EN中文

Journal of Geo-information Science >

2021 , Vol. 23 >Issue 12: 2201 - 2214

DOI: https://doi.org/10.12082/dqxxkx.2021.210129

Spatiotemporal Pattern Analysis of Fire Service Coverage Rate in Nanjing from Real-time Road Conditions

  • ZHU Kaixin ,
  • ZHANG Fengyan ,
  • LI Yuyu ,
  • CHEN Yuehong , *
Expand
  • College of Hydrology and Water Resources, Hohai University, Nanjing 210098, China
*CHEN Yuehong, E-mail:

Received date: 2021-03-14

  Request revised date: 2021-05-21

  Online published: 2022-02-25

Supported by

National Key Research and Development Program of China(2019YFC1510601)

National Natural Science Foundation of China(42071315)

Fundamental Research Funds for the Central Universities(B210202008)

Copyright

Copyright reserved © 2021
Fold

Abstract

The rapid urbanization in China results in the problem that urban fire facilities fail to keep pace with urban development. Assessing urban fire service coverage rate plays an important role in optimizing urban fire resource allocation. This paper aimed to propose an assessment for the fire service coverage rate using real-time road conditions to explore the spatiotemporal pattern of urban fire service coverage rate. By consideration of the coverage area of fire stations, the real-time rescue time of fire stations arriving at historical fire incidents was obtained by using the AutoNavi Maps API for three consecutive weeks in September 2020. The real-time travel time was then used to calculate the fire service coverage rate for investigating the spatiotemporal pattern of fire service coverage rate in Nanjing, China. Results show that: (1) The average travel time of fire stations was 10 minutes in urban fire-intensive area and 16 minutes in non-fire-intensive area. The average travel time for both areas was significantly longer than the national standard arrival time of five minutes. Thus, the fire service coverage rate of fire stations that met the national standard in Nanjing was only 8.2%; (2) As the average travel distance for fire stations in fire-intensive area of Nanjing was 37% of that in non-fire-intensive area, the waiting time for fire incidents rescue in fire-intensive area was significantly shorter than that in non-fire-intensive area, especially in the southwest and northeast of fire-intensive area and around some fire stations. The proportion of fire incidents with waiting time for rescue within five minutes in Nanjing was less than 7%, and fire incidents with waiting time for rescue between five to ten minutes were mostly affected by traffic congestion during morning and evening rush hours; (3) The fire service coverage rate in Nanjing was affected by the morning and evening rush hours which presented a "W" shaped pattern, resulting in lower fire service coverage rate in morning and evening rush hours than that in other time. The fire service coverage rate in fire-intensive area complying with the five minute standard arrival time decreased from 11.5% during the non-rush hours to 8.4% during the rush hours, and decreased from 6.1% to 5% in non-fire-intensive area. In the intersection area of Shimenkan and Dongshan fire stations and the surrounding area of Hanzhongmen and Maigaoqiao fire stations, the number of fire incidents with waiting time for rescue over 15 minutes in morning and evening rush hours was larger than that in other time; (4) The fire service coverage rate with the "W" shaped pattern had the smallest fluctuation with the use of 5 minutes as the standard arrival time, and the largest fluctuation occurred with the use of 10 minutes as the standard arrival time. The fire service coverage rate reached 43.5% using 10 minutes as the standard and 75% using 15 minutes as the standard arrival time. Finally, based on the analysis, suggestions were made for the future construction and planning of Nanjing fire facilities.

Key words： fire service coverage rate; fire rescue; spatiotemporal pattern; real-time road conditions; online map API; fire station; urban fire incident; Nanjing

Cite this article

ZHU Kaixin , ZHANG Fengyan , LI Yuyu , CHEN Yuehong . Spatiotemporal Pattern Analysis of Fire Service Coverage Rate in Nanjing from Real-time Road Conditions[J]. Journal of Geo-information Science, 2021 , 23(12) : 2201 -2214 . DOI: 10.12082/dqxxkx.2021.210129

1 引言

随着我国城市规模的迅速扩张和城镇化快速发展,大量人口涌入城市,诸多城市基础设施建设与城市发展不同步等问题日益凸显[1]。城市应急服务基础设施尤其是消防站是保障城市安全与居民生命财产安全的重要基础设施,然而近些年城市火灾事件变得越来越频繁且复杂,造成了巨大的财产损失和人员伤亡[2]。近年来,不断丰富的城市大数据能够全方位多角度感知城市的内部环境和结构[3,4],利用城市大数据研究城市消防服务质量的提升与消防资源的优化配置是当前城市消防安全研究的热点[5,6,7]。
国内外学者主要从以下3个方面开展了提升城市消防救援服务的研究：① 城市消防服务可达性度量。可达性指服务供给点在需求点吸引力下,克服距离和旅行时间等阻力到达需求点的能力的定量表达[8],用以评估服务的可用性和邻近性[9],是衡量城市服务设施空间布局合理性的一个重要标准。城市消防服务可达性度量方法可分为4类[9]：最近距离法[10]、比例模型[11]、重力模型[12]和两步移动搜索法[13,14,15]。通过度量城市消防服务可达性,分析消防服务可达性空间模式,挖掘出可达性值较低的地区为服务缺乏地区提出发展建议。② 城市消防资源优化配置。城市消防资源优化配置目的是使得消防资源发挥最大效用,重点关注消防站选址和责任区划分,常用的研究方法包括[16]：经典区位分配模型[17,18]、公平最大化模型[19]、多目标规划模型[20]、动态和随机区位模型[21]以及多等级设施区位模型[22]。城市消防站布局的难点在于平衡安全性和经济性之间的关系,在政府的财政预算限制以及现有城市消防站布局的条件下,确定最优的消防站布局。③ 城市消防救援覆盖率评估。消防救援覆盖率是消防站出动消防救援力量在规定的“特定时间”内及时到达火灾现场的火灾事件数占总火灾事件数的比例,可以作为消防救援覆盖能力的定量评估指标,其研究方法主要分为3种：定位—配给模型[6]、等时圈模型[23]和时空动态分析[24]。如Kiran等[6]在人口增长预测数据的基础上,运用最大覆盖模型研究澳大利亚布里斯班的消防服务覆盖率。詹玮璇等[23]利用等时圈模型,并结合人口数据和POI数据对消防站的救援覆盖能力进行评估。Liu等[25]利用覆盖率模型计算评估了湖南娄底市的全局消防有效覆盖率。与另外两方面研究相比,城市消防救援覆盖率分析侧重考虑消防救援的应急特征,直接利用火灾事件发生后等待消防车辆的时间评估各消防站在不同时间段内可覆盖到的火灾事件数量与火灾事件总量的比例,这种方式对于评估消防站有效覆盖范围更为简单而有效,侧重于从全局层面来整体评估现有城市消防系统的救援覆盖能力。
然而,现有针对消防救援覆盖率的研究存在的问题：① 未考虑消防站的管辖区域范围,而采用距离火灾事件最近的消防站来评估整个研究区的消防救援覆盖率。根据《江苏省消防条例》[26]第三十九条的规定：“消防组织应当按照消防技术标准和责任区灭火”和《城市消防规划规范》[27]中4.1.3节对消防站辖区布局的要求可知,目前我国消防站具有明确的管辖范围。同时,根据南京市公安消防局提供的历史火灾记录数据发现[15],除了特大火灾,绝大多数火灾事件仅由其管辖区域内的一个消防站实施救援。② 现有方法主要是评估整个研究区的总体消防救援覆盖率,而无法评估各个消防站管辖范围的救援覆盖率。③ 未充分考虑城市交通剧烈变化下的城市消防救援覆盖率时空变化模式[20,28]。目前许多研究利用在线地图平台API获取实时交通路况和预测出行时间[29,30],将其运用在城市要素的时空动态分析中并取得了良好效果[31,32],为城市消防救援覆盖率时空变化分析提供了有力支撑。
鉴于此,本文通过考虑消防站管辖范围,对城市总体消防救援覆盖率模型进行改进,提出基于实时路况的城市消防救援覆盖率评估模型,根据南京市2015年的8481个历史火灾事件点与32个消防站点及其辖区边界,利用高德地图API获取各消防站到辖区内火灾事件现场在2020年9月连续三周内的实时出行救援时间,评估南京市全局和各个消防站辖区范围在不同救援时间标准下的消防救援覆盖率,并对南京市消防救援覆盖率的时空变化模式进行分析与挖掘。

