnic, osiedli MSI, budyn-kow18. Platforma ArcGIS umozliwia tworzenie, edyto-wanie, analizowanie informacji geograficznej pod k^tem rozmieszczenia przestrzennego danych, relacji i tenden-cji, ktorych nie mozna odczytac wprost z tabelarycznego zapisu danych [25].
Wst?pna analiza danych wykazuje, ze pozary maj^. tendencj? do wyst?powania w „skupiskach” przede wszystkim tam, gdzie g?stosc zabudowy jest dominuj^ca. Zaliczamy do nich dzielnice: Targowek, Praga-Polnoc, Praga-Poludnie, Bielany, Zoliborz, Srodmiescie, Moko-tow, Wola, Ochota. Obszary o rzadkiej zabudowie takie jak Bialol?ka, Wlochy, Wawer, daleki Ursynow, Wilanow charakteryzuj^. si? wizualnie mniejsz^. g?stosci^. zdarzen (Ryc. 6.). Dzielnice Rembertow i Warszawa-Wesola wy-l^czono z analizy.
Przedstawiony na rycinie 6 rozklad zdarzen poddano przestrzennej agregacji, korzystaj^c z funkcji l^czenia danych na podstawie ich przestrzennej lokalizacji. Do pro-jektu dol^czono warstw? wektorow^. JRG, utworzon^. na podstawie danych teleadresowych KG PSP, pobranych z systemu SWD-ST. Do kazdego elementu MSI (osiedla)
17 Badania przeprowadzono w oparciu o wersj? 6G dniowa ArcGIS Desktop [25].
18 Warstwy wektorowe GIS pozyskane dzi?ki uprzejmosci Biura Geodezji i Katastru Urz?du Miasta Warszawa.
Ryc. 6. Pozary obiektow mieszkalnych w Warszawie w latach 2GGG-2G12.
[Badania wlasne na podstawie danych statystycznych KGPSP, danych GIS BGiK]
Fig. 6. Warsaw residential building fires in 2GGG-2G12. [Own research based on NHoSFS statistical data, GCB's GIS data]
4.3. Mapa zagrozen pozarowych
Otrzymany w ten sposob atrybut sklasyfikowano we-dlug pi?ciostopniowej skali stopnia zagrozenia pozarowe-go (SZP), zgodnie z kryteriami: znikomy (SZP I: G-68 pozarow), niski (SZP II: 69-182), sredni (SZP III: 183-353), wysoki (SZP IV: 354-6G4), bardzo wysoki (SZP V: 6G5-881). Mapa zagrozen pozarowych wskazuje, ze do osiedli o bardzo wysokim SZP nalezy: Brodno (dzielnica Targowek, 881), Grochow (Praga-Pld., 844) i Nowa Praga (Pra-ga-Pln., 716). Wsrod osiedli o wysokim SZP znalazly si? z kolei: Srodmiescie Pld. (Srodmiescie, 6G4), Mlynow (Wola, 52G), Srodmiescie Pln. (Srodmiescie, 515), Szmu-lowizna (Praga Pln., 514), Stara Praga (Praga Pln., 497), Sluzew (Mokotow, 495), Mirow (Wola, 495), Stary Mokotow (Mokotow, 453), Wrzeciono (Bielany, 433), Targowek Mieszkaniowy (Targowek, 429), Goclaw (Praga Pld., 4G7), Stara Ochota (Ochota, 387), Goclawek (Praga Pld., 369) (Ryc. 7).
Miejsca te charakteryzuje bardzo g?sta zabudowa mieszkalna z przewag^. starych kamienic, zas w przypad-ku Grochowa i Brodna g?sto zabudowane osiedla wyko-nane „z wielkiej plyty”. Potwierdzeniem powyzszego jest rozklad g?stosci pozarow wykonany metod^. KDE, na tle ktorego zobrazowano bloki budynkow w ukladzie 3D. Budynki podzielono na 4 klasy wysokosciowe. Poprzez wysokosc budynku nalezy rozumiec tu wysokosc nad po-ziomem morza odniesion^. do ukladu wysokosciowego Kronsztad 1986 - dlatego nie nalezy jej mylic z norm^.
