CN117037417B - 智能标识桩融合装备 - Google Patents
智能标识桩融合装备 Download PDFInfo
- Publication number
- CN117037417B CN117037417B CN202311006863.5A CN202311006863A CN117037417B CN 117037417 B CN117037417 B CN 117037417B CN 202311006863 A CN202311006863 A CN 202311006863A CN 117037417 B CN117037417 B CN 117037417B
- Authority
- CN
- China
- Prior art keywords
- risk
- intrusion
- coefficient
- representing
- environmental
- 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.)
- Active
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 21
- 230000007613 environmental effect Effects 0.000 claims abstract description 82
- 238000004364 calculation method Methods 0.000 claims abstract description 40
- 238000012544 monitoring process Methods 0.000 claims abstract description 37
- 230000009545 invasion Effects 0.000 claims description 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 16
- 239000000779 smoke Substances 0.000 claims description 3
- 230000001012 protector Effects 0.000 claims description 2
- 238000009434 installation Methods 0.000 claims 2
- 230000033001 locomotion Effects 0.000 claims 1
- 238000012552 review Methods 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 abstract description 6
- 238000011156 evaluation Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 3
- 239000007789 gas Substances 0.000 description 21
- 238000012502 risk assessment Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 6
- 239000003550 marker Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000008399 tap water Substances 0.000 description 1
- 235000020679 tap water Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B19/00—Alarms responsive to two or more different undesired or abnormal conditions, e.g. burglary and fire, abnormal temperature and abnormal rate of flow
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Emergency Alarm Devices (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了智能标识桩融合装备,具体涉及标识预警技术领域,包括:采集环境信息进行分析环境信息,通过环境风险计算模型获取环境风险系数,基于环境风险系数和预设的标准环境风险阈值对环境风险采取预警或实时监测;采集入侵信息进行分析入侵信息,通过入侵风险计算模型获取入侵风险系数,基于入侵风险系数和预设的标准入侵风险阈值对入侵风险采取预警或实时监测;基于实时采集的环境风险系数和入侵风险系数综合评估设施的设施安全指数,将安全指数传输至管理平台,根据安全指数采取措施保证设施安全,解决了现有技术中缺少对智能标示桩传输信息的分析,缺乏对设施风险的综合评估的问题。