2 研究区概况与数据来源

2.1 研究区概况

南京市位于中国东部、长江下游中部地区,是江苏省省会,是我国东部地区重要的中心城市和全国重要的科研教育基地。2010—2020年,南京城市化进程不断加快,大量人口涌入南京城市中心,城市中心面临着住房拥挤、交通堵塞和环境恶化等众多城市化问题,进一步对南京消防救援造成较大压力。截至2019年末,南京市常住人口达850万人,人口密度1290人/km2,城市化率为83.20%,与2009年77.16%的城市化率相比增长了6% [33]。根据南京市公安消防局提供的火灾记录数据,南京市的年火灾数从2012年的2965次增长到2015年的8481次[15],短短3年内增长了186%,反映出南京市快速城镇化带来的火灾高频现象,对其开展消防救援覆盖率分析具有重要意义。

2.2 数据来源

本文的实验数据主要包括历史火灾数据、消防站数据和消防站到火灾事件点的实时路网距离和时间。由于数据获取的局限性,本文仅获得了距今最近的2015年历史火灾数据,因此利用南京市2015年的8481个历史火灾事件与负责救援的消防站数据开展研究。图1(a)所示为南京市2015年的32个消防站位置与每个消防站的管辖范围,图1(b)所示为南京市2015年的历史火灾事件空间分布图,这些历史火灾事件还记录了负责对其救援的消防站等信息,这2种数据均从南京市公安消防局获得。从图1(b)可以看出2015年历史火灾事件的聚集区域在当今依然是南京市的主城区和火灾高风险区,其很大程度上反映当前南京市的火灾风险高低。因此,本文利用2015年的历史火灾记录评估分析消防站救援覆盖率也能较好模拟当前南京消防救援覆盖率的情况,对现今南京市火灾研究仍有重要借鉴意义[34,35]。对于消防站到火灾事件点的实时路网距离和时间,本文通过调用地图平台API获得,详细过程描述在3.2节。由于本研究的消防站及其辖区边界为2015年的情况,为结合当前南京市消防站布局状况进行结果分析,图1(a)标注了2015—2020年新增的5个消防站（粉红色三角点）。此外,根据《南京市城市总体规划（2011—2020）》[36]都市区空间结构的规定,图1(a)里蓝色虚线标注的为南京市主城区,也是火灾比较密集的区域（图1(b)）。为分析这个火灾比较密集的区域与其他区域之间消防救援覆盖率的差异,这里将与主城区重叠度较高的消防站辖区范围（图1(a)所示的黄色区域）定义为城市火灾密集区域（简称火灾密集区）,其余区域为非火灾密集区。
图1 南京市消防站及2015年火灾事件点分布

Fig. 1 Spatial distribution of fire stations Fire incidents in Nanjing in 2015

3 研究方法

3.1 技术路线

本文的技术路线如图2所示,分为4个步骤：
（1）根据消防站点和火灾事件点及其所属消防站,对每个火灾事件实时调用地图平台路径规划API获取消防站点（起点）到火灾事件点（终点）的实时出行救援时间（即火灾事件点的实时等待救援时间）和实时行车救援距离。
（2）针对南京市各个消防站,运用其管辖区域内火灾事件点的实时等待救援时间和实时行车救援距离,计算得到消防站平均行车救援速度。
（3）构建基于实时路况的城市消防救援覆盖率 模型,以南京市整体和各个消防站管辖区域为研究单元,计算其在每天不同时间段内的消防救援覆盖率。
（4）运用统计计算和空间分析等方法,结合消防站平均行车救援速度,对消防救援覆盖率时空模式进行分析和挖掘。
图2 消防救援覆盖率时空模式分析技术路线

Fig. 2 Flowchart of spatiotemporal pattern analysis of fire service coverage rate

