CN113034833A - 一种基于多传感器融合的人工智能信息管理*** - Google Patents

一种基于多传感器融合的人工智能信息管理*** Download PDF

Info

Publication number
CN113034833A
CN113034833A CN202110228024.2A CN202110228024A CN113034833A CN 113034833 A CN113034833 A CN 113034833A CN 202110228024 A CN202110228024 A CN 202110228024A CN 113034833 A CN113034833 A CN 113034833A
Authority
CN
China
Prior art keywords
fire
detection unit
detection
detection area
fighting
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110228024.2A
Other languages
English (en)
Other versions
CN113034833B (zh
Inventor
曾军
邓文锋
林粤明
陈文飞
邓嘉明
廖勇军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Meizhou Yuesi Intelligent Technology Co ltd
Jiaying University
Original Assignee
Meizhou Yuesi Intelligent Technology Co ltd
Jiaying University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Meizhou Yuesi Intelligent Technology Co ltd, Jiaying University filed Critical Meizhou Yuesi Intelligent Technology Co ltd
Priority to CN202110228024.2A priority Critical patent/CN113034833B/zh
Publication of CN113034833A publication Critical patent/CN113034833A/zh
Application granted granted Critical
Publication of CN113034833B publication Critical patent/CN113034833B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
    • G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
    • G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
    • G08B7/066—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources guiding along a path, e.g. evacuation path lighting strip

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Analytical Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Security & Cryptography (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Fire Alarms (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开一种基于多传感器融合的人工智能信息管理***，包括消防采集与定位终端、移动终端获取模块、数据融合处理模块、火势模拟分析模块、蔓延趋势预测模块和火势追踪校准模块。本发明提供的基于多传感器融合的人工智能信息管理***，通过对采集火灾参数信息进行数据分析和融合处理，以分析出各消防检测单元所在检测区域内的火灾燃烧危险等级，并结合各检测区域内移动终端的数量判断该检测区域内人员逃生紧急危险系数，实现将多传感器采集的数据进行融合和展示，具有智能化信息管理的特点，为后期引导人员逃生提供可靠的逃生路线，提高了人员的安全性。

