摘要：电动汽车火灾始终是制约电动汽车行业发展的重大安全因素。为适应现代电动汽车行业发展的要求，优化电动汽车火灾的预防与调查手段至关重要。文章以电动汽车火灾为切入点，简单介绍了电动汽车火灾的基本情况与原因，利用数据挖掘技术，对电动汽车火灾进行了调查，总结了电动汽车火灾数据挖掘的效果，希望为电动汽车火灾预防和调查工作开展提供一些参考。
关键词：数据挖掘技术；电动汽车；火灾预防
前言：现代社会是信息高度发达的社会，数据体量不断增加，数据与数据之间的关系日益紧密，为数据挖掘技术的应用提供了良好的条件。在电动汽车火灾预防中，传统调查分析方法无法获知电动汽车火灾的深层原因以及相关原因之间的联系，导致火灾预防效果不佳。而利用数据挖掘技术，可以根据电动汽车火灾数据之间的关系，挖掘潜在有价值信息，寻相关信息之间的关联，满足电动汽车火灾全面调查、超前预防需求。因此，探究数据挖掘技术在电动汽车火灾预防、调查中的应用具有非常重要的意义。
1 电动汽车火灾
1.1电动汽车火灾概况
电动汽车是一种在汽车上增加电力，以电动转轮为驱动的车辆。在电动汽车行业疯狂扩张背景下，我国各个省市的电动汽车保有量持续攀升。由国家应对气候变化战略研究和国际合作中心主任发表的报告可知，截至2021年底，我国新能源汽车保有量达784万辆，其中纯电动汽车保有量640万辆，占新能源汽车总量的81.63%。但是，因电动汽车技术标准仍未成熟，生产制造、维修质量过于宽松，电动汽车多数零部件由易燃塑料品制成，阻燃性能较差，近几年电动汽车火灾发生率逐渐攀升。同时在电动汽车火灾发生时会释放有毒有害烟气，造成驾驶人或周边众发生中毒反应，甚至失去生命。
1.2电动汽车火灾原因
电动汽车火灾事故主要包括外部原因、内部原因。
1.2.1外部原因
电动汽车火灾事故外部原因主要指电动汽车使用不当，如充电时间过长，导致电源线长时间处于超负荷状态，引发电源线短路故障，埋下电动汽车电源线自燃隐患；电动汽车所处环
境湿度较大，水汽渗透到电动汽车整个设备内，在大量积水的路段，电动汽车电机与线路长时间处于潮湿状态，极易发生电路短路、接触不良、漏电问题，进而导致漏电火灾、短路火灾等事故；电动汽车所处环境温度过高，充电时电池产生的大量热量无法有效散出，导致电池自然[1]。
1.2.2内部原因
电动汽车火灾事故内部原因主要指电动汽车内部零部件不合格、线路板设计不合理引发的系列故障。比如，电动汽车线路板未增加保险装置，保险丝极易被瞬时充电强大电流烧毁，引发分支线路短路故障，而分支电路短路故障发生后将出现巨大热量，招致热聚集、短路打火问题，最终导致电动汽车自燃。再如，电动汽车线路长时间使用过程中，连接的绝缘体易接触不良，线路中频繁出现各种小电流、微小短路回路，总成线路无法有效分开，招致电动汽车行驶火灾。
2 数据挖掘技术在电动汽车火灾预防和调查中的应用
2.1建立电动汽车火灾数据库
借鉴《中国消防年鉴》内真实事故案例以及电动汽车生产经营单位火灾管理专题调研数据，构建包括数据视图、变量视图的数据库。其中数据视图由case（一般行为个体）、variable（列为变量）组成；变量视图则由小数、名称（变量，字母+汉字）、标签（变量标签）、类型（字符型/数量型）、宽度（数据列宽）、缺失值（默认无）、值标签（选项含义）组成。
