ПИРО (Публичный Информационный Реестр Огонь) – это специализированная
база данных, созданная в городе Алушта для автоматизации
сбора, хранения и анализа информации о пожарах, их причинах и мерах
реагирования. Система объединяет данные из нескольких источников:
службы спасения, муниципальные органы, GIS‑карты, а также
пользовательские сообщения через мобильные приложения.

Основные задачи системы

• Регистрация всех зафиксированных пожаров в режиме реального времени.
• Хранение подробных атрибутов: место, время, тип возгорания, задействованные ресурсы.
• Аналитика и построение статистики (частота, сезонность, «горячие» зоны).
• Поддержка оперативного взаимодействия между службами МЧС, полицией и муниципальными службами.
• Обеспечение публичного доступа к агрегированной информации для граждан и исследователей.

Техническая архитектура

Слой хранения данных

В основе ПИРО лежит гибридная модель хранения:

1. Реляционная СУБД (PostgreSQL 15) – хранит «табличные» данные:
   • События (таблица fires).
   • Ресурсы (техника, персонал – resources).
   • Пользователи и их роли (users).
2. Графовая база данных (Neo4j 5) – моделирует взаимосвязи между объектами:
   • Связи «пожар‑объект», «пожар‑ресурс», «ресурс‑оперативный‑центр».
   • Поиск «самых уязвимых» объектов через алгоритмы центральности.
3. Геопространственный слой (PostGIS) – хранит координаты, полигоны
   охраняемых территорий и позволяет выполнять пространственные запросы.

Приложенческий слой

Веб‑интерфейс реализован на React + TypeScript с бекендом
Node.js (Express). Для мобильных операторов (Android/iOS) используется
Flutter, позволяющий быстро отправлять сообщения о возгорании
(гео‑координаты, фото, комментарий).

Интеграция с внешними системами

• API OpenStreetMap – базовые карты и слои «запретных зон».
• Система Flightradar24 (только в случае пожаров рядом с аэропортами) – для корреляции воздушных маршрутов.
• Служба Электронного документооборота муниципального управления – автоматическое формирование актов.

Как происходит ввод и обработка данных

Регистрация события

1. Пользователь (оперативный сотрудник или гражданин) открывает мобильное приложение.
2. Приложение автоматически получает GPS‑координаты и предлагает добавить фото.
3. Заполняються обязательные поля: тип возгорания, время обнаружения, описание.
4. Данные отправляются через HTTPS‑POST запрос в бекенд.
5. Бекенд записывает событие в fires (реляционная часть) и одновременно создаёт вершину в Neo4j,
   связывая её с ближайшим объектом инфраструктуры (дом, лес, промышленный объект).

Автоматическое обогащение

После записи запускается pipeline на Apache Airflow:

• Получение погодных данных (температура, влажность, ветер) из OpenWeatherMap.
• Определение «рисковой зоны» с помощью гео‑аналитики (буфер 500 м вокруг точки).
• Отправка уведомления в Telegram‑бот и SMS‑рассылку (см. ниже) всем ответственным подразделениям.

Обработка и аналитика

Для аналитических задач используется SQL‑аналитика и Cypher‑запросы к графовой базе.
Пример запроса: «Найти все пожары, связанные с объектом типа «школа», произошедшие за последние 30 дней».

SELECT f.id, f.time, f.location
FROM fires f
JOIN objects o ON ST_DWithin(f.location, o.geometry, 100)
WHERE o.type = 'school' AND f.time > now ⏤ interval '30 days';

Аналогичный запрос в Neo4j:

MATCH (f:Fire)-[:OCCURRED_NEAR]->(o:Object {type:'school'})
WHERE f.time > datetime.epochMillis ⏤ 302460601000
RETURN f.id, f.time, f.location;

Доступ и безопасность

Роли пользователей

Маскирование персональных данных

При публикации в открытом доступе все персональные сведения (ФИО, телефон, адрес) заменяются
на маску . Пример:

• Ответственный за объект: Иванов
• Телефон: +7 ( ) ‑‑
• Адрес: ул; , д. **, Алушта

Технические меры защиты

• Шифрование «на лету» (TLS 1.3) для всех соединений.
• Хранение паролей в виде bcrypt‑хэшей.
• Регулярные резервные копии (ежедневно, хранение в облаке Yandex Object Storage).
• Контроль доступа на уровне запросов (Row‑Level Security в PostgreSQL).

Примеры практического применения

Оперативное реагирование

В 2024 году система ПИРО помогла сократить среднее время реагирования
с 15 минут до 7 минут благодаря автоматическому распределению ресурсов
по алгоритму «наименьшее расстояние + доступность техники».

Статистический отчёт за 2025 год

Научные исследования

Университет * использует открытый API ПИРО для построения моделей
предсказания пожаров на основе машинного обучения (Random Forest, XGBoost).
Результаты публикуются в журнале «Теория и практика управления рисками».

Как подключиться к публичному API

Для получения агрегированных данных необходимо выполнить HTTP‑GET запрос к:

https://api.piro-alushta.gov.ua/v1/stats?year=2025&format=json

Пример ответа (сокращённый):

{
 "year":2025,
 "total_fires":112,
 "by_type":{
 "forest":34,
 "building":68,
 "industrial":10
 },
 "hot_spots":[
 {"district":"","fires":12},
 {"district":"","fires":9}
 ]
}

Перспективы развития

• Внедрение IoT‑датчиков (температура, дым) в уязвимых зонах.
• Расширение аналитики с помощью глубокого обучения (CNN‑модели для анализа фото).
• Интеграция с метеорологическими моделями для предиктивного предупреждения.
• Публичный дашборд в реальном времени с картой «горячих точек» и историей событий.

База данных ПИРО Алушта – это современный пример того, как
гибридные технологии (реляционные, графовые и геопространственные базы)
могут объединяться в единой системе для повышения эффективности
борьбы с пожарами. Благодаря открытой архитектуре, строгой защите персональных
данных и постоянному развитию аналитических возможностей, ПИРО уже сегодня
служит важным инструментом для спасения жизней и сохранения имущества
жителей Алушты.

Составлено в 15:43:21 (UTC). Все контактные данные скрыты в соответствии с политикой конфиденциальности.