Description

一种基于多传感器融合的人工智能信息管理***
技术领域
本发明属于多传感器融合的领域，涉及到一种基于多传感器融合的人工智能信息管理***。
背景技术
随着火灾事故的发生造成大量的人员伤亡和财产损失，消防安全一直是人们比较关注的问题，特别针对学校、商场以及容易引发火灾的森林等地，一旦发生火灾将造成人员伤亡和财产损失，现有火灾检测一般仅采集火灾现场的烟雾、温度等参数，若检测到烟雾或温度异常时，发出火灾报警提醒，会造成场地所有人员同时进行逃生，增加了逃生口的拥挤，极易造成人员***件，增加人员伤亡数量。
且现有火灾检测的技术中存在的问题如下：无法定位获取火灾发生的准确位置，造成所有人员同时逃生，增加伤亡的可能性；无法对火灾现场的火灾数据进行分析，判断火灾燃烧的危险程度，并且无法根据人员分布情况以及各位置处的火灾燃烧危险程度分析出处于该位置处人员的逃生紧急危险程度；无法根据火灾蔓延程度预测火灾到达未发生火灾位置的预测时间，缺少火灾监测过程中的智能化管理，进而无法为各人员逃生提供最佳的引导路线和逃生顺序等。
发明内容
本发明的目的在于提供的一种基于多传感器融合的人工智能信息管理***，解决了现有技术中存在的问题。
本发明的目的可以通过以下技术方案实现：
一种基于多传感器融合的人工智能信息管理***，包括消防采集与定位终端、移动终端获取模块、数据融合处理模块、火势模拟分析模块、蔓延趋势预测模块和火势追踪校准模块。
消防采集与定位终端包括若干消防检测单元，若干消防检测单元分别分布在各检测区域内，消防检测单元用于检测所在检测区域内的火灾参数信息，并对检测的火灾参数信息进行分析，获得火灾的位置信息；
移动终端获取模块用于获取各检测区域内的移动终端数量以及各移动终端对应的位置，并将获取的移动终端数量以及各移动终端对应的位置发送至数据融合处理模块；
数据融合处理模块用于提取消防采集与定位终端发送的火灾参数信息以及分析获得的火灾位置信息，提取火灾参数信息中的温度、烟雾浓度以及火灾图像信息并进行融合分析，获得该消防检测单元所对应的火灾燃烧危险等级，并接收移动终端获取模块发送的移动终端数量以及各移动终端对应的位置，对各移动终端所对应的位置与各消防检测单元所在位置进行分析，分析出以各消防检测单元所在检测区域内分布的移动终端数量，并将该消防检测单元内的移动终端数量与该消防检测单元所对应的火灾燃烧危险系数、火灾燃烧危险等级进行分析，以获取该消防检测单元所在检测区域内各移动终端对应的逃生紧急危险系数；
火势模拟分析模块用于提取各消防检测单元所在检测区域内的火灾参数信息对应的火灾覆占比，并将相邻间隔时间段内火灾覆占比进行分析对比，模拟出同一消防检测单元所在区域内的火势递增速度，并依次获取各消防检测单元所在检测区域内出现火灾参数信息的初始时间点，且提取各消防检测单元对应的位置分布，综合分析出各消防检测单元发生火灾受其他相邻消防检测单元所在检测区域内火灾的火势蔓延促进影响系数；
蔓延趋势预测模块用于接收火势模拟分析模块发送的各消防检测单元所在检测区域内的火势递增速度以及各消防检测单元所在的区域内引发火灾受其他消防检测单元所在区域内火灾的火势蔓延促进影响系数，采用传递蔓延时长计算公式预测出该消防检测单元所在检测区域内发生火灾的预测时长，并将预测的该检测区域内发生火灾的预测时长发送至火势追踪校准模块；
火势追踪校准模块提取检测区域内发生火灾的预测时长，并判断该预测时长内消防采集与定位终端是否检测到该检测区域发生火灾参数信息，若未检测到火灾参数信息，提取发生火灾的实际时长，并通过实际时长与预测时长的误差动态调整其他相邻消防检测单元所在检测区域发生火灾对该检测区域发生火灾的二次预测时长。
进一步地，所述消防检测单元包括温度传感器、烟雾浓度传感器、火灾图像采集模块、图像特征处理模块和火灾校准定位模块；
温度传感器对所在检测区域内的温度进行检测；
烟雾浓度传感器对所在检测区域内的烟雾浓度进行检测；
火灾图像采集模块用于采集所在检测区域内的火灾图像信息，并将采集的火灾图像信息发送至图像特征处理模块，图像特征处理模块对采集的图像信息进行特征提取，并将提取的图像中的若干特征与现有采集图像中的火灾特征进行对比，以判断采集的图像中是否存在火源，若存在火源，则发送火灾校准指令至火灾校准定位模块；
火灾校准定位模块通过接收火灾校准指令提取存在火源的消防检测单元的编号，并通过该消防检测单元的编号筛选出该消防检测单元对应的位置。
进一步地，所述数据融合处理模块的融合分析，具体包括以下步骤：
步骤一、提取消防检测单元所在检测区域内的火灾图像信息，筛选出火灾图像信息中火灾覆占比，火灾覆占比
Figure BDA0002957576590000031
S0为采集的图像总面积，S′为采集的图像中火源覆盖的面积，S0＞S′≥0；
步骤二、对消防检测单元所在检测区域内的温度、烟雾浓度以及火灾覆占比β代入火灾燃烧融合模型，以对火灾数据进行一级融合分析，得到火灾燃烧危险系数Q，λ1≤Q≤λ6；
步骤三、对步骤二融合分析后的火灾燃烧危险系数Q进行判断，确定火灾燃烧危险等级K，K∈W1,W2,W3,W4,W5；
步骤四、提取消防检测单元内的移动终端数量与该消防检测单元所对应的火灾燃烧危险系数、火灾燃烧危险等级代入逃生紧急危险融合模型，以对逃生应急危险程度进行二级融合分析，得到逃生紧急危险系数。
进一步地，所述逃生紧急危险融合模型为
Figure BDA0002957576590000032
Ei表示为第i个消防检测单元所在检测区域内人员对应的逃生紧急危险系数，逃生紧急危险系数越大，表明该检测区域内人员逃生的紧急程度越大，vali为第i个消防检测单元所在检测区域内的移动终端数量，valmax和valmin分别为各消防检测单元所在检测区域内的最大移动终端数量和最小移动终端数量，Qi为第i个消防检测单元所在检测区域内的火灾燃烧危险系数，
Figure BDA0002957576590000033
为该火灾燃烧危险系数对应的火灾燃烧危险等级K中的平均火灾燃烧危险，
Figure BDA0002957576590000034
QKmax和QKmin分别表示为该火灾燃烧危险系数对应的火灾燃烧危险等级K中的最大火灾燃烧危险系数和最小火灾燃烧危险系数。
进一步地，当至少一消防检测单元所在区域内发生火灾时，火势模拟分析模块分析出其他消防检测单元内发生的火灾对未发生火灾的消防检测单元所在检测区域即将发生火灾的影响关系，具体分析包括以下步骤：
步骤一、提取各消防检测单元所在的位置，筛选出与待检测消防检测单元相邻的其他消防检测单元；
