CN109377435A - 一种配置消防设备的方法、装置及设备 - Google Patents
一种配置消防设备的方法、装置及设备 Download PDFInfo
- Publication number
- CN109377435A CN109377435A CN201811087091.1A CN201811087091A CN109377435A CN 109377435 A CN109377435 A CN 109377435A CN 201811087091 A CN201811087091 A CN 201811087091A CN 109377435 A CN109377435 A CN 109377435A
- Authority
- CN
- China
- Prior art keywords
- fire
- fighting
- target
- equipment
- characteristic
- 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.)
- Pending
Links
Classifications
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Abstract
本发明适用于计算机技术领域,提供了一种配置消防设备的方法、装置及设备,包括:获取待配置消防设备的目标场所的消防特征数据;其中,所述消防特征数据包括电气特征数据以及危险因素中的至少一个;基于所述目标场所的所述消防特征数据,生成所述目标场所的消防设备配置信息。本发明实施例,基于目标场所的消防特征数据为目标场所配置消防设备,从而为目标场所配置符合其需求的消防设备,为目标场所配置个性化的消防设备,提高用户需求的匹配度,进而在发生火灾时能够及时灭火,降低损失。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种配置消防设备的方法、装置及设备。
背景技术
为了预防重大火灾事故,防患于未来,因此需要在公共场所配置消防设备,例如,对三小场所配置消防设备。
其中,消防中的三小场所主要指小档口、小作坊以及小娱乐场所。小档口是指建筑面积在300平方米以下,具有销售、服务性质的商店、营业性的饮食店、汽车摩托车维修店、洗衣店等场所。小作坊是指建筑高度不超过24米,且每层建筑面积在250平方米以下,具有加工、生产、制造性质的场所。小娱乐场所是指建筑面积在200平方米以下具有休闲、娱乐功能的酒吧、茶艺馆、沐足屋等场所。
由于不同的三小场所因环境不同常常存在不同的消防隐患,目前为三小场所配置消防设备的工作主要由人工完成,通常为三小场所配置通用的消费器材,无法针对三小场所的具体情况配置个性化的消防设备。
发明内容
有鉴于此,本发明实施例提供了一种配置消防设备的方法、装置及设备,以解决现有技术中无法针对三小场所的具体情况配置个性化的消防设备的问题。
本发明实施例的第一方面提供了一种配置消防设备的方法,包括:
获取待配置消防设备的目标场所的消防特征数据;其中,所述消防特征数据包括电气特征数据以及危险因素中的至少一个;
基于所述目标场所的所述消防特征数据,生成所述目标场所的消防设备配置信息。
本发明实施例的第二方面提供了一种配置消防设备的装置,包括:
获取单元,用于获取待配置消防设备的目标场所的消防特征数据;其中,所述消防特征数据包括电气特征数据以及危险因素中的至少一个;
配置单元,用于基于所述目标场所的所述消防特征数据,生成所述目标场所的消防设备配置信息。
本发明实施例的第三方面提供了一种设备:包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取待配置消防设备的目标场所的消防特征数据;其中,所述消防特征数据包括电气特征数据以及危险因素中的至少一个;
基于所述目标场所的所述消防特征数据,生成所述目标场所的消防设备配置信息。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待配置消防设备的目标场所的消防特征数据;其中,所述消防特征数据包括电气特征数据以及危险因素中的至少一个;
基于所述目标场所的所述消防特征数据,生成所述目标场所的消防设备配置信息。
本发明实施例与现有技术相比存在的有益效果是:
通过获取目标场所的消防特征数据,基于目标场所的消防特征数据为目标场所配置消防设备,从而为目标场所配置符合其需求的消防设备,能够为目标场所配置个性化的消防设备,提高用户需求的匹配度,进而在发生火灾时能够及时灭火,降低损失。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的配置消防设备的方法的实现流程示意图;
