智慧消防落地難在哪里?
據消防產業智庫觀察研究，主要體現在數據、算法和標準三個方面。
一、概率預測
首先，我們來看美國一個關于犯罪概率預測的案例。
在美國大城市里，犯罪是讓市民和警方都撓頭的大問題，解決這個問題最好的辦法不是在犯罪發生后去破案，而是提前制止犯罪行為。
于是，美國加州大學建立了一個基于條件隨機場的數學模型。
訓練這個模型需要大量的數據，因此洛杉磯警方將80多年里發生的1300多萬個案例都提供出來，經過訓練得到一個比較好的模型。
事實證明，使用這個模型可以使該地區的犯罪率降低13%，這項發明在2011年被《時代》周刊譽為年度最優秀的發明之一。
這個犯罪的預測模型和火災的預防有著很大的相似性，如“提前制止犯罪”類似“提前預防火災”，“預測犯罪”類似“預測火災”，其背后的邏輯是一樣的：
海量的數據以及數學模型，是智慧消防應用落地，能夠發揮實際作用不可缺少的關鍵因素。
二、獲取海量數據
丁宏軍說，未來5年是消防物聯網的天下。
建設消防物聯網，除表面的鋪設智能終端、實現物聯之外，最根本的是獲取數據。
從人工智能的演進中可以知道，行業智能化發展首先在于獲取大數據，進而借助架構與技術，才能拓展垂直領域的應用。
以此類推，在智慧消防建設過程中，誰獲取了場景化的海量數據，誰就掌握了進入該領域的通行證。
從行業發展來看，智慧消防企業可以通過與各級應急管理部消防救援局合作，獲取大數據支撐，或者是在某一領域不斷深耕，不斷積累。
當有效的數據達到一定的量級，才能充分驗證模型與算法的準確性，智慧消防建設才可能真正落地。
三、模型與算法
匯聚了量級的大數據，接下來最關鍵的就是算法與模型。
前段時間，天津消防研究所和國家消防工程技術研究中心研制開發的“火眼”可視圖像早期火災報警系統亮相。
“火眼”采用先進的視頻圖像分析技術，從安防系統局域網接入，最快可在火災圖像出現的10秒之內，準確發現火焰或煙霧并同時發出火災報警信號。
“火眼”比傳統感溫、感煙報警速度提高5倍以上，背后最關鍵的支撐因素是模型與算法。
因為涉及到商業機密，這部分在大會上沒有過多介紹。當然，產品雖然已經發布，但距離真正走向市場還有一段距離。
所以說，收集了海量的數據，如何利用模型與算法，對數據進行分析，實現預測性和研判性，這才是關鍵所在。
四、標準化問題
獲取海量數據的一個很重要的前提，就是接入標準與數據融合問題。
“大產業，小市場”是消防行業長久以來存在的一個特點，中國有成千上萬多家消防廠商，多以中小企業為主。
每家廠商都有自己的“地盤”，政府不會用同一家的產品，重點防火單位用的產品也不盡相同。
目前，消防設施設備的編碼標準，消防系統的交付標準，數據存儲標準等不盡相同，智慧消防應用可以說層出不窮。
導致了整個數據內容、數據結構和數據格式也不盡相同，對于智慧消防建設來說，標準化就成為一個難題。
建設智慧消防，需要有機融合，需要從不同層面、以標準的方式進行規范和統一，盡快建立適應不同應用業態和智慧城市接口的智慧消防業務標準體系。
目前，智慧消防建設絕大部分還是停留在基礎層面，如實現數據的信息化，實現了數據的呈現等等，距離真正的智能化還有很長一段距離。
智慧消防應用落地，只有攻破數據、算法、標準三大關鍵問題，后期貼近實戰的產品、場景化應用解決方案等才可能真正行之有效。
京公網安備 11010502049343號