Modelling risk factors in urban residential fires in Helsinki

Show full item record



Permalink

http://urn.fi/URN:NBN:fi:hulib-202006112709
Title: Modelling risk factors in urban residential fires in Helsinki
Author: Todorovic, Sara
Contributor: University of Helsinki, Faculty of Science
Publisher: Helsingin yliopisto
Date: 2020
URI: http://urn.fi/URN:NBN:fi:hulib-202006112709
http://hdl.handle.net/10138/316107
Thesis level: master's thesis
Abstract: Asuinrakennuksissa syttyvät tulipalot aiheuttavat merkittäviä henkilö- ja omaisuusvahinkoja erityisesti kaupungeissa. Palojen esiintyvyydellä on todettu olevan voimakas yhteys alueiden ja alueiden asukkaiden piirteisiin, kuten sosioekonomiseen asemaan sekä kotitalouksien ja rakennusten ominaisuuksiin. Vaikuttavat tekijät ovat kuitenkin monimutkaisia ja usein toisiinsa kytkeytyneitä, mikä on vaikeuttanut tarkkojen ennusteiden tekemistä. Riskimallinnus ja paikkatietoanalyysit tarjoavat entistä tehokkaampia ja käytännöllisiä keinoja ilmiön tutkimiseen, erityisesti onnettomuuksien ennaltaehkäisyn ja varautumisen näkökulmasta. Tähän mennessä asuinrakennuspalojen alueelliseen esiintyvyyteen vaikuttavien riskitekijöiden tuntemus Helsingissä on ollut rajallista, mihin tällä tutkielmalla on pyritty tuomaan uutta empiiristä tietoa. Tässä tutkielmassa analysoitiin Helsingissä syttyneitä asuinrakennuspaloja vuosina 2014–2018 250 x 250 metrin ruututasolla. Tulipalojen alueellista riippuvuutta tutkittiin havainnoimalla tilastollisesti merkittäviä palojen keskittymiä. Lisäksi luotiin riskimalli, jolla pyrittiin tunnistamaan tulipalojen alueelliseen esiintyvyyteen vaikuttavia naapurustojen rakenteellisia, sosioekonomisia ja väestöllisiä piirteitä. Menetelminä käytettiin lineaarista regressiota ja spatiaalisen heterogeenisyyden huomioivaa Geographically Weighted Regression (GWR) -menetelmää. Tulokset osoittivat, että asuinrakennuspalot ovat alueellisesti klusteroituneita Helsingissä. Merkittävä suuri keskittymä löytyi kantakaupungin alueelta ja pienempiä keskittymiä Itä-Helsingistä. Tulosten perusteella naapuruston rakenteellisilla piirteillä, sosioekonomisella asemalla ja kotitalouksien ominaisuuksilla on vaikutusta asuinrakennuspalojen esiintyvyyden todennäköisyyteen sekä paloriskiä lisäävinä että vähentävinä tekijöinä. Naapurustotasolla tilastollisesti merkittäviä paloriskiä lisääviä selittäviä muuttujia olivat väestöntiheys, alhainen koulutustaso, työttömyys, asumisväljyys sekä omistusasuminen. Negatiivisesti paloriskiin vaikuttavia tekijöitä olivat asuinrakennusten tiheys, alueen rakennuskannan ikä, korkea koulutustaso sekä myös omistusasuminen. Yleisesti tutkimusalueella tämä kahdeksan muuttujaa selittivät noin puolet asuinrakennuspalojen vaihtelusta. Mallien välisessä vertailussa GWR:n selitysaste oli lineaarista regressiota parempi, ja se myös pystyi tunnistamaan merkittäviä paikallisia eroja selittävien muuttujien vaikutuksissa paloriskiin. Asuinrakennuspalojen riskiin vaikuttavien tekijöiden kokonaisvaltainen ymmärtäminen aluetasolla on tärkeää pelastustoimelle erityisesti valmiuden mitoittamisen ja resurssien tehokkaamman kohdentamisen kannalta. Jatkossa tulisikin kehittää tarkempia malleja, jotta saavutettaisiin entistä kattavampi kokonaiskuva paloriskistä ja siihen vaikuttavista tekijöistä. Erityisesti huomiota tulee kiinnittää tarkemman ja monipuolisemman aineiston ja menetelmien hyödyntämiseen, sekä myös tulipalojen ajallisen ulottuvuuden ja palojen seurauksien sisällyttämiseen mallinnuksessa.Fires in residential buildings can lead to significant personal injury and property damage, especially in cities. Fire incidence has been found to have a strong connection with the characteristics of neighbourhoods and their inhabitants, such as with socioeconomic status and the features of households and buildings. However, the influencing factors are complex and often interconnected, which has made it difficult to make accurate predictions. Risk modelling and spatial data analysis provide effective and practical means of studying the phenomenon, especially from the point of view of accident prevention and preparedness. To date, knowledge of the spatial risk factors affecting residential fire incidence is yet limited in Helsinki. Thus, this study has sought to bring new empirical evidence on the matter. This study analysed residential fires in Helsinki from 2014 to 2018 at a 250 x 250 m grid level. The spatial dependence of fires was investigated by observing statistically significant clusters of fires. In this study, a risk model was created that sought to identify the underlying structural, socioeconomic, and household characteristics of neighbourhoods that affect the likelihood of residential fire incidence. The methods used were linear regression and the Geographically Weighted Regression (GWR), which takes spatial heterogeneity into account. The results showed that residential fires are spatially clustered in Helsinki. A significant large concentration of fires was found in the inner-city area and smaller concentrations in eastern Helsinki. The results indicate that the structural features of the neighbourhoods, socioeconomic status, and household circumstances have an impact on the likelihood of residential fire incidence by both increasing and decreasing the risk of fire. At the neighbourhood level, statistically significant explanatory variables that increased fire risk were population density, low education, unemployment, occupancy rate of dwellings, and home ownership. A negative relationship with fire risk was found with residential building density, age of the buildings, high education, as well as home ownership. Overall, in the study area, these eight variables explained about half of the variance of residential fire incidence. In a comparison between the models, the explanatory power of the GWR was better than linear regression, and it was also able to identify significant local variations in the effects of explanatory variables on fire risk. A comprehensive understanding of the factors influencing residential fire risk at local levels is important for rescue services, especially in terms of planning response readiness and efficient allocation of resources. In the future, more precise models should be developed in order to achieve a more comprehensive understanding of fire risk and the factors affecting it. Particular attention should be paid to the use of more precise and diverse data and methods in modelling, as well as to the temporal dimension and the consequences of fires.
Subject: fire risk
residential fire
Geographically Weighted Regression
GIS
Discipline: none


Files in this item

Total number of downloads: Loading...

Files Size Format View
Todorovic_Sara_Pro_gradu_2020.pdf 3.644Mb PDF View/Open

This item appears in the following Collection(s)

Show full item record