0 引言

近年来, 随着B2C模式电子商务的蓬勃发展, 国内各大电商企业都修建了自营仓库, 2015年中国第四次全国物流园区 (基地) 调查报告[1]显示, 全国包括运营、在建和规划的各类物流园区共计1 210家, 比2006年的207家增长了484%, 增长势头明显。在2013年国家发展和改革委等12个部门发布《全国物流园区发展规划 (2013—2020) 》[2]、2014年国务院出台《物流业发展中长期规划 (2014—2020年) 》[3]之后, 我国物流园区的建设和发展进入新的阶段。而电商物流仓库货品集中, 建筑体量大, 火灾风险高, 无论是建筑火灾的危险性, 还是消防队进行火灾扑救时的危险性都较大, 因此有必要对其进行合理的火灾风险评估。

从20世纪70年代起, 国外就开始了关于建筑火灾安全方面的评估, 各国比较有代表性的建筑火灾风险评估方法主要有美国的建筑防火评估方法 (BFSEM) 、澳大利亚的风险评估模型 (CESARE-RISK) 、日本的建筑物综合防火安全设计方法、加拿大的FIRECAM方法等[4]。国内对于建筑火灾风险评估的研究虽然起步较晚, 但也取得了一些成果。范维澄等[5]从火灾基本规律入手, 研究了建筑火灾风险评估的理论框架。张立新等[6]以高层民用建筑为评估对象, 引入未确知C-均值聚类智能化方法并对实际项目进行了火灾风险评估。游温娇等[7]使用物元分析法对古建筑进行了火灾等级划分, 实现了古建筑火灾风险定量化分析。

古斯塔夫法 (Gustav’s method) 是一种半定量危险度分析法, 由英国Gustav等首次提出, 于2007年由英国标准协会 (BSI) 作为一项重要评估方法写入英国建筑火灾安全工程指导手册[8,9]。与其他火灾风险评估方法相比, 古斯塔夫法并非注重给出一个最终的评估标准值, 而是分别关注火灾对建筑物本身和建筑内人员财产的影响, 以便于评估者根据结果进行建筑消防设计, 关注建筑使用者行为安全等[10]。Frantzich[11]将该方法用于医院建筑火灾风险研究, 确定了医院各项基础设施和管理对火灾风险的影响。2010年, 陶亦然[12]首先使用该方法对大型商场建筑进行了火灾风险评估, 首次引入无量纲系数, 弥补了建筑物火灾危险度GR和建筑物内人员危险度IR之间没有直接可加性的不足, 并结合控制风险能力C计算综合火灾危险度。2016年, 鞠文汇[13]使用该方法对大跨度大空间建筑进行了火灾风险评估, 首次提出新的三维度风险评估方法, 给出了风险控制能力因子, 完善了原有方法评估维度不足的缺陷。本文通过分析电商物流仓库的特点, 结合原方法中存在的不足, 给出改进的古斯塔夫法, 在原方法的基础上, 增加对电商仓库内大量设施设备影响火灾危险性的考量, 将原方法中简单的一级指标扩展为二级、三级指标, 并计算权重, 使评估结果更具有针对性;最后结合上海某电商物流仓库工程实例进行应用性分析, 提出仓库建设方面的改进措施。

1 古斯塔夫法原理及适用性分析

1.1 古斯塔夫法分析原理

在古斯塔夫法中, 第一个评估维度为建筑自身火灾危险度GR, 表征火灾对建筑本身可能造成的破坏程度, 如下。

式中Qm为可移动的火灾荷载, α为移动可燃物易燃因子, Qi为固定的火灾荷载因子, S为建筑面积因子, L为灭火能力因子, W为建筑物耐火因子, Ri为火灾危险度下降因子。可移动火灾荷载因子Qm和固定火灾荷载因子Qi一般按折合木材量计算[9], 其他因子的取值参考文献[14]。

