Er is misschien geen reactievere baan dan brandbestrijding. U wacht tot het alarm afgaat; als dat zo is, ga je branden bestrijden.
Maar wat als er een algoritme was dat het giswerk van brandpreventie kon wegnemen? Wat als er voldoende gegevens konden worden geanalyseerd die brandweerkorpsen in staat zouden kunnen stellen te identificeren waar branden het meest waarschijnlijk optreden?
Al meer dan een jaar doet de brandweer van New York City (FDNY) precies dat. Met behulp van een datatool genaamd FireCast 2.0 heeft het prioriteit gegeven aan welke van de honderdduizenden gebouwen in de stad het grootste risico lopen op brand. De software past een algoritme van vijf stadsagentschappen toe, waarbij rekening wordt gehouden met maar liefst 60 verschillende risicofactoren - niet alleen voor de hand liggende, zoals de leeftijd van een gebouw, maar ook of het midden in de afschermingsprocedure zat of actieve fiscale pandrechten had. Het is geen grote sprong om te zien waarom de financiële situatie van een woning het tot een groter brandrisico zou kunnen maken, maar tot nu toe hadden brandweerkorpsen geen formele manier om zulke dingen te weten.
Het was zelfs niet zo lang geleden dat zelfs een brandweerkorps zo geavanceerd als FDNY gebouwen in kaartcatalogi in lokale brandweerkazernes bijhield. Elke structuur zou zijn eigen kaart met basisinformatie hebben - toen het werd gebouwd, vierkante meters, bouwmaterialen - en op basis daarvan werd van bedrijfscommandanten verwacht om te bepalen welke gebouwen hoe vaak moesten worden geïnspecteerd.
Bouwinspecties zijn een belangrijk onderdeel van brandpreventie in steden als New York en dat was, zoals je misschien al vermoedt, geen erg efficiënte manier om ermee om te gaan. Gewoonlijk had de FDNY moeite om zijn jaarlijkse doelstelling te halen om 10 procent van de 330.000 gebouwen in de stad waarvoor het verantwoordelijk is te inspecteren. Het is een enorme klus als je bedenkt dat een van die gebouwen het Empire State Building is.
Maar FireCast 2.0 heeft dat proces al vereenvoudigd, waardoor de afdeling zich nauwkeuriger kan richten op de meest brandgevoelige gebouwen, waarvan vele in jaren niet waren geïnspecteerd. Natuurlijk kunnen inspecties niet altijd brand voorkomen. Maar FDNY-functionarissen wijzen erop dat sinds FireCast 2.0 in 2013 werd ingezet, meer dan 16 procent van de branden in de stad plaatsvond in gebouwen die de afgelopen 90 dagen waren geïnspecteerd, wat suggereert dat niet alleen de juiste structuren naar de top van de lijst, maar ook toen de brandweermannen terugkwamen om de branden te bestrijden, beschikten zij over actuele informatie over de indeling van de gebouwen.
Slimmer worden
De FDNY is tevreden met de grote stap die is gezet in wat bekend staat als "slimme brandbestrijding", maar het is slechts een eerste stap. Verwacht wordt dat de afdeling later dit jaar zal upgraden naar FireCast 3.0, een nog krachtigere tool die drie jaar aan gegevens van 17 verschillende stadsagentschappen analyseert voor elk van de 330.000 gebouwen. Elk krijgt een brandrisicoscore. Maar die lijst wordt dagelijks bijgewerkt - als een gebouw bijvoorbeeld een afvalovertreding ontvangt, kan de score op de lijst van de volgende dag stijgen. Het verzamelen van de gegevens van al die gebouwen duurt slechts 90 minuten, volgens een rapport van de National Fire Protection Association.
De informatie die wordt verwerkt door FireCast 3.0 zal ook veel verfijnder zijn. FireCast 2.0 bracht de hele stad samen in één grote dataset. De geüpgradede tool analyseert in plaats daarvan elk van de 49 bataljonsdistricten van de stad en baseert de brandrisicoscores op de brandhistorie en de kenmerken van individuele buurten. Het bevat elke dag gegevens van het 311 niet-noodtelefoonsysteem van de stad. Dat lijkt misschien niet zo nuttig om brandgevaren te identificeren, maar meer dan de helft van de oproepen die via dat systeem binnenkomen, zijn klachten of rapporten over gebouwen.
Het idee is om een gestage stroom nieuwe gegevens binnen te laten komen om het algoritme aan te scherpen, in de hoop dat brandbestrijding meer een wetenschap kan worden. Zoals Ryan Zirngibl, de hoofdgegevenswetenschapper voor FireCast, vertelde aan de National Fire Protection Association Journal, het doel is om zoveel mogelijk kenmerken van gebouwen die brand hebben gehad te identificeren en te vergelijken met de kenmerken van gebouwen die dat niet hebben gehad.
"Wat is het verschil tussen twee gebouwen die er precies hetzelfde uitzien, behalve dat er een gebouw brandde", zei hij. "Wat zien we niet van deze gebouwen?"
Robots op zee
Een heel andere benadering van de toekomst van brandbestrijding werd onlangs onthuld door het US Office of Naval Research. Het is een 5'10 ”, 143-pond robot genaamd SAFFiR, kort voor Shipboard Autonomous Firefighting Robot, en het werd ontworpen door ingenieurs van Virginia Tech om branden te blussen waar ze het gevaarlijkst zijn - op zee.
Tijdens een recente test kon SAFFiR zijn infraroodstereovisie gebruiken om een brand door dikke rook te vinden en een slang met zijn handen goed genoeg hanteren om de vlammen te doven. Misschien nog indrukwekkender toonde het zijn zeebenen, in staat om rechtop te blijven op een rollend schip. Dat is volgens de ontwerpers van SAFFiR misschien hun grootste uitdaging geweest.
SAFFiR heeft nog een manier om te vertrekken voordat het klaar is om de zee op te gaan. Het worstelt nog steeds om door deuropeningen en trappenhuizen te navigeren. Voor de test werden de bewegingen in feite gecontroleerd door een mens. Hoewel het waarschijnlijk enige tijd met een mens zal worden gekoppeld, kan SAFFiR uiteindelijk in staat zijn om zelf te bewegen en beslissingen te nemen. Na verloop van tijd, wanneer een brand op een schip begint, zal het de machine zijn, niet de mens, die tegenover de vlammen staat.