DOI:10.12845/bitp.34.2.2014.4
prawns uj?t^. w warunkach technicznych jakim powinny odpowiadac budynki i ich usytuowanie19 (Ryc. 9). Osza-cowanie ma jedynie charakter pogl^dowy i przedstawia jedynie g?stosc zabudowy mieszkalnej.
Ryc. 7. Mapa zagrozen pozarowych obiektow mieszkalnych Warszawy za lata 2GGG-2G12 [Badania wlasne na podstawie danych statystycznych KGPSP, danych GIS BGiK]
Fig. 7. Warsaw residential building fires hazard map for 2GGG-2G12
[Own research based on NHoSFS statistical data, GCB's GIS data]
4.4. Estymacja g^stosci pozarow metodj] KDE
Opisana powyzej metoda budowy map zagrozen za-klada przestrzenn^. agregacj? pozarow do poziomu ad-ministracyjnego miasta b^dz systemu informacji o osie-dlach. Nieco inaczej przedstawia si? ich konstrukcja me-tod^. KDE, zaliczaj^c^. si? do grupy przestrzennych metod analizy danych.
Naukowe podstawy KDE maj^. odzwierciedlenie w nieparametrycznej metodzie estymacji j^drowej lub wymiennie nazywanej j^drow^. estymacja g?stosci, sluz^-cej do wyznaczania g?stosci rozkladu zmiennej losowej na podstawie wartosci z uzyskanej proby (realizacji). Nie-parametryczna metoda charakteryzuje si? tym, ze przy jej zastosowaniu nie jest wymagana wczesniejsza znajomosc typu rozkladu. KDE dziala w oparciu o rownanie 1 (opra-cowano na podstawie [26], [27], [28], [29], [3G]).
/(*)=—Tk(-
mhn
-x,.
1=1
h
Rownanie 1
19 Wedlug zapisow rozporz^dzenia budynki dziel^. si? na: niskie (N) - do 12 m wl^cznie nad poziomem terenu lub mieszkalne o wysokosci do 4 kondygnacji nadziemnych wl^cznie; srednio-wysokie (SW) - ponad 12 m do 25 m wl^cznie nad poziomem terenu lub mieszkalne o wysokosci ponad 4 do 9 kondygnacji nadziemnych wl^cznie; wysokie (W) - ponad 25 m do 55 m wl^cznie nad poziomem terenu lub mieszkalne o wysokosci ponad 9 do 18 kondygnacji nadziemnych wl^cznie; wysokosciowe (WW) - powyzej 55 m nad poziomem terenu [32].
gdzie:
m - liczba elementow proby; h - wspolczynnik wygladzania (szerokosc pasma); n - wymiar zmiennej losowej.
-- 1
K -j^dro, funkcja g?stosci np. /(дс) = (2П) 2 exp(--XTX)
mierzalna, symetryczna wzgl?dem zera i posiadaj^ca w nim slabe maksimum globalne, spelniaj^ca warunki К: Rn -> [0,oo), JK(x)dx = 1, ^(-x) = ^(jc) .
Rn
W uproszczeniu - metoda dziala na zasadzie szacowa-nia g?stosci pozarow zawieraj^cych si? w komorkach ra-stra wyjsciowego, a nie obszarow administracyjnych miasta. Wartosc powierzchni jest najwyzsza w miejscu lokali-zacji zdarzen i zmniejsza si? wraz ze wzrastaj^c^. odleglo-sci^. promienia przeszukiwania. Osi^ga zero przy odleglo-sci rownej wartosci promienia. Wielkosc komorki rastra wyjsciowego, promien przeszukiwania, miara g?stosci s^. parametrami funkcji KDE systemu ArcGIS, okreslanymi na etapie obliczen [3G].