3.2 火灾事件点实时等待救援时间与实时行车救援距离

随着在线地图平台（如高德和百度地图）功能日益完善,用户可以通过调用地图平台API来获取各类型地理数据服务,其中基于实时路况的出行预测服务被广泛用于各类研究中[29,30]。相对于采用静态路况计算得到的行驶时间和行驶距离,基于实时交通路况计算得到的行驶时间和行驶距离更准确且具有时效性[25,37],本研究选用高德地图平台Web服务API的路径规划服务的驾驶模式,获取消防站点到火灾事件点的实时行驶时间和实时行驶距离。
根据《中华人民共和国消防法》[38]第四十七条规定,消防车救援出行时不受交通限制,即不受行驶速度、行驶路线、行驶方向和指挥信号的限制,其他车辆以及行人必须为其让行,因此大多数情况下消防车的出行时间会快于普通车辆。因此,参考之前的消防研究[24],将API获取的普通车辆实时行驶时间乘上80%作为消防车从消防站出发到达火灾事故现场的实时行驶时间。根据《城市消防规划规范》[27],我国要求消防救援必须5 min内到达火灾事件现场,其中包含1 min出动准备时间。因此,将API获取的普通车辆实时行驶时间乘上80%之后再加上1 min,该时间对于消防车辆为实时出行救援时间,对于火灾事件为实时等待救援时间。对于消防车辆而言,实时行驶距离即为实时行车救援距离。
Liu等[24]提出了消防救援有效覆盖率模型,该模型计算湖南娄底市内所有火灾事件点在不同时间点下的救援覆盖率,最后对每个时间点的覆盖率进行加权平均得到全市的总体有效覆盖率,而无法给出各消防站的覆盖率与变化模式。因此,本研究对Liu等[24]提出的覆盖率模型进行改进,在计算覆盖率时考虑消防站管辖区的空间限制,首先计算各辖区内火灾事件点的实时救援时间和距离,然后计算各个消防站在不同时间段下的救援覆盖率并挖掘各消防站救援覆盖率的时间变化模式,最后根据各消防站的结果分析整个南京市的消防救援覆盖率时空模式。
根据高德交通大数据报告[39,40,41,42],南京市平均每日07:00—09:00和17:00—19:00的拥堵延时系数（出行旅行时间与自由流旅行时间之比）最高,即该时间段的交通拥堵程度最大,故将07:00—09:00和17:00—19:00定义为早晚交通出行高峰期（后文简称为早晚高峰期）。本研究从2020年9月7日 05:00—2020年9月27日23:00每10 min调用API获取每个火灾事件点的实时等待救援时间和实时行车救援距离,将获取的数据以2 h为间隔（05:00—07:00、07:00—09:00等）平均得到不同时段下的实时等待救援时间和实时行车救援距离。
假设研究区域共有I个消防站,对应第i个消防站的管辖区域内有P(i)个火灾事件点。假设研究时间段（2 h时间隔）为N个,连续M天调用API获取实时数据。对于第i个消防站管辖区内的第 p i个火灾事件点,定义其在第n个时间段的实时等待救援时间如式（1）所示：
T p i , n = 1 M ∑ M m = 1 T ( p ( i ) , m n )
式中： m n为第m天对应的第n个时间段; T ( p ( i ) , m n )为火灾事件点 p i在第m天n时间段内的实时等待救援时间,是根据每10 min调用API获取火灾事件点 p i在n时间段内的实时救援等待时间并经平均计算得到。
高德地图Web API服务可以根据交通路况实时规划消防车出动救援用时最短的最佳路径并给出实时行驶距离,该实时行驶距离可能会因为道路拥堵等因素使得在不同时间的最佳路径发生变化,进而导致行驶距离发生变化。同样,对于第i个消防站管辖区内的第 p i个火灾事件点,定义其在第n个时间段的实时行车救援距离如式（2）所示。
D p i , n = 1 M ∑ M m = 1 D ( p ( i ) , m n )
式中： m n为第m天对应的第n个时间段; D ( p ( i ) , m n )为消防站i在第m天n时间段内到达火灾事件点 p i的实时行车救援距离,是根据每10 min调用API获取消防站i到达火灾事件点 p i在n时间段内的实时行车救援距离并经平均计算得到。

3.3 消防站平均行车救援距离与平均出行救援时间

消防站到其管辖区内火灾事件点的行车救援距离较稳定,为探究消防站到达其管辖区内火灾事件点的行车救援距离的整体水平,进一步计算第i个消防站的平均行车救援距离如式（3）所示。
AD i = 1 N 1 P ( i ) ∑ N n = 1 ∑ P ( i ) p ( i ) = 1 D ( p ( i ) , n )
定义第i个消防站的平均出行救援时间如 式（4）所示。
AT i = 1 N 1 P ( i ) ∑ N n = 1 ∑ P ( i ) p ( i ) = 1 T ( p ( i ) , n )

3.4 消防站平均行车救援速度

对于第i个消防站,其管辖区共有P(i)个火灾事件点,则消防站i在第m天n时间段到达火灾事件点 p ( i )的实时行车救援速度 V ( p i , m n )如式（5）所示。
V p i , m n = D ( p i , m n ) T ' ( p i , m n )
式中： T ' ( p i , m n )为消防站i在第m天n时间段内到达火灾事件点 p ( i )的实时行驶时间,是根据每 10 min调用API获取消防站i到达火灾事件点 p ( i )在n时间段内的实时行驶时间并经平均计算得到。不同于实时等待救援时间 T ( p ( i ) , n ), T ' ( p i , m n )可以通过调用API直接获取,而 T ( p ( i ) , n )则需要把调用API获得的时间数据乘上80%再加上1 min,即 T p i , n = T ' ( p i , m n ) × 80 % + 1 min。
定义消防站i在第n个时间段到达火灾事件点 p ( i )的实时行车救援速度如式（6）所示。
V p i , n = 1 M ∑ M m = 1 V ( p ( i ) , m n )
为探究消防站到达其管辖区内火灾事件点的行车救援速度的整体水平,进一步计算消防站平均行车救援速度。对消防站i而言,平均行车救援速度如式（7）所示。
AV i = 1 N 1 P ( i ) ∑ N n = 1 ∑ P ( i ) p ( i ) = 1 V ( p ( i ) , n )

3.5 消防救援覆盖率

若消防救援力量从消防站出发,能够在“特定时间”内到达火灾救援服务需求点,意味着本次消防救援是及时的,或者说该火灾救援服务需求点在消防救援覆盖范围之内。对于“特定时间”的规定,根据《城市消防规划规范》[27],我国要求消防救援必须在 5 min内到达火灾事件现场（后文统称5 min到达标准）。然而,目前我国城市消防救援覆盖率尚且处在一个较低水平[43],很多火灾救援无法满足5 min到达标准的要求。因此,本文提出3种消防救援到达标准（0~5、0~10和0~15 min）,分别计算对应的消防救援覆盖率 C R 1、 C R 2和 C R 3,从而分析不同救援到达时间标准下的火灾救援覆盖率的时空变化。对于第i个消防站,其在第n个时间段内的消防救援覆盖率CRx(i, n)计算如式（8）所示。
C R x i , n = C P x i , n P ( i )
式中：CPx(i, n)是第i个消防站在第n个时间段内,在相对应的救援时间标准下能够覆盖到的火灾事件点的数量,即满足 T p i , n ≤ T x的火灾事件点的数量。