图2是本发明另一实施例提供的配置消防设备的方法的交互流程示意图;
图3是本发明实施例提供的配置消防设备的装置的示意图;
图4是本发明实施例提供的设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
请参见图1,图1是本发明一实施例提供的配置消防设备的方法的实现流程示意图,本实施例的配置消防设备的方法的执行主体为设备,该设备可以是终端,也可以是服务器,该设备用于为三小场所配置消防设备。如图所示的配置消防设备的方法可包括:
S101:获取待配置消防设备的目标场所的消防特征数据;其中,所述消防特征数据包括电气特征数据以及危险因素中的至少一个。
消防设备包括但不限于灭火类消防设备、报警类消防设备。灭火类消费设备包括但不限于灭火器具、消火栓、破拆工具类、破拆工具类包括消防斧、切割工具。报警类消防设备包括但不限于:火灾探测器、报警按钮、火灾报警控制器、多功能报警器等。
当数据库中存储有三小场所的消防特征数据时,设备可以从数据库中获取待配置消防设备的目标场所的消防特征数据。例如,设备启动用于配置消防设备的应用程序(Application,App),从该App对应的服务器内获取预先存储的三小场所的消防特征数据。服务器中的三小场所的消防特征数据可以是由相关人员输入并更新。
消防特征数据包括电气特征数据以及危险因素中的至少一个。
电气特征数据包括但不限于电流、功率等。功率可由智能电表获取,电流可由智能插座获取。智能电表以及智能插座均具有无限传输功能,以将检测到的数据通过无线传输的方式发送给用于管理或存储消防特征数据的设备。电气特征数据也可以通过消防传感器采集得到。危险因素标识可引起火灾的危险源,是指可引起火灾的危险因素。例如,大功率电器、易燃物、易爆物等。
可选地,消防特征数据还可以包括场所类型。场所类型是依据三小场所的经营范围或用途进行划分,例如场所类型为小档口、小作坊或小娱乐场所。
设备也可以实时获取待配置消防设备的目标场所的消防特征数据,例如实时获取由智能电表采集的电气特征数据。
可以理解的是,本实施例中,目标场所的数目可以为一个,也可以为至少两个,此处不做限制。
S102:基于所述目标场所的所述消防特征数据,生成所述目标场所的消防设备配置信息。
设备在获取到每个目标场所的消防特征数据时,从数据库中获取预置的消防设备配置表,预置的消防配置表中包括消防特征数据与消防设备之间的预设对应关系,一组或一个消防特征数据可以对应一个或至少两个消防设备。
设备基于预置的消防配置表中包含的消防特征数据与消防设备之间的预设对应关系,获取每个目标场所的消防特征数据所对应的目标消防设备的信息,以基于目标消防设备的名称或编号等信息,生成目标场所的消防设备配置信息。
进一步地,为了提高配置的消防设备与实际需求的匹配度,S102可以包括 S1021~S1023,具体如下:
S1021:基于所述目标场所的所述消防特征数据确定所述目标场所所属的目标分类。
设备内预先存储有依据消防特征数据划分的多个分类,每个类别对应一个消防特征数据区间,设备在获取到目标场所的消防特征数据时,确定该消防特征数据所属的目标消防特征数据区间,基于多个分类的类别与消防特征数据区间之间的预设对应关系,或缺的目标消防特征数据区间对应的目标分类,得到目标场所所属的目标分类。
可选地,设备可以采用机器学习算法,基于历史消防特征数据样本训练神经网络分类器,将目标场所的消防特征数据输入训练好的神经网络分类器进行处理,得到分类结果,从而得到目标场所所属的目标分类。其中,神经网络的输入为历史消防特征数据样本中的历史消防特征数据,输出为分类结果。神经网络分类器的训练方法为现有技术,此处不赘述。
在一实施方式中,当消防特征数据包括电气特征数据以及场所类型时,设备可以预先从数据库读取三小场所的用途或分类字段,以三小场所的电气特征向量为样本特征,以三小场所的用途或分类为样本标签,根据三小场所的用途或分类字段对样本特征进行分类,获得分类样本数据。
设备在获取到目标场所的场所类型以及电气特征数据时,以目标场所的场所类型为标签,以目标场所的电气特征数据为特征,从分类样本数据中查找与目标场所的场所类型以及电气特征数据均匹配的目标分类,从而得到目标场所所属的目标分类。
进一步地,当消防特征数据包括电气特征数据以及危险因素时,S1021具体为:基于所述目标场所对应的所述电气特征数据以及所述危险因素,确定所述目标场所所属的目标分类。
其中,一个电气特征数据区间以及危险因素唯一确定一个分类的类别。即每个类别关联有一个电气特征数据区间以及一个或至少两个危险因素。设备在确定了目标场所对应的电气特征数据所属的目标电气特征数据区间时,基于目标电气特征数据区间以及目标场所对应的危险因素,确定目标场所所属目标分类。
其中,每个分类的类别包括电气特征数据以及危险因素,设备内预先存储有依据消防特征数据划分的多个分类,每个类别对应一个消防特征数据区间。