Ryc. 8. G?stosc pozarow obiektow mieszkalnych za lata 2GGG-2G12 wyznaczona metod^ KDE. Obszary MSI - widok 2D. [Badania wlasne na podstawie danych statystycznych KGPSP, danych GIS BGiK]
Fig. 8. Residential building fires density for 2GGG-2G12 - KDE estimation. 2D view with housing estates.
[Own research based on NHoSFS statistical data, GCB's GIS data]
Szacowanie g?stosci rozkladu zdarzen metoda KDE nie jest uwarunkowane administracyjnym podzialem miasta, a jedynie g?stosci^. skupien zdarzen (Ryc. 8). Ma to zasad-nicze znaczenie przy kwalifikacji osiedli lub ich cz?sci do odpowiedniego SZP. O ile poprzednia metoda warunkowa-la przynaleznosc calych osiedli do okreslonego SZP, na przy-klad Brodno, Nowa Praga, Grochow - V SZP (Ryc. 7), o tyle w metodzie KDE jedynie cz?sc osiedli charakteryzuj^cych si? duz^. g?stosci^. zdarzen kwalifikuje si? do odpowiedniego SZP, np. cz?sc Szmulowizny, Starej Pragi wl^czone do V SZP. Ponadto niektore osiedla, np. Grochow, Brodno zmieni-ly poziom zagrozenia z V na IV. W dodatku niecale obszary osiedli nalezy do jednego SZP, np. Nowa Praga - V, IV, III, II SZP (Ryc. 8). Wniosek jest jednoznaczny - metoda KDE daje dokladniejsze dopasowanie obszarow osiedli do SZP.
ИССЛЕДОВАНИЯ И РАЗВИТИЕ
Kolejnym uzasadnieniem celowosci stosowania meto-dy s^. wyniki analizy przestrzennej, przedstawiaj^ce in-frastruktur? budowlan^. miasta na tle g?stosci pozarow (Ryc. 9). Na potrzeby badan infrastruktur? podzielono na 4 stopnie wysokosci, tj. zabudow? nisk^. (G-4 kondy-gnacj?), sredniowysok^. (5-9), wysok^. (1G-18) i wysoko-sciow^. (19-49). Zauwazamy, ze osiedla o wysokim SZP pokrywaj^. si? z obszarami o duzej g?stosci infrastruktu-ry budowlanej, np. Brodno, Nowa i Stara Praga, Moko-tow, Srodmiescie Pln. i Pld. Analiza wplywu g?stosci in-frastruktury mieszkalnej na SZP stanowi odr?bny temat badawczy.
5. Podsumowanie
Celem artykulu byla czasowo-przestrzenna charakte-rystyka zagrozen pozarowych generowanych w obiektach mieszkalnych w srodowisku GIS na przykladzie Warsza-wy. Motywem przewodnim badan byly wysokie wskaz-niki poszkodowanych w obiektach mieszkalnych [і], [4], jak rowniez wnioski z przegl^du literatury wskazu-j^ce na stosunkowo niewielk^. implementacj? GIS w cza-sowo-przestrzennym badaniu natury pozarow. Jako podsumowanie przedstawia si? wnioski w zakresie czasowo--przestrzennej charakterystyki pozarow, w rozumieniu cz?stosci ich wyst?powania w funkcji godzin, dni tygodnia, miesi?cy, jak rowniez wybranych metod genero-wania map zagrozen pozarowych. Badania wskazuj^, ze POM maj^. tendencj? do nasilania si? w godzinach 7-2G (maksimum w godz. 18-2G) oraz jednostajnego spadku pomi?dzy 2і-4. W przypadku rozkladu zdarzen w funkcji dni tygodnia trudno wyroznic dni, w ktorych cz?stosc zdarzen ma charakter dominuj^cy, jednakze w czwartki,
D0I:10.12845/bitp.34.2.2014.4
pi^tki, soboty i niedziele zauwaza si? niewielk^. tendencj? wzrostow^. Miesi^ce o najwi?kszej liczbie interwencji to grudzien, styczen, luty - maj^ce zwi^zek z okre-sem grzewczym oraz czerwiec, lipiec, sierpien - miesi^ce o wzmozonym ruchu dzieci i mlodziezy (pozary smieci, zsypow, szybow windowych, klatek schodowych, kana-low wentylacyjnych, pustostanow, itp.)
