CN110555617A - 一种基于物联网的建筑火灾风险实时动态定量评估方法 - Google Patents
一种基于物联网的建筑火灾风险实时动态定量评估方法 Download PDFInfo
- Publication number
- CN110555617A CN110555617A CN201910839772.7A CN201910839772A CN110555617A CN 110555617 A CN110555617 A CN 110555617A CN 201910839772 A CN201910839772 A CN 201910839772A CN 110555617 A CN110555617 A CN 110555617A
- Authority
- CN
- China
- Prior art keywords
- fire
- risk
- index
- dynamic
- parameters
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000011156 evaluation Methods 0.000 claims description 65
- 230000003068 static effect Effects 0.000 claims description 65
- 238000012502 risk assessment Methods 0.000 claims description 45
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 29
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 13
- 238000011158 quantitative evaluation Methods 0.000 claims description 13
- 238000007689 inspection Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 239000000523 sample Substances 0.000 claims description 7
- 239000000779 smoke Substances 0.000 claims description 7
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000007418 data mining Methods 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims 1
- 238000012821 model calculation Methods 0.000 claims 1
- 230000006855 networking Effects 0.000 claims 1
- 230000002265 prevention Effects 0.000 abstract description 4
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 description 21
- 238000013077 scoring method Methods 0.000 description 13
- 230000006378 damage Effects 0.000 description 11
- 239000000463 material Substances 0.000 description 10
- 238000012417 linear regression Methods 0.000 description 9
- 238000010276 construction Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 7
- 230000000474 nursing effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000005096 rolling process Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 206010000369 Accident Diseases 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 3
- 238000010304 firing Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000008832 photodamage Effects 0.000 description 2
- 238000012954 risk control Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 102000002262 Thromboplastin Human genes 0.000 description 1
- 108010000499 Thromboplastin Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- 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
Abstract
本发明涉及消防火灾预防维保技术领域，且公开了一种基于物联网的建筑火灾风险实时动态定量评估方法，在初始评估阶段，对社会单位各种现场类型进行规范化分类，分为商场市场、“多合一”场所、工业企业、公共娱乐场所、群租房、宾馆饭店、高层建筑、医院、养老院、学校、幼儿园、施工工地、文物建筑、地铁等14种不同场所模型，建立每种场所模型的指标体系。为社会单位落实国家主管部门“三自主两公开一承诺”的要求提供了必要的支撑工具。按照要求“承诺本场所不存在突出风险或者已落实防范措施”也有了真实风险指数的根据。也为形成以动态量化的风险指标为控制目标的创新应急管理模式提供创新手段。
Description
技术领域