或者,当消防特征数据包括电气特征数据以及危险因素时,S1021还可以具体为:利用K最邻近分类算法,基于所述目标场所对应的所述电气特征数据以及所述危险因素,确定所述目标场所所属的目标分类。
K最近邻(k-Nearest Neighbor,KNN)分类算法,是一个理论上比较成熟的方法,也是最简单的机器学习算法之一。该方法的思路是:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别。KNN算法中,所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。
具体地,设备可以利用K邻近算法,基于每种已知的场所类别各自对应的电气特征数据以及危险因素,获取与目标场所对应的电气特征数据最邻近的目标电气特征数据,以及获取与目标场所对应的危险因素最邻近的目标危险因素;基于目标电气特征数据所属的场所类别以及目标危险因素所属的场所类别,确定目标场所所属的目标分类。
其中,目标分类可以是目标电气特征数据所属的场所类别,或目标危险因素所属的场所类别。当这两个场所类别不同时,具体可根据目标场所对应的电气特征数据与目标电气特征数据之间的第一距离值、目标场所对应的危险因素与目标危险因素之间的第二距离值确定。当第一距离值小于第二距离值时,目标电气特征数据所属的场所类别为目标场所所属的目标分类。当第二距离值小于第一距离值时,目标危险因素所属的场所类别为目标场所所属的目标分类。
S1022:基于规则库获取所述目标分类对应的目标消防配置信息;所述目标消防配置信息用于标识待配置的消防设备,所述规则库包含分类信息与预置的消防配置信息之间的预设对应关系。
设备内预先创建了规则库,规则库中包含分类信息与预置的消防配置信息之间的预设对应关系,分类信息与预置的消防配置信息之间的预设对应关系用于标识每个分类的类别对应的消防配置信息,预置的消防配置信息用于标识待配置的消防设备。预置的消防配置信息是基于每个分类的类别的消防特征数据进行设置。
设备基于规则库中的分类信息与预置的消防配置信息之间的预设对应关系,查询目标分类对应的目标消防配置信息,基于目标消防配置信息中包含的消防设备的名称或编号,生成目标场所的消防配置信息。
进一步地,在S1022之前,还可以包括创建规则库的步骤,具体如下:读取人工创建的历史配置数据,利用Apriori算法提取分类信息与消防设备之间的强关联关系,将所述强关联关系作为规则录入所述规则库。
Apriori算法是一种挖掘关联规则的频繁项集算法,Apriori使用一种称作逐层搜索的迭代方法,“K-1项集”用于搜索“K项集”;首先,找出频繁“1 项集”的集合,该集合记作L1。L1用于找频繁“2项集”的集合L2,而L2用于找L3。如此下去,直到不能找到“K项集”。找每个Lk都需要一次数据库扫描。
Apriori算法的核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集,即连接步和剪枝步。连接步是自连接,原则是保证前k-2项相同,并按照字典顺序连接。剪枝步,是使任一频繁项集的所有非空子集也必须是频繁的。反之,如果某个候选的非空子集不是频繁的,那么该候选肯定不是频繁的,从而可以将其从CK中删除。简单的讲,发现频繁项集的过程为(1) 扫描(2)计数(3)比较(4)产生频繁项集(5)连接、剪枝,产生候选项集,重复步骤(1)~(5)直到不能发现更大的频集。
具体地,设备从数据库中读取人工创建的历史配置数据,历史配置数据包括为每类三小场所配置的消防设备的信息;设备利用Apriori算法对历史配置数据进行处理,提取分类信息与消防设备之间的强关联关系,并将分类信息与消防设备之间的强关联关系作为规则录入规则库。分类信息是指三小场所的分类信息。
上述方案,通过获取目标场所的消防特征数据,基于目标场所的消防特征数据为目标场所配置消防设备,从而为目标场所配置符合其需求的消防设备,能够基于三小场所的电气特征数据或具有的消防隐患配置消防设备,为目标场所配置个性化的消防设备,提高用户需求的匹配度,进而在发生火灾时能够及时灭火,降低损失。
基于消防特征数据对目标场所进行分类,以基于分类结果为每类目标场所配置消防设备,可以实现按场所类别配置消防设备,提高配置效率。
请参见图2,图2是本发明另一实施例提供的配置消防设备的方法的实现流程示意图,本实施例的配置消防设备的方法的执行主体为设备,用于为三小场所配置消防设备。如图所示的配置消防设备的方法可包括:
S201:获取待配置消防设备的目标场所的消防特征数据;其中,所述消防特征数据包括电气特征数据以及危险因素中的至少一个。
本实施例中,S201与上一实施例中的S101相同,具体请参阅上一实施例中S101的相关描述。
其中,当消防特征数据包括目标场所的场所类型以及危险因素时,在执行 S201之后,执行S202~S203。