步骤二、依次提取与待检测消防检测单元所在检测区域相邻的各消防检测单元所在检测区域中的火势递增速度、火灾覆占比以及出现火灾参数信息的初始时间点；
步骤三、统计出待检测消防检测单元所在检测区域与各相邻消防检测单元所在检测区域间关联比例值
Figure BDA0002957576590000041
m为与待检测消防检测单元相邻的消防检测单元数量；
步骤四、通过训练以往消防检测单元所在检测区域内的火灾受相邻消防检测单元所在检测区域内火势蔓延的影响，建立火势蔓延训练模型，获得待检测消防检测单元所在检测区域内的火灾受其他相邻消防检测单元所在检测区域内火灾的火势蔓延促进影响系数。
进一步地，建立的火势蔓延训练模型为：
Figure BDA0002957576590000042
为待检测消防检测单元所在检测区域内的火灾受其他相邻消防检测单元所在检测区域内火灾的火势蔓延促进影响系数，βj表示为第j个相邻的消防检测单元内的火灾覆占比，e表示为自然数，取2.71828，
Figure BDA0002957576590000043
表示为第j个相邻消防检测单元在从该消防检测单元发生火灾的初始时间点
Figure BDA0002957576590000044
到T时间点内所对应的平均火势递增速度，
Figure BDA0002957576590000045
表示为第j个相邻消防检测单元发生火灾的初始时间点，T预设表示为预设的相邻间隔时间段的时长。
进一步地，所述蔓延趋势预测模块中采用的传递蔓延时长计算公式为
Figure BDA0002957576590000046
TΦ为预测与待检测消防检测单元相邻的其他消防检测单元所在检测区域内的火灾传递至待检测消防检测单元所在检测区域内的时长，
Figure BDA0002957576590000047
为待检测消防检测单元所在检测区域内的火灾受其他相邻消防检测单元所在检测区域内火灾的火势蔓延促进影响系数，
Figure BDA0002957576590000048
为与待检测消防检测单元相邻的其他相邻消防检测单元所在位置到待检测消防检测单元所在位置的平均距离，Vm max为m个相邻消防检测单元所在检测环境中的最大火势递增速度。
进一步地，所述人工智能信息管理***还包括智能管理服务平台和疏散救援引导模块；
智能管理服务平台用于提取数据融合处理模块分析获得的各消防检测单元所在检测区域内的火灾燃烧危险等级以及该检测区域内各移动终端对应的逃生紧急危险系数，判断火灾燃烧等级是否大于预设设备防护所对应的火灾燃烧等级，若大于预设的设备防护所对应的火灾燃烧等级，则智能管理服务平台发送电源切断指令至电源设备，以保护设备的安全，同时提取火势追踪校准模块校准后的各消防检测单元所在检测区域内发生火灾的二次预测时长，智能管理服务平台通过各消防检测单元所在检测区域内的逃生紧急危险系数以及该检测区域发生火灾的二次预测时长分析各消防检测单元所在检测区域内人员的逃生优先顺序，并将各消防检测单元所在检测区域内人员的逃生优先顺序发送至疏散救援引导模块；
疏散救援引导模块用于接收智能管理服务平台发送的各消防检测单元所在检测区域内人员的逃生优先顺序，筛选出各消防检测单元所在检测区域距离最近的安全出口，并按照逃生优先顺序依次引导逃生优先等级高的检测区域内的人员至最近的安全出口。
本发明的有益效果：
本发明提供的基于多传感器融合的人工智能信息管理***，通过对采集火灾参数信息进行分析能够准确获取火灾发生的位置。
本发明通过数据融合处理模块对火灾参数信息以及火灾位置信息进行融合分析，能够获取各消防检测单元所在检测区域内的火灾燃烧危险系数，并通过火灾燃烧危险系数确定火灾燃烧危险等级，能够对火灾危险程度进行定量化展示，同时结合各消防检测单元所在检测区域内移动终端的数量综合分析出各消防检测单元所在检测区域内的人员的逃生紧急危险系数，为检测区域内人员的逃生紧急危险程度进行标准化显示，实现将多传感器采集数据的融合处理，大大提高了对多传感器采集数据的智能化信息管理。
本发明通过提取各消防检测单元间的位置分布，并结合与待检测消防检测单元所在检测区域相邻的其他消防检测单元所在检测区域内的火势递增速度、火灾覆占比以及出现火灾参数信息的初始时间点，相邻的其他消防检测单元所在检测区域内的火灾传递至待检测消防单元所在检测区域内而引发待检测消防检测单元所在检测区域发生火灾的火势蔓延促进影响系数，并通过火势蔓延促进影响系数预测待检测区域内发生火灾的时长。
本发明根据各消防检测单元所在检测区域内人员逃生优先顺序依次指导逃生优先顺序高的消防检测单元所在检测区域内人员优先进行逃生，能够合理引导人员的逃生路线，便于给火灾区域内的人员提供最佳且最安全的路线，避免人员胡乱逃亡，降低了人员伤亡数量，实现预测与制定逃生线路，提高了消防安全性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明中各消防检测单元的分布示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1：
一种基于多传感器融合的人工智能信息管理***，包括消防采集与定位终端、移动终端获取模块、数据融合处理模块、火势模拟分析模块、蔓延趋势预测模块和火势追踪校准模块。
消防采集与定位终端包括若干消防检测单元，若干消防检测单元分别分布在各检测区域内，消防检测单元用于检测所在检测区域内的火灾参数信息，并对检测的火灾参数信息进行分析，获得火灾的位置信息，其中，火灾参数信息包括环境温度、烟雾浓度以及火灾图像信息等，根据火灾监测场地的形状以及面积大小对各消防检测单元所安装的位置按照预设的顺序进行分布，各消防检测单元对应不同的位置编号，每个位置编号对应的位置固定，各消防检测单元所对应的检测区域构成火灾监测场地，通过对火灾监测场地进行划分，便于对火灾监测场地进行充分的观察和监测，提高了火灾监测场地火灾监测的充分性，火灾监测场地可为学校等场所。
消防检测单元包括温度传感器、烟雾浓度传感器、火灾图像采集模块、图像特征处理模块和火灾校准定位模块，温度传感器对所在检测区域内的温度进行检测，烟雾浓度传感器对所在检测区域内的烟雾浓度进行检测。