4 结果与分析

4.1 消防站平均出行救援时间与平均行车救援 速度分析

为分析各消防站到管辖范围内火灾事件点的实时出行救援时间和实时行车救援速度的总体情况,通过计算得到消防站平均出行救援时间和平均行车救援速度,如图3(a)和图3(b)所示。从图3(a) 可以看出,南京火灾密集区消防站的平均出行救援时间远低于非火灾密集区,火灾密集区各消防站的平均出行救援时间约10 min,而非火灾密集区约16 min,均远远达不到国家规定的5 min到达标准。南京火灾密集区消防站的平均出行救援时间集中在5~10 min区间,而其中的汉中门、鼓楼和石门坎3个消防站的平均出行救援时间较长,集中在10~15 min的区间。在非火灾密集区,梅山三和大厂的平均出行救援时间最短,在5~10 min;雄州、珠江、兴浦路、东山和滨江几个消防站的平均出行救援时间最长,在15~20 min,其余消防站的平均出行救援时间均处在10~15 min。由图3(b)平均行车救援速度可知,南京火灾密集区消防站的平均行车救援速度为16.8 km/h,远低于非火灾密集区的26.7 km/h。南京火灾密集区消防站的平均行车救援速度集中在10~20 km/h,其中汉中门、鼓楼和石门坎3个消防站的平均行车救援速度分别为19.4、13.0和22.3 km/h;在非火灾密集区,消防站的平均行车救援速度集中在20~30 km/h,其中西坝、滨江、开发区和溧水消防站的平均救援速度在30~40 km/h。南京火灾密集区消防站的平均行车救援距离为3.1 km,明显低于非火灾密集区的8.3 km。南京火灾密集区的消防站平均行车救援距离大多小于5 km,其中汉中门、鼓楼、石门坎辖区内分别有50.8%、97.7%、60.3%火灾事件点的行车救援距离在5 km以内;非火灾密集区的火灾事件点的行车救援距离大多超过5 km,其中雄州、珠江、兴浦路、东山辖区内分别有57.7%、50.3%、63.9%、59.6%火灾事件点的行车救援距离大于5 km。
图3 南京市消防站平均出行救援时间和平均行车救援速度

Fig. 3 Average travel time and average driving speed of Nanjing fire station

综上所述,南京市消防站的平均出行救援时间比国家规定的5 min到达时间标准明显要长,导致消防站在5 min到达标准下的覆盖率仅为8.2%;火灾密集区的出行救援时间在高峰期比非高峰期增加了120 s,而非火灾密集区在2.8倍行车救援距离的情况下仅增加了78 s,说明火灾密集区的平均出行救援时间比非火灾密集区受到交通拥堵的影响大,尤其是汉中门、鼓楼、石门坎3个消防站,而非火灾密集区平均出行救援时间过长主要是因为行车救援距离过长。

4.2 火灾事件点实时等待救援时间的时空变化分析

为分析火灾事件点实时等待救援时间的时空变化情况,通过统计火灾事件点在21 d内上午5点到下午11点每2 h的平均实时等待救援时间得到 图4。图4为5:00—7:00、7:00—9:00、9:00—11:00、 11:00—13:00、13:00—15:00、15:00—17:00、17:00—19:00、19:00—21:00、21:00—23:00时段内火灾事件点的实时等待救援时间空间分布图。从图4可以看出,南京市火灾事件实时等待救援时间总体存在明显的时空差异。空间上,火灾密集区火灾事件点的实时等待救援时间大多数在15 min以内,而非火灾密集区有较多超过15 min,部分消防站周边火灾事件点的实时等待救援时间在5 min以内。时间上,在火灾密集区东南部的石门坎与东山交界区域和北部汉中门与迈皋桥周边区域早晚高峰时段（图4（b） 和图4（g））实时等待救援时间超过15 min的火灾事件点（橙色的点）比非高峰时段明显增多。火灾密集区93.2%火灾事件点的实时等待救援时间在15 min以内,而非火灾密集区有36.2%火灾事件点的实时等待救援时间超过15 min。南京全区高峰期实时等待救援时间小于5 min、5~10 min、10~15 min和大于 15 min的火灾事件点占比分别为5.6%、32.9%、32.6%和28.9%,而在非高峰时段实时等待救援时间小于5 min、5~10 min、10~15 min和大于15 min的火灾事件点占比分别为7.7%、43.0%、30.3%和19.0%。全区非高峰期火灾事件点的实时等待救援时间在 10~15 min的比例较高峰时段降低最大,说明在非高峰期5~10 min等待救援时间的火灾事件更易受交通拥堵影响。火灾密集区在高峰期内实时等待救援时间超过15 min的火灾事件点占比为17.0%,非高峰时段内的占比为5.1%,而非火灾密集区在高峰期内实时等待救援时间超过15 min的火灾事件占比为42.2%,非高峰时段内的占比为34.6%;火灾密集区消防站到对应火灾事件点的平均行车救援速度在高峰期为14.7 km/h,在非高峰期达17.5 km/h,其中有八成消防站的平均行车救援速度从非高峰期到高峰期的降幅超15%,部分消防站的平均行车救援速度的降幅超20%,如汉中门、石门坎、逸仙桥和安德门（其中汉中门的降幅最高,为27.2%）;非火灾密集区消防站到对应火灾事件点的平均行车救援速度在高峰期为24.9 km/h,在非高峰期达27.2 km/h,其中仅有一半消防站的平均行车救援速度从非高峰期到高峰期的降幅高于10%,且最高仅14.0%。因此可以发现南京市火灾事件点实时等待救援时间在早晚高峰期受交通拥堵影响比较明显,且火灾密集区受交通拥堵影响较非火灾密集区大。
图4 南京市每天不同时段的火灾事件等待救援时间空间分布

Fig. 4 Spatial distribution of waiting time for fire incidents within different time intervals