Postulat w zakresie budowy map zagrozen dotyczy w glownej mierze wnioskow z porownania tradycyj-nej metody generowania map zagrozen z metoda KDE. Pierwsza uwzgl?dnia agregacj? cech (np. liczby pozarow) do elementow siatki kartograficznej, zbudowanej np. na bazie elementow miejskiego systemu informacji o osie-dlach lub podzialu administracyjnego (dzielnica, gmi-na, powiat). Podejscie to determinuje stopien zagrozenia pozarowego dla calych osiedli, dzielnic, gmin, itp., a nie faktycznych miejsc koncentracji badanych cech. Druga metoda zaklada oszacowanie g?stosci cech metody KDE. Nieparametryczna metoda KDE, pochodz^ca z rodziny analitycznych metod GIS, szacuje np. stopien zagroze-nia pozarowego na podstawie g?stosci skupien pozarow. W praktyce daje to dokladniejsze dopasowanie wynikow do fragmentow osiedli, dzielnic, gmin czy powiatow. Wa-runkiem otrzymania poprawnych wynikow jest prawidlo-we odniesienie przestrzenne badanych cech, w sensie ich wspolrz?dnych geograficznych lub danych adresowych.
Wnioski przedstawione w artykule, jak rowniez te wy-nikaj^ce z publikacji [і], [4], wskazuj^, ze problematyka charakterystyki zagrozen pozarowych obiektow miesz-kalnych infrastruktury miejskiej stanowi ciekawy obszar badawczy, zas implementacja systemow informacji prze-strzennej umozliwia zaobserwowanie cech niewidocz-
Ryc. 9. G?stosc pozarow obiektow mieszkalnych za lata 2GGG-2G12 wyznaczonych metody KDE. Infrastruktura budowlana
z podzialem na klasy wysokosciowe n.p.m. - widok 3D [Badania wlasne na podstawie danych statystycznych KGPSP, danych GIS BGiK]
Fig. 9. Residential buidling fires density for 2GGG-2G12 - KDE estimation. Building's storey 3D view classification according to their height above sea level. [Own research based on NHoSFS statistical data, GCB's GIS data]
nych przy tabelarycznym systemie zapisu. Dodatkowo badania doskonale wpisuj^. si? w zakres i rozszerzaj^. pro-blematyk? badan modeli zagrozen aglomeracji miejskiej wraz z systemem zarz^dzania kryzysowego na przykla-dzie miasta stolecznego Warszawy [31], jak rowniez pro-filaktyki minimalizacji ryzyka pozarowego. Ostatni^. pu-blikaj koncz^c^. cykl badan nt. Ocena stopnia bezpieczenstwa w aspekcie statystyk zdarzen jest Analiza przy-puszczalnych przyczyny pozarow obiektow mieszkalnych w skali kraju i miasta (Warszawa).
Literatura
1. Mazur R., Kwasiborski A., Ocena stopnia bezpieczenstwa w aspekcie statystyk zdarzen za lata 2007-2012. Pozary, BITP Vol. 29 Issue 1, 2013, pp. 17-22.
2. Rozporz^dzenie Ministra Spraw Wewn?trznych i Administra-cji z dnia 18 lutego 2011 r. w sprawie szczegolowych zasad or-ganizacji krajowego systemu ratowniczo-gasniczego [Dz. U. z 2011, Nr. 46, poz. 239 z poz. zm.].
3. Ustawa z dnia 24 sierpnia 1991 r. o Ochronie Przeciwpozaro-wej (Dz. U. z 1991, Nr 81, poz. 351 z poz. zm.).
4. Mazur R., Marzec M., Ocena stopnia bezpieczenstwa w aspekcie statystyk zdarzen za lata 2007-2012. Miejscowe zagrozenia, BITP Vol. 31 Issue 3, 2013, pp. 49-58.