火灾图像采集模块用于采集所在检测区域内的火灾图像信息，并将采集的火灾图像信息发送至图像特征处理模块，图像特征处理模块对采集的图像信息进行特征提取，并将提取的图像中的若干特征与现有采集图像中的火灾特征进行对比，以判断采集的图像中是否存在火源，若存在火源，则发送火灾校准指令至火灾校准定位模块，当提取的图像中的若干特征与现有采集图像中火灾特征相匹配，则表明采集的图像中存在火源，当提取的图像中不存在火灾特征，则表明采集的图像中不存在火源；火灾校准定位模块通过接收火灾校准指令提取存在火源的消防检测单元的编号，并通过该消防检测单元的编号筛选出该消防检测单元对应的位置，实现对火灾出现的位置的定位；
通过火灾图像的采集、图像特征处理等操作，可准确地判断采集的图像信息中是否发生火灾，并对筛选出的有火灾的图像信息进行定位，达到了火灾所在位置的准确判断。
移动终端获取模块用于获取各检测区域内的移动终端数量以及各移动终端对应的位置，并将获取的移动终端数量以及各移动终端对应的位置发送至数据融合处理模块。
数据融合处理模块用于提取消防采集与定位终端发送的火灾参数信息以及分析获得的火灾位置信息，提取火灾参数信息中的温度、烟雾浓度以及火灾图像信息，将温度、烟雾浓度以及火灾图像信息进行融合分析，获得该消防检测单元所对应的火灾燃烧危险等级，并接收移动终端获取模块发送的移动终端数量以及各移动终端对应的位置，对各移动终端所对应的位置与各消防检测单元所在位置进行分析，分析出以各消防检测单元所在检测区域内分布的移动终端数量，并将该消防检测单元内的移动终端数量与该消防检测单元所对应的火灾燃烧危险系数、火灾燃烧危险等级进行融合分析，以获取该消防检测单元所在检测区域内各移动终端对应的逃生紧急危险系数。
火灾燃烧危险等级按照危险等级高低顺序分别为W1、W2、W3、W4、W5，各火灾燃烧危险等级对应的火灾燃烧危险系数范围分别为λ1-λ2,λ2-λ3,λ3-λ4,λ4-λ5,λ5-λ6，λ1＜λ2＜λ3＜λ4＜λ5＜λ6，火灾燃烧危险等级、火灾燃烧危险系数分别与逃生紧急危险系数间相互关联，即火灾燃烧危险等级越高对应的该消防检测单元所在的逃生紧急危险系数越高，且逃生紧急危险系数与所在检测区域内的移动终端数量也相关联。
其中，数据融合处理模块的融合分析，具体包括以下步骤：
步骤一、提取消防检测单元所在检测区域内的火灾图像信息，筛选出火灾图像信息中火灾覆占比，火灾覆占比
Figure BDA0002957576590000071
S0为采集的图像总面积，S′为采集的图像中火源覆盖的面积，S0＞S′≥0；
步骤二、对消防检测单元所在检测区域内的温度、烟雾浓度以及火灾覆占比β代入火灾燃烧融合模型，以对火灾数据进行一级融合分析，得到火灾燃烧危险系数Q，λ1≤Q≤λ6，所述火灾燃烧融合模型公式为
Figure BDA0002957576590000072
T为检测的温度，T灾阈为火灾环境中设定的火灾的温度上限阈值，N为检测的烟雾浓度，Nmax为火灾环境中最大的烟雾浓度数值；
步骤三、对步骤二融合分析后的火灾燃烧危险系数Q进行判断，确定火灾燃烧危险等级K，K∈W1,W2,W3,W4,W5；
步骤四、提取消防检测单元内的移动终端数量与该消防检测单元所对应的火灾燃烧危险系数、火灾燃烧危险等级代入逃生紧急危险融合模型，以对逃生应急危险程度进行二级融合分析，得到逃生紧急危险系数，逃生紧急危险融合模型为
Figure BDA0002957576590000081
Ei表示为第i个消防检测单元所在检测区域内人员对应的逃生紧急危险系数，逃生紧急危险系数越大，表明该检测区域内人员逃生的紧急程度越大，vali为第i个消防检测单元所在检测区域内的移动终端数量，valmax和valmin分别为各消防检测单元所在检测区域内的最大移动终端数量和最小移动终端数量，Qi为第i个消防检测单元所在检测区域内的火灾燃烧危险系数，
Figure BDA0002957576590000082
为该火灾燃烧危险系数对应的火灾燃烧危险等级K中的平均火灾燃烧危险，
Figure BDA0002957576590000083
QKmax和QKmin分别表示为该火灾燃烧危险系数对应的火灾燃烧危险等级K中的最大火灾燃烧危险系数和最小火灾燃烧危险系数和最小火灾燃烧危险系数。
通过数据融合处理技术可对多传感器采集的数据进行融合分析，以综合表征各传感器采集的数据信息与火灾燃烧危险程度间的关联程度，并同时检测区域内的移动终端数量(人员数量)与检测的火灾燃烧危险程度间进行二次融合，以大大提高了对多传感器采集数据的智能化信息管理。
火势模拟分析模块用于提取各消防检测单元所在检测区域内的火灾参数信息对应的火灾覆占比，并将相邻间隔时间段内火灾覆占比进行分析对比，模拟出同一消防检测单元所在区域内的火势递增速度
Figure BDA0002957576590000084
Vβi为第i个消防检测单元在从第t个时间段到第t+1个时间段内所在检测区域内的火势递增速度，βt+1和βt分别为第t+1个和第t个时间段内火灾覆占比，该时间段的时长为T预设，并依次获取各消防检测单元所在检测区域内出现火灾参数信息的初始时间点，且提取各消防检测单元对应的位置分布，通过各消防检测单元的位置分布、火势递增速度、火灾覆占比以及各消防检测单元所在检测区域内出现火灾参数信息的初始时间点分析出各消防检测单元发生火灾受其他相邻消防检测单元所在检测区域内火灾的火势蔓延促进影响系数(火势蔓延促进影响系数的含义，即其他相邻的消防检测单元所在检测区域内的火灾对其中一消防检测单元所在检测区域内的发生火灾的促进影响程度，假使各消防检测单元所在检测区域内的易燃程度相同，来简化模拟出消防检测单元所在检测区域是否发生火灾受其他相邻消防检测单元所在检测区域内火灾的影响系数)，并将各消防检测单元所在检测区域内出现火灾参数信息的火势递增速度以及各消防检测单元所在的检测区域受其他相邻消防检测单元所在检测区域内火灾的火势蔓延促进影响系数发送至蔓延趋势预测模块。
若其中一消防检测单元所在的检测区域内，初始检测到烟雾浓度达到预设的烟雾浓度阈值或采集的图像信息中存在火灾信息的时间点作为该消防检测单元所在检测区域内出现火灾参数信息的初始时间点。
如图1所示，当至少一消防检测单元所在区域内发生火灾时，火势模拟分析模块分析出其他消防检测单元内发生的火灾对未发生火灾的消防检测单元所在检测区域即将发生火灾的影响关系，具体分析包括以下步骤：
步骤一、提取各消防检测单元所在的位置，筛选出与待检测消防检测单元相邻的其他消防检测单元；
步骤二、依次提取与待检测消防检测单元所在检测区域相邻的各消防检测单元所在检测区域中的火势递增速度、火灾覆占比以及出现火灾参数信息的初始时间点；
步骤三、统计出待检测消防检测单元所在检测区域与各相邻消防检测单元所在检测区域间关联比例值
Figure BDA0002957576590000091
