Information and technological aspects of fire safety on transport

Forest fires are uncontrolled burning of vegetation in forest territory. Its danger lies in its rapid and spontaneous spread, which is difficult to combat, and the consequences are long-term restoration of flora and fauna in the territory where it happened, damage to the ecological, economic, material condition of the terri-tory of the region, physical and psychological health of people. At the same time, the prevention and elimina-tion of forest fires is very expensive. At the same time, an important task is to quickly and effectively eliminate the fire, planned so that the costs were minimal. Depending on the type of forest fire, it is important to make timely decisions on the liquidation of such natural disasters. Such solutions require considerable time, analysis of a large amount of information and can not always be called optimal. Thus, it is urgent to create methods and tools to improve the quality of firefighting forces and facilities. At the same time, the efficiency of operational control under conditions of considerable uncertainty depends not only on the reliability of the information, but also on its qualitative analysis, and in conditions of limited time. The article deals with the mathematical support for more effective decision-making in the elimi-nation of forest fires. As a tool of fuzzy modeling was selected based on the theory of fuzzy sets, fuzzy logic. The substantiation of this approach is presented. Briefly outlines the main provisions of the method of fuzzy modeling. As a control function were chosen pace of barrage bands at different stages of fire fighting. This control is formed as a function of measurement known area of fire and its propagation velocity. The effi-ciency and effectiveness of the algorithm of forming control function were confirmed by numerical simula-tions. In modeling, to simulate a real situation, the fire pattern in the form of non-linear differential equations, developed by the author of this article was used.

транспортная система, пожарный риск, управление рисками, информационное пространство, большие данные, информационные технологии, orest fires, mathematical modeling, fuzzy modeling, fuzzy sets, expert assessments, control algorithm

1. Асаул А. Н., Малыгин И. Г., Комашинский В. И., Аванесов М. Ю. Концептуальные подходы к построению интеллектуальной мультимодальной транспортной системы РФ // Информация и космос. -2016.-№ 3. -С. 8-17.

2. Иванов А. Ю., Комашинский В. И., Малыгин И. Г. Концепция построения единого информационного пространства интеллектуальной мультимодальной транспортной системы // Транспорт Российской Федерации. -2016. -№ 6(67).-С. 24-28.

3. Иванов А. Ю., Комашинский В. И., Малыгин И. Г. Мобильные распределенные базы данных Интеллектуальной мультимодальной транспортной системы : монография.-СПб. : Институт проблем транспорта им. Н. С. Соломенко РАН, 2017. -166 с.

4. Методика определения расчетных величин пожарного риска в зданиях, сооружениях и пожарных отсеках различных классов функциональной пожарной опасности : приказ МЧС России от 30.06.2009 № 382 (ред. от 02.12.2015). URL: http://base.garant.ru/12169057/ (дата обращения: 04.04.2017).

5. Методика определения расчетных величин пожарного риска на производственных объектах : приказ МЧС России от 10.07.2009№ 404 (ред. от 14.12.2010). URL: http://base.garant.ru/196118/ (дата обращения: 04.04.2017).

6. Технический регламент о требованиях пожарной безопасности : Федер. закон от 22.07.2008№123-ФЗ (ред. от 03.07.2016). URL: http://rulaws.ru/laws/Federalnyy-zakon-ot-22.07.2008-N-123-FZ/ (дата обращения: 04.04.2017).

7. Стратегия развития информационного общества в Российской Федерации на 2017-2030 годы : утв. Указом Президента Российской Федерации от 09.05.2017№ 203. URL: http://www.garant.ru/ products/ipo/prime/doc/71570570/ (дата обращения: 25.05.2017).

8. Черняк Л. Большие Данные-новая теория и практика // Открытые системы. СУБД.-2011.- № 10. -18 с. URL: http://www.osp.ru/os/2011/10/13010990/ (дата обращения: 12.04.2017).

9. Гургенидзе А. Т., Кореш В. И. Мультисервисные сети и услуги широкополосного доступа. - СПб. : Наука и техника, 2003. -400 с.

10. Батура Т. В., Мурзин Ф. А., Семич Д. Ф. Облачные технологии: основные понятия, задачи и тенденции развития // Программные продукты, системы и алгоритмы : электронный научный журнал. -2014. -№ 1. -22 c. DOI: 10.15827/2311-6749.10.141.

11. Bill Franks (ed.). Taming the Big Data Tidal Wave. Finding Opportunities in Huge Data Streams with Advanced Analytics. -John Wiley & Sons, Inc., 2012. -336 p. DOI: 10.1002/9781119204275.

12. Big data analytics for security intelligence / Cloud Security Alliance (CSA), 2013. - 22 p. URL: https://downloads.cloudsecurityalliance.org/initiatives/bdwg/Big_Data_Analytics_for_Security_Intelligence. pdf (дата обращения: 17.04.2017).

13. ACase Study in Security Big Data Analysis.-03.09.2012. URL: http://www. darkreading.com/monitoring/ a-case-study-in-security-big-data-analys/232602339 (дата обращения: 17.04.2017).

14. Саенко И. Б. Теоретические основы многомерно-реляционного представления данных и их применение для построения баз данных АСУ связью : монография / Под ред. В. Ф. Комаровича.- СПб. : ВУС, 2001.-176 с.

15. Big data: the next frontier for innovation, competition, and productivity / McKinsey Global Institute, May 2011. - 20 p. URL: http://lazowska.cs.washington.edu/escience/McKinsey.big.data.pdf (дата обращения: 17.04.2017).

16. Артамонов А. С., Иванов А. Ю. Перспективные методы анализа информационных потоков в сфере безопасности автоматизированных системМЧСРоссии (Информационно-аналитический обзор-Часть 2) // Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России : научно-аналитический журнал. -2017. -№ 1. -С. 74-83.