5. Mazur R., Tyranska K., Materiafy do zaj^c laboratoryjnych z przedmiotu Systemy Informacji Przestrzennej, Szkola Glow-na Sluzby Pozarniczej (materialy niepublikowane), Warszawa, 2010.
6. Bielecka E., Systemy informacji geograficznej - teoria i za-stosowania, Wydawnictwo Polsko-Japonskiej Wyzszej Szko-ly Technik Komputerowych, Warszawa, 2006.
7. Myrda G., Litwin L., Systemy Informacji Geograficznej. Za-rzqdzanie danymi przestrzennymi w GIS, SIP, SIT, LIS, Wydawnictwo Helion, Gliwice, 2005.
8. Longley P. A., Goodchild M. F, Maguire D. J., Rhind D. W, GIS. Teoria i praktyka, Wydawnictwo Naukowe PWN, Warszawa, 2008.
9. Pew K. L., Larsen C. P. S., GIS Analysis of Spatial and Temporal Patterns of Human-Caused Wildfires in the Temperate Rainforest of Vancouver Island, “Forest Ecology and Management”, Vol 140 Issue 1, 2001.
10. Vakalis D., Sarimveis H., Kiranoudis C. T., Alexandridis A., Bafas G., A GIS Based Operational System for Wildland Fire Crisis Management I Mathematical Modelling and Simulation, “Applied Mathematical Modeling”, Volume 28 Issue 4, 2004a.
11. Vakalis D., Sarimveis H., Kiranoudis C.T., Alexandridis A., Bafas G., A GIS Based Operational System for Wildland Fire Crisis Management II System Architecture and Case Studies, “Applied Mathematical Modeling”, Vol. 28 Issue 4, 2004b.
12. Siljander M., Predictive fire occurrence modeling to improve burned area estimation at a regional scale. A case study in East Caprivi, Namibia, “International Journal of Applied Earth Observation and Geoinformation”, Vol. 11, Issue 6 2009.
13. Brunsdon C., Corcoran J., Higgs G., Visualising space and time in crime patterns: A comparison of methods, “Computers, Environment and Urban Systems”, Vol. 31 Issue 1, 2007.
14. Malczewski J., Poetz A., Residential Burglaries and Neighborhood Socioeconomic Context in London, Ontario: Global and Local Regression Analysis, “The Professional Geographer”, Vol. 57 Issue 4, 2005. pp. 516-529.
15. Brunsdon C., The comap: exploring the spatial patterns via conditional distributions. Computers, “Environment and Urban Systems”, Vol. 25 Issue 1, 2001.
16. Corcoran J., Higgs G., Higginson A., Fire incidence in metropolitan areas: A comparative study of Brisbane (Australia) and Cardiff (UnitedKingdom), “Applied Geography”, Vol. 31 Issue 1, 2011.
17. Chhetri P., Corcoran J., Stimson R., Exploring the spatio temporal dynamics of fire incidence and the influence of so-cio economic status A case study from south east Queensland Australia, “Journal of Spatial Science”, Vol. 54 Issue 1, 2009.
DOI:10.12845/bitp.34.2.2014.4
18. Australian Bureau of Statistics (ABS), Census of population and housing 2001, Australia, 2GG2.
19. Townsend P., Deprivation, “Journal of Social Policy”, Vol. 16 Issue 2, 1987.
2G. Corcoran J., Higgs G., Brunsdon C., Ware A., The Use of Comaps to Explore the Spatial and Temporal Dynamics of Fire Incidents: A Case Study in South Wales, “Professional Geographer”, Vol. 59 Issue 4, 2GG7.
21. Asgary A., Ghaffari A., Levy J., Spatial and temporal analyses of structural fire incidents and their causes: A case of Toronto, “Fire Safety Journal”, Vol. 45 Issue 1, 2G1G.
22. Mazur R., Badanie zakresu implementacji i stopnia wspo-magania systemu „SWD-ST” na poziomie powiatu (miasta), BiTP, Vol. 2G Issue 4, 2Gm, pp. 77-9G.