m为与待检测消防检测单元相邻的消防检测单元数量；
步骤四、通过训练以往消防检测单元所在检测区域内的火灾受相邻消防检测单元所在检测区域内火势蔓延的影响，获得火势蔓延训练模型
Figure BDA0002957576590000092
为待检测消防检测单元所在检测区域内的火灾受其他相邻消防检测单元所在检测区域内火灾的火势蔓延促进影响系数，βj表示为第j个相邻的消防检测单元内的火灾覆占比，e表示为自然数，取2.71828，
Figure BDA0002957576590000093
表示为第j个相邻消防检测单元在从该消防检测单元发生火灾的初始时间点
Figure BDA0002957576590000094
到T时间点内所对应的平均火势递增速度，
Figure BDA0002957576590000095
表示为第j个相邻消防检测单元发生火灾的初始时间点，T预设表示为预设的相邻间隔时间段的时长。
通过提取各消防检测单元间的位置分布，并依次筛选出与待检测消防检测单元所在检测区域相邻的其他消防检测单元所在检测区域内的火势递增速度、火灾覆占比以及出现火灾参数信息的初始时间点，可分析出相邻其他消防检测单元所在检测区域内发生火灾对待检测消防检测单元所在检测区域内是否发生火灾的火势蔓延促进影响系数，并通过火势蔓延促进影响系数能够直观地展示未发生火灾的消防检测单元所在检测区域内的火灾受其他相邻消防检测单元所在检测区域内火灾的影响程度，即火势蔓延促进影响系数越大，表明未发生火灾的消防检测单元所在检测区域内的火灾受其他相邻消防检测单元所在检测区域内火灾的影响而引发火灾的容易程度。
蔓延趋势预测模块用于接收火势模拟分析模块发送的各消防检测单元所在检测区域内的火势递增速度以及各消防检测单元所在的区域内引发火灾受其他消防检测单元所在区域内火灾的火势蔓延促进影响系数，采用传递蔓延时长计算公式预测出该消防检测单元所在检测区域内发生火灾的预测时长，并将预测的该检测区域内发生火灾的预测时长发送至火势追踪校准模块。
所述传递蔓延时长计算公式用于非精准地综合评估其他相邻消防检测单元所在检测区域内火灾传递火源至待检测消防检测单元所在检测区域内的时长，传递蔓延时长计算公式
Figure BDA0002957576590000101
TΦ为预测与待检测消防检测单元相邻的其他消防检测单元所在检测区域内的火灾传递至待检测消防检测单元所在检测区域内的时长，
Figure BDA0002957576590000102
为待检测消防检测单元所在检测区域内的火灾受其他相邻消防检测单元所在检测区域内火灾的火势蔓延促进影响系数，D为与待检测消防检测单元相邻的其他相邻消防检测单元所在位置到待检测消防检测单元所在位置的平均距离，Vm max为m个相邻消防检测单元所在检测环境中的最大火势递增速度。
火势追踪校准模块提取检测区域内发生火灾的预测时长，并判断该预测时长内消防采集与定位终端是否检测到该检测区域发生火灾参数信息，若在该预测时间长时检测到火灾参数信息，表明火势蔓延模型对火灾的预测时长准确，若在该预测时长内未检测到火灾参数信息，提取该检测区域发生火灾的实际时长，以实现火势蔓延的二次确认，并通过实际时长与预测时长的误差动态调整其他相邻消防检测单元所在检测区域发生火灾对该检测区域发生火灾的二次预测时长，进而实现对预测时长的动态调整，为后续预测未发生火灾的消防检测单元所在检测区域内受相邻消防检测单元所在检测区域内火灾传递的时长预测，提供可靠的数据。
其中，预测时长为预测与待检测消防检测单元所在检测区域相邻的任意一消防检测单元内发生火灾到待检测消防检测单元所在检测区域内发生火灾的理论时长，实际时长为与待检测消防检测单元所在检测区域相邻的任意一消防检测单元内发生火灾到待检测消防检测单元所在检测区域内发生火灾的真实时长。
通过消防检测单元所在检测区域内的实际时长和预测时长间的误差来动态调整预测时长的准确性，能够消除各消防检测单元所在检测区域是否发生火灾受到风力、湿度以及检测区域内建筑材料等非确定因素的干扰，为后期预测某一消防检测单元所在检测区域内发生火灾的预测时长提供可靠的数据，同时为各消防检测单元所在检测区域内人员营救和疏散指导提供可靠的准确时间。
本***通过采用多传感器对火灾环境中的数据进行检测、融合分析等，能够准确分析出各检测区域内的火灾燃烧危险等级以及逃生紧急危险系数，并能够预测火灾蔓延程度且根据火灾蔓延程度进行时间预测和校准处理，具有智能化信息管理的特点，提高了火灾蔓延过程中的时间校准，便于为救援提供可靠的数据支撑，。
实施例2：
该人工智能信息管理***，还包括智能管理服务平台和疏散救援引导模块。
智能管理服务平台用于提取数据融合处理模块分析获得的各消防检测单元所在检测区域内的火灾燃烧危险等级以及该检测区域内各移动终端对应的逃生紧急危险系数，判断火灾燃烧等级是否大于预设设备防护所对应的火灾燃烧等级，若大于预设的设备防护所对应的火灾燃烧等级，则智能管理服务平台发送电源切断指令至电源设备，以保护设备的安全，同时提取火势追踪校准模块校准后的各消防检测单元所在检测区域内发生火灾的二次预测时长，智能管理服务平台通过各消防检测单元所在检测区域内的逃生紧急危险系数以及该检测区域发生火灾的二次预测时长分析各消防检测单元所在检测区域内人员的逃生优先顺序，并将各消防检测单元所在检测区域内人员的逃生优先顺序发送至疏散救援引导模块，逃生优先顺序的判断：划分若干预测时长范围和若干逃生紧急危险系数范围，在同一预测时长范围内，逃生紧急危险系数越大，对应的逃生优先顺序越优先，在同一逃生紧急危险系数范围内，预测时长越小，对应的逃生优先顺序优先。
疏散救援引导模块用于接收智能管理服务平台发送的各消防检测单元所在检测区域内人员的逃生优先顺序，筛选出各消防检测单元所在检测区域距离最近的安全出口，并按照逃生优先顺序依次引导逃生优先等级高的检测区域内的人员至最近的安全出口，即逃生优先等级高的消防检测单元所在的检测区域内人员逃亡优先于逃生优先等级低的消防检测单元所在的检测区域内人员逃亡。
本***通过智能信息化管理分析，可保证各消防检测单元所在的检测区域内人员均能够按照逃生优先顺序依次进行逃生，能够根据火灾趋势合理规划各检测区域内人员人员的逃生优先顺序，并实时人员分布情况实时引导人员逃生路线，便于给火灾区域内的人员提供最佳且最安全的路线，避免人员胡乱逃亡，降低了人员伤亡数量，实现预测与制定逃生线路，提高了消防安全性。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (8)