第二个评估维度是人员财产损害度IR, 表征火灾造成的人员伤亡及财产损失, 如下。

式中k为人员特征因子, H为人员危险因子, D为财产危险因子, F为烟气因子。因子取值参考文献[15]。

选择具体的对象计算出GR和IR后, 便可以在建筑火灾危险度平面图上进行分析, 见图1。当GR和IR都较小时, 建筑不需要特别保护;仅GR较大时, 需要对建筑本身进行保护;仅IR较大时, 需要对人员财产进行特别保护;当两者都较大时, 建筑物需要配备固定灭火设施和疏散报警系统等, 进行双重保护[16]。

图1 古斯塔夫法火灾危险度分析图Fig.1 Fire hazard analysis chart of Gustav’s method  

1.2 古斯塔夫法适用性分析及改进

现代化的电商物流仓库结构复杂, 体量较大, 仓库运行模式多元, 在使用古斯塔夫法对其进行火灾风险评估时, 有如下几个方面的不足:

1) 电商物流仓库内部有较多设施设备, 其电气线路故障产生的火灾隐患未得到体现;

2) 灭火能力因子设计不够完善, 未考虑消防队的装备水平、供水保障及现场微型消防站建设等实际情况;

3) 各评估因子的取值等级过于单一, 取值结果不够精确。

综合上述分析, 设计新的适用于物流仓库类建筑的危险度指标GRS和人员财产火灾危险度IRS, 分别见式 (3) 和 (4) 。

式 (3) 引入设施设备火灾危险度因子E, 表征仓库固有设施设备对火灾危险度的影响;用Cf+Cb代替原式中灭火能力单因子L, 分别表示消防队灭火救援能力因子和建筑自身消防设施灭火能力因子。

式中HS、DS、FS分别为改进后的人员危险因子、财产危险因子和烟气特性因子。

2 改进后的因子取值方法分析

在引入新的评估因子后, 需要对各因子的取值方法进行确定。现以设施设备因子E为例进行说明, 其取值方法的确定分为两个步骤:首先根据调查询问, 确定影响该因子的指标体系;其次采用层次分析法[9]确定各指标的权重, 将打分分值乘以指标权重并求和, 即得该因子最终取值。

2.1 设施设备因子E取值方法

在建筑危险度指标GRS中引入设施设备因子E, 用以表征仓库中大型复杂的设施设备对火灾风险的影响。建立设施设备因子评估的指标体系, 见表1。

表1 设施设备因子E指标体系Table 1 Target system of facility factor E  

使用层次分析法获取各评估指标权重, 首先采用Delphi专家打分法构造各层因素的判断矩阵。

以一级指标A为例进行说明, 对其每一列归一化并求得特征向量。

计算判断矩阵的最大特征值。

最后进行一致性检验, 计算一致性指标CI。

对于n=3, 查表得平均随机一致性指标RI=0.58[14], 因此有

因此判断矩阵RE←A具有较好的一致性, A1、A2、A3的权重分别为0.122、0.648和0.230, 且认为这个权重是合理的。

同理可求得二级指标B1~B10的权重分别为0.147、0.531、0.322、0.088、0.478、0.288、0.146、0.106、0.634、0.260, 经验证均符合一致性检验要求。据此可得设施设备因子E的取值, 见表2。

以上为设施设备因子E的取值表建立过程, 下面各因子取值表可以用同样的方法建立。

2.2 灭火能力因子 (Cf+Cb) 取值方法

在原有古斯塔夫法中, 灭火能力因子L的取值仅考虑了消防队的性质和到被评估建筑的直线距离[9], 取值较为粗糙, 因此提出改进的灭火能力考量标准———消防队灭火能力因子Cf和建筑消防设施设备灭火能力因子Cb, 增设了消防队战斗力、装备水平及建筑物自身设施的设置情况等影响因素, 改进的取值覆盖面更为广泛, 见表3。

2.3 人员财产危险度中各因子取值方法

在原有古斯塔夫法中, 人员危险因子、财产危险因子和烟气因子取值评估覆盖面较小, 仅考虑了人员能否自救、财产价值高低、烟气数量3个简单因素[9]。在改进的古斯塔夫法中, 提出了新的三因子取值指标体系, 充分考虑了火灾自动报警系统和人员疏散能力、财产的可恢复性和疏散能力及防排烟能力等影响因素, 分别见表4~6。