Description
技术领域
本发明涉及智能预警技术领域,更具体地说,本发明涉及智能标识桩融合装备。基于智能标识桩融合设备的预警***及方法
背景技术
标识桩又称为警示桩、标识桩、标识桩,在城市建设的过程中,有一些城市重要设施容易在受到一些震动时产生倾斜、位移的情况,这些都会存在安全隐患,没有及时发现的话就会影响城市运行。例如,在城市电力、通信、燃气、自来水、铁路地埋管线容易受到震动产生位移、倾斜,进而产生安全隐患,通过在设施周边安装标识桩警示人员、预警设施环境。
现有的智能标识桩结合传感器、定位***、报警***,当智能标识桩采集到信息后,根据信息向管理平台发送警报,但是在其使用中仍然存在以下问题:(1)缺少对智能标示桩传输信息的分析,缺乏对设施风险的综合评估;(2)现有的标识桩缺少与其他信息采集设备的联动,无法采集现场实际情况,管理人员在接到报警后无法了解报警现场情况,进而无法作出合理判断。
发明内容
为了克服现有技术的上述缺陷,本发明提供智能标识桩融合装备,以解决上述背景技术中提出的问题。
技术方案
为实现上述目的,本发明提供如下技术方案:智能标识桩融合设备,智能标识桩融合设备包括智能标识桩装置、视频音视频采集装置,围绕在被保护目标的周边,通过采集目标周边信息,实现对风险及时预警,方便管理平台采取措施。所述智能标识桩装置包括就地报警器、数据采集工具,视频音视频采集装置用于采集目标周边图像信息和音频信息,音频采集设备用于采集目标周边音频信息,智能标识桩融合装备安装在被保护设施周边,智能标识桩融合装备覆盖的面积构成监控区域,包括:
数据采集模块:用于采集环境信息和入侵信息,将采集的信息传输至环境风险分析模块和入侵风险分析模块,包括环境信息采集单元和入侵信息采集单元;
环境风险分析模块用于分析环境信息,通过环境风险计算模型获取环境风险系数,将获取的环境风险系数传输至环境风险预警模块;
环境风险预警模块基于环境风险系数和预设的标准环境风险阈值对环境风险采取预警或实时监测;
所述入侵风险分析模块用于分析入侵信息,通过入侵风险计算模型获取入侵风险系数,将入侵风险系数传输至入侵风险预警模块;
入侵风险预警模块基于入侵风险系数和预设的标准入侵风险阈值对入侵风险采取预警或实时监测;
所述取证模块基于红外线传感器启动或基于入侵者到达被保护设备的时间启动,当音视频采集装置接收到红外线信号调整音视频采集装置角度,采集入侵者信息,将采集的入侵者信息存储在数据库中;
所述综合评估模块基于实时采集的环境风险系数和入侵风险系数综合评估设施的设施安全指数,将设施安全指数传输至管理平台,管理平台调阅数据库中信息,完成取证。
在应用时包括:
采集环境信息进行分析环境信息,通过环境风险计算模型获取环境风险系数,基于环境风险系数和预设的标准环境风险阈值对环境风险采取预警或实时监测;
采集入侵信息进行分析入侵信息,通过入侵风险计算模型获取入侵风险系数,基于入侵风险系数和预设的标准入侵风险阈值对入侵风险采取预警或实时监测;
基于实时采集的环境风险系数和入侵风险系数综合评估设施的设施安全指数,将设施安全指数传输至管理平台;
所述环境风险系数获取过程包括:将监控区域划分为n个区域,获取每个区域实时的环境参数,包括温度、湿度、水深、气体浓度,为每种环境参数匹配权重系数;预设标准环境参数,获取区域的环境参数方差,为每个区域匹配权重系数,将参数代入环境风险计算模型中得到环境风险系数hi;
所述入侵风险系数获取过程包括:将监控区域划分为n个区域,获取每个区域的实时入侵信息,包括震动信号、超声波信号、红外线信号,预设超声波信号速度随温度变化影响因子;预设震动信号强度随地质影响因子,计算入侵者的移动速度,计算入侵者到达保护设施的最短时间,将参数带入入侵风险计算模型中得到入侵风险系数ri。
优选的,包括取证模块,所述取证模块基于红外线传感器启动或基于入侵者到达被保护设备的时间启动,当音视频采集装置接收到红外线信号调整音视频采集装置角度,采集入侵者信息,将采集的入侵者信息存储在数据库中;管理平台调阅数据库中信息,完成取证。
优选的,所述数据采集工具包括:温湿度传感器、气体浓度检测装置、烟雾传感器、水位传感器、震动传感器、超声波检测装置、红外检测装置、无线收发装置。
