迪拜民防火灾响应时间低于4分钟，仅为全球平均水平一半，目标继续提速

据海湾时报报道，迪拜民防总司令部人工智能总局局长伊萨·艾哈迈德·阿尔穆塔瓦中校透露，得益于为减少火灾数量、保护生命、财产及关键系统而采用的多项技术与措施，目前火灾报警响应时间已缩短至4分钟以内，而全球平均水平约为8分钟。

他在联邦救护与民防总局举办的专题论坛间隙表示，实现当前目标将激励民防部门迈向即时响应的新阶段。

他补充说，实现这一目标依赖于一系列正在测试的技术与项目，包括机器人、自动驾驶车辆、人工智能应用、自主技术以及用于事故预测与响应的创新解决方案等。他指出，这些项目目前仍处于测试阶段，若取得成功并完全就绪，将在迪拜即将举办的国际会议与活动中正式发布。

阿尔穆塔瓦指出，近期全球经历的各种事件与冲突表明，一起火灾事故的影响可能远超其地理位置。他解释说，单一事故若波及发电站，可能导致航空交通瘫痪或整座城市停电，亦可能扰乱供应链，甚至影响一个国家或城市的国际形象。他强调，这些数据凸显了从“事后处置”向“依靠数据与人工智能预测风险、在事态恶化前预防或减轻影响”的主动型体系转变的重要性。

他表示，联邦救护与民防总局近期已启动多个依托人工智能进行火灾预测与预防的项目。第一步是收集历史数据，通过分析识别薄弱环节，确定风险最高的关键区域。他指出，工作团队起初认为数据收集是最艰巨的任务，但实际经验证明，维护数据并保护其免受网络攻击才是现阶段最大的挑战。

他补充说，在收集并分析数据后，团队构建了生成式人工智能模型，这不仅有助于更精准地识别迪拜及阿联酋境内的关键区域、合理调配资源，还能确定需要加强培训、宣传与检查力度的区域。

他指出，数据的可获得性与深度分析使得对各地区进行更细致研判成为可能，包括人口结构特征、居民国籍分布、火灾常见诱因，以及最有效的宣传教育材料和信息，以帮助社区居民规避火灾风险。

他强调，深度精准的数据分析不仅用于识别已发生事故的区域，更有助于预判未来可能发生事故的位置、确定风险性质与成因，并在事故发生前实施适当的预防干预。他解释说，所有这些工具都服务于同一个目标——减少火灾事故，保护生命与财产安全。

他补充说，据该项目数据，火灾事故产生的排放物与约700万例过早死亡相关。值得注意的是，火灾排放量是汽车、工厂、船舶等排放总和的两倍，占比高达21%，这反映出火灾事故对环境的深远影响。