Ei pruugi olla ühtegi reaktiivsemat tööd kui tuletõrje. Ootate äratuse helisemist; kui see juhtub, lähete tulekahjudesse.
Aga mis siis, kui oleks olemas algoritm, mis võiks arvamise tulekahjude vältimisest kõrvaldada? Mis oleks, kui saaks analüüsida piisavalt andmeid, et tuletõrjeosakonnad saaksid kindlaks teha, kus tulekahjud kõige tõenäolisemalt juhtuvad?
New Yorgi tuletõrjeosakond (FDNY) on seda teinud juba enam kui aasta. Andmeriista FireCast 2.0 kasutades on seatud prioriteediks, millistes linna sadadest tuhandetest hoonetest on tulekahju oht suurim. Tarkvara rakendab viie linnaagentuuri algoritmi, võttes arvesse koguni 60 erinevat riskifaktorit - mitte ainult ilmseid, näiteks hoone vanus, vaid ka seda, kas see oli sulgemismenetluse keskel või oli tal aktiivne maksukohustuslane. See ei ole suur hüpe, et teada saada, miks kinnisvara rahaline olukord võib selle suuremaks tuleohuks muuta, kuid seni polnud tuletõrjeosakondadel ametlikku viisi selliste asjade teadmiseks.
Tegelikult polnud see nii kaua aega tagasi, et isegi nii keerukas tuletõrje kui FDNY jälgis hooneid kohalikes tuletõrjemajades kaardikataloogides. Igal struktuuril oleks oma kaart põhiteabega - kui see ehitati, ruudukujuline materjal, ehitusmaterjalid - ja sellest alates oodati ettevõtte komandöridelt, milliseid hooneid kontrollitakse, kui sageli.
Ehitustööde kontrollimine on tulekahjude ennetamise oluline osa New Yorgi linnades ja see, nagu võite arvata, polnud nende käsitsemiseks eriti tõhus viis. Tavaliselt nägi FDNY vaeva oma iga-aastase eesmärgi saavutamise nimel - kontrollida 10 protsenti 330 000 hoonest linnas, mille eest ta vastutab. See on tohutu töö, kui arvestada, et üks neist hoonetest on Empire State Building.
Kuid FireCast 2.0 on seda protsessi juba lihtsustanud, võimaldades osakonnal täpsemalt suunata kõige tuleohtlikumad hooned, millest paljusid polnud aastaid kontrollitud. Muidugi ei saa ülevaatused alati tulekahjusid ära hoida. Kuid FDNY ametnikud märgivad, et alates FireCast 2.0 juurutamisest 2013. aastal oli üle 16 protsendi linna tulekahjudest hoonetes, mida oli viimase 90 päeva jooksul kontrollitud, mis viitab sellele, et mitte ainult õigete ehitiste viimine kõrgeimale kohale nimekirjas, aga ka siis, kui tuletõrjujad naasis tulekahjudega võitlema, oli neil ajakohane teave hoonete paigutuse kohta.
Targemaks saades
FDNY on rahul suure sammuga, mis on tehtud nn nutikaks tuletõrjeks, kuid see on alles esimene samm. Selle aasta hiljem loodetakse osakonda uuendada FireCast 3.0-le - veelgi võimsamale tööriistale, mis analüüsib kõigi 330 000 ehitise kohta kolme aasta andmeid 17 erinevalt linnaasutuselt. Igaühele antakse tuleoht. Kuid seda nimekirja uuendatakse iga päev - kui näiteks hoone saab prügikasti rikkumise, võib selle hinne tõusta järgmise päeva loendisse. Kõigi nende hoonete kohta andmete kogumine võtab vaid 90 minutit, selgub riikliku tuletõrje ühingu aruandest.
FireCast 3.0 töödeldav teave on ka palju täpsem. FireCast 2.0 koondas terve linna üheks suureks andmekogumiks. Uuendatud tööriist analüüsib selle asemel eraldi iga linna 49 pataljoni piirkonda, tuginedes tuleohu skooridele tulekahju ajaloo ja üksikute linnaosade omaduste põhjal. See sisaldab andmeid iga päev linna 311 hädaabitelefoni teavitussüsteemi kohta. See ei pruugi tuleohu tuvastamisel nii kasulik olla, kuid enam kui pooled selle süsteemi kaudu saabuvatest kõnedest on kaebused või teated hoonete kohta.
Idee on hoida algoritmi teravdamiseks pidevalt juurde tulevaid värskeid andmeid, lootuses, et tuletõrje võib muutuda rohkem teaduseks. Nagu ütles FireCasti juhtiv andmeteadlane Ryan Zirngibl National Fire Protection Association Journalile, on eesmärk tuvastada võimalikult palju tulekahjude saanud hoonete omadusi ja võrrelda neid ehitiste omadustega, millel seda pole.
"Mis vahe on kahel täpselt sama välimusega hoonel, välja arvatud see, et ühes hoones oli tulekahju, " ütles ta. "Mis see on, mida me nende hoonete juures ei näe?"
Robotid merel
USA mereväe uuringute büroo tutvustas hiljuti hoopis teistsugust lähenemist tulekustutusele. See on 5'10 ”143-naeline robot nimega SAFFiR, mis on lühike laeva Shipboard Autonomous Firefing Robot jaoks. Virginia Techi insenerid töötasid selle välja tulekahjude kustutamiseks seal, kus nad on kõige ohtlikumad - merel.
Hiljutise testi ajal suutis SAFFiR kasutada oma infrapuna-stereovisiooni, et leida paksu suitsu kaudu tulekahju ja käsitseda piisavalt hästi kätega voolikut, et leegid kustutada. Võib-olla veelgi muljetavaldavamalt eksponeeris see oma merejalad, suutes veereval laeval püsti püsida. See võis SAFFiR-i disainerite sõnul olla nende suurim väljakutse.
SAFFiRil on veel võimalusi minna, enne kui see on valmis merre minema. Ikka on hädas ukseavades ja trepikodades navigeerimisega. Katse jaoks kontrollis inimene tegelikult selle liigutusi. Ehkki see on tõenäoliselt mõneks ajaks inimesega paaris, võib SAFFiR lõpuks siiski iseseisvalt liikuda ja otsuseid vastu võtta. Aja jooksul, kui laeval algab tulekahju, on leekide ees masin, mitte inimene.