优选的,所述环境风险系数获取过程包括:将监控区域划分为n个区域,获取每个区域实时的环境参数,包括温度、湿度、水深、气体浓度,为每种环境参数匹配权重系数;预设标准环境参数,获取区域的环境参数方差,为每个区域匹配权重系数,将参数代入环境风险计算模型中得到环境风险系数hi。
优选的,所述环境风险系数计算模型满足公式:
其中,hi表示第i个区域的区域环境风险系数,wdi表示第i个区域的温度,sdi表示第i个区域的湿度,shi表示第i个区域的水深、wd0表示预设的温度,sd0表示预设的湿度,shi表示预设的水深、qb0表示预设的标准气体风险系数,表示第i个区域的气体风险系数,其中的w3j表示第i种气体的权重系数,qtij表示第i个区域中第j种气体的浓度,w21表示温度对应权重、w22表示湿度对应权重、w23表示水深对应权重、w21表示气体对应权重,σ1表示温度的方差参数,σ2表示湿度的方差、σ3表示水深的方差、σ4表示温度的气体风险系数的方差。
优选的,所述方差σ1的计算满足公式:其中/>表示第j种气体的平均浓度。
优选的,所述环境风险预警模块将获取的区域环境风险系数hi与预设的阈值tha进行对比,若hi≥tha表明该区域的环境风险系数超出阈值,则向管理平台发出预警,若hi<tha则对入侵者进行实时监测。
优选的,所述综合环境风险系数的计算公式为:
其中w1i表示区域的权重系数,数值越大表明该区域越重要,且
优选的,所述入侵风险系数获取过程包括:将监控区域划分为n个区域,获取每个区域的实时入侵信息,包括震动信号、超声波信号、红外线信号,预设超声波信号速度随温度变化影响因子;预设震动信号强度随地质影响因子;计算红外线信号可信度,当红外线信号可信度满足预设值,超声波检测装置依赖红外线信号得到入侵者的角度,提高超声波检测效率,计算入侵者的移动速度,计算入侵者到达保护设施的最短时间,将参数带入入侵风险计算模型中得到入侵风险系数ri。
优选的,所述入侵风险系数的获取过程包括下列步骤:
步骤S11、将监控区域划分为n个区域,并进行编号;
步骤S12、采集入侵信息,包括震动信号、超声波信号发射接收时间差、红外线信号,去除异常信息;
步骤S13、分析震动信号、超声波信号,得到入侵者的定位和移动速度,移动速度vi的计算公式为:其中Δl表示相邻两次超声波检测装置时入侵者的欧式距离;
步骤S14、将震动信号、超声波信号、入侵者信息带入入侵风险系数计算模型,计算区域入侵风险系数;
步骤S15、计算监控区域的综合入侵风险系数,满足公式
优选的,所述入侵风险系数计算模型满足公式:所述入侵风险系数计算模型满足公式:其中,ε1表示超声波信号速度随温度影响因子、ε2表示震动信号强度随地质影响因子;wa表示速度对入侵风险的影响系数,wb表示时间对入侵风险的影响系数;vi表示入侵者移动速度,其中zdi表示震动信号的强度、Ti用于表示入侵者到达被保护设备的时间,满足公式/>且θ1+θ2≠180°,其中li表示入侵者到标识桩的距离,l0表示标识桩到被保护设施的距离,(θ1+θ2)表示入侵者与被保护设施相对于标识桩的夹角,当θ1+θ2=180°,/>原理为:被保护设施与标识桩和入侵者构成一个三角形,得到三角形的边角边可以获得入侵者抵达被保护设施的最短距离,除以入侵者速度,得到入侵者抵达被保护设施的最短时间,距离越短表示入侵风险越高,其中li满足公式li=(c+Δci)*ti/2,其中,其中c表示超声波在15℃下的速度,Δci表示实时温度下需要修正的速度参数,满足公式Δci=(wdi-15)*χ1,其中χ1表示温度系数,取值为[0.55-0.62]。
优选的,所述入侵风险预警模块将获取的区域入侵风险系数ri与预设的阈值thb进行对比,若ri≥thb表明该区域的入侵风险系数超出阈值,则向管理平台发出预警,同时通过就地报警器发出警报警告入侵者停止,若ri<thb则对入侵者进行实时监测。
优选的,所述取证模块包括下列步骤:验证红外线检测信号的可信度,如可信度满足要求,则使用红外线信号启动取证模块;若可信度不满足要求,则使用入侵者到达被保护设备的时间启动取证模块。
优选的,所述红外线可信度ψ的计算公式为:
w0=37℃,其中PMi表示实时的空气颗粒物浓度,φ1表示温度变化对于红外线可信度的影响因子,φ2表示空气颗粒物浓度变化对于红外线可信度的影响因子,可信度系数的数值越大,表明红外线的准确度越高。
优选的,被保护设施的设施安全指数An满足公式:
其中,η1表示环境风险影响因子,η2表示入侵风险影响因子,环境风险影响因子和入侵风险影响因子基于管理人员设定,或根据历史数据设定,例如,将被保护设施因为环境发生故障的占比记为η1,因为入侵者发生故障的占比记为η2,当超出阈值提示管理人员增加对于设施的监管,采取增加智能标识桩、加强人员巡护的措施。
本发明的技术效果和优点:
(1)本发明通过环境风险计算模型获取环境风险系数,通过入侵风险计算模型获取入侵风险系数,基于环境风险系数和实时监测入侵风险系数采取预警或实时监测;基于实时采集的环境风险系数和入侵风险系数综合评估设施的设施安全指数,将安全指数传输至管理平台,根据安全指数采取措施保证设施安全,解决了现有技术中缺少对智能标示桩传输信息的分析,缺乏对设施风险的综合评估的问题。
(2)本发明通过取证模块采集取证,避免了管理人员在接到报警后无法了解报警现场情况,进而无法作出合理判断,基于红外线信号和或基于入侵者到达被保护设备的时间启动,保证数据的可靠性。
(3)将红外线与超声波技术相结合实现节能定位功能,用红外线触发定位信号,使参考点的超声波发射器向待测点发射超声波,应用TOA基本算法和计时器测距定位;一方面降低了功耗,另一方面避免了超声波反射式定位技术传输距离短的缺陷,使得红外技术与超声波技术优势互补。
附图说明
图1为本发明的整体结构框图。
图2为本发明的环境风险系数计算流程图。
图3为本发明的入侵风险系数计算流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整地传达给本领域的技术人员。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
实施例1
参阅图1,本发明提供了提供一种智能标识桩融合设备,智能标识桩融合设备包括智能标识桩装置、视频音视频采集装置,围绕在被保护目标的周边,通过采集目标周边信息,实现对风险及时预警,方便管理平台采取措施。所述智能标识桩装置包括就地报警器、数据采集工具,视频音视频采集装置用于采集目标周边图像信息和音频信息,音频采集设备用于采集目标周边音频信息,智能标识桩融合装备安装在被保护设施周边,智能标识桩融合装备覆盖的面积构成监控区域,包括:数据采集模块、环境风险分析模块、环境风险预警模块、入侵风险分析模块、入侵风险预警模块、取证模块、综合评估模块,
所述数据采集模块用于采集环境信息和入侵信息,将采集的信息传输至环境风险分析模块和入侵风险分析模块,包括环境信息采集单元和入侵信息采集单元;
进一步的,所述数据采集工具包括:温湿度传感器、气体浓度检测装置、烟雾传感器、水位传感器、震动传感器、超声波检测装置、红外检测装置、无线收发装置。
所述环境风险分析模块用于分析环境信息,通过环境风险计算模型获取环境风险系数,将获取的环境风险系数传输至环境风险预警模块。
进一步的,所述环境风险系数获取过程包括:将监控区域划分为n个区域,获取每个区域实时的环境参数,包括温度、湿度、水深、气体浓度,为每种环境参数匹配权重系数;预设标准环境参数,获取区域的环境参数方差,为每个区域匹配权重系数,将参数代入环境风险计算模型中得到环境风险系数hi;
进一步的,参阅图2,获取环境风险系数包括下列步骤:
步骤S01、将监控区域划分为n个区域,并进行编号;
步骤S02、采集监控区域的环境参数,包括水深sh、温度wd、湿度sd、气体浓度qt,设置正常的环境参数,即sh0,sd0,wd0,qb0;
步骤S03、为环境参数预设权重,根据环境参数的重要程度为环境参数匹配权重系数;
步骤S04、设置环境参数的安全阈值范围,当超出安全阈值范围时向管理平台发出预警;
步骤S05、根据监控区域的重要程度为每个监控区域匹配权重系数;
步骤S06、计算区域环境风险系数hi,计算监控区域的综合环境风险系数H。
进一步的,所述环境风险系数计算模型满足公式:
其中,hi表示第i个区域的区域环境风险系数,wdi表示第i个区域的温度,sdi表示第i个区域的湿度,shi表示第i个区域的水深、wd0表示预设的温度,sd0表示预设的湿度,shi表示预设的水深、qb0表示预设的标准气体风险系数,表示第i个区域的气体风险系数,其中的w3j表示第i种气体的权重系数,qtij表示第i个区域中第j种气体的浓度,w21表示温度对应权重、w22表示湿度对应权重、w23表示水深对应权重、w21表示气体对应权重,σ1表示温度的方差参数,σ2表示湿度的方差、σ3表示水深的方差、σ4表示温度的气体风险系数的方差。
进一步的,所述方差σ1的计算满足公式:其中/>表示第j种气体的平均浓度,以此类推得到方差σ2、σ3、σ4。
所述环境风险预警模块基于环境风险系数和预设的标准环境风险阈值对环境风险采取预警或实时监测;
进一步的,所述环境风险预警模块将获取的区域环境风险系数hi与预设的阈值tha进行对比,若hi≥tha表明该区域的环境风险系数超出阈值,则向管理平台发出预警,若hi<tha则对入侵者进行实时监测。
所述入侵风险分析模块用于分析入侵信息,通过入侵风险计算模型获取入侵风险系数,将入侵风险系数传输至入侵风险预警模块;