1.一种基于多传感器融合的人工智能信息管理***，其特征在于：包括消防采集与定位终端、移动终端获取模块、数据融合处理模块、火势模拟分析模块、蔓延趋势预测模块和火势追踪校准模块。
消防采集与定位终端包括若干消防检测单元，若干消防检测单元分别分布在各检测区域内，消防检测单元用于检测所在检测区域内的火灾参数信息，并对检测的火灾参数信息进行分析，获得火灾的位置信息；
移动终端获取模块用于获取各检测区域内的移动终端数量以及各移动终端对应的位置，并将获取的移动终端数量以及各移动终端对应的位置发送至数据融合处理模块；
数据融合处理模块用于提取消防采集与定位终端发送的火灾参数信息以及分析获得的火灾位置信息，提取火灾参数信息中的温度、烟雾浓度以及火灾图像信息并进行融合分析，获得该消防检测单元所对应的火灾燃烧危险等级，并接收移动终端获取模块发送的移动终端数量以及各移动终端对应的位置，对各移动终端所对应的位置与各消防检测单元所在位置进行分析，分析出以各消防检测单元所在检测区域内分布的移动终端数量，并将该消防检测单元内的移动终端数量与该消防检测单元所对应的火灾燃烧危险系数、火灾燃烧危险等级进行分析，以获取该消防检测单元所在检测区域内各移动终端对应的逃生紧急危险系数；
火势模拟分析模块用于提取各消防检测单元所在检测区域内的火灾参数信息对应的火灾覆占比，并将相邻间隔时间段内火灾覆占比进行分析对比，模拟出同一消防检测单元所在区域内的火势递增速度，并依次获取各消防检测单元所在检测区域内出现火灾参数信息的初始时间点，且提取各消防检测单元对应的位置分布，综合分析出各消防检测单元发生火灾受其他相邻消防检测单元所在检测区域内火灾的火势蔓延促进影响系数；
蔓延趋势预测模块用于接收火势模拟分析模块发送的各消防检测单元所在检测区域内的火势递增速度以及各消防检测单元所在的区域内引发火灾受其他消防检测单元所在区域内火灾的火势蔓延促进影响系数，采用传递蔓延时长计算公式预测出该消防检测单元所在检测区域内发生火灾的预测时长，并将预测的该检测区域内发生火灾的预测时长发送至火势追踪校准模块；
火势追踪校准模块提取检测区域内发生火灾的预测时长，并判断该预测时长内消防采集与定位终端是否检测到该检测区域发生火灾参数信息，若未检测到火灾参数信息，提取发生火灾的实际时长，并通过实际时长与预测时长的误差动态调整其他相邻消防检测单元所在检测区域发生火灾对该检测区域发生火灾的二次预测时长。
2.根据权利要求1所述的一种基于多传感器融合的人工智能信息管理***，其特征在于：所述消防检测单元包括温度传感器、烟雾浓度传感器、火灾图像采集模块、图像特征处理模块和火灾校准定位模块；
温度传感器对所在检测区域内的温度进行检测；
烟雾浓度传感器对所在检测区域内的烟雾浓度进行检测；
火灾图像采集模块用于采集所在检测区域内的火灾图像信息，并将采集的火灾图像信息发送至图像特征处理模块，图像特征处理模块对采集的图像信息进行特征提取，并将提取的图像中的若干特征与现有采集图像中的火灾特征进行对比，以判断采集的图像中是否存在火源，若存在火源，则发送火灾校准指令至火灾校准定位模块；
火灾校准定位模块通过接收火灾校准指令提取存在火源的消防检测单元的编号，并通过该消防检测单元的编号筛选出该消防检测单元对应的位置。
3.根据权利要求1所述的一种基于多传感器融合的人工智能信息管理***，其特征在于：所述数据融合处理模块的融合分析，具体包括以下步骤：
步骤一、提取消防检测单元所在检测区域内的火灾图像信息，筛选出火灾图像信息中火灾覆占比，火灾覆占比
Figure FDA0002957576580000021
S0为采集的图像总面积，S′为采集的图像中火源覆盖的面积，S0＞S′≥0；
步骤二、对消防检测单元所在检测区域内的温度、烟雾浓度以及火灾覆占比β代入火灾燃烧融合模型，以对火灾数据进行一级融合分析，得到火灾燃烧危险系数Q，λ1≤Q≤λ6；
步骤三、对步骤二融合分析后的火灾燃烧危险系数Q进行判断，确定火灾燃烧危险等级K，K∈W1,W2,W3,W4,W5；
步骤四、提取消防检测单元内的移动终端数量与该消防检测单元所对应的火灾燃烧危险系数、火灾燃烧危险等级代入逃生紧急危险融合模型，以对逃生应急危险程度进行二级融合分析，得到逃生紧急危险系数。
4.根据权利要求3所述的一种基于多传感器融合的人工智能信息管理***，其特征在于：所述逃生紧急危险融合模型为
Figure FDA0002957576580000022
Ei表示为第i个消防检测单元所在检测区域内人员对应的逃生紧急危险系数，逃生紧急危险系数越大，表明该检测区域内人员逃生的紧急程度越大，vali为第i个消防检测单元所在检测区域内的移动终端数量，valmax和valmin分别为各消防检测单元所在检测区域内的最大移动终端数量和最小移动终端数量，Qi为第i个消防检测单元所在检测区域内的火灾燃烧危险系数，
Figure FDA0002957576580000031
为该火灾燃烧危险系数对应的火灾燃烧危险等级K中的平均火灾燃烧危险，
Figure FDA0002957576580000032
QKmax和QKmin分别表示为该火灾燃烧危险系数对应的火灾燃烧危险等级K中的最大火灾燃烧危险系数和最小火灾燃烧危险系数。
5.根据权利要求4所述的一种基于多传感器融合的人工智能信息管理***，其特征在于：当至少一消防检测单元所在区域内发生火灾时，火势模拟分析模块分析出其他消防检测单元内发生的火灾对未发生火灾的消防检测单元所在检测区域即将发生火灾的影响关系，具体分析包括以下步骤：
步骤一、提取各消防检测单元所在的位置，筛选出与待检测消防检测单元相邻的其他消防检测单元；
步骤二、依次提取与待检测消防检测单元所在检测区域相邻的各消防检测单元所在检测区域中的火势递增速度、火灾覆占比以及出现火灾参数信息的初始时间点；
步骤三、统计出待检测消防检测单元所在检测区域与各相邻消防检测单元所在检测区域间关联比例值
Figure FDA0002957576580000033
m为与待检测消防检测单元相邻的消防检测单元数量；
步骤四、通过训练以往消防检测单元所在检测区域内的火灾受相邻消防检测单元所在检测区域内火势蔓延的影响，建立火势蔓延训练模型，获得待检测消防检测单元所在检测区域内的火灾受其他相邻消防检测单元所在检测区域内火灾的火势蔓延促进影响系数。
6.根据权利要求1所述的一种基于多传感器融合的人工智能信息管理***，其特征在于：建立的火势蔓延训练模型为：
Figure FDA0002957576580000034
Figure FDA0002957576580000035
为待检测消防检测单元所在检测区域内的火灾受其他相邻消防检测单元所在检测区域内火灾的火势蔓延促进影响系数，βj表示为第j个相邻的消防检测单元内的火灾覆占比，e表示为自然数，取2.71828，
Figure FDA0002957576580000036
表示为第j个相邻消防检测单元在从该消防检测单元发生火灾的初始时间点
Figure FDA0002957576580000037
到T时间点内所对应的平均火势递增速度，
Figure FDA0002957576580000041
表示为第j个相邻消防检测单元发生火灾的初始时间点，T预设表示为预设的相邻间隔时间段的时长。
7.根据权利要求6中所述的一种基于多传感器融合的人工智能信息管理***，其特征在于：所述蔓延趋势预测模块中采用的传递蔓延时长计算公式为
Figure FDA0002957576580000042
TΦ为预测与待检测消防检测单元相邻的其他消防检测单元所在检测区域内的火灾传递至待检测消防检测单元所在检测区域内的时长，
Figure FDA0002957576580000043
为待检测消防检测单元所在检测区域内的火灾受其他相邻消防检测单元所在检测区域内火灾的火势蔓延促进影响系数，
Figure FDA0002957576580000044
为与待检测消防检测单元相邻的其他相邻消防检测单元所在位置到待检测消防检测单元所在位置的平均距离，Vm max为m个相邻消防检测单元所在检测环境中的最大火势递增速度。
8.根据权利要求7中所述的一种基于多传感器融合的人工智能信息管理***，其特征在于：所述人工智能信息管理***还包括智能管理服务平台和疏散救援引导模块；
智能管理服务平台用于提取数据融合处理模块分析获得的各消防检测单元所在检测区域内的火灾燃烧危险等级以及该检测区域内各移动终端对应的逃生紧急危险系数，判断火灾燃烧等级是否大于预设设备防护所对应的火灾燃烧等级，若大于预设的设备防护所对应的火灾燃烧等级，则智能管理服务平台发送电源切断指令至电源设备，以保护设备的安全，同时提取火势追踪校准模块校准后的各消防检测单元所在检测区域内发生火灾的二次预测时长，智能管理服务平台通过各消防检测单元所在检测区域内的逃生紧急危险系数以及该检测区域发生火灾的二次预测时长分析各消防检测单元所在检测区域内人员的逃生优先顺序，并将各消防检测单元所在检测区域内人员的逃生优先顺序发送至疏散救援引导模块；
疏散救援引导模块用于接收智能管理服务平台发送的各消防检测单元所在检测区域内人员的逃生优先顺序，筛选出各消防检测单元所在检测区域距离最近的安全出口，并按照逃生优先顺序依次引导逃生优先等级高的检测区域内的人员至最近的安全出口。
CN202110228024.2A 2021-03-02 2021-03-02 一种基于多传感器融合的人工智能信息管理*** Active CN113034833B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110228024.2A CN113034833B (zh) 2021-03-02 2021-03-02 一种基于多传感器融合的人工智能信息管理***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110228024.2A CN113034833B (zh) 2021-03-02 2021-03-02 一种基于多传感器融合的人工智能信息管理***

