Наземні камерні мережі детекції пожеж: світовий досвід і обмеження 2026

20 Квітня, 2026

Опубліковано в Блог

Наземні камерні мережі детекції пожеж: світовий досвід і обмеження 2026

17 серпня 2024 року о 14:23 за тихоокеанським часом камера AlertWildfire номер «Snow Mountain 2», встановлена на висоті 2 100 м над містом Кловердейл (Каліфорнія, округ Сонома), зафіксувала тонкий вертикальний стовп диму у напрямку азимуту 218°. Через 38 секунд AI-модуль ALERTCalifornia класифікував сигнал як високу ймовірність пожежі і перенаправив на оператора. Через 4 хвилини оператор підтвердив візуально. Через 9 хвилин CAL FIRE отримав алярм. Перший наземний екіпаж прибув через 22 хвилини після першого спрацьовування камери. Пожежа Point Fire була локалізована при площі 4 акри. Камера, що дала перше спрацьовування, бачить територію радіусом близько 30 кілометрів від точки встановлення. Її поле зору охоплює близько 18% всієї території округу. Без цієї камери алярм надійшов би значно пізніше через дзвінок мешканця або через супутникове виявлення наступного пасажу VIIRS.

Цей приклад типовий для розвинених камерних мереж: декілька хвилин виграного часу, виявлення пожежі при площі 1–10 акрів замість 100–1000 акрів, можливість безпосередньої візуальної верифікації перед розгортанням пожежної бригади. У цьому огляді ми розбираємо світовий досвід наземних камерних систем виявлення пожеж: AlertWildfire і ALERTCalifornia у США, мережі CCTV у Середземноморській Європі, операторів категорії «AI-камерні детектори», австралійський досвід, технічні обмеження. Завершуємо контекстом для України та поясненням, чому WildFiresUA на 2026 рік не розгортає камерну мережу як основу.

Геометрія огляду: вьюшед і висота

Перше, що визначає корисність камери — її вьюшед (viewshed), тобто множина точок території, які видно з даної точки спостереження з урахуванням рельєфу та кривини Землі. Камера на висоті 100 м у плоскій місцевості теоретично бачить до 35 км по горизонту, але реально — до 5–10 км через атмосферну рефракцію та видимість. Камера на гірській вершині 2 000 м бачить до 160 км, але реально — до 50–80 км для 0,5° кутового розміру стовпа диму.

Allison et al. (2016) в огляді для журналу Sensors детально аналізують компромісс між висотою встановлення, кількістю камер та повнотою покриття території (Allison et al., 2016, Sensors). Ключовий висновок: для 90% покриття території у горбистій місцевості потрібно 1 камера на кожні 200–500 км². Для рівнинної території без високих точок встановлення (типова Україна, Польща, Литва) — 1 камера на кожні 50–150 км².

Це означає, що для національного покриття України (60 млн га = 600 тис. км²) потрібно 4 000–12 000 камер з висотою встановлення на щоглах 30–60 м. Для порівняння: AlertWildfire на 1 100 камер покриває близько 200 тис. км² (Каліфорнія + частина суміжних штатів), тобто 1 камера на ~180 км² у гірській місцевості.

Toulouse-Inok et al. (2018) запропонували оптимізаційний алгоритм для розташування камерних вузлів з урахуванням пріоритетності зон ризику (Toulouse-Inok et al., 2018, IEEE TGRS). Для пріоритетних зон з високим ризиком (житловий wildland-urban interface) щільність може досягати 1 камери на 20–50 км², для низькоризикових — 1 на 1 000+ км².

AlertWildfire: американський еталон

AlertWildfire — найбільша наземна камерна мережа у світі. Заснована University of Nevada, Reno (UNR) у 2014 році, мережа розрослася до понад 1 100 камер у Каліфорнії, Неваді, Орегоні, Айдахо, Вашингтоні, Колорадо, Юті, Аризоні. Партнери: UC San Diego, University of Oregon, NV Energy, Pacific Gas & Electric, Southern California Edison. Доступ публічний на alertwildfire.org.