进一步的,所述入侵风险系数获取过程包括:将监控区域划分为n个区域,获取每个区域的实时入侵信息,包括震动信号、超声波信号、红外线信号,预设超声波信号速度随温度变化影响因子;预设震动信号强度随地质影响因子;计算红外线信号可信度,当红外线信号可信度满足预设值,超声波检测装置依赖红外线信号得到入侵者的角度,提高超声波检测效率,计算入侵者的移动速度,计算入侵者到达保护设施的最短时间,将参数带入入侵风险计算模型中得到入侵风险系数ri;
进一步的,参阅图3,所述入侵风险系数的获取过程包括下列步骤:
步骤S11、将监控区域划分为n个区域,并进行编号;
步骤S12、采集入侵信息,包括震动信号、超声波信号发射接收时间差、红外线信号,去除异常信息;
步骤S13、分析震动信号、超声波信号,得到入侵者的定位和移动速度;
步骤S14、将震动信号、超声波信号、入侵者信息带入入侵风险系数计算模型,计算区域入侵风险系数;
步骤S15、计算监控区域的综合入侵风险系数。
进一步的,所述综合入侵风险系数R满足公式
进一步的,所述入侵风险系数计算模型满足公式:所述入侵风险系数计算模型满足公式:其中,ε1表示超声波信号速度随温度影响因子、ε2表示震动信号强度随地质影响因子;wa表示速度对入侵风险的影响系数,wb表示时间对入侵风险的影响系数;vi表示入侵者移动速度,其中zdi表示震动信号的强度、Ti用于表示入侵者到达被保护设备的时间,满足公式/>且θ1+θ2≠180°,其中li表示入侵者到标识桩的距离,l0表示标识桩到被保护设施的距离,(θ1+θ2)表示入侵者与被保护设施相对于标识桩的夹角,当θ1+θ2=180°,/>原理为:被保护设施与标识桩和入侵者构成一个三角形,得到三角形的边角边可以获得入侵者抵达被保护设施的最短距离,除以入侵者速度,得到入侵者抵达被保护设施的最短时间,距离越短表示入侵风险越高,其中li满足公式li=(c+Δci)*ti/2,其中,其中c表示超声波在15℃下的速度,Δci表示实时温度下需要修正的速度参数,满足公式Δci=(wdi-15)*χ1,其中χ1表示温度系数,取值为[0.55-0.62]。
入侵风险预警模块基于入侵风险系数和预设的标准入侵风险阈值对入侵风险采取预警或实时监测;
进一步的,所述入侵风险预警模块将获取的区域入侵风险系数ri与预设的阈值thb进行对比,若ri≥thb表明该区域的入侵风险系数超出阈值,则向管理平台发出预警,同时通过就地报警器发出警报警告入侵者停止,若ri<thb则对入侵者进行实时监测。
所述取证模块基于红外线传感器启动或基于入侵者到达被保护设备的时间启动,当音视频采集装置接收到红外线信号调整音视频采集装置角度,采集入侵者信息,将采集的入侵者信息存储在数据库中;
进一步的,所述取证模块包括下列步骤:验证红外线检测信号的可信度,如可信度满足要求,则使用红外线信号启动取证模块;若可信度不满足要求,则使用入侵者到达被保护设备的时间启动取证模块。
进一步的,所述红外线可信度ψ的计算公式为:
w0=37℃,其中PMi表示实时的空气颗粒物浓度,φ1表示温度变化对于红外线可信度的影响因子,φ2表示空气颗粒物浓度变化对于红外线可信度的影响因子,可信度系数的数值越大,表明红外线的准确度越高。
所述综合评估模块基于实时采集的环境风险系数和入侵风险系数综合评估设施的设施安全指数,将设施安全指数传输至管理平台,管理平台调阅数据库中信息,完成取证;
进一步的,被保护设施的设施安全指数An满足公式:
其中,η1表示环境风险影响因子,η2表示入侵风险影响因子,环境风险影响因子和入侵风险影响因子基于管理人员设定,或根据历史数据设定,例如,将被保护设施因为环境发生故障的占比记为η1,因为入侵者发生故障的占比记为η2,当超出阈值提示管理人员增加对于设施的监管,采取增加智能标识桩、加强人员巡护的措施。
实施例2
本发明实施例提供的智能标识融合装备包括标识桩、报警保护器和音视频采集装置,所述标识桩上安装有:就地报警器、震动传感器、温湿度传感器、水位传感器、无线收发装置、超声波检测装置和红外线检测装置;智能标识桩融合装备安装在被保护设施周边,智能标识桩融合装备覆盖的面积构成监控区域,本发明提供的智能标识融合装备用于监测预警被保护设施的安全,避免被保护设施被破坏,在应用时包括:数据采集平台、数据传输平台、边缘计算平台和管理预警平台。
数据采集平台:用于采集环境信息和入侵信息,环境信息包括监控区域的温度、湿度、水深、气体浓度;所述入侵信息包括震动信息、超声波信息、红外线信息和图像信息;
数据传输平台:将采集的信息传输至边缘计算平台或数据库中,将传感器采集的信息通过无线传输技术,如NB-Lot技术传输至边缘计算平台,通过互联网将图像传输至数据库中;