4.3 消防站5 min救援覆盖率时空变化分析

根据国家颁布的《城市消防规划规范》[27],我国要求消防救援力量需在5 min内到达火灾事件现场,因此以5 min为到达时间标准,计算各消防站的消防救援覆盖率（CR1）,以柱状专题图的形式来展示消防站救援覆盖率的时空变化,如图5所示。总体上南京市各消防站CR1均较低,CR1平均值为8.2%,火灾密集区各消防站CR1在2.1%~28.0%,非火灾密集区各消防站CR1在1.1%~14.7%,非火灾密集区北部的消防站CR1略高于非火灾密集区南部。各消防站CR1受早晚高峰影响明显,CR1随时间变化呈现早晚高峰时段低于其他时段的“W”形变化模式,且火灾密集区消防站CR1从非高峰期的11.5%降低到8.4%,非火灾密集区消防站的CR1从非高峰期的6.1%降低到5%。火灾密集区的铁心桥、安德门、兴隆、南湖、侯家桥、特勤一、富贵山和方家营消防站CR1整体相对较高,均超过6.9%,而汉中门和石门坎2个消防站CR1很低,二者都在4.6%以下,这与汉中门人口分布密集且消防站位置位于辖区边界处、石门坎火灾事件点数量较少和消防站辖区面积较大有关。位于非火灾密集区北部的方巷、大厂、高新和特勤二消防站CR1整体较高,均在8.7%~14.7%,而非火灾密集区南部的梅山一、东山、滨江、开发区和溧水消防站CR1较低,在 1.1%~4.9%(溧水最低为1.1%)。火灾密集区有73.3%的消防站CR1在早晚高峰时段出现明显低值,而非火灾密集区消防站没有在双高峰同时出现低值,进一步表明火灾密集区消防站的救援覆盖率受早晚高峰交通拥堵的影响比非火灾密集区的明显。结合4.1节和4.2节的分析,在国家5 min到达标准下,南京市消防站的救援覆盖率总体偏低的原因不仅受到早晚高峰交通拥堵的影响,而且部分消防站位置和辖区范围对覆盖率的影响更明显（如火灾密集区的汉中门、石坎门以及非火灾密集区的东山、开发区、珠江、溧水、高淳、雄州等消防站）。
图5 南京市消防站救援覆盖率(5 min到达标准)时空变化

Fig. 5 Spatio-temporal variation of fire service coverage rate within five minuets in Nanjing

4.4 不同救援到达时间标准下的消防站救援覆盖 率变化分析

根据上述分析,目前南京市绝大多数的消防站出行救援时间难以达到国家5 min到达标准,因此讨论0~5 min（CR1）、0~10 min（CR2）和0~15 min（CR3） 3个消防救援到达时间标准下的消防站救援覆盖率在每天不同时段的变化情况。通过计算不同时段下各个消防站的CR1、CR2和CR3值得到南京市消防站救援覆盖率变化趋势图,如图6所示。从图6可以看出,火灾密集区除侯家桥、南湖、夫子庙和铁心桥之外,其他消防站CR1随时间变化不大,集中在20%以下,而CR2和CR3在所有时段均分别在50%和90%以上;非火灾密集区各消防站整体上的CR1在各时段基本没有变化,集中在15%以下,而CR2在20%~50%,CR3在50%~97%;南京全区消防站CR2和CR3呈现非常明显的“W”形变化模式。
图6 不同救援到达时间标准下南京市消防站救援覆盖率变化

Fig. 6 Fire service coverage rates of fire stations under different travel time intervals in Nanjing

在火灾密集区,侯家桥、南湖、夫子庙和铁心桥CR1表现出轻微的“W”形变化模式,而汉中门CR1在所有时间段都不超过2.5%;在10 min到达标准下,侯家桥CR2整体最高,迈皋桥、富贵山、汉中门、逸仙桥、石门坎、兴隆、特勤一、安德门和铁心桥CR2都表现出了标准的“W”形变化模式（早晚高峰低于其他时段）且“W”形波动幅度明显,表明这些消防站受早晚高峰期交通拥堵影响大;在15 min到达标准下,侯家桥CR3接近100%。在非火灾密集区,在5 min到达标准下,特勤二CR1最高;在10 min到达标准下,西坝、兴浦路和滨江CR2没有呈现出“W”形变化模式,主要是由于火灾事件点数量较少;在 15 min到达标准下,雄州、新港、西坝、兴浦路、珠江、滨江和东山CR3较低,可能是这些消防站辖区面积较大,空间距离成为消防车出动救援的最大阻力。

5 讨论

本文考虑了消防站管辖区域的限制,使得消防救援覆盖率评估模型能更好地反映实际情况下的消防救援模式,也便于评估各消防站救援覆盖率的时空模式并进行分析挖掘。为对比有无消防站辖区限制的救援覆盖率差异,利用各火灾事件距离最近的消防站计算不考虑消防站辖区限制情形下的救援覆盖率。相对于考虑消防站辖区限制的消防救援覆盖率,利用最近消防站计算得到的南京市消防救援覆盖率略高。在5、10和15 min到达时间标准下,南京市全区救援覆盖率考虑辖区限制比不考虑辖区限制分别低0.1%、2.6%和2.8%。尽管不考虑辖区限制的救援覆盖率比考虑辖区限制的略高,但是在国家规定的5 min到达时间标准下,南京市消防救援覆盖率依然较低,同时说明目前南京市消防站辖区划分存在一些不合理性。考虑辖区限制的平均出行救援时间在比不考虑辖区限制的长18 s,并且不考虑辖区限制的南京市救援覆盖率依然呈现出早晚高峰期比非高峰期低的“W”形变化模式。
在评估南京市消防救援覆盖率过程中,本文采用2020年9月连续三周的实时数据。为减小城市交通随机波动的影响,将数据平均到一天能够较好地代表研究时间内消防救援的平均水平,使得研究结果具有普遍性。同时,考虑到交通状况的季节性变化,消防救援覆盖率随时间变化的“W”形模式在不同的季节存在微小的差异。根据高德地图城市季度交通分析报告[39,40,41,42],可以得知南京市各月份的高峰期拥堵延时指数（出行旅行时间与自由流旅行时间之比）和高峰期城市平均行车速度。其中,南京市最拥堵区域集中在秦淮区、鼓楼区、玄武区、建邺区和雨花台区等主城区,这些区域在早晚高峰通行路上花费的时间相比畅通状态超过1.8倍,受到早晚高峰期交通拥堵的影响较大。对于南京市整体而言,其全年各月份的高峰期拥堵延时指数在1.71~1.98之间波动,每年1月（冬季）、6月（夏季）和9月（秋季）分别是南京市全年高峰期拥堵的前三名。结合本文研究,推测南京火灾密集区全年消防救援覆盖率“W”形变化模式在冬季和夏季将更明显,而在春季依然存在“W”形变化模式,只是在早晚高峰期内覆盖率的降低幅度略低于其他季节。
本文通过考虑消防站辖区限制以获得更真实的消防救援覆盖率时空变化模式,然而由于历史火灾事件数据的局限性致使本研究存在一些不足。① 由于数据的可获得性,本研究仅获取了2015年历史火灾事件来评估分析南京市消防救援覆盖率的时空模式,这些历史火灾事件距今已5年,其无法完全反映当今南京市火灾的空间分布,仅能较大程度对南京市火灾事件的空间分布进行近似模拟,计算得到的南京市消防救援覆盖率空间分布也仅是较大程度的近似结果。在未来的工作中,还需利用最新的火灾事件对消防救援覆盖率时空模式进一步开展分析研究。② 由于历史火灾事件未记录发生在某天的具体时间,本文未考虑火灾事件在每天不同时间段的变化情况,而是假定所有火灾事件在每天不同时间段发生的概率相同。③ 本文仅在2020年9月获取了消防站到火灾事件连续三周的实时出行救援时间,未获取全年每个月份的数据,无法准确描述不同季节里的救援覆盖率,而是根据高德地图城市季度交通分析报告进行讨论分析。因此,本文对南京市消防救援覆盖率时空模式的分析挖掘仅是最大限度的逼近和近似。在未来工作中,将利用更新更全面的数据开展研究。