Технічна архітектура:

Камери Sony FCB-EV9520 або аналоги з оптичним зумом 30×, PTZ-механізмом 360°, нічним режимом NIR.
Сонячні панелі 200–400 Вт + батарея 200–400 А·год для автономної роботи у віддалених локаціях.
Зв’язок: cellular (LTE), мікрохвильовий, або супутниковий (Starlink) залежно від доступності.
Стрім RTSP до центрального серверу UNR з затримкою 1-3 секунди.
Архів зберігається 7 днів повний, 30 днів стиснутий.

Робочий процес: оператор у диспетчерському центрі моніторить мозаїку 12-24 камер одночасно. При підозрі на дим оператор збільшує зум, перевіряє за іншими камерами в межах вьюшеду (кросс-верифікація), і за наявності підтвердження — викликає пожежну службу. Час від першого спрацьовування до виклику — 5-15 хвилин залежно від навантаження оператора.

ALERTCalifornia: AI-розширення

ALERTCalifornia — окремий проект UC San Diego, що додає AI-шар до AlertWildfire. Запущений у 2023 році, ALERTCalifornia аналізує відеопотоки з камер у режимі реального часу за допомогою глибинної нейромережі (CNN з residual blocks, тренованої на тисячах прикладів диму та хибних спрацьовувань) (ALERTCalifornia).

Govil, Welch, Ball, Pennypacker (2020) опублікували перші результати: AI-pre-screening виявляє дим у середньому за 7-10 хвилин до того, як це робить людина-оператор, при показнику false positive rate близько 7% (Govil et al., 2020, Remote Sensing). Підвищена частота хибних спрацьовувань компенсується тим, що AI відсіює явно негативні приклади (хмари, тумани, відблиски), залишаючи людині лише підозрілі випадки.

Архітектура AI: на 2024 рік ALERTCalifornia використовує модель з ResNet-152 backbone + temporal attention module для аналізу послідовності 6-12 кадрів. Тренувальний датасет містить 10+ мільйонів промаркованих кадрів з 1 100+ камер.

Критичні гіперпараметри:

Поріг класифікації — 0,75 (компроміс між false positive і false negative).
Часове вікно агрегації — 60 секунд.
Кількість послідовних позитивних кадрів для алярму — 4 з 6.

Cleartrip et al. (2022) опублікували порівняння кількох CNN-архітектур (ResNet, EfficientNet, Vision Transformer) на спільному пожежному датасеті. ResNet-152 переміг по F1, ViT-B/16 виграв по швидкості інференсу (Cleartrip et al., 2022, Fire).

Європа: Mediterranean CCTV

Європа не має єдиної загальноконтинентальної мережі. Розгортання відбувається на національному та регіональному рівнях.

Греція має одну з найрозвиненіших мереж CCTV для лісового моніторингу — близько 800 камер у пріоритетних регіонах (Атика, Пелопоннес, Крит). Координує Грецький лісовий департамент і Громадянський захист (Pyrosvestiki). Більшість камер інтегровані з радіо-метеостанціями для одночасного моніторингу видимості та температури.

Іспанія розгорнула систему PLAN INFOCA у Андалусії — 162 камери покривають близько 4,2 млн га. Для регіонів Каталонія, Галісія, Кастилія-Ла-Манча — окремі мережі від 50 до 200 камер на регіон. Lozano et al. (2018) описують технічну реалізацію PLAN INFOCA та порівнюють її з американськими системами (Lozano et al., 2018, Forestry).

Португалія після катастрофічних пожеж 2017 року (114 загиблих) суттєво інвестувала у CCTV — близько 600 камер у регіонах північної та центральної Португалії. Координує АNEPC (Національне агентство надзвичайних ситуацій та цивільного захисту).

Італія: розпорошений підхід — кожен регіон має свою мережу. Сицилія, Сардинія, Калабрія мають по 50-150 камер. Загальнонаціональна координація через DPC (Dipartimento della Protezione Civile).

Хорватія, Словенія, Чорногорія: невеликі прибережні мережі 30-80 камер, орієнтовані на туристичні регіони.

AI-камерні вендори: комерційний сегмент

Окремий сегмент ринку — комерційні AI-камерні детектори. Великі гравці включають американського і європейського лідерів категорії, що пропонують комплексні рішення «камера + AI + дашборд» за моделлю SaaS.