Publications (2)

Publication Number Publication Date
CN113034833A true CN113034833A (zh) 2021-06-25
CN113034833B CN113034833B (zh) 2022-06-14

Family

ID=76465168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110228024.2A Active CN113034833B (zh) 2021-03-02 2021-03-02 一种基于多传感器融合的人工智能信息管理***

Country Status (1)

Country Link
CN (1) CN113034833B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113781887A (zh) * 2021-10-25 2021-12-10 国网江苏省电力有限公司电力科学研究院 一种基于集装箱式电缆隧道的火情反演模拟分析***
CN113781736A (zh) * 2021-09-23 2021-12-10 深圳市保国特卫安保技术服务有限公司 一种楼宇消防预警方法、***、设备及存储介质
CN113822780A (zh) * 2021-09-18 2021-12-21 四川总耀智能科技有限公司 一种微消防生态智慧管理***及方法
CN116227763A (zh) * 2022-11-26 2023-06-06 中国消防救援学院 一种基于可视化模型的消防应急指挥方法及***
CN117975647A (zh) * 2024-01-30 2024-05-03 营口天成消防设备有限公司 一种大空间多区域用消防报警***及报警方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104269010A (zh) * 2014-09-22 2015-01-07 广州中国科学院工业技术研究院 监控区域的火灾风险告警方法和***
CN109215285A (zh) * 2018-11-15 2019-01-15 王悦廷 基于WiFi探针的火情监控与救援逃生的智能消防***与方法
CN110147651A (zh) * 2019-06-28 2019-08-20 青岛理工大学 一种消防火灾现场安全逃生路径预测分析方法
KR102131967B1 (ko) * 2020-02-24 2020-07-08 주식회사 지에프아이 소화용 마이크로캡슐을 활용한 소화제품 기반의 화재 관제 시스템
CN112288983A (zh) * 2020-10-26 2021-01-29 吉林省森林防火预警监测指挥中心 一种森林火灾应急指挥管理***
US20210049885A1 (en) * 2019-08-13 2021-02-18 Gsil Co,.Ltd. Method and system for monitoring fire
KR102220328B1 (ko) * 2019-09-24 2021-02-25 한국건설기술연구원 건축물 화재의 피해 예측 시스템 및 방법