本发明涉及消防火灾预防维保技术领域，具体为一种基于物联网的建筑火灾风险实时动态定量评估方法，用于商场市场、“多合一”场所、工业企业、公共娱乐场所、群租房、宾馆饭店、高层建筑、医院、养老院、学校、幼儿园、施工工地、文物建筑、地铁等不同场所，通过物联网采集与检测指定场所静态及动态参数，通过评估模型算法计算并适时定量输出该场所火灾风险指数，从而实现不同场所的火灾风险辨识和在线动态评估，便于及时消除隐患。
背景技术
火灾是燃烧在时间和(或)空间上失去控制而发生的灾害。火灾对人类和社会造成的破坏非常巨大，其造成的损失大大超过其直接财产损失；直接、间接财产损失，人员伤亡损失，扑救消防费用、保险管理费用以及投入的火灾防护工程费用等统称为火灾代价。根据联合国“世界火灾统计中心”(WFSC)以及欧盟(EU)研究的结果，大多数发达国家每年火灾损失占国民经济总产值约2‰，而整个火灾代价约占1％。火灾风险评估是预防及减小火灾风险的基本环节，预测和控制等防灾环节只有建立在对火灾风险进行正确评估的基础上才有实际意义，而且火灾防治技术的有效性及合理性也与火灾风险的正确评估相辅相成。
从已公开的发明专利可以看到，对火灾风险的评估方法在不断创新。专利“一种综合火灾风险评估方法、装置及服务器”(CN201810811079.4)，将城市综合体划分为不同功能分区，建立每一类功能分区的消防安全评估模型，获得每个功能分区的评估结果；根据城市综合体的区域参数，结合专家调查法，获得城市综合体每个功能分区的权重，所述区域参数包括火灾危险性、人员密度、分区面积和重要度；根据城市综合体中每个功能分区的评估结果和每个功能分区的权重，建立区域风险评估模型，获取城市综合体火灾风险评估结果。专利“一种基于基准值的城市火灾风险评估方法”(CN201711202623.7)，它针对整个城市的火灾风险，包括以下步骤，第一步建立城市火灾风险评估指标体系，它包括目标层、一级指标、二级指标和三级指标四个层次；第二步计算各级指标相对上一级指标的权重，计算各指标对于目标层的总权重；第三步各级指标的具体得分；第四步确定目标层即城市火灾风险的等级。专利“基于智慧城市的区域火灾风险评估方法”(CN2018112615081)，包括如下步骤：S1，确定评估范围，划分评估单元；S2，构建火灾风险评估指标体系；S3，计算各级因素指标权重；S4，构建火灾风险评估参数量化模型，对三级指标中的火灾风险评估参数进行量化；S5，计算各评估单元的火灾风险指数，对各评估单元进行火灾风险评估；S6，根据各评估单元的火灾风险评估结果，绘制城市火灾风险水平分布地图，对评估范围进行火灾风险评估。专利“一种火灾风险评估方法、装置及服务器”(CN2018113775849)，包括：获取一组以上的消防统计数据，其中，每组消防统计数据包括指标分值和火灾危害等级，将指标分值作为条件属性，将火灾危害等级作为决策属性，建立决策表，对决策表进行属性约简，以获得最佳约简集；根据最佳约简集建立简化后的决策表；通过简化后的决策表对机器学习模型进行训练，以获取训练机器学习模型；根据最佳约简集获取采样数据，将采样数据输入训练机器学习模型，以获得训练机器学习模型输出的火灾风险的评估结果。专利“动态火灾风险评估方法、装置、服务器及存储介质”(CN201811033980X)，包括如下步骤：利用专家打分法建立区域风险评估模型，所述区域风险评估模型具有多个指标及指标权重；建立多元线性回归模型，利用指标权重对多元线性回归模型进行初始化；当出现异常报警时执行模型调整步骤对多元线性回归模型进行调整；利用经过调整的多元线性回归模型进行火灾风险评估。专利“基于机器学习的动态火灾风险评估方法、装置及服务器”(CN2018109472415)，包括如下步骤：利用专家打分法建立区域风险评估模型；利用区域风险评估模型获取训练样本集；建立softmax回归模型，利用训练样本集对模型进行训练；当出现异常报警时执行模型调整步骤对softmax回归模型进行调整；利用经过调整的softmax回归模型进行火灾风险评估。该发明能够在学习专家经验的同时根据实际火情对模型作出动态的调整。专利“基于机器学习的动态火灾风险评估方法、装置及服务器”(CN2018109462076)，与前一专利类似，包括如下步骤：利用专家打分法建立区域风险评估模型，所述区域风险评估模型具有多个指标及指标权重；建立多元线性回归模型，利用指标权重对多元线性回归模型进行初始化；当出现异常报警时执行模型调整步骤对多元线性回归模型进行调整；利用经过调整的多元线性回归模型进行火灾风险评估。专利“基于大数据的多元线性回归火灾风险评估方法”(CN2018109452074)，包括如下步骤：(1)构建火灾风险因素层级结构模型：(2)划分建筑火灾风险等级；(3)确立评估模型R＝WTX；(4)构建风险评估机器学习数据样本；(5)根据样本计算权重W，完成消防安全火灾风险评估模型建立R＝WTX；用以评估民用建筑中的公共建筑的火灾风险：(6)计算得出待评估建筑的属性值，再以步骤(5)建立的模型计算出风险值与步骤(2)中划分的风险等级进行对比，进而得出建筑物的风险等级。该方法采用多属性评估方法，实现火灾风险等级定量化评价，全方位综合评估社会单位消防安全管理风险。专利“一种耦合确定性与不确定分析的火灾风险评估方法”(CN2017110881860)，包括以下步骤：S1.识别风险因素，建立火灾风险评估体系；S2.运用模糊层次分析法确定各风险因素的指标权重；S3.运用模糊理论结合置信度来计算各单因素的火灾风险；S4.运用证据推理算子来合成各单因素的火灾风险；S5.运用期望效用值来获得明晰的评估结果；S6.运用敏感性分析方法验证模型的可行性。专利“考虑人因失误和组织缺陷的海洋平台火灾风险评估方法”(CN2016112460359)，包括根据海洋平台火灾事故的特征，建立适用于海洋平台人因失误分析的HFACS模型，确定导致海洋平台火灾发生的技术因素、人因组织因素，构建海洋平台火灾动态贝叶斯网络模型；计算动态贝叶斯网络模型中人因组织因素的先验概率；基于三角模糊函数和等级节点距离公式，计算动态贝叶斯网络模型中描述火灾事故发生、发展过程的所有变量的条件概率；基于马尔科夫模型，计算动态贝叶斯网络模型中描述火灾事故发生、发展过程的所有变量的转移概率：根据计算的先验概率、条件概率和转移概率，采用Netica软件计算海洋平台火灾发生的概率。