Типова конфігурація комерційного вендора:

Покупка або встановлення на існуючих щоглах 360-градусних PTZ-камер з 30-50× зумом.
Розгортання edge-AI на пристрої або у дата-центрі вендора.
SLA: затримка від спрацьовування до push-нотифікації 60-120 секунд.
Цінова модель: 12-25 тис. $/рік за камеру (включно з обладнанням, AI, операційним центром).

Хто платить: страхові компанії (моделювання ризику), комунальні енергомережі (Pacific Gas & Electric, Southern California Edison інвестують у мережі для запобігання пожежам, спричиненим лініями електропередач — це наслідок фінансового шоку Camp Fire 2018, який збанкротував PG&E), федеральні агенції лісу (USFS, USDA), регіональні департаменти лісу.

Ahmad, Bao, Khan (2017) в роботі для IEEE Access наводять огляд комерційних AI-моделей детекції диму, обговорюють компроміси між точністю та швидкістю інференсу (Ahmad et al., 2017, IEEE Access).

Технічна задача: дим vs пара vs хмара

Виявлення диму на оптичному зображенні — нетривіальна задача. Дим візуально схожий на:

Хмари низького рівня (cumulus, stratus).
Туман у долинах в ранкові години.
Пар від водойм (теплі озера в холодний день).
Пил від сільгоспробіт (комбайн, оранка).
Промислові викиди (ТЕС, металургія, цементні заводи).
Випари від асфальтобетонних заводів.

Класичні комп’ютерно-зорові методи (HSV-аналіз, текстурний аналіз Габора, оптичний потік) працюють на простих сценах, але дають високий рівень false positive у природних умовах.

Сучасні CNN підходи додають кілька ключових ознак:

Просторово-часова консистентність: дим має певну швидкість росту вертикально (1-5 м/с), що відрізняється від хмар (повільніше) та пилу (швидше, але без вертикального компонента).
Текстурний аналіз: дим зазвичай має фрактальну структуру з характерним розподілом краєвих елементів.
Спектральні ознаки: для камер з NIR-каналом дим має низьке відображення у NIR порівняно з хмарами.
Контекстуальні ознаки: положення джерела (дим піднімається з конкретної точки, хмара — з ширшої площі), наявність пожежонебезпечних умов (моделюється з метео-входом).

Frizzi, Bouchouicha, Ginoux (2016) запропонували CNN-архітектуру для одночасного виявлення диму та полум’я у відеопотоках з F1 = 0,87 на тестовому датасеті (Frizzi et al., 2016, IECON Proceedings). Tao et al. (2019) розширили підхід до multi-task навчання, де модель одночасно вирішує задачу класифікації та сегментації області диму (Tao et al., 2019, Fire Safety Journal).

Обмеження камерних систем

Нічна робота залишається фундаментальним обмеженням. Без активного підсвічування (інфрачервоного або тепловізора) PTZ-камери з оптичним зумом не дають інформації у темряві. Тепловізори додають вартість 3–10 кратно, що різко обмежує масштабування. Багато систем (включно з AlertWildfire) працюють вдень переважно, а вночі покладаються на супутникові алярми.

Туман і висока вологість повністю блокують оптичну детекцію на дистанції понад 1–3 км. У Карпатах та Поліссі України це означає, що в осінні та зимові ранки камерна детекція може бути неактивною 30–50% часу.

Обслуговування: камерна щогла потребує енергоживлення (сонячні панелі, акумулятори), захисту від гризунів і вандалізму, періодичного очищення оптики (пилок, павутиння, бруд). Типова частота обслуговування — 2–4 рази на рік на камеру. Для мережі 1 000 камер це означає 2 000–4 000 виїздів польових бригад на рік.

Зв’язок: cellular може давати збої у віддалених локаціях. Микрохвильовий зв’язок чутливий до погоди. Супутниковий (Starlink) дорогий, але став прийнятним рішенням після 2022 року.

Ціна: розгортання однієї камерної точки коштує 25–80 тис. $ (камера, щогла 30–60 м, енергоживлення, зв’язок, інсталяція) плюс 5–15 тис. $ на рік на обслуговування. Для національної мережі 5 000 камер це 125–400 млн $ капіталу та 25–75 млн $ річних операційних витрат.

Австралійський досвід

Австралія має одну з найскладніших пожежних обстановок у світі — еукаліптові ліси з високою інтенсивністю горіння, частими атмосферними катастрофами (pyrocumulus, fire tornado), розпорошеним населенням у wildland-urban interface.