根据电动汽车火灾数据的信息化管理需求，结合数据库结构组成，可以设定电动汽车火灾数据库纳入标准为2018年1月1日0时0分到2021年12月31日24时全国各个省市发生的电动汽车火灾；排除标准为雷电引发的电动汽车火灾。在明确电动汽车火灾数据库建设标准后，利用Windows10操作系统（内含Office2020办公软件和SPSS Modeler 18.0数据挖掘软件），以Excel（电子表格）形式存储分析年份全部电动汽车火灾数据，并借助SPSS Modeler 18.0数据挖掘软件一键录入功能，将电动汽车火灾发生的时间段、日期、火灾场所、季节、受伤人数、死亡人数、过火面积、直接经济损失、起火原因等录入到数据库，后期数据挖掘时则直接利用报表形式导出分析年份的电动汽车火灾数据，便于电动汽车火灾原因与规律、电动汽车安全薄弱点的量化分析，预先估测电动汽车火灾事故发展趋势，精细划分电动汽车火灾事故的特点，为电动汽车火灾预先防控方案制定提供依据。
2.2描述性统计
首先，在SPSS Modeler 18.0数据挖掘软件内，明确分析年份国内发生电动汽车火灾频次及造成的受伤、死亡人数以及直接经济损失、烧毁建筑、受灾户数。同时确定不同年度电动汽车火灾比例分布变化规律[2]。
其次，根据不同年份电动汽车火灾比例分布，统计电动汽车火灾日，确定一天24h内电动汽车火灾发生频次最多的时间段与最少的时间段，结合电动汽车火灾日分布特点，预测电动汽车火灾高发时段。同时，根据不同年份电动汽车火灾月分布所在比例，得出每年发生电动汽车火灾频次最多的月份以及所占比例、最少的月份及所占比例，为电动汽车火灾防控提供依据。
最后，根据分析年份电动汽车火灾发生占比，统计电动汽车火灾发生场所（仓储场所、办公场所、住宅、学校、商业场所、医院等），确定电动汽车火灾防控区域。同时对我各地区的电动汽车火灾进行统计，结合各个地区电动汽车火灾占本地区总数、直接经济损失占整个区域火灾直接经济损失百分比，进行序列排布，确定电动汽车火灾防控重点区域。
3 数据挖掘技术在电动汽车火灾预防和调查中的应用效果
3.1揭示电动汽车火灾事故的内在规律
现有电动汽车火灾事故分析主要是针对单一个体历史火灾事故原因与相关条件进行调查，或者研究电动汽车火灾统计数据，确定火灾发生地域规律与时间特性，确定火灾隐患预防要点。现有方法倾向于孤立的电动汽车火灾事故、规律统计，在电动汽车火灾事故预防、控制方面较为被动。而利用数据挖掘技术，可以揭示、探索电动汽车火灾事故的内在规律，根据电动汽车火灾事故属性与造成损失大小、场所类型、人员操作、消防设施、区域环境等因素之间的必然联系，确定同一类型电动汽车火灾事故的属性特征。进而揭示电动汽车火灾事故的内在规律，完成火灾预先防控方案的主动制定。
3.2精准预测电动汽车火灾风险概率
数据挖掘技术是统计学方法的进一步延伸，汇总了信息技术、商业智能、人工智能、数据仓库等领域先进思想，可以支撑电动汽车火灾数据的精准挖掘、回归预测、改规则搜集。同时因数据挖掘的特性属性之一为处理对象是大数据集，在数据挖掘中，火灾防控者获得的是直接描述大数据集的总体，如某一地区电动汽车火灾事故的全部历史汇总数据、电动汽车火灾数据库中的全部事故资料、上年度电动汽车火灾事故发生频次等，为电动汽车火灾风险概率
的精准预测提供依据[7]。
新能源汽车起火总结：
综上所述，电动汽车火灾是指发生在电动汽车整体或局部零件、威胁电动汽车安全并形成灾害的一切非控制燃烧现象，是威胁电动汽车行业发展进程的主要因素之一，一旦发生火灾，轻则影响电动汽车正常行进，重则烧毁电动汽车零部件，造成人员伤亡、财产损失。因此，针对电动汽车火灾的多因素特性，可以利用数据挖掘技术，分析各项数据在电动汽车火灾中的关联关系，进行电动汽车火灾的精准预判、报警，为电动汽车火灾预先防控工作的高效率开展提供依据。
参考文献：
[1]张亮,曹缪,杨旭,蒋瑞昌,周会会.地下车库纯电动汽车火灾特点及处置对策[J].水上消防,2021(05):29-33.
[2]薛阳.经济统计中数据挖掘技术应用分析[J].质量与市场,2022(03):184-186.
[3]游珊.基于数据挖掘技术的火灾事故分析[J].信息系统工程,2018(01):22-22.
发布评论