關於智慧消防建設，經常與業界一些同仁交流，他們認為比較困難的點還是應用落地。

智慧消防落地難在哪裡？

首先，我們來看美國一個關於犯罪機率預測的案例。

在美國大城市裡，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後去破案，而是提前制止犯罪行為。

於是，美國加州大學建立了一個基於條件隨機場的數學模型。

訓練這個模型需要大量的資料，因此洛杉磯警方將80多年裡發生的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》週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”，其背後的邏輯是一樣的：

海量的資料以及數學模型，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。

丁宏軍說，未來5年是消防物聯網的天下。

建設消防物聯網，除表面的鋪設智慧終端、實現物聯之外，最根本的是獲取資料。

從人工智慧的演進中可以知道，行業智慧化發展首先在於獲取大資料，進而藉助架構與技術，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資料，誰就掌握了進入該領域的通行證。

從行業發展來看，智慧消防企業可以透過與各級應急管理部消防救援局合作，獲取大資料支撐，或者是在某一領域不斷深耕，不斷積累。

當有效的資料達到一定的量級，才能充分驗證模型與演算法的準確性，智慧消防建設才可能真正落地。

匯聚了量級的大資料，接下來最關鍵的就是演算法與模型。

前段時間，在第三屆世界智慧大會上，天津消防研究所和國家消防工程技術研究中心研製開發的“火眼”可檢視像早期火災報警系統亮相。

“火眼”採用先進的影片影象分析技術，從安防系統區域網接入，最快可在火災影象出現的10秒之內，準確發現火焰或煙霧並同時發出火災報警訊號。

“火眼”比傳統感溫、感煙報警速度提高5倍以上，背後最關鍵的支撐因素是模型與演算法。

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，收集了海量的資料，如何利用模型與演算法，對資料進行分析，實現預測性和研判性，這才是關鍵所在。

獲取海量資料的一個很重要的前提，就是接入標準與資料融合問題。

“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，消防設施裝置的編碼標準，消防系統的交付標準，資料儲存標準等不盡相同，智慧消防應用可以說層出不窮。

導致了整個資料內容、資料結構和資料格式也不盡相同，對於智慧消防建設來說，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範和統一，儘快建立適應不同應用業態和智慧城市介面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，如實現資料的資訊化，實現了資料的呈現等等，距離真正的智慧化還有很長一段距離。

智慧消防應用落地，只有攻破資料、演算法、標準三大關鍵問題，後期貼近實戰的產品、場景化應用解決方案等才可能真正行之有效。