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104269010A (zh) * 2014-09-22 2015-01-07 广州中国科学院工业技术研究院 监控区域的火灾风险告警方法和***
CN109215285A (zh) * 2018-11-15 2019-01-15 王悦廷 基于WiFi探针的火情监控与救援逃生的智能消防***与方法
CN110147651A (zh) * 2019-06-28 2019-08-20 青岛理工大学 一种消防火灾现场安全逃生路径预测分析方法
US20210049885A1 (en) * 2019-08-13 2021-02-18 Gsil Co,.Ltd. Method and system for monitoring fire
KR102220328B1 (ko) * 2019-09-24 2021-02-25 한국건설기술연구원 건축물 화재의 피해 예측 시스템 및 방법
KR102131967B1 (ko) * 2020-02-24 2020-07-08 주식회사 지에프아이 소화용 마이크로캡슐을 활용한 소화제품 기반의 화재 관제 시스템
CN112288983A (zh) * 2020-10-26 2021-01-29 吉林省森林防火预警监测指挥中心 一种森林火灾应急指挥管理***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHAI CHUNJIE 等: "Learning-based prediction of wildfire spread with real-time rate of spread measurement", 《COMBUSTION AND FLAME》, 31 May 2020 (2020-05-31), pages 333 - 341 *
齐庆杰 等: "矿井胶带运输巷火灾蔓延规律的数值模拟研究", 《中国安全科学学报》, vol. 26, no. 10, 31 October 2016 (2016-10-31), pages 36 - 41 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113822780A (zh) * 2021-09-18 2021-12-21 四川总耀智能科技有限公司 一种微消防生态智慧管理***及方法
CN113781736A (zh) * 2021-09-23 2021-12-10 深圳市保国特卫安保技术服务有限公司 一种楼宇消防预警方法、***、设备及存储介质
CN113781736B (zh) * 2021-09-23 2022-12-27 深圳市保国特卫安保技术服务有限公司 一种楼宇消防预警方法、***、设备及存储介质
CN113781887A (zh) * 2021-10-25 2021-12-10 国网江苏省电力有限公司电力科学研究院 一种基于集装箱式电缆隧道的火情反演模拟分析***
CN116227763A (zh) * 2022-11-26 2023-06-06 中国消防救援学院 一种基于可视化模型的消防应急指挥方法及***
CN116227763B (zh) * 2022-11-26 2024-04-26 中国消防救援学院 一种基于可视化模型的消防应急指挥方法及***
CN117975647A (zh) * 2024-01-30 2024-05-03 营口天成消防设备有限公司 一种大空间多区域用消防报警***及报警方法

Also Published As

Publication number Publication date
CN113034833B (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
CN113034833B (zh) 一种基于多传感器融合的人工智能信息管理***
CN102908727B (zh) 一种楼宇火灾逃生安全路径计算***及其方法
KR102277968B1 (ko) 영상처리와 딥러닝 기반의 ai를 이용한 조기 화재감지 시스템, 서버 및 방법
CN112044006A (zh) 一种楼宇用监控消防***
KR102220328B1 (ko) 건축물 화재의 피해 예측 시스템 및 방법
CN209821986U (zh) 火灾监控***
KR102245887B1 (ko) 실내 화재예방 알림 시스템 및 그 방법
CN104881942A (zh) 一种地铁站火灾人员智能疏散指示***
CN115035674A (zh) 一种智慧楼宇消防智能监测预警管理***
CN115294719B (zh) 一种楼宇安防监控***
KR20150136962A (ko) 복합 화재 감지기 및 이를 포함하는 화재 감시 시스템
KR20210097500A (ko) 화재감지장치 및 이를 포함하는 화재감지시스템
CN111047815A (zh) 基于自学习模型识别消防探测器误报的方法及***
CN116052360B (zh) 一种消防报警***
CN207895646U (zh) 智能建筑火灾自动报警***
CN116011824A (zh) 一种基于大数据的林业防火巡检监测预警***
KR102095986B1 (ko) 화재 조기 감지 및 안전 대피 유도 시스템과 그 방법
CN115394036A (zh) 一种用于建筑火灾的监测和预警方法及***
CN111754719A (zh) 基于物联网和多种传感器融合的电缆消防联动***及方法
CN114792465A (zh) 一种基于区域报警模型的消防安全监控***
CN112885021B (zh) 一种基于复合算法的多传感器火灾预测方法及***
CN111359132B (zh) 一种基于人工智能的智慧消防警报方法及***
CN110930644A (zh) 一种电缆生产安全预警***
KR20200003452A (ko) 지능형 화재 대피 유도시스템
KR102480079B1 (ko) 악취 확산 예측 모니터링 시스템

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 514000 Feima City, South District, Jiaying College, Meijiang district, Meizhou City, Guangdong Province

Applicant after: Guangdong Yuesi Technology Co.,Ltd.

Applicant after: Jiaying University

Address before: 514000 South District of Jiaying College headquarters, Meijiang district, Meizhou City, Guangdong Province

Applicant before: Meizhou Yuesi Intelligent Technology Co.,Ltd.

Applicant before: Jiaying University

GR01 Patent grant
GR01 Patent grant