Contingency firelines can be used to back up primary lines to increase probability of fire containment, decrease fire losses, and improve firefighter safety. In this study, we classify firelines into primary, contingency, and response lines. We design a modeling process to iteratively implement a mixed integer programming model to evaluate contingency strategies under randomly generated fireline breaching scenarios. Our objectives include: (1) gaining conceptual understanding of the effectiveness of using contingency containers in a fireline network, and (2) suggesting future data collection and model improvement directions to support contingency strategy planning. We evaluate the effectiveness of several model generated containment strategies: only responding to observed primary line breaches, being proactive by implementing a system‐level contingency plan, or constructing contingency lines to back up a proportion of a primary container. Data from the Ferguson Fire in California are used to derive a set of hypothetical test cases with different fireline breaching risks to support sensitivity analysis. For comparison, we also test a contingency plan inspired by the Ferguson Fire operation. Analyses suggest that a contingency plan will provide the greatest benefit when fireline breaching risk is high. This study also suggests there are significant data and knowledge gaps that must be addressed to make the model suitable for operational use.

中文翻译：

---

使用模拟的随机情景比较应急消防遏制策略

应急消防线可用于备份主线，以增加控制火势的可能性，减少火灾损失并提高消防员的安全性。在这项研究中，我们将防火线分为主要，应急和响应线。我们设计了一个建模过程，以迭代方式实现混合整数规划模型，以评估在随机生成的突破火线的情况下的应急策略。我们的目标包括：（1）对在火线网络中使用应急容器的有效性有概念上的了解，以及（2）建议未来的数据收集和模型改进方向，以支持应急策略规划。我们评估了几种模型生成的遏制策略的有效性：仅对观察到的主要线路违规做出响应，通过实施系统级的应急计划或构建应急线来备份一定比例的主要集装箱来采取主动行动。来自加利福尼亚州弗格森大火的数据用于推导一组假设的测试案例，这些案例具有不同的突破火线的风险，以支持敏感性分析。为了进行比较，我们还测试了受Ferguson Fire行动启发的应急计划。分析表明，当违反火线的风险很高时，应急计划将提供最大的好处。这项研究还表明，要使模型适用于运营，必须解决大量数据和知识空白。来自加利福尼亚州弗格森火灾的数据用于推导一组假设的测试案例，这些案例具有不同的突破火线风险，以支持敏感性分析。为了进行比较，我们还测试了受Ferguson Fire行动启发的应急计划。分析表明，当违反火线的风险很高时，应急计划将提供最大的好处。这项研究还表明，要使模型适合于运营使用，必须解决大量数据和知识空白。来自加利福尼亚州弗格森火灾的数据用于推导一组假设的测试案例，这些案例具有不同的突破火线风险，以支持敏感性分析。为了进行比较，我们还测试了受Ferguson Fire行动启发的应急计划。分析表明，当违反火线的风险很高时，应急计划将提供最大的好处。这项研究还表明，要使模型适用于运营，必须解决大量数据和知识空白。