专利“基于控制力分析的火灾高危单位火灾风险评估方法”(CN2013100952151)，该发明将因子评定计算方法IR的方法中与财产损失有关的因子整合入GR中，将火灾造成的风险分为建筑物固有风险A和建筑物内人员风险B两个方面，还考虑到人对潜在火灾事件的控制能力C，包含了采用防火设计和配备消防设施来增强建筑自身抵御风险的能力和消防部队的救援能力两个方面，分别用建筑自身控制风险的能力E和消防队控制风险的能力γ·∑Z·H·L来表示；(A+B)/C得到的值为建筑物实际火灾风险，都是偏重于有形损失方面，因此使用建筑物对周边的影响因子ε来体现建筑火灾可能带来的无形损失。专利“一种电力变电站火灾风险评估方法”(CN2011104219368)，涉及一种封闭式/半封闭式楼宇变电站火灾风险评估方法，采用层次分析法构建一种封闭式/半封闭式楼宇变电站的火灾风险评估方法体系，包括5个二级指标共28个三级指标，采用专家打分的形式确定各指标权重，并依据所描述的评估工作流程，通过最终评估得分得到封闭式/半封闭式楼宇变电站进行火灾风险评估等级，并给出整改办法。专利“基于传感带的动态火灾风险评估方法与系统”(CN2011102468559)，包括：沿着进入火灾现场的路径，将传感带固定在火灾现场的建筑物墙壁上，所述传感带被分成多个探测段，每个探测段上设置有多种类型的传感器；每个探测段上的多种传感器实时采集火灾现场数据，并将所采集的数据发送给终端计算机；所述终端计算机接收所述火灾现场数据，对所述火灾现场数据进行处理，生成所述传感带上各个探测段的风险等级，并提示所述风险等级。本发明实施例的方法与系统，通过传感带实时采集火灾现场数据，判断火灾发生后各种风险因素的变化情况以及存在的风险，可以对现场火灾进行合理判断，为指挥人员决策提供依据。专利“一种基于准则的城市火灾风险评估方法”(CN2010102090057)，该方法：(1)提出了城市火灾风险评估指标体系框架；(2)可按各指标计算方法计算指标值，并根据指标值分级准则确定各指标因子值；(3)根据各指标因子值和相应计算方法，分别计算城市固有火灾风险水平、城市消防保护水平、城市可接受火灾风险水平和城市火灾风险水平；(4)对城市火灾风险水平可接受性进行判定。
以上专利的不足之处在于风险评估所需的参数均为静态结构性参数，即使考虑动态参数，也是火灾报警器的异常报警信号，或在火灾现场铺设传感带取得现场数据。比如，某区域按照规范设置了消防栓，这在评估参数中即得到固定分数。但消防栓内有无水，水压是否符合要求这种动态情况，在以上专利的风险评估中是并不涉及的。又如，是否设置卷帘门对应了不同的分数，但卷帘门下有无堆积异物，是否影响卷帘门开启或功能，又是不涉及的。所以，其评估的结果实际仍是静态的风险，并未全面反映当下动态的实际风险情况。消防管理部门已对社会单位提出三自主、二公开、一承诺的要求，即自主评估风险、自主检查安全、自主整改隐患；向社会公开消防安全责任人、管理人；承诺本场所不存在突出风险或者已落实防范措施。旨在强化社会单位消防安全主体责任，着力提升社会单位的自防自救能力。但消防痛点及各种隐患还主要在社会单位的基层管理层面，由于传统检查方法，很多数据是经手工记录，存在大量谬误和造假情况。得不到真实数据，“三自主两公开一承诺”的要求很难落实。
已有消防科技企业推出了智慧消防预警平台，通过物联网技术，实时收集各类消防设备相关数据，进行数据计算与处理。例如火灾报警系统数据、电气火灾监控系统数据、气体灭火监控系统数据、防火门监控系统数据、消防水系统数据、消防设备状态数据，甚至包括安防视频数据等动态信号，但这些信号只用于监控显示，并未与火灾风险评估相结合。
因此，用真实数据动态反映实际火灾风险情况并加以消防风险管理显得尤为重要。这样，社会单位就可从风险辨识、风险指数量化评估入手，在原有风险指数基础上，通过物联网手段介入传感、数据真实记录等，得到各关键设备、关键环节、关键场地的火灾风险动态值，从而准确把握整体社会单位的综合火灾风险指数。同时，将综合火灾风险指数这一动态数值作为消防安全检测管理系统的控制目标进行在线动态检测评估，并显示输出，就为社会单位落实“三自主两公开一承诺”的要求提供了必要的支撑工具。按照要求“承诺本场所不存在突出风险或者已落实防范措施”也有了真实风险指数的根据。也为形成以动态量化的风险指标为控制目标的创新应急管理模式提供创新手段。同时，可用于支撑保险公司的火灾风险投保评估。
发明内容
为实现上述一种基于物联网的建筑火灾风险实时动态定量评估方法，用于商场市场、“多合一”场所、工业企业、公共娱乐场所、群租房、宾馆饭店、高层建筑、医院、养老院、学校、幼儿园、施工工地、文物建筑、地铁等不同场所，以在线采集、监测指定场所静态及动态参数，通过评估模型算法计算并适时定量输出该场所火灾风险指数，并适时定量输出火灾风险指数，从而实现不同场所的火灾风险辨识和动态评估，便于及时消除隐患，便于及时消除隐患。并可用于支撑社会单位及保险公司的火灾风险投保评估的目的，本发明提供如下技术方案：一种基于物联网的建筑火灾风险实时动态定量评估方法，包括以下步骤：
S1：在初始评估阶段，对社会单位各种现场类型进行规范化分类，分为商场市场、“多合一”场所、工业企业、公共娱乐场所、群租房、宾馆饭店、高层建筑、医院、养老院、学校、幼儿园、施工工地、文物建筑、地铁等14种不同场所模型，建立每种场所模型的指标体系；
S2：根据S2中初始评估阶段后，选择对应的场所，按照场所结构化数据及相关输入参数依据规范在平面图中辨识风险区域，并对不同风险区域进行风险分类分级；
S3：根据S2中风险区域分类后，调用指定场所的火灾风险评估指标体系(指标集)，规整出指标集中参数数量Ci(i＝1-n)，将参数Ci(i＝1-n)按类型分为两类，即静态参数Si(i＝1-m)和动态参数Di(i＝m-n)，静态参数是指由设计决定的结构化参数，包括面积、尺寸、高度、材料等，动态参数是指具有状态时变性的参数，如消防栓、卷帘门、消防水泵、消防水箱、湿式报警阀、末端试水装置、消防报警控制器、烟感探测器、电器火灾监控探测器等功能性设备的输出信号状态值；
S4：根据S3中规整出静态参数Si(i＝1-m)和动态参数后，逐一对静态参数赋值，将静态参数按照静态起火概率分值Ssi(i＝1-l)和静态火灾损失概率分值Sli(i＝1-m)分类赋值。起火概率分值是指该参数对应的区域可能发生火灾的概率，火灾损失概率分值是指该参数对应区域由于贵重物资分布、人员分布、消防能力等因素影响的火灾损失严重程度的概率。由于历史的火灾统计资料显示，最安全的和最危险的这两种极端情况的出现频率较低，因此赋值区间划分不是均等的，而是以一定概率分布规律，所以，以相应历史数据概率分布规律或专家打分法，分别为静态起火概率分值和静态火灾损失概率分值赋值，并对应赋予权重值，权重值以专家打分法得到；