当消防特征数据包括电气特征数据时,在执行S201之后,执行S204~S205。
S202:基于每种场所类型的危险因素与消防设备配置方案之间的预设对应关系,获取所述目标场所的所述消防特征数据包括的所述危险因素所对应的目标消防设备配置方案。
设备获取预先建立并存储的每种场所类型的危险因素与消防设备配置方案之间的预设对应关系,获取与目标场所的场所类型以及目标场所的危险因素均匹配的目标消防设备配置方案。
其中,设备从历史消防告警数据库中获取大量三小场所的历史消防报警记录,历史消防报警记录包括历史报警记录、历史消防记录以及历史火灾记录,历史消防报警记录包括造成报警的危险因素。设备预先基于三小场所的历史报警记录、历史消防记录以及历史火灾记录,统计每个场所类型对应的危险因素,得到每个场所类型对应的危险因素向量;其中,危险因素向量与危险因素一一对应,危险因素向量的值为与其对应的危险因素的出现次数。危险因素的出现次数是指在预设统计周期(例如,一个月、半年、一年等)内出现的次数。危险因素与应对该危险因素的消防设备关联。
设备基于预设的消防设备配置策略以及每个场所类型对应的危险因素向量,生成每种场所类型的危险因素所对应的消防设备配置方案。消防设备配置策略用于指示基于危险因素配置消防设备的方法。消防设备配置方案用于指示每种场所类型存在预置的危险因素时所需要配置的消防设备。
例如,设备基于危险因素与应对该危险因素的消防设备的关联关系、每个场所类型对应的危险因素向量、危险因素向量与危险因素之间的对应关系,得到每个场所类型的所有危险因素各自关联的消防设备,进而生成每个场所类型的每种危险因素所对应的消防设备配置方案。
S203:基于所述目标消防设备配置方案生成所述目标场所的消防设备配置信息。
设备获取目标消防设备配置方案中包含的目标消防设备的信息,目标消防设备的信息包括消防设备的名称或编号,基于目标消防设备的名称或编号生成目标场所的消防设备配置信息。
S204:基于每个所述目标场所对应的所述电气特征数据进行聚类,得到每类所述电气特征数据对应的聚类中心的值。
设备基于每个目标场所对应的电气特征数据,得到每个目标场所对应的电气特征向量,将利用K-means算法计算每个目标场所的电气特征向量的汉明距离,并基于每个目标场所的电气特征向量的汉明距离进行聚类,得到每类电气特征数据对应的聚类中心的值。
S205:基于每个所述聚类中心的值,生成每类所述电气特征数据各自对应的目标场所的消防设备配置信息。
设备可以确定每个聚类中心的值所属的目标预设区间,基于预设区间与消防设备之间的预设对应关系,确定每个目标预设区间对应的待配置的消防设备,从而得到每类电气特征数据各自对应的目标场所的消防设备配置信息。
可选地,当消防特征数据包括电气特征数据时,在执行S201之后,还可以包括:基于所述目标场所的所述电气特征数据确定所述目标场所配置的目标电器;基于电器与消防设备之间的预设对应关系,确定与所述目标场所配置的目标电器匹配的目标消防设备,并为所述目标场所配置所述目标消防设备。
电气特征数据包括但不限于暂态电流数据、稳态电流数据、功率等。
设备基于目标场所的电气特征数据确定目标场所配置的电器的电气特征向量;利用预先训练的神经网络分类器根据电气特征向量识别每个目标场所配置 (或拥有)的电器类型;其中,神经网络分类器可以使用电气参数采样数据经过训练获得,神经网络的输入为电气参数采样数据,输出为电器类型。
设备根据识别结果产生目标场所的电器特征向量E=(电器1,电器2,…,电器n);电器特征向量E是个n维向量,每一维度对应一个已知电器类型,取值1=有,0=无;或者电器n=第n类电器的数量。
其中,基于目标场所的电气特征数据确定目标场所配置的电器的电气特征向量的方法具体如下:
在一实施方式中,基于非侵入式负荷分解监测方法,利用智能电表采集目标场所的总电功率,结合电器已有暂态、稳态功率曲线模型,区分每个时刻正在工作或启动的电器。
例如,启动当p[t+1]-p[t]>=p0(p0即判断启动的功率门限)时,即判断设备启动,令x[0]=p[t];X={x[0],…,x[N-1]}={p[t],…,p[t+N-1]};
Xz={xz[0],…,xz[N-1]}={x[0]-x[0],x[1]-x[0],…,x[N-1]-x[0]};
对Xz进行预处理得到xaz[i]=xz[i]/max[Xz];将Xaz作为电器的电气特征向量。
在另一实施方式中,基于侵入式负荷监测方法,即设备识别算法,利用智能插座监测接入插座的电器的暂态和/或稳态电流数据(启动电流和/或负载电流),然后进行频域分析获得电器暂态和/或稳态电流频谱特征。示例性地,稳态电流频谱特征获取方法如下:
获取电器负载的稳态电流信号,并将其转换为对应的稳态电流数字信号;
对稳态电流数字信号进行傅立叶变换,得到负载电流频谱特性;
