从发生到后果：基于数据的建筑火灾风险全面分析

建筑火灾持续构成对生命、财产和基础设施的威胁，凸显了需要先进风险缓解策略的重要性。本研究提出了一种数据驱动的框架，通过整合超过百万条火灾事故报告与多样化的火灾相关数据集，包括社会决定因素、建筑清单、天气条件和事件特定因素，来分析美国的火灾风险。通过采用机器学习模型，我们识别了影响火灾发生和后果的关键风险因素。我们的发现表明， characterized by socioeconomic disparities 或拥有过时或空置建筑的脆弱社区面临更高的火灾风险。事件特定因素，如火灾起源和安全设施，强烈影响火灾后果。配备火灾探测器和自动灭火系统的建筑在火灾扩散和伤亡风险方面经历了显著降低。通过锁定高风险地区和人群，本研究支持针对性干预措施，包括强制实施火灾安全系统和为不利社区提供补贴。这些措施可以增强防火预防，保护最易受伤害的群体，并促进更安全、更公平的社区。