S5：根据S3中规整出静态参数Si(i＝1-m)和动态参数后，S4中对静态参数赋值，对于动态参数Di(i＝m-n)，通过调用采集动态参数模块，逐一采集动态参数，如某动态参数初始状态为非动态采集状态，则从数据库中取对应初值，将动态参数按照动态起火概率分值Dsi(i＝m-o)和动态火灾损失概率分值Dli(i＝o-n)，以一定概率分布规律分别赋值，并对应赋予权重值，权重值以专家打分法得到；
S6：在对S4和S5中静态参数和动态参数赋值完毕后，利用评估算法模型计算出该场所初始起火风险分数Rif、初始火灾损失风险分数Ril和初始火灾风险分数评估总分值Rits，然后计算出火灾风险指数Ri，最后显示Ri，Rits，Rifs，Rils及文字分析结果，并且列出风险因素清单。
本发明的有益效果是：
1.所提供的一种基于物联网的建筑火灾风险实时动态定量评估方法，用于商场市场、“多合一”场所、工业企业、公共娱乐场所、群租房、宾馆饭店、高层建筑、医院、养老院、学校、幼儿园、施工工地、文物建筑、地铁等不同场所，解决了以往评估系统仅以静态结构参数评估，没有在线动态时变参数参与的问题，使评估更准确，更快捷，更实时有效；
2.所提供的一种基于物联网的建筑火灾风险实时动态定量评估方法，用于商场市场、“多合一”场所、工业企业、公共娱乐场所、群租房、宾馆饭店、高层建筑、医院、养老院、学校、幼儿园、施工工地、文物建筑、地铁等不同场所，解决了以往的在线火灾报警信号采集系统，仅采集动态信号，没有给出与信号有对应关系的火灾风险值的变化，没有达到社会单位全面准确把握场所整体火灾风险的目的；
3.所提供的一种基于物联网的建筑火灾风险实时动态定量评估方法，用于商场市场、“多合一”场所、工业企业、公共娱乐场所、群租房、宾馆饭店、高层建筑、医院、养老院、学校、幼儿园、施工工地、文物建筑、地铁等不同场所，解决了以往保险公司的财险产品无法在投保前精算评估、投保后实时把握投保单位的火灾风险情况尴尬问题，可降低火灾风险及赔付风险；
4.由于实现了火灾风险在线定量评估，为社会单位落实国家主管部门“三自主两公开一承诺”的要求提供了必要的支撑工具；按照要求“承诺本场所不存在突出风险或者已落实防范措施”也有了真实风险指数的根据；也为形成以动态量化的风险指标为控制目标的创新应急管理模式提供创新手段。
一种基于物联网的建筑火灾风险实时动态定量评估方法的具体优化如下步骤所述：
(1)选择评估对象；
(2)从数据库中调出指定场所的火灾风险评估指标集，包括静态参数Si(i＝1-m)和动态参数Di(i＝m-n)，静态参数是指由设计决定的结构化参数，包括面积、尺寸、高度、材料等，动态参数是指具有状态时变性的参数，如消防栓、卷帘门、消防水泵、消防水箱、湿式报警阀、末端试水装置、消防报警控制器、烟感探测器、电器火灾监控探测器等功能性设备的输出信号状态值；
(3)逐一对静态参数赋值，将静态参数按照静态起火概率分值Ssi(i＝1-l)和静态火灾损失概率分值Sli(i＝l-m)分类赋值。起火概率分值是指该参数对应的区域可能发生火灾的概率，火灾损失概率分值是指该参数对应区域由于贵重物资分布、人员分布、消防能力等因素影响的火灾损失严重程度。由于历史的火灾统计资料显示，最安全的和最危险的这两种极端情况的出现频率较低，因此赋值区间划分不是均等的，而是以一定概率分布规律，所以，以相应历史数据概率分布规律分别为静态起火概率分值和静态火灾损失概率分值赋值，并对应赋予权重值，权重值以专家打分法得到；
(4)对于动态参数Di(i＝m-n)，通过调用采集动态参数模块，逐一采集在线动态参数，将动态参数按照动态起火概率分值Dsi(i＝m-o)和动态火灾损失概率分值Dli(i＝o-n)，以一定概率分布规律分别赋值，并对应赋予权重值，权重值以专家打分法得到；
(5)静态参数和动态参数赋值完毕后，利用评估算法模型计算出该场所当前起火风险分数Rtfs、当前火灾损失风险分数Rtls和当前火灾风险分数评估总分值Rtts，然后，计算出当前火灾风险指数Rti，最后显示Rti，Rtts，Rtfs，Rtls及文字分析结果，并且列出当前风险因素清单。
作为优化，所述步骤如下，(1)将烟感探测器、消防报警控制器、智能视频监视器、智能防火门闭门器、电器火灾监控探测器、末端试水装置压力传感器、消防水泵压力传感器、湿式报警阀压力传感器、消防水箱压力传感器、消防栓压力传感器等动态参数检测设备的信号输出端在线接入物联网，其中信号类型包括电流、电压、温度等数字信号或开关量信号，接入方式为有线连接或无线(Wifi)连接；(2)将装有巡检APP的手机端通过无线方式接入物联网，其中信号类型为巡检消防设备的图像信号、巡检部位的检录扫描信号、关键设备二维码标签扫描信号等；(3)具有火灾风险指数评估功能软件的计算机系统通过物联网动态采集已接入的动态参数Dsi(i＝m-o)、Dli(i＝o-n)；(4)利用评估算法模型计算出该场所火灾风险评估总分值Rtts和当前火灾风险指数Rti；(5)将该场所所有数据及对应的评估结果上传至云平台大数据池，该大数据池存储了对应本发明方法的各场所上传的数据，以便通过数据挖掘，更准确地为静态、动态参数和权重值赋值，也使Ri，Rti，Rtts，Rtfs，Rtls更加精确。
作为优化，所述评估算法模型计算表达式如下，
式中RI-火灾风险指数(0，1)；n-火灾风险影响因素(指标)的个数；Wi-第i个指标的权重值，即该指标对整体场所火灾风险的影响大小，取值区间为(0，1)；-第i个指标静态起火概率分值；Sli-第i个指标静态火灾损失概率分值；Dfi-第i个指标动态起火概率分值；Dli-第i个指标动态火灾损失概率分值；Ksmax-n个指标的火灾风险分值理想状态累积值。
作为优化，所述评估算法模型计算表达式如下，采用模糊数学隶属度函数模型评估火灾风险。从起火概率和火灾损失两个方面。起火概率由物质因素、技术因素和人为因素3个方面组成；火灾损失则分为特大损失、严重损失、一般损失和轻微损失，其分类标准分别相当于国家有关规范关于特大火灾、严重火灾、一般火灾和轻微火灾的标准。以隶属度将模糊集合划分为若干子集，然后根据择近原则来分类。设S＝(S1…Sm)为因素集；R＝(R1…Rm)为风险类别。由此得出模糊矩阵：
M1＝(m11 m12 · m1m)是对于因素S1的单因素模糊分类，它是R集的模糊子集。mij是相对于S1因素归类于Rj类的隶属度，S上的模糊子集W＝(w1w2…wn)为权重，wi是第i个因素对应的权重，最后给定因素集S，得到：
R＝W×M＝(R1 R2…Rm)
每输入一组权重W，都可以得到综合评估值R。