将负载电流频谱特性中的n次谐波信号相对幅值作为负载电流频谱特征,其中,n=1,2,…,M;M表示谐波最高次数。
此时,可以将前N次谐波系数作为用电器的电气特征向量。
设备中预先建立并存储了电器与消防设备之间的预设对应关系,设备在确定目标场所配置的目标电器之后,基于电器与消防设备之间的预设对应关系,确定与目标场所配置的目标电器匹配的目标消防设备,并生成目标场所配置的消防设备配置信息。
上述方案,通过获取目标场所的消防特征数据,基于目标场所的消防特征数据为目标场所配置消防设备,从而为目标场所配置符合其需求的消防设备,能够基于三小场所的电气特征数据、所处的环境以及具有的消防隐患配置消防设备,为目标场所配置个性化的消防设备,提高用户需求的匹配度,进而在发生火灾时能够及时灭火,降低损失。
基于消防特征数据对目标场所进行分类,以基于分类结果为每类目标场所配置消防设备,可以实现按场所类别配置消防设备,提高配置效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
请参阅图3,图3是本发明实施例提供的一种配置消防设备的装置,配置消防设备的装置包括的各单元用于执行图1或图2对应的实施例中的各步骤。具体请参阅图1以及图2各自对应的实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分。参见图3,配置消防设备的装置3包括:
获取单元310,用于获取待配置消防设备的目标场所的消防特征数据;其中,所述消防特征数据包括电气特征数据以及危险因素中的至少一个;
配置单元320,用于基于所述目标场所的所述消防特征数据,生成所述目标场所的消防设备配置信息。
进一步地,配置单元320具体包括:
确定单元,用于基于所述目标场所的所述消防特征数据确定所述目标场所所属的目标分类;
消防配置信息获取单元,用于基于规则库,获取所述目标分类对应的目标消防配置信息;所述目标消防配置信息用于标识待配置的消防设备,所述规则库包含分类信息与预置的消防配置信息之间的预设对应关系。
可选地,当所述消防特征数据包括电气特征数据以及危险因素时,确定单元具体用于:基于所述目标场所对应的所述电气特征数据以及所述危险因素,确定所述目标场所所属的目标分类。
可选地,当所述消防特征数据包括场所类型以及危险因素时,配置单元320 具体用于:
基于每种场所类型的危险因素与消防设备配置方案之间的预设对应关系,获取所述目标场所的所述消防特征数据包括的所述危险因素所对应的目标消防设备配置方案;
基于所述目标消防设备配置方案生成所述目标场所的消防设备配置信息。
可选地,当所述消防特征数据包括电气特征数据时,配置单元320具体用于:
基于每个所述目标场所对应的所述电气特征数据进行聚类,得到每类所述电气特征数据对应的聚类中心的值;
基于每个所述聚类中心的值,生成每类所述电气特征数据各自对应的目标场所的消防设备配置信息。
可选地,设备还包括:
配置单元,用于读取人工创建的历史配置数据,利用Apriori算法提取分类信息与消防设备之间的强关联关系,将所述强关联关系作为规则录入所述规则库。
图4是本发明实施例提供的设备的示意图。如图4所示,该实施例的设备 4用于为三小场所配置消防设备,该设备包括:处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42,例如积分管理程序。所述处理器40执行所述计算机程序42时实现上述各个配置消防设备的方法实施例中的步骤,例如图1所示的步骤101至102。或者,所述处理器 40执行所述计算机程序42时实现上述各装置实施例中各单元的功能,例如图3 所示模块310至320的功能。
示例性的,所述计算机程序42可以被分割成一个或多个模块/单元,所述一个或者多个单元被存储在所述存储器41中,并由所述处理器40执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序42在所述设备4中的执行过程。例如,所述计算机程序42可以被分割成获取单元以及配置单元,各单元具体功能如上所述。
所述设备4可包括,但不仅限于,处理器40、存储器41。本领域技术人员可以理解,图4仅是设备4的示例,并不构成对设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如设备4还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述设备4的内部存储单元,例如设备4的硬盘或内存。所述存储器41也可以是所述设备4的外部存储设备,例如设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器41还可以既包括设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述设备4所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种配置消防设备的方法,其特征在于,包括:
获取待配置消防设备的目标场所的消防特征数据;其中,所述消防特征数据包括电气特征数据以及危险因素中的至少一个;
基于所述目标场所的所述消防特征数据,生成所述目标场所的消防设备配置信息。
2.如权利要求1所述的配置消防设备的方法,其特征在于,所述基于所述目标场所的所述消防特征数据,生成所述目标场所的消防设备配置信息包括:
基于所述目标场所的所述消防特征数据确定所述目标场所所属的目标分类;
基于规则库,获取所述目标分类对应的目标消防配置信息;所述目标消防配置信息用于标识待配置的消防设备,所述规则库包含分类信息与预置的消防配置信息之间的预设对应关系。
3.如权利要求2所述的配置消防设备的方法,其特征在于,当所述消防特征数据包括电气特征数据以及危险因素时,所述基于所述目标场所的所述消防特征数据确定所述目标场所所属的目标分类,包括:基于所述目标场所对应的所述电气特征数据以及所述危险因素,确定所述目标场所所属的目标分类。
4.如权利要求1所述的配置消防设备的方法,其特征在于,当所述消防特征数据包括场所类型以及危险因素时,所述基于所述目标场所的所述消防特征数据,生成所述目标场所的消防设备配置信息,包括:
基于每种场所类型的危险因素与消防设备配置方案之间的预设对应关系,获取所述目标场所的所述消防特征数据包括的所述危险因素所对应的目标消防设备配置方案;
基于所述目标消防设备配置方案生成所述目标场所的消防设备配置信息。
5.如权利要求1所述的配置消防设备的方法,其特征在于,当所述消防特征数据包括电气特征数据时,所述基于所述目标场所的所述消防特征数据,生成所述目标场所的消防设备配置信息,包括:
基于每个所述目标场所对应的所述电气特征数据进行聚类,得到每类所述电气特征数据对应的聚类中心的值;
基于每个所述聚类中心的值,生成每类所述电气特征数据各自对应的目标场所的消防设备配置信息。
6.如权利要求2所述的配置消防设备的方法,其特征在于,所述基于规则库,获取所述目标分类对应的目标消防配置信息之前,还包括:
读取人工创建的历史配置数据,利用Apriori算法提取分类信息与消防设备之间的强关联关系,将所述强关联关系作为规则录入所述规则库。
7.一种配置消防设备的装置,其特征在于,包括:
获取单元,用于获取待配置消防设备的目标场所的消防特征数据;其中,所述消防特征数据包括电气特征数据以及危险因素中的至少一个;
配置单元,用于基于所述目标场所的所述消防特征数据,生成所述目标场所的消防设备配置信息。
8.如权利要求7所述的装置,其特征在于,所述配置单元包括:
确定单元,用于基于所述目标场所的所述消防特征数据确定所述目标场所所属的目标分类;
消防配置信息获取单元,用于基于规则库,获取所述目标分类对应的目标消防配置信息;所述目标消防配置信息用于标识待配置的消防设备,所述规则库包含分类信息与预置的消防配置信息之间的预设对应关系。
9.一种设备,所述设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811087091.1A CN109377435A (zh) | 2018-09-18 | 2018-09-18 | 一种配置消防设备的方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811087091.1A CN109377435A (zh) | 2018-09-18 | 2018-09-18 | 一种配置消防设备的方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109377435A true CN109377435A (zh) | 2019-02-22 |
Family
ID=65405085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811087091.1A Pending CN109377435A (zh) | 2018-09-18 | 2018-09-18 | 一种配置消防设备的方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109377435A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110288231A (zh) * | 2019-06-25 | 2019-09-27 | 南方电网数字电网研究院有限公司 | 电力安全工器具分配方法、装置、计算机设备和存储介质 |