Bushfire Cooperative Research Centre (тепер Bushfire and Natural Hazards CRC) у 2010-2020 роках проводив серію досліджень з камерними мережами. Ключовий результат — для австралійського ландшафту супутникова детекція дешевша та ефективніша на 70-80% території, тоді як камерні мережі економічно виправдані лише в межах wildland-urban interface та критичної інфраструктури (атомні електростанції — Австралія атома не має, але аналогічно для нафтопереробних, хімічних об’єктів).

Рексан VIC, NSW і ACT мають точкові камерні розгортання у бекграунді WUI, координовані через місцеві агенції CFA (Country Fire Authority Victoria), RFS (NSW Rural Fire Service). Стандарт 2024 — гібридна архітектура з камерами + Himawari-9 геостаціонар + VIIRS полярний.

Williams et al. (2017) детально аналізують економічну ефективність камерних мереж в Австралії, висновок: ROI позитивна для зон з щільністю забудови понад 10 будинків на км², негативна для віддалених лісових масивів (Williams et al., 2017, International Journal of Wildland Fire).

Інфраструктурні точки кріплення: щогли і вежі

Якість камерної мережі залежить від доступності висотних точок встановлення.

США використовують комбінацію:

Колишні lookout towers лісових агенцій (USFS має понад 5 000 історичних позицій, з яких близько 800 досі активні).
Телекомунікаційні щогли AT&T, Verizon, T-Mobile у партнерстві з вендорами.
Лінії електропередач (ЛЕП) високого напруження. PG&E розгортає камери на власних високовольтних лініях.
Спеціальні щогли висотою 30–60 м, побудовані для пожежної мережі.

Європа — переважно існуючі телекомунікаційні щогли + спеціальні лісові вежі. У Греції та Португалії використовують дороги-серпантини з малими вежами на кожному перевалі.

Україна має розпорошену комунікаційну інфраструктуру — Київстар, Vodafone, lifecell мають кілька десятків тисяч щогл по країні. Проблема для пожежного моніторингу: розташування щогл оптимізоване для покриття населених пунктів, не лісових масивів.

Приклади оперативних метрик

Мережа	Камер	Покриття км²	Час алярму	FP rate
AlertWildfire	~1 100	~200 тис.	5-15 хв	3-8% (з оператором)
ALERTCalifornia AI	~1 100	~200 тис.	3-8 хв	7-12% (AI alone)
PLAN INFOCA (Андалусія)	162	~42 тис.	10-20 хв	5-10%
Грецький лісовий моніторинг	~800	~100 тис.	8-15 хв	8-15%
Португальський АNEPC	~600	~80 тис.	7-15 хв	6-12%
Австралія VIC/NSW регіональні	~250	~40 тис. (WUI)	5-12 хв	5-10%

Майбутні напрями: тепловізори, мультиспектральні камери, edge AI

Тепловізори з некаліброваними мікроболометричними сенсорами стають доступнішими. Камера з тепловізором FLIR Boson 640 коштує близько 6-10 тис. $ замість 30+ тис. $ десять років тому. Це робить нічну детекцію реалістичною на нових розгортаннях. Bushfire CRC оцінює, що до 2030 року 30-50% нових камер у Caliфорнії будуть мати тепловізор.

Мультиспектральні камери з RGB + NIR + SWIR каналами — окремий клас. SWIR (short-wave infrared, 1-3 мкм) добре відрізняє дим від хмар, оскільки молекули води у хмарах сильно поглинають у SWIR, а аерозолі диму — менше. Camera vendors категорії «satellite-grade for ground use» пропонують такі рішення для критичної інфраструктури за ціну 15-40 тис. $/одиницю.

Edge AI: NVIDIA Jetson Orin або аналоги дозволяють виконувати інференс CNN моделі прямо на камерному вузлі без надсилання сирого відео у дата-центр. Це знижує bandwidth у 100-500 разів і latency на 1-3 секунди. Стандарт 2025-2026 — edge AI на новому розгортанні AlertWildfire та PLAN INFOCA.

Federated learning для постійного донавчання моделі на нових прикладах хибних спрацьовувань і пропусків. Це дозволяє моделі адаптуватися до сезонних змін (восени листя падає, спрацьовує на жовто-коричневий колір кваліфіковано як «дим» — ці випадки навчають модель ігнорувати).