6 结论与建议

6.1 结论

快速城镇化导致我国城市消防应急服务基础设施与城市发展不同步的问题日益凸显。本文提出一种基于实时路况的城市消防救援覆盖率评估模型,综合利用火灾事件和消防站辖区边界,旨在准确评估并挖掘城市消防站覆盖率在每天不同时段的时空变化模式,为城市消防应急服务基础设施的完善与建设提供科学决策依据。通过实验发现该评估模型能有效挖掘城市全局和各消防站局部的消防救援覆盖率的时空变化模式,为南京市城市消防救援提供决策支撑,同时该模型也为我国其他城市消防救援覆盖率评估提供了有益的参考。利用提出的模型评估了多个消防救援到达时间标准下的南京市消防救援覆盖率,并对南京市消防救援覆盖率的时空模式进行分析与挖掘,主要结论如下：
（1）南京火灾密集区消防站的平均出行救援时间约10 min,非火灾密集区约16 min,均明显大于国家规定的5 min到达标准,从而导致消防站在5 min到达标准下的覆盖率较低（火灾密集区消防站覆盖率最高为28.0%,非火灾密集区消防站覆盖率最高为14.7%）。火灾密集区的出行救援时间在高峰期比非高峰期增加了2 min,而非火灾密集区在2.8倍行车救援距离的情况下仅增加了78秒,在南京市整体平均出行救援速度较低的情况下,火灾密集区有80%的消防站的平均出行救援速度从非高峰期到高峰期降幅超15%,而非火灾密集区50%的消防站的平均出行救援速度从非高峰期到高峰期降幅低于10%,说明火灾密集区的平均出行救援时间受到交通拥堵的影响明显,而非火灾密集区主要受行车救援距离过长的影响。
（2）由于南京火灾密集区消防站的平均行车救援距离（3.1 km）仅为非火灾密集区的37%,导致火灾密集区火灾事件等待救援时间明显低于非火灾密集区,尤其火灾密集区西南部、东北部及部分消防站周边火灾事件等待救援时间相对较短,但南京市火灾事件等待救援时间在5 min以内的比例不足7%、10 min以内的比例为47.8%、15 min以内的比例为79.3%,火灾密集区93.1%火灾事件的等待救援时间在15 min以内,而非火灾密集区仅为63.8%。同时,救援等待时间在5~10 min之间的短距离火灾事件比例在高峰期降低比例最大为10%,而大于15 min的火灾事件比例提高了近10%。
（3）在研究时间（9月份）内,南京市消防救援覆盖率受早晚高峰影响呈现随时间变化的“W”形变化模式,即消防救援覆盖率在早晚高峰期明显低于其他时间段,且火灾密集区消防站5 min救援覆盖率在高峰期降低了3.1%而非火灾密集区仅降低了1.1%。火灾密集区迈皋桥、汉中门、石门坎、夫子庙、特勤一和安德门消防站的救援覆盖率受早晚高峰的影响较大,非火灾密集区北部的方巷、大厂、高新和特勤二等消防站的救援覆盖率高于南部开发区、东山、滨江、溧水和高淳等消防站。火灾密集区东南部的石门坎与东山交界区域和北部汉中门与迈皋桥周边区域在早晚高峰时段内等待救援时间超过15 min的火灾事件比非高峰时段明显增多。
（4）5 min到达标准下的消防站覆盖率“W”形变化模式波动最小,15 min到达标准下次之,10 min到达标准下的消防站覆盖率“W”形变化模式最明显,其受交通影响最大。在5 min到达标准下,火灾密集区消防站覆盖率主要在20%以下,而非火灾密集区集中在15%以下;在10 min到达标准下,火灾密集区消防站覆盖率波动范围在50%~100%,而非火灾密集区波动范围在20%~50%;在15 min到达标准下,火灾密集区消防站覆盖率超过90%,而非火灾密集区波动范围在50%~97%。

6.2 建议

从以上结论可知,南京市消防救援覆盖率总体处于较低水平,各消防站救援覆盖率时空差异显著,火灾密集区消防站救援覆盖率受早晚高峰交通拥堵影响大,非火灾密集区较偏远消防站的救援覆盖率水平低下。因此,为提高南京市消防救援服务提出以下建议：
（1）对于救援覆盖率较低的消防站,应合理配置消防资源,或对现有消防管辖区边界进行调整,以提高消防站救援覆盖率。从2015—2020年新增的5座消防站来看,白云亭和老门东可以较大缓解鼓楼、汉中门和夫子庙等主城区消防站的消防救援压力,而汤泉、龙潭港和长航为专职消防站且处于偏远地区,主要针对小局部地区（度假村、港口等）实施消防救援,对南京市整体尤其是主城区的消防救援覆盖率影响较小。针对南京市消防站现状布局,结合本文研究分析结果,对逸仙桥、东山、滨江和开发区这类消防救援覆盖率水平低的消防站,建议适当提高其消防资源配置。
（2）加强火灾密集区早晚高峰期的消防管控,重点改善汉中门、鼓楼、石门坎、夫子庙、迈皋桥、南湖和铁心桥这类受高峰期交通拥堵影响较大的消防站以及救援等待时间在5~10 min之间的短距离火灾事件的消防服务措施。
（3）针对位置靠近辖区边界等不合理的地方而无法有效管控整个辖区的消防站,如汉中门、侯家桥、特勤一和富贵山等消防站,可考虑在其辖区内消防车辆出行救援时间较长的区域增设微型消防站。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
杨翠迎. 城市化进程中公共服务资源配置面临的挑战与对策[J]. 甘肃社会科学, 2014(4):9-13.