作为优化，所述一种压力传感器装置包括数据无线传输组件，在末端试水装置、消防水泵、消火栓、消防水箱、湿式报警器外侧适当部位安装压力传感器，传感器探头感知面与上述设备的压力水腔相同，压力传感器的信号输出端与无线传输组件(GPRS/Wifi)输入端相连，传感器输出的压力数字信号经无线传输组件输出为无线电信号，接入物联网。
作为优化，所述一种基于物联网的建筑火灾风险实时动态定量评估方法用真实数据动态反映实际火灾风险情况并加以消防风险管理显得尤为重要。这样，社会单位就可从风险辨识、风险指数量化评估入手，在原有风险指数基础上，通过物联网手段介入传感、数据真实记录等，得到各关键设备、关键环节、关键场地的火灾风险动态值，从而准确把握整体社会单位的综合火灾风险指数。同时，将综合火灾风险指数这一动态数值作为消防安全检测管理系统的控制目标进行在线动态检测评估，并显示输出，就为社会单位落实“三自主两公开一承诺”的要求提供了必要的支撑工具。按照要求“承诺本场所不存在突出风险或者已落实防范措施”也有了真实风险指数的根据。也为形成以动态量化的风险指标为控制目标的创新应急管理模式提供创新手段。同时，可用于支撑保险公司的火灾风险投保评估。
附图说明
图1是初始评估流程示意图；
图2是初始动态参数赋值流程示意图；
图3是动态评估流程示意图；
图4是动态参数采集赋值流程示意图；
图5是动态参数采集物联网连接示意图；
图6是压力传感器装置连接示意图。
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清楚、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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-6，一种基于物联网的建筑火灾风险实时动态定量评估方法，包括以下步骤，S1：在初始评估阶段，对社会单位各种现场类型进行规范化分类，分为商场市场、“多合一”场所、工业企业、公共娱乐场所、群租房、宾馆饭店、高层建筑、医院、养老院、学校、幼儿园、施工工地、文物建筑、地铁等14种不同场所模型，建立每种场所模型的指标体系(指标集)，(1)选择评估对象，2从数据库中调出指定场所的火灾风险评估指标集，包括静态参数Si(i＝1-m)和动态参数Di(i＝m-n)，静态参数是指由设计决定的结构化参数，包括面积、尺寸、高度、材料等，动态参数是指具有状态时变性的参数，如消防栓、卷帘门、消防水泵、消防水箱、湿式报警阀、末端试水装置、消防报警控制器、烟感探测器、电器火灾监控探测器等功能性设备的输出信号状态值；(3)逐一对静态参数赋值，将静态参数按照静态起火概率分值Ssi(i＝1-l)和静态火灾损失概率分值Sli(i＝l-m)分类赋值。起火概率分值是指该参数对应的区域可能发生火灾的概率，火灾损失概率分值是指该参数对应区域由于贵重物资分布、人员分布、消防能力等因素影响的火灾损失严重程度。由于历史的火灾统计资料显示，最安全的和最危险的这两种极端情况的出现频率较低，因此赋值区间划分不是均等的，而是以一定概率分布规律，所以，以相应历史数据概率分布规律分别为静态起火概率分值和静态火灾损失概率分值赋值，并对应赋予权重值，权重值以专家打分法得到；(4)对于动态参数Di(i＝m-n)，通过调用采集动态参数模块，逐一采集在线动态参数，将动态参数按照动态起火概率分值Dsi(i＝m-o)和动态火灾损失概率分值Dli(i＝o-n)，以一定概率分布规律分别赋值，并对应赋予权重值，权重值以专家打分法得到；(5)静态参数和动态参数赋值完毕后，利用评估算法模型计算出该场所当前起火风险分数Rtfs、当前火灾损失风险分数Rtls和当前火灾风险分数评估总分值Rtts，然后，计算出当前火灾风险指数Rti，最后显示Rti，Rtts，Rtfs，Rtls及文字分析结果，并且列出当前风险因素清单；
S2：根据S2中初始评估阶段后，选择对应的场所，按照场所结构化数据及相关输入参数依据规范在平面图中辨识风险区域，并对不同风险区域进行风险分类分级；
S3：根据S2中风险区域分类后，调用指定场所的火灾风险评估指标体系(指标集)，规整出指标集中参数数量Ci(i＝1-n)，将参数Ci(i＝1-n)按类型分为两类，即静态参数Si(i＝1-m)和动态参数Di(i＝m-n)，静态参数是指由设计决定的结构化参数，包括面积、尺寸、高度、材料等，动态参数是指具有状态时变性的参数，如消防栓、卷帘门、消防水泵、消防水箱、湿式报警阀、末端试水装置、消防报警控制器、烟感探测器、电器火灾监控探测器等功能性设备的输出信号状态值；
S4：根据S3中规整出静态参数Si(i＝1-m)和动态参数后，逐一对静态参数赋值，将静态参数按照静态起火概率分值Ssi(i＝1-l)和静态火灾损失概率分值Sli(i＝l-m)分类赋值。起火概率分值是指该参数对应的区域可能发生火灾的概率，火灾损失概率分值是指该参数对应区域由于贵重物资分布、人员分布、消防能力等因素影响的火灾损失严重程度的概率。由于历史的火灾统计资料显示，最安全的和最危险的这两种极端情况的出现频率较低，因此赋值区间划分不是均等的，而是以一定概率分布规律，所以，以相应历史数据概率分布规律或专家打分法，分别为静态起火概率分值和静态火灾损失概率分值赋值，并对应赋予权重值，权重值以专家打分法得到，步骤如下，(1)将烟感探测器、消防报警控制器、智能视频监视器、智能防火门闭门器、电器火灾监控探测器、末端试水装置压力传感器、消防水泵压力传感器、湿式报警阀压力传感器、消防水箱压力传感器、消防栓压力传感器等动态参数检测设备的信号输出端在线接入物联网，其中信号类型包括电流、电压、温度等数字信号或开关量信号，接入方式为有线连接或无线(Wifi)连接；(2)将装有巡检APP的手机端通过无线方式接入物联网，其中信号类型为巡检消防设备的图像信号、巡检部位的检录扫描信号、关键设备二维码标签扫描信号等；(3)具有火灾风险指数评估功能软件的计算机系统通过物联网动态采集已接入的动态参数Dsi(i＝m-o)、Dli(i＝o-n)；(4)利用评估算法模型计算出该场所火灾风险评估总分值Rtts和当前火灾风险指数Rti；(5)将该场所所有数据及对应的评估结果上传至云平台大数据池，该大数据池存储了对应本发明方法的各场所上传的数据，以便通过数据挖掘，更准确地为静态、动态参数和权重值赋值，也使Ri，Rti，Rtts，Rtfs，Rtls更加精确；
