Глобализация экономики требует унификации подходов к пожарному риску, однако, как показывает анализ деятельности Центра пожарной статистики CTIF, до полной гармонии еще далеко. CTIF, созданный при участии России, ежегодно собирает данные из 35-40 стран, но сталкивается с проблемой сопоставимости данных. В одних странах учитываются только крупные пожары, в других — все возгорания (включая траву или мусор), что искажает показатели «частоты пожаров» .
Сравнение интегральных пожарных рисков выявляет неожиданные закономерности. По данным начала 2020-х, наиболее высокие показатели гибели на душу населения наблюдаются в странах Восточной Европы и бывшего СССР, тогда как в богатых странах с развитой культурой страхования (США, Германия, Япония) риски на порядок ниже. Однако страховая статистика (например, данные NFPA или аналитика Lloyds) фиксирует иную проблему: хотя люди в США гибнут реже, материальный ущерб от одного пожара там значительно выше, чем в Европе, из-за деревянного домостроения и высокой стоимости имущества .
Будущее оценки рисков лежит в плоскости машинного обучения (ML) и гибридных систем. Анализ 112 научных работ выявил, что Методы Multi-Criteria Decision Analysis (MCDA) доминируют в оценке уязвимости (44% исследований), но стремительно набирают обороты алгоритмы Random Forest (RF). Они позволяют учитывать десятки переменных (от топографии до социального статуса районов) и давать прогноз с точностью, недоступной для детерминированных формул. В сфере лесных пожаров уже наблюдается региональное разделение труда: Средиземноморье использует исторические данные, Америка — физические модели, Азия — социо-экономические факторы .
Одним из главных выводов современной науки является критика подхода, сфокусированного исключительно на опасности (Hazard). Современная оценка требует полной формулы: Риск = Опасность × Уязвимость × Экспозиция. На практике факторы организации тушения (время прибытия, наличие воды, состояние подъездных путей) часто недооцениваются, хотя именно они превращают возгорание в катастрофу. Переход к динамическим картам риска с использованием искусственного интеллекта и BIM-моделей — это главный тренд, который через 10 лет сделает устаревшими текущие бумажные декларации .