[ Yang C Y. Challenges and countermeasures of public service resource allocation in the process of urbanization[J]. Gansu Social Sciences, 2014(4):9-13. ]

[2]
Brushlinsky N, Ahrens M, Sokolov S, et al. World Fire Statistics No.25[R]. Russia: International Association of Fire and Rescue Services, 2020.

[3]
李燕萍, 虞虎, 王昊, 等. 面向大数据时代的城市规划研究响应与应对方略[J]. 城市发展研究, 2017, 24(10):1-10.

[ Li Y P, Yu H, Wang H, et al. The response and countermeasures of urban planning research in the era of big data[J]. Urban Development Studies, 2017, 24(10):1-10. ]

[4]
吴志峰, 柴彦威, 党安荣, 等. 地理学碰上“大数据”:热反应与冷思考[J]. 地理研究, 2015, 34(12):2207-2221.

DOI

[ Wu Z F, Chai Y W, Dang A R, et al. Geography interact with big data: Dialogue and reflection[J]. Geographical Research, 2015, 34(12):2207-2221. ]

[5]
宋波, 刘文晓, 孙亚光. 基于大数据+GIS技术的消防站布局规划——以洛阳市涧西区为例[J]. 中国应急救援, 2020(3):57-62.

[ Song B, Liu W X, Sun Y G. Fire station layout planning based on big data + GIS technology: Taking the Jianxi district of Luoyang as an example[J]. China Emergency Rescue, 2020(3):57-62. ]

[6]
Kc K, Corcoran J, Chhetri P. Spatial optimisation of fire service coverage: A case study of Brisbane, Australia[J]. Geographical Research, 2018, 56(3):270-284.

DOI

[7]
Zhang X X, Yao J, Sila-Nowicka K, et al. Urban fire dynamics and its association with urban growth: Evidence from Nanjing, China[J]. ISPRS International Journal of Geo-Information, 2020, 9(4):218.

DOI

[8]
胡强. 山地城市避难场所可达性研究[D]. 重庆:重庆大学, 2010.

[ Hu Q A. Mountain ous city shelter accessibility research[D]. Chongqing: Chongqing University, 2010. ]

[9]
Kc K, Corcoran J, Chhetri P. Measuring the spatial accessibility to fire stations using enhanced floating catchment method[J]. Socio-Economic Planning Sciences, 2020, 69:100673.

DOI

[10]
熊雪晨, 白鸽, 金超, 等. 基于最近距离法的医疗服务地理可及性可视化表达方法及实证研究[J]. 中国卫生资源, 2016, 19(4):270-274.

[ Xiong X C, Bai G, Jin C, et al. A method of calculating and visualizing spatial accessibility to health services based on the nearest distance method[J]. Chinese Health Resources, 2016, 19(4):270-274. ]

[11]
Luo W. Using a GIS-based floating catchment method to assess areas with shortage of physicians[J]. Health & Place, 2004, 10(1):1-11.

[12]
Joseph L, Kuby M. Gravity Modeling and its Impacts on Location Analysis[M]. Springer US, 2011.

[13]
傅俐, 王勇, 曾彪, 等. 基于改进两步移动搜索法的北碚区医疗设施空间可达性分析[J]. 地球信息科学学报, 2019, 21(10):1565-1575.

DOI

[ Fu L, Wang Y, Zeng B A, et al. Spatial accessibility of medical facilities in Beibei district based on modified two-step floating catchment area method[J]. Journal of Geo-Information Science, 2019, 21(10):1565-1575. ]

[14]
Xia Z L, Li H, Chen Y H, et al. Integrating spatial and non-spatial dimensions to measure urban fire service access[J]. ISPRS International Journal of Geo-Information, 2019, 8(3):138.

DOI

[15]
Mao K N, Chen Y H, Wu G H, et al. Measuring spatial accessibility of urban fire services using historical fire incidents in Nanjing, China[J]. ISPRS International Journal of Geo-Information, 2020, 9(10):585.

DOI

[16]
陶卓霖, 程杨, 戴特奇, 等. 公共服务设施布局优化模型研究进展与展望[J]. 城市规划, 2019, 43(8):60-68,88.

[ Tao Z L, Cheng Y, Dai T Q, et al. Research progress and prospect of public service facilities layout optimization models[J]. City Planning Review, 2019, 43(8):60-68,88. ]

[17]
刘莉, 陈晨. 一种GIS与集合覆盖法的消防区优化布局[J]. 测绘科学, 2018, 43(9):46-51.

[ Liu L, Chen C. A GIS and set covering method for division of responsibility area of fireststions and layout optimization[J]. Science of Surveying and Mapping, 2018, 43(9):46-51. ]

[18]
Murray A T. Maximal coverage location problem[J]. International Regional Science Review, 2016, 39(1):5-27.

DOI

[19]
Tao Z L, Cheng Y, Dai T Q, et al. Spatial optimization of residential care facility locations in Beijing, China: Maximum equity in accessibility[J]. International Journal of Health Geographics, 2014, 13(1):1-11.

DOI

[20]
Yao J, Zhang X X, Murray A T. Location optimization of urban fire stations: Access and service coverage[J]. Computers, Environment and Urban Systems, 2019, 73:184-190.

DOI

[21]
Shavandi H, Mahlooji H. A fuzzy queuing location model with a genetic algorithm for congested systems[J]. Applied Mathematics and Computation, 2006, 181(1):440-456.

DOI

[22]
Teixeira J C, Antunes A P. A hierarchical location model for public facility planning[J]. European Journal of Operational Research, 2008, 185(1):92-104.

DOI

[23]
詹玮璇, 范威威, 刘明宇. 大数据环境下城市消防站救援覆盖能力评估[J]. 消防科学与技术, 2020, 39(4):519-521.

[ Zhan W X, Fan W W, Liu M Y. Evaluation of service coverage capability of fire stations in big data environment[J]. Fire Science and Technology, 2020, 39(4):519-521. ]

[24]
Liu D L, Xu Z S, Yan L, et al. Applying real-time travel times to estimate fire service coverage rate for high-rise buildings[J]. Applied Sciences, 2020, 10(19):6632.

DOI

[25]
Liu D L, Xu Z S, Wang Z Y, et al. Estimation of effective coverage rate of fire station services based on real-time travel times[J]. Fire Safety Journal, 2021, 120:103021.

DOI

[26]
江苏省第十一届人民代表大会常务委员会. 江苏省消防条例[Z]. 江苏省:江苏省第十一届人民代表大会常务委员会第十八次会议, 2010.