S5：根据S3中规整出静态参数Si(i＝1-m)和动态参数后，S4中对静态参数赋值，对于动态参数Di(i＝m-n)，通过调用采集动态参数模块，逐一采集动态参数，如某动态参数初始状态为非动态采集状态，则从数据库中取对应初值，将动态参数按照动态起火概率分值Dsi(i＝m-o)和动态火灾损失概率分值Dli(i＝o-n)，以一定概率分布规律分别赋值，并对应赋予权重值，权重值以专家打分法得到；
S6：在对S4和S5中静态参数和动态参数赋值完毕后，利用评估算法模型计算出该场所初始起火风险分数Rif、初始火灾损失风险分数Ril和初始火灾风险分数评估总分值Rits，然后计算出火灾风险指数Ri，最后显示Ri，Rits，Rifs，Rils及文字分析结果，并且列出风险因素清单，评估算法模型计算表达式如下，
式中RI-火灾风险指数(0，1)；n-火灾风险影响因素(指标)的个数；Wi-第i个指标的权重值，即该指标对整体场所火灾风险的影响大小，取值区间为(0，1)；-第i个指标静态起火概率分值；Sli-第i个指标静态火灾损失概率分值；Dfi-第i个指标动态起火概率分值；Dli-第i个指标动态火灾损失概率分值；Rsmax-n个指标的火灾风险分值理想状态累积值，采用模糊数学隶属度函数模型评估火灾风险。从起火概率和火灾损失两个方面。起火概率由物质因素、技术因素和人为因素3个方面组成；火灾损失则分为特大损失、严重损失、一般损失和轻微损失，其分类标准分别相当于国家有关规范关于特大火灾、严重火灾、一般火灾和轻微火灾的标准。以隶属度将模糊集合划分为若干子集，然后根据择近原则来分类。设S＝(S1…Sm)为因素集；R＝(R1…Rm)为风险类别。由此得出模糊矩阵：
M1＝(m11 m12 · m1m)是对于因素S1的单因素模糊分类，它是R集的模糊子集。mij是相对于S1因素归类于Rj类的隶属度，S上的模糊子集W＝(w1w2…wn)为权重，wi是第i个因素对应的权重，最后给定因素集S，得到：
R＝W×M＝(R1 R2…Rm)
每输入一组权重W，都可以得到综合评估值R。一种压力传感器装置包括数据无线传输组件。动态参数采集中的连接方式见图6压力传感器装置连接示意图，在末端试水装置、消防水泵、消火栓、消防水箱、湿式报警器外侧适当部位安装压力传感器，传感器探头感知面与上述设备的压力水腔相同，压力传感器的信号输出端与无线传输组件(GPRS/Wifi)输入端相连，传感器输出的压力数字信号经无线传输组件输出为无线电信号，接入物联网，该一种基于物联网的建筑火灾风险实时动态定量评估方法用真实数据动态反映实际火灾风险情况并加以消防风险管理显得尤为重要。这样，社会单位就可从风险辨识、风险指数量化评估入手，在原有风险指数基础上，通过物联网手段介入传感、数据真实记录等，得到各关键设备、关键环节、关键场地的火灾风险动态值，从而准确把握整体社会单位的综合火灾风险指数。同时，将综合火灾风险指数这一动态数值作为消防安全检测管理系统的控制目标进行在线动态检测评估，并显示输出，就为社会单位落实“三自主两公开一承诺”的要求提供了必要的支撑工具。按照要求“承诺本场所不存在突出风险或者已落实防范措施”也有了真实风险指数的根据。也为形成以动态量化的风险指标为控制目标的创新应急管理模式提供创新手段；同时，可用于支撑保险公司的火灾风险投保评估。
该基于物联网的建筑火灾风险实时动态定量评估方法，用于商场市场、“多合一”场所、工业企业、公共娱乐场所、群租房、宾馆饭店、高层建筑、医院、养老院、学校、幼儿园、施工工地、文物建筑、地铁等不同场所，解决了以往评估系统仅以静态结构参数评估，没有在线动态时变参数参与的问题，使评估更准确，更快捷，更实时有效；
同时解决了以往的在线火灾报警信号采集系统，仅采集动态信号，没有给出与信号有对应关系的火灾风险值的变化，没有达到社会单位全面准确把握场所整体火灾风险的目的；
也解决了以往保险公司的财险产品无法在投保前精算评估、投保后实时把握投保单位的火灾风险情况尴尬问题，可降低火灾风险及赔付风险；
由于实现了火灾风险在线定量评估，为社会单位落实国家主管部门“三自主两公开一承诺”的要求提供了必要的支撑工具；按照要求“承诺本场所不存在突出风险或者已落实防范措施”也有了真实风险指数的根据；也为形成以动态量化的风险指标为控制目标的创新应急管理模式提供创新手段。
以上，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于物联网的建筑火灾风险实时动态定量评估方法，其特征在于，包括以下步骤：
S1：在初始评估阶段，对社会单位各种现场类型进行规范化分类，并建立场所模型的指标体系(指标集)；
S2：根据S2中初始评估阶段后，选择对应的场所，按照场所结构化数据及相关输入参数依据规范在平面图中辨识风险区域，并对不同风险区域进行风险分类分级；
S3：根据S2中风险区域分类后，调用指定场所的火灾风险评估指标体系(指标集)，规整出指标集中参数数量Ci(i＝1-n)，将参数Ci(i＝1-n)按类型分为两类，即静态参数Si(2＝1-m)和动态参数Di(i＝m-n)；
S4：根据S3中规整出静态参数Si(i＝1-m)和动态参数后，逐一对静态参数赋值，将静态参数按照静态起火概率分值Ssi(i＝1-l)和静态火灾损失概率分值Sli(i＝l-m)分类赋值；
S5：根据S3中规整出静态参数Si(i＝1-m)和动态参数后，S4中对静态参数赋值，对于动态参数Di(i＝m-n)，通过调用采集动态参数模块，逐一采集动态参数；
S6：在对S4和S5中静态参数和动态参数赋值完毕后，利用评估算法模型计算出该场所初始起火风险分数Rif、初始火灾损失风险分数Ril和初始火灾风险分数评估总分值Rits，然后计算出火灾风险指数Ri，最后显示Ri，Rits，Rifs，Rils及文字分析结果，并且列出风险因素清单。
2.根据权利要求1所述的一种基于物联网的建筑火灾风险实时动态定量评估方法，其特征在于，所述步骤如下：
(1)将烟感探测器、消防报警控制器、智能视频监视器、智能防火门闭门器、电器火灾监控探测器、末端试水装置压力传感器、消防水泵压力传感器、湿式报警阀压力传感器、消防水箱压力传感器、消防栓压力传感器等动态参数检测设备的信号输出端在线接入物联网，其中信号类型包括电流、电压、温度等数字信号或开关量信号，接入方式为有线连接或无线(Wifi)连接；
(2)将装有巡检APP的手机端通过无线方式接入物联网，其中信号类型为巡检消防设备的图像信号、巡检部位的检录扫描信号、关键设备二维码标签扫描信号等；
(3)具有火灾风险指数评估功能软件的计算机系统通过物联网动态采集已接入的动态参数Dsi(i＝m-o)、Dli(i二o-n)；