边缘计算平台:基于采集的信息计算区域环境风险系数和入侵风险系数,将计算的结果传输至管理预警平台;
管理预警平台:管理预警平台基于边缘计算获取的环境风险系数和入侵风险系数和预设的阈值采取即时干预措施、评估安全系数。
进一步的,所述边缘计算平台提供一种在物理上靠近数据源头的网络边缘检测,无需再将数据传输至云端数据处理中心,包括m个边缘计算节点,边缘计算发生的位置称为边缘节点,通过传感器将监控子区域中的数据传输至边缘节点,边缘节点计算得到每个监控子区域的环境风险系数和入侵风险系数。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.智能标识桩融合装备,包括标识桩、报警保护器和音视频采集装置,所述标识桩上安装有就地报警器、数据采集工具,智能标识桩融合装备安装在被保护设施周边,智能标识桩融合装备覆盖的面积构成监控区域,其特征在于:在应用时包括:
采集环境信息并进行分析,获取环境风险系数,基于环境风险系数和预设的标准环境风险阈值对环境风险采取预警或实时监测;
采集入侵信息并进行分析,获取入侵风险系数,基于入侵风险系数和预设的标准入侵风险阈值对入侵风险采取预警或实时监测;
基于实时获取的环境风险系数和入侵风险系数综合评估设施的设施安全指数,将设施安全指数传输至管理平台;
所述环境风险系数获取过程包括:将监控区域划分为n个区域,获取每个区域实时的环境参数,包括温度、湿度、水深、气体浓度,为每种环境参数匹配第一权重系数;预设标准环境参数,获取区域的环境参数方差,为每个区域匹配第二权重系数,将获取的实时的环境参数代入环境风险系数计算模型中得到环境风险系数hi;
所述入侵风险系数获取过程包括:将监控区域划分为n个区域,获取每个区域的实时入侵信息,包括震动信号、超声波信号、红外线信号,预设超声波信号速度随温度变化影响因子;预设震动信号强度随地质影响因子,计算入侵者的移动速度,计算入侵者到达被保护设施的最短时间,将入侵者的移动速度和入侵者到达被保护设施的最短时间带入入侵风险系数计算模型中得到入侵风险系数ri。
2.根据权利要求1所述的智能标识桩融合装备,其特征在于:所述数据采集工具包括:温湿度传感器、气体浓度检测装置、烟雾传感器、水位传感器、震动传感器、超声波检测装置、红外检测装置、无线收发装置。
3.根据权利要求2所述的智能标识桩融合装备,其特征在于:所述环境风险系数计算模型满足公式:
,
其中,hi表示第i个区域的环境风险系数,wdi表示第i个区域的温度,sdi表示第i个区域的湿度,shi表示第i个区域的水深、wd0表示预设的温度,sd0表示预设的湿度,sh0表示预设的水深、qb0表示预设的标准气体风险系数,表示第i个区域的气体风险系数,其中的w3j表示第i种气体的权重系数,qtij表示第i个区域中第j种气体的浓度,w21表示温度对应权重、w22表示湿度对应权重、w23表示水深对应权重、w24表示气体对应权重,σ1表示温度的方差,σ2表示湿度的方差、σ3表示水深的方差、σ4表示温度的气体风险系数的方差。
4.根据权利要求3所述的智能标识桩融合装备,其特征在于:所述方差σ1的计算满足公式,其中/>表示第j种气体的平均浓度。
5.根据权利要求4所述的智能标识桩融合装备,其特征在于:基于环境风险系数hi计算综合环境风险系数,综合环境风险系数的计算公式为:
,其中w1i表示区域的权重系数,且/>。
6.根据权利要求5所述的智能标识桩融合装备,其特征在于:所述入侵风险系数计算模型满足公式,其中,ε1表示超声波信号速度随温度影响因子、ε2表示震动信号强度随地质影响因子;wa表示速度对入侵风险的影响系数,wb表示时间对入侵风险的影响系数;vi表示入侵者移动速度,其中zdi表示震动信号的强度、/>用于表示入侵者到达被保护设施的时间,满足公式/>,且,其中l i表示入侵者到标识桩的距离,l 0表示标识桩到被保护设施的距离,表示入侵者与被保护设施相对于标识桩的夹角,当/>,/>其中,l i满足公式/>,其中,c表示超声波在15℃下的速度,Δci表示实时温度下需要修正的速度参数,满足公式/>,其中/>表示温度系数。
7.根据权利要求6所述的智能标识桩融合装备,其特征在于:被保护设施的设施安全指数An满足公式:
,其中,/>表示环境风险影响因子,表示入侵风险影响因子,基于入侵风险系数ri计算综合入侵风险系数,综合入侵风险系数的计算公式为/>。
8.根据权利要求7所述的智能标识桩融合装备,其特征在于:还包括取证模块,所述取证模块用于采集被保护设施的音视频,所述取证模块基于红外线传感器启动或基于入侵者到达被保护设施的时间启动,当音视频采集装置接收到红外线信号,调整音视频采集装置角度,采集入侵者信息,将采集的入侵者信息存储在数据库中,管理平台调阅数据库中信息,完成取证。