[ Standing Committee of the 11th Jiangsu Province People's Congress. Fire Protection Regulations of Jiangsu Province[Z]. Jiangsu Province:The 18th Meeting of the Standing Committee of the 11th Jiangsu Provincial People's Congress, 2010. ]

[27]
中华人民共和国住房和城乡建设部, 中华人民共和国国家质量监督检验检疫总局. 城市消防规划规范 GB 51080-2015[S]. 北京: 中国建筑工业出版社, 2015.

[ Ministry of Housing and Urban-Rural Development of the People's Republic of China, General Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of China. Code for planning of urban fire control. GB 51080-2015[S]. Beijing: China Architecture & Building Press, 2015. ]

[28]
张辉, 郭超. 基于GIS和响应覆盖率的消防救援站建设评估研究[J]. 消防科学与技术, 2020, 39(8):1107-1110.

[ Zhang H, Guo C. Research on evaluation of fire rescue station construction based on GIS and ratio of response coverage[J]. Fire Science and Technology, 2020, 39(8):1107-1110. ]

[29]
唐潭, 韩冰. 城市实时交通圈在消防布局评价中的应用研究——以南京市为例[C]. 2019 (第十四届)城市发展与规划大会,郑州,中国, 2019.

[ Tang T, Han B. Application research of urban real-time traffic circle in fire layout evaluation: Take Nanjing City as an example[C]. 2019 (the Fourteenth) Conference on Urban Development and Planning, Zhengzhou, China, 2019. ]

[30]
王芹, 谢元礼, 段汉明, 等. 基于实时路况的西安交通拥堵研究[J]. 西北大学学报(自然科学版), 2017, 47(4):622-626.

[ Wang Q, Xie Y L, Duan H M, et al. On Xi'an traffic congestion based on real-time traffic data[J]. Journal of Northwest University (Natural Science Edition), 2017, 47(4):622-626. ]

[31]
崔晓临, 张佳蓓, 吴锋, 等. 基于多源数据融合的北京市人口时空动态分析[J]. 地球信息科学学报, 2020, 22(11):2199-2211.

DOI

[ Cui X L, Zhang J B, Wu F, et al. Spatio-temporal analysis of population dynamics based on Multi-source data integration for Beijing municipal city[J]. Journal of Geo-information Science, 2020, 22(11):2199-2211. ]

[32]
邓敏, 蔡建南, 杨文涛, 等. 多模态地理大数据时空分析方法[J]. 地球信息科学学报, 2020, 22(1):41-56.

DOI

[ Deng M, Cai J N, Yang W T, et al. Spatio-temporal analysis methods for multi-modal geographic big data[J]. Journal of Geo-information Science, 2020, 22(1):41-56. ]

[33]
南京市统计局. 南京统计年鉴2020[M]. 北京: 中国统计出版社, 2020.

[ Nanjing Municipal Bureau Statistics. Nanjing Statistical Yearbook 2020[M]. Beijing: China Statistical Publishing House, 2020. ]

[34]
Kc K, Corcoran J. Modelling residential fire incident response times: A spatial analytic approach[J]. Applied Geography, 2017, 84:64-74.

DOI

[35]
Usanov D, Guido Legemaate G A, van de Ven P M, et al. Fire truck relocation during major incidents[J]. Naval Research Logistics (NRL), 2019, 66(2):105-122.

DOI

[36]
南京市规划和自然资源局. 南京市城市总体规划(2011-2020)[EB/OL]. http://ghj.nanjing.gov.cn/ghbz/ztgh/201705/t20170509_874089.html,2020-05-26.

[Nanjing Bureau of Planning and Natural Resources. Nanjing Urban Master Plan(2011-2020)[EB/OL]. http://ghj.nanjing.gov.cn/ghbz/ztgh/201705/t20170509_874089.html,2020-05-26.

[37]
Wang F H, Xu Y Q. Estimating O-D travel time matrix by Google Maps API: Implementation, advantages, and implications[J]. Annals of GIS, 2011, 17(4):199-209.

DOI

[38]
第十三届全国人民代表大会常务委员会. 中华人民共和国消防法[Z]. 北京:第十三届全国人民代表大会常务委员会第十次会议, 2019.

[ Standing Committee of the 13th National People's Congress. Fire Protection Law of the People's Republic of China[Z]. Beijing:The 10th Session of the Standing Committee of the 13th National People's Congress, 2019. ]

[39]
高德地图. 中国主要城市季度交通分析报告——南京市(2018Q1)[EB/OL]. https://report.amap.com/share.do?id=8a38bb8666c9a6d20166cd63d5370440, 2018-04-19.

[Amap. Quarterly traffic analysis report of major cities in China: Nanjing (2018Q1)[EB/OL]. https://report.amap.com/share.do?id=8a38bb8666c9a6d20166cd63d5370440, 2018-04-19.

[40]
高德地图. 中国主要城市季度交通分析报告——南京市(2020Q2)[EB/OL]. https://report.amap.com/share.do?id=8b3776ab731fb18401737b0e006b449a, 2020-07-21.

[Amap. Quarterly traffic analysis report of major cities in China: Nanjing (2020Q2)[EB/OL]. https://report.amap.com/share.do?id=8b3776ab731fb18401737b0e006b449a, 2020-07-21.

[41]
高德地图. 中国主要城市季度交通分析报告——南京市(2020Q3)[EB/OL]. https://report.amap.com/share.do?id=a184b07a753f1d930175547ba5ec1e15, 2020-10-23.

[Amap. Quarterly traffic analysis report of major cities in China: Nanjing (2020Q3)[EB/OL]. https://report.amap.com/share.do?id=a184b07a753f1d930175547ba5ec1e15, 2020-10-23.

[42]
高德地图. 中国主要城市季度交通分析报告——南京市(2020Q4)[EB/OL]. https://report.amap.com/share.do?id=a187b9ae76d07e5c017714372ba90137, 2021-01-18.

[ Amap. Quarterly traffic analysis report of major cities in China: Nanjing (2020Q4)[EB/OL]. https://report.amap.com/share.do?id=a187b9ae76d07e5c017714372ba90137, 2021-01-18.

[43]
王昆仑, 王龙鑫. 浅析城市消防站优化布局[C]. 中国消防协会六届七次理事会暨2019年科学技术年会,北京,中国, 2019.

[ Wang K L, Wang L X. A brief analysis of optimal layout of urban fire station[C]. The 7th Council of the 6th session of China Fire Protection Association & 2019 Annual Meeting of Science and Technology, Beijing, China, 2019. ]

Options
Outlines

/

〈 〉