(4)利用评估算法模型计算出该场所火灾风险评估总分值Rtts和当前火灾风险指数Rti；
(5)将该场所所有数据及对应的评估结果上传至云平台大数据池，该大数据池存储了对应本发明方法的各场所上传的数据，以便通过数据挖掘，更准确地为静态、动态参数和权重值赋值，也使Ri，Rti，Rtts，Rtfs，Rtls更加精确。
3.根据权利要求1所述的一种基于物联网的建筑火灾风险实时动态定量评估方法，其特征在于：所述评估算法模型计算表达式如下，
式中RI-火灾风险指数(0，1)；n-火灾风险影响因素(指标)的个数；Wi-第i个指标的权重值，即该指标对整体场所火灾风险的影响大小，取值区间为(0，1)；-第i个指标静态起火概率分值；Sli-第i个指标静态火灾损失概率分值；Dfi-第i个指标动态起火概率分值；Dli-第i个指标动态火灾损失概率分值；Rsmax-n个指标的火灾风险分值理想状态累积值。
4.根据权利要求1所述的一种基于物联网的建筑火灾风险实时动态定量评估方法，其特征在于：所述评估算法模型计算表达式如下，采用模糊数学隶属度函数模型评估火灾风险；设S＝(S1…Sm)为因素集；R＝(R1…Rm)为风险类别；由此得出模糊矩阵：
M1＝(m11 m12·m1m)是对于因素S1的单因素模糊分类，它是R集的模糊子集；mij是相对于S1因素归类于Rj类的隶属度，S上的模糊子集W＝(w1w2…wn)为权重，wi是第i个因素对应的权重，最后给定因素集S，得到：
R＝W×M＝(R1 R2…Rm)
每输入一组权重W，都可以得到综合评估值R。
5.根据权利要求1所述的一种基于物联网的建筑火灾风险实时动态定量评估方法，现提出一种压力传感器装置，其特征在于：所述一种压力传感器装置包括数据无线传输组件，在末端试水装置、消防水泵、消火栓、消防水箱、湿式报警器外侧适当部位安装压力传感器，传感器探头感知面与上述设备的压力水腔相同，压力传感器的信号输出端与无线传输组件(GPRS/Wifi)输入端相连，传感器输出的压力数字信号经无线传输组件输出为无线电信号，接入物联网。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910839772.7A CN110555617B (zh) | 2019-09-05 | 2019-09-05 | 一种基于物联网的建筑火灾风险实时动态定量评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910839772.7A CN110555617B (zh) | 2019-09-05 | 2019-09-05 | 一种基于物联网的建筑火灾风险实时动态定量评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110555617A true CN110555617A (zh) | 2019-12-10 |
| CN110555617B CN110555617B (zh) | 2024-03-15 |
Family
ID=68739308
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910839772.7A Active CN110555617B (zh) | 2019-09-05 | 2019-09-05 | 一种基于物联网的建筑火灾风险实时动态定量评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110555617B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111079855A (zh) * | 2019-12-27 | 2020-04-28 | 三一重能有限公司 | 风电机组消防方法、装置、存储介质和消防控制台 |
| CN111080166A (zh) * | 2019-12-29 | 2020-04-28 | 杭州拓深科技有限公司 | 一种基于多层次统计评价的社会单位消防风险评估方法 |
| CN111178732A (zh) * | 2019-12-24 | 2020-05-19 | 武汉理工光科股份有限公司 | 基于大数据赋能条件下的区域动态火灾风险评估方法 |
| CN111178756A (zh) * | 2019-12-29 | 2020-05-19 | 杭州拓深科技有限公司 | 一种基于环境大数据的多元线性回归火灾风险评估方法 |
| CN111311085A (zh) * | 2020-02-10 | 2020-06-19 | 清华大学合肥公共安全研究院 | 一种基于物联网监测的建筑火灾动态风险评估方法及装置 |
| CN111614938A (zh) * | 2020-05-14 | 2020-09-01 | 杭州海康威视系统技术有限公司 | 一种风险识别方法及装置 |
| CN112308375A (zh) * | 2020-09-28 | 2021-02-02 | 武汉珈安消防技术服务有限公司 | 一种基于人工智能的消防安全评估系统及方法 |
| CN112364263A (zh) * | 2020-11-11 | 2021-02-12 | 深圳力维智联技术有限公司 | 基于多维度数据的群租房识别方法、装置、设备及介质 |
| CN112950427A (zh) * | 2021-03-24 | 2021-06-11 | 北京科技大学 | 基于社会化应急救援的高校突发事件信息采集传输系统 |
| CN112990635A (zh) * | 2020-06-12 | 2021-06-18 | 北京科技大学 | 用于社区火灾社会化应急救援的信息采集方法 |
| CN113762723A (zh) * | 2021-08-10 | 2021-12-07 | 香港理工大学深圳研究院 | 建筑结构的全寿命概率评估方法、装置、设备及存储介质 |
| CN116229672A (zh) * | 2022-12-16 | 2023-06-06 | 深圳信可通讯技术有限公司 | 基于大数据的危险区域应急预警救援系统及方法 |