CN111896831A (zh) * | 2020-08-04 | 2020-11-06 | 山东大学 | 非侵入式综合能源负荷监测的方法及系统 |
CN112949157A (zh) * | 2019-12-11 | 2021-06-11 | 鸿富锦精密电子(天津)有限公司 | 消防数据分析方法、装置、计算机装置及存储介质 |
CN113536204A (zh) * | 2021-06-30 | 2021-10-22 | 武汉理工光科股份有限公司 | 一种智能消防力量调派方法、装置及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110112660A1 (en) * | 2008-09-26 | 2011-05-12 | Ralph Bergmann | Fire protection device, method for protecting against fire, and computer program |
CN102609822A (zh) * | 2012-02-21 | 2012-07-25 | 丰国炳 | 基于excel数据库的微型消防专家系统及其实现方法 |
CN105824848A (zh) * | 2015-01-08 | 2016-08-03 | 中国航天科工集团第四研究院指挥自动化技术研发与应用中心 | 获得消防综合信息的方法和消防信息系统 |
CN105868790A (zh) * | 2016-04-08 | 2016-08-17 | 湖南工业大学 | 用电负载类型识别器 |
CN108399221A (zh) * | 2018-02-11 | 2018-08-14 | 山东建筑大学 | 基于大数据关联分析的室内电气设备分类识别方法与系统 |
CN108416987A (zh) * | 2018-04-20 | 2018-08-17 | 华科物联有限公司 | 九小场所智慧消防物联网系统 |
-
2018
- 2018-09-18 CN CN201811087091.1A patent/CN109377435A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110112660A1 (en) * | 2008-09-26 | 2011-05-12 | Ralph Bergmann | Fire protection device, method for protecting against fire, and computer program |
CN102609822A (zh) * | 2012-02-21 | 2012-07-25 | 丰国炳 | 基于excel数据库的微型消防专家系统及其实现方法 |
CN105824848A (zh) * | 2015-01-08 | 2016-08-03 | 中国航天科工集团第四研究院指挥自动化技术研发与应用中心 | 获得消防综合信息的方法和消防信息系统 |
CN105868790A (zh) * | 2016-04-08 | 2016-08-17 | 湖南工业大学 | 用电负载类型识别器 |
CN108399221A (zh) * | 2018-02-11 | 2018-08-14 | 山东建筑大学 | 基于大数据关联分析的室内电气设备分类识别方法与系统 |
CN108416987A (zh) * | 2018-04-20 | 2018-08-17 | 华科物联有限公司 | 九小场所智慧消防物联网系统 |
Non-Patent Citations (2)
Title |
---|
李达志: "灭火器配置点及数量的设计", 《工业安全与环保》 * |
郑海生 等: ""三小场所"消防安全隐患及技术防控对策", 《武警学院学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110288231A (zh) * | 2019-06-25 | 2019-09-27 | 南方电网数字电网研究院有限公司 | 电力安全工器具分配方法、装置、计算机设备和存储介质 |
CN112949157A (zh) * | 2019-12-11 | 2021-06-11 | 鸿富锦精密电子(天津)有限公司 | 消防数据分析方法、装置、计算机装置及存储介质 |
CN111896831A (zh) * | 2020-08-04 | 2020-11-06 | 山东大学 | 非侵入式综合能源负荷监测的方法及系统 |
CN111896831B (zh) * | 2020-08-04 | 2021-07-23 | 山东大学 | 非侵入式综合能源负荷监测的方法及系统 |