23. Abakus Systemy Teleinformatyczne Sp. z o.o., Podr^cznik uzytkownika Systemu SWD-ST 2.5, Bielsko-Biala, 2G12.
24. Glowny Urz^d Statystyczny, Krajowy Rejestr Urzgdowy Po-dzialu Terytorialnego Kraju TERYT, [dok. elektr.] http://www. stat.gov.pl/bip/36_PLK_HTML.htm, [dost?p 19.11.2G13].
25. Environmental Systems Research Institute, Opis produktu ArcGIS for Desktop, [dok. elektr.] http://www.esri.com/soft-ware/arcgis/arcgis-for-desktop, [dost?p 19.11.2G13].
26. Barteczko K., Drabik W., Starosta B., Metody programowa-nia, Polsko-Japonska Wyzsza Szkola Technik Komputerowych, [dok. elektr.] http://edu.pjwstk.edu.pl/wyklady/mpr/ scb, [dost?p 11.11.2G13].
27. Kulczycki P., Estymatory jqdrowe w analizie systemowej, WNT, 2GG5.
28. Koscielniak P., Ombach J., Szczepanski J., Jqdrowa estymacja g^stosci, Internetowe Laboratorium Statystyki Instytut Mate-matyki, Uniwersytet Jagiellonski, [dok. elektr.]
29. http://www2.im.uj.edu.pl/ils/z/zagadnienia.html, [dost?p 11.11.2G13].
30. Kobos M., Kombinacja jqdrowych estymatorow g^stosci w klasyfikacji - wlasnosci teoretyczne wraz z testami na sztucznych i referencyjnych zbiorach danych, Politechnika Warszawska [dok. elektr.] http://www.mini.pw.edu.pl/~man-dziuk/2G11-G2-28.pdf, [dost?p 11.11.2G13].
31. Environmental Systems Research Institute, ArcGIS 10.1 Help, [dok. elektr.] http://resources.arcgis.com/en/help/, [dost?p
11.11.2G13].
32. Praca zbiorowa pod redakj Andrzeja Najgebauera, Mode-le zagrozen aglomeracji miejskiej wraz z systemem zarzqdza-nia kryzysowego na przykladzie miasta stolecznego Warszawy, WAT, Warszawa, 2GG9.
33. Rozporz^dzenie Ministra Infrastruktury z dnia 12 kwietnia 2GG2 r. w sprawie warunkow technicznych, jaki powinny odpo-wiadac budynki i ich usytuowanie [Dz. U. 2GG2 nr 75 poz. 69G].
ml. bryg. mgr inz. Robert Mazur - absolwent Stu-diow Inzynierskich (2GG2) oraz Uzupelniaj^cych Stu-diow Magisterskich (2GG4) na Wydziale Inzynierii Bezpieczenstwa Pozarowego Szkoly Glownej Sluzby Pozar-niczej. Absolwent studiow podyplomowych Wyzszej Pol-sko-Japonskiej Szkoly Technik Komputerowych na kie-runku „Zaawansowane Multimedia w Internecie” (2GG6) oraz studiow trzeciego stopnia na Wydziale Cybernetyki Wojskowej Akademii Technicznej w Warszawie na kie-runku Informatyka (2G11). Ukonczyl szereg szkolen z zakresu wykorzystania systemow informacji przestrzennej ArcGIS w bezpieczenstwie powszechnym oraz analityki na bazie danych ORACLE. W latach 2GG2-2G1 і asystent, kierownik laboratorium, wykladowca Szkoly Glow-nej Sluzby Pozarniczej (obecna Katedra Badan Bezpieczenstwa). Od 2G11 roku starszy specjalista w Krajowym Centrum Koordynacji Ratownictwa i Ochrony Ludnosci Komendy Glownej Panstwowej Strazy Pozarnej. Na co dzien zajmuje si? opracowaniami statystycznymi i anali-tycznymi z zakresu dzialalnosci PSP.