Україна: чому WildFiresUA не розгортає камери як основу

Україна має кілька структурних характеристик, що обмежують доцільність камерної мережі як основи.

Географія: переважно рівнинний рельєф з обмеженою кількістю високих точок. Карпати, Кримські гори, Донецький кряж — лише 5% території. Це означає, що для покриття плоских лісових масивів Полісся, Слобожанщини, степової зони потрібно багато коротких щогл (30-60 м), а не кілька високих гірських позицій.

Розмір території: 60+ млн га у відповідних лісових та степових зонах. Розгортання навіть 1 камери на 200 км² потребує 3 000+ камер. CAPEX 75-240 млн $, OPEX 15-45 млн $/рік. Для країни у стані війни без значного зовнішнього фінансування — економічно нереалістично.

Війна: більшість лісових масивів Полісся, Слобожанщини, Донецької та Луганської областей містять міновані території, лінії оборони, обмежений доступ цивільного персоналу. Розгортання щогл і обслуговування неможливе у багатьох пріоритетних зонах. Існуючі телекомунікаційні щогли частково пошкоджені обстрілами.

Радіоелектронна війна (РЕБ): передача стрімів cellular у прифронтових зонах нестабільна через РЕБ. Це обмежує надійність зв’язку.

У цьому контексті WildFiresUA, національний пожежний сервіс від команди YourAirTest у партнерстві з ДНУ ім. Олеся Гончара та EcoCity, побудований на принципі супутник-перш. Карта активних пожеж на partner.yourairtest.com/map інтегрує VIIRS, MODIS, Sentinel-3 SLSTR — глобально доступні потоки, що не залежать від наземної інфраструктури в Україні.

Камерна мережа розглядається як другий шар майбутнього розгортання, насамперед у двох зонах: Карпати (де гірські вершини дають природні високі точки і де ризик пожежі сезонний) і прилегла до Чорнобильської зони відчуження територія (де радіаційний компонент потребує особливо ранньої детекції). Ці пілотні розгортання плануються за участі міжнародних партнерів і розглядаються командою на горизонті 2027–2029 років.

Підсумок

Наземні камерні мережі — потужний шар детекції пожеж у регіонах з компактною територією, високою щільністю інфраструктури та достатнім фінансуванням. AlertWildfire демонструє, що 1 100 камер можуть забезпечити детекцію 90%+ пожеж у Каліфорнії з середнім часом алярму 5–15 хвилин. Європейські системи (Греція, Іспанія, Португалія) показують, що CCTV-підхід працює і у середземноморському кліматі. AI-розширення ALERTCalifornia зменшує час алярму до 3–8 хвилин ціною підвищеного рівня хибних спрацьовувань.

Однак камерні мережі мають критичні обмеження: висока вартість розгортання та обслуговування, обмежена нічна робота без тепловізорів, чутливість до туману і вологості, потреба у високих точках встановлення. Для країн з великою територією, рівнинним рельєфом і обмеженим бюджетом (включно з Україною) камерна мережа як основа економічно нереалістична. Супутниковий шар (VIIRS, Sentinel-3 SLSTR, MTG FCI) дає прийнятне національне покриття за різко меншу вартість через використання глобально-доступних державних інфраструктур.

WildFiresUA на 2026 рік працює як супутниковий сервіс для України, з можливим майбутнім додаванням камерних вузлів у пріоритетних зонах (Карпати, Чорнобиль) у партнерстві з міжнародними фондами. Цей підхід відповідає кращим практикам Бразилії, Канади, Австралії — країнам з великою територією, де камерна мережа доповнює, але не замінює супутникову детекцію.

Українська стартап-екосистема: за матеріалами TechUkraine та AIN.ua — двох провідних видань про український tech, deep tech, climate tech і екологічні стартапи.

Пов’язане читання на yourairtest.com

MASK0

Пов’язане читання — інші наукові огляди

Що зробити сьогодні

Перевірити мапу повітря YourAirTest для свого міста — є дані про PM2.5 за останню годину.
Якщо тема ваша — поділитися статтею з колегами-дослідниками. Ми відстежуємо share patterns у Google Search Console.
Якщо ви хочете внести свої дані у наш корпус (sensor measurements, локальні моделі) — пишіть через контакт-форму.