| CN116894585A (zh) * | 2023-07-25 | 2023-10-17 | 浙江三网科技股份有限公司 | 一种应用于未来社区综合数据智能分析方法和系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5950150A (en) * | 1996-07-05 | 1999-09-07 | Lloyd; Steven J. | Fire/life safety system operation criteria compliance verification system and method |
| JP2002149965A (ja) * | 2000-11-16 | 2002-05-24 | Toshiba Corp | 建物火災リスク評価装置、建物火災リスク評価方法および記憶媒体 |
| CN102324064A (zh) * | 2011-08-25 | 2012-01-18 | 陈�光 | 基于传感带的动态火灾风险评估方法与系统 |
| 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系统 |
| CN106056284A (zh) * | 2016-06-01 | 2016-10-26 | 辽宁中科技公共安全有限公司 | 一种消防安全评估与火灾风险隐患管理系统及其使用方法 |
| CN106096838A (zh) * | 2016-06-14 | 2016-11-09 | 广州市恒迅技防系统有限公司 | 基于模糊综合评价模型的建筑火灾安全评估方法及系统 |
| CN106248149A (zh) * | 2016-09-30 | 2016-12-21 | 东莞市青杉信息科技有限公司 | 一种消防远程监控系统 |
| CN107909283A (zh) * | 2017-11-17 | 2018-04-13 | 武汉科技大学 | 一种基于基准值的城市火灾风险评估方法 |
| CN109064050A (zh) * | 2018-08-17 | 2018-12-21 | 公安部沈阳消防研究所 | 基于大数据的多元线性回归火灾风险评估方法 |
| CN109102166A (zh) * | 2018-07-23 | 2018-12-28 | 深圳市中电数通智慧安全科技股份有限公司 | 一种综合火灾风险评估方法、装置及服务器 |
| CN109389795A (zh) * | 2018-09-05 | 2019-02-26 | 深圳市中电数通智慧安全科技股份有限公司 | 动态火灾风险评估方法、装置、服务器及存储介质 |
-
2019
- 2019-09-05 CN CN201910839772.7A patent/CN110555617B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5950150A (en) * | 1996-07-05 | 1999-09-07 | Lloyd; Steven J. | Fire/life safety system operation criteria compliance verification system and method |
| JP2002149965A (ja) * | 2000-11-16 | 2002-05-24 | Toshiba Corp | 建物火災リスク評価装置、建物火災リスク評価方法および記憶媒体 |
| CN102324064A (zh) * | 2011-08-25 | 2012-01-18 | 陈�光 | 基于传感带的动态火灾风险评估方法与系统 |
| 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系统 |
| CN106056284A (zh) * | 2016-06-01 | 2016-10-26 | 辽宁中科技公共安全有限公司 | 一种消防安全评估与火灾风险隐患管理系统及其使用方法 |
| CN106096838A (zh) * | 2016-06-14 | 2016-11-09 | 广州市恒迅技防系统有限公司 | 基于模糊综合评价模型的建筑火灾安全评估方法及系统 |
| CN106248149A (zh) * | 2016-09-30 | 2016-12-21 | 东莞市青杉信息科技有限公司 | 一种消防远程监控系统 |
| CN107909283A (zh) * | 2017-11-17 | 2018-04-13 | 武汉科技大学 | 一种基于基准值的城市火灾风险评估方法 |
| CN109102166A (zh) * | 2018-07-23 | 2018-12-28 | 深圳市中电数通智慧安全科技股份有限公司 | 一种综合火灾风险评估方法、装置及服务器 |
| CN109064050A (zh) * | 2018-08-17 | 2018-12-21 | 公安部沈阳消防研究所 | 基于大数据的多元线性回归火灾风险评估方法 |
| CN109389795A (zh) * | 2018-09-05 | 2019-02-26 | 深圳市中电数通智慧安全科技股份有限公司 | 动态火灾风险评估方法、装置、服务器及存储介质 |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111178732A (zh) * | 2019-12-24 | 2020-05-19 | 武汉理工光科股份有限公司 | 基于大数据赋能条件下的区域动态火灾风险评估方法 |
| CN111079855B (zh) * | 2019-12-27 | 2023-08-11 | 三一重能股份有限公司 | 风电机组消防方法、装置、存储介质和消防控制台 |
| CN111079855A (zh) * | 2019-12-27 | 2020-04-28 | 三一重能有限公司 | 风电机组消防方法、装置、存储介质和消防控制台 |
| CN111080166A (zh) * | 2019-12-29 | 2020-04-28 | 杭州拓深科技有限公司 | 一种基于多层次统计评价的社会单位消防风险评估方法 |
| CN111178756A (zh) * | 2019-12-29 | 2020-05-19 | 杭州拓深科技有限公司 | 一种基于环境大数据的多元线性回归火灾风险评估方法 |
| CN111178756B (zh) * | 2019-12-29 | 2024-02-27 | 杭州拓深科技有限公司 | 一种基于环境大数据的多元线性回归火灾风险评估方法 |
| CN111311085A (zh) * | 2020-02-10 | 2