CN113536204A (zh) * | 2021-06-30 | 2021-10-22 | 武汉理工光科股份有限公司 | 一种智能消防力量调派方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109377435A (zh) | 一种配置消防设备的方法、装置及设备 | |
CN110223196B (zh) | 基于典型行业特征库和反窃电样本库的反窃电分析方法 | |
US11295238B2 (en) | Data orchestration platform management | |
CN102414956B (zh) | 用于电力设施使用、监视和管理的系统和方法 | |
CN109460004A (zh) | 基于大数据的配电网故障预测方法及系统 | |
CN109241418A (zh) | 基于随机森林的异常用户识别方法及装置、设备、介质 | |
EP4111337B1 (en) | High sensitivity detection and identification of counterfeit components in utility power systems via emi frequency kiviat tubes | |
CN108366045A (zh) | 一种风控评分卡的设置方法和装置 | |
Sikora | Induction and pruning of classification rules for prediction of microseismic hazards in coal mines | |
CN110348472B (zh) | 数据检测规则生成方法、装置、计算机设备及存储介质 | |
CN109544862A (zh) | 基于智能家居的行为识别方法、装置、存储介质及设备 | |
CN104156403A (zh) | 一种基于聚类的大数据常态模式提取方法及系统 | |
CN103493075A (zh) | 离群值检测设备、离群值检测方法和车辆故障诊断系统 | |
CN115600513B (zh) | 一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统 | |
Himeur et al. | On the applicability of 2d local binary patterns for identifying electrical appliances in non-intrusive load monitoring | |
Rani et al. | An ensemble-based multiclass classifier for intrusion detection using Internet of Things | |
CN110929563A (zh) | 一种用电器识别方法及装置 | |
CN114978877B (zh) | 一种异常处理方法、装置、电子设备及计算机可读介质 | |
Duan et al. | Deep‐learning‐based power distribution network switch action identification leveraging dynamic features of distributed energy resources | |
Barbosa et al. | Classification of multiple and single power quality disturbances using a decision tree-based approach | |
Saha et al. | Comprehensive NILM framework: device type classification and device activity status monitoring using capsule network | |
CN107025293A (zh) | 一种电力二次设备缺陷数据挖掘方法及系统 | |
CN105302844B (zh) | 互联网监测方法、装置及系统 | |
Dian-Gang et al. | Anomaly behavior detection based on ensemble decision tree in power distribution network | |
CN104317859B (zh) | Led显示屏智能分类系统及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190222 |
|
RJ01 | Rejection of invention patent application after publication |