9.根据权利要求8所述的智能标识桩融合装备,其特征在于:验证红外线检测信号的可信度,若可信度满足要求,则使用红外线信号启动取证模块;若可信度不满足要求,则使用入侵者到达被保护设施的时间启动取证模块,所述红外线信号的可信度ψ的计算公式为:,w0=37℃,其中PMi表示实时的空气颗粒物浓度,/>表示温度变化对于红外线信号的可信度的影响因子,/>表示空气颗粒物浓度变化对于红外线信号的可信度的影响因子,可信度系数的数值越大,表明红外线的准确度越高。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311006863.5A CN117037417B (zh) | 2023-08-11 | 2023-08-11 | 智能标识桩融合装备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311006863.5A CN117037417B (zh) | 2023-08-11 | 2023-08-11 | 智能标识桩融合装备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117037417A CN117037417A (zh) | 2023-11-10 |
CN117037417B true CN117037417B (zh) | 2024-01-26 |
Family
ID=88642551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311006863.5A Active CN117037417B (zh) | 2023-08-11 | 2023-08-11 | 智能标识桩融合装备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117037417B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117591988B (zh) * | 2024-01-18 | 2024-04-09 | 中国矿业大学 | 煤矿井下安全双重预防管理的风险数据处理方法和*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014145710A (ja) * | 2013-01-30 | 2014-08-14 | Kajima Corp | 土地区分体、保管方法、区画方法 |
CN111930049A (zh) * | 2020-08-21 | 2020-11-13 | 广州立信电子科技有限公司 | 一种基于物联网的林业森林防火安全智能监测管理*** |
CN113344326A (zh) * | 2021-04-30 | 2021-09-03 | 西安交通大学 | 多信息融合特殊作业现场动态隐患识别和风险评估***和方法 |
CN114360180A (zh) * | 2021-12-23 | 2022-04-15 | 杭州勇立电力科技有限公司 | 一种地下管线通道防外破预警装置和联动报警方法 |
CN114693146A (zh) * | 2022-01-20 | 2022-07-01 | 中国环境科学研究院 | 一种自然保护地外来入侵物种风险预警***及方法 |
CN115294712A (zh) * | 2022-07-29 | 2022-11-04 | 北京国铁华晨通信科技有限公司 | 入侵预警方法、预警管理***、电子设备和存储介质 |
CN116246407A (zh) * | 2023-05-04 | 2023-06-09 | 浙江农林大学 | 一种基于人工智能的农林区域火灾预警监管*** |
CN116434493A (zh) * | 2023-03-27 | 2023-07-14 | 北京诺成新科技有限公司 | 一种地上智能警示桩***及其使用方法 |
-
2023
- 2023-08-11 CN CN202311006863.5A patent/CN117037417B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014145710A (ja) * | 2013-01-30 | 2014-08-14 | Kajima Corp | 土地区分体、保管方法、区画方法 |
CN111930049A (zh) * | 2020-08-21 | 2020-11-13 | 广州立信电子科技有限公司 | 一种基于物联网的林业森林防火安全智能监测管理*** |