表2 设施设备因子E取值Table 2 Value of facility factor E

表3 灭火能力因子Cf和Cb取值Table 3 Value of fire extinguish ability factor Cf and Cb

表4 改进后的人员危险因子HS取值Table 4 Value of improved personnel hazard factor HS  

3 改进古斯塔夫法的工程应用

3.1 工程项目实际情况

上海市青浦区某电商配送仓库库区总面积9 600 m2, 总建筑面积69 959 m2, 共有9个库房并列排布, 库房高度24.5m, 轻钢龙骨结构。库区共有98个室内消火栓、13个室外消火栓, 配有2台消火栓泵和2台喷淋泵, 设有自动报警系统、自动喷水灭火系统、应急广播系统和防排烟系统。该仓库的平面图见图2。

3.2 工程火灾风险评估

经现场调查和统计分析, 使用改进的古斯塔夫法对9个仓库分别进行火灾危险度评估, 计算结果见表7和8。

表5 改进后的财产危险因子DS取值Table 5 Value of improved property hazard factor DS 

表6 改进后的烟气因子FS取值Table 6 Value of improved smoke factor FS  

表7 建筑物火灾危险度GRS Table 7 Value of buildings fire hazard GRS 

表8 人员财产火灾危险度IRS Table 8 Value of personnel and property fire hazard IRS

图2 上海市某电商仓库总平面图Fig.2 General layout of an E-commerce warehouse in Shanghai   

根据GRS和IRS绘制出该工程项目的危险度分布图, 如图3所示, 图中GRS和IRS的安全范围参考值根据公式中较安全的指标打分计算获得, 分别为GRS=3.652、IRS=4.125。

由分析结果可知, 8、9号库危险度较低, 因为该区域用于存放食品等特殊商品, 有一部分制冷和保温设备, 但数量不多。

对于1、2、3号库而言, 库区主要用于小商品分拣包装, 火灾荷载较小, 建筑物危险度较小, 但库区员工数量较多, 人员财产危险度略超过安全范围。为降低IRS, 该库区应当适当增设火灾报警系统, 完善人员疏散指示系统, 加强员工日常消防安全教育等。

4、5、6、7号库房是该电商物流仓库的主要仓储区, 内设复杂的输转分拣设备, 主要仓储大型家电和电商货品, 工作人员也较多, 其建筑物危险度和人员财产危险度都超过了安全范围。为提高该库区的安全等级, 应立即完善火灾探测报警系统和消防疏散设施设备, 定期进行火灾疏散演习, 同时, 辖区中队应重点针对该处库区制订详细的灭火救援预案, 强化灭火救援能力。

4 结论

将该古斯塔夫法用于电商物流仓库类建筑的火灾风险评估, 对其进行了如下改进:

1) 针对电商仓库中设施设备较多、对火灾危险性影响较大的情况, 引入设施设备因子E, 建立了两级评估指标体系;

2) 完善了灭火能力因子L, 同时考虑消防队灭火救援能力和建筑自身灭火能力对火灾风险的影响;

3) 设计了更为详细的人员财产危险度IR中各评估因子, 充分考虑人员特性、仓储物质特性、人员财产疏散和防排烟能力对评估结果的影响;

图3 仓库火灾危险度分析Fig.3 Hazard analysis of warehouse fire 

4) 确定了更加完善的指标体系和更加精确的指标权重。

将改进后的评估方法应用于上海市青浦区某电商仓库工程实例, 得到如下结论:

1) 用于特殊货品仓储的库区, 火灾危险度处于安全范围内;

2) 分拣/包装库区建筑物危险度处于安全范围内, 但由于人员财产危险度较高, 需要完善火灾自动报警和应急疏散指示系统, 加强员工消防安全教育;

3) 立体仓库库区两项指标均超过安全范围, 仓库单位应当予重点关注。