CN113344326A (zh) * | 2021-04-30 | 2021-09-03 | 西安交通大学 | 多信息融合特殊作业现场动态隐患识别和风险评估***和方法 |
CN114360180A (zh) * | 2021-12-23 | 2022-04-15 | 杭州勇立电力科技有限公司 | 一种地下管线通道防外破预警装置和联动报警方法 |
CN114693146A (zh) * | 2022-01-20 | 2022-07-01 | 中国环境科学研究院 | 一种自然保护地外来入侵物种风险预警***及方法 |
CN115294712A (zh) * | 2022-07-29 | 2022-11-04 | 北京国铁华晨通信科技有限公司 | 入侵预警方法、预警管理***、电子设备和存储介质 |
CN116434493A (zh) * | 2023-03-27 | 2023-07-14 | 北京诺成新科技有限公司 | 一种地上智能警示桩***及其使用方法 |
CN116246407A (zh) * | 2023-05-04 | 2023-06-09 | 浙江农林大学 | 一种基于人工智能的农林区域火灾预警监管*** |
Also Published As
Publication number | Publication date |
---|---|
CN117037417A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117037417B (zh) | 智能标识桩融合装备 | |
US8629788B1 (en) | Sensing, display, and dissemination of detected turbulence | |
US11361556B2 (en) | Deterioration diagnosis device, deterioration diagnosis system, deterioration diagnosis method, and storage medium for storing program | |
CN110136378A (zh) | 一种机场周界入侵报警***及入侵报警方法 | |
US10429547B2 (en) | Systems and methods of remote weather detection for construction management | |
CN104167067A (zh) | 城市井盖、栏杆监控报警***及其监控方法 | |
CN112665578A (zh) | 一种基于隧道巡检机器人的巡检定位方法及*** | |
CN113990018B (zh) | 一种安全风险预测*** | |
CN113503912A (zh) | 一种城市轨道交通土建设施健康状态实时监控*** | |
CN111668927A (zh) | 一种基于泛在电力物联网的变电站智能巡检***及其控制方法 | |
CN113124991A (zh) | 分布式光纤振动监测与车辆、无人机联动***及方法 | |
CN106548630A (zh) | 一种驾驶行为的检测方法及装置 | |
CN115539846A (zh) | 一种用于燃气泄漏监测的防爆巡检无人车及巡检方法 | |
KR20200128226A (ko) | 미세먼지 농도 예측 시스템 | |
CN117291551B (zh) | 一种基于数字可视化的环境监测预警*** | |
CN116721508A (zh) | 一种基于光纤地震计阵列技术的外界入侵监测预警方法 | |
CN111767913A (zh) | 一种基于深度学习的动车组车辆故障动态图像检测方法 | |
CN109572757B (zh) | 一种铁路落石的检测与定位方法、装置 | |
CN113483815A (zh) | 一种基于工业大数据的机械故障监控*** | |
CN115691018B (zh) | 基于多传感器融合的铁路周界入侵监测预警方法及*** | |
CN113137983B (zh) | 一种自学习的井盖姿态监测方法及监测*** | |
CN113200077B (zh) | 基于5g的铁路设备设施状态监测和管理方法及*** | |
CN116524698A (zh) | 一种基于人工智能的计算机设备故障预警***及方法 | |
CN104408942A (zh) | 车辆智能测速装置与方法 | |
CN114084198A (zh) | 基于分布式声波传感的列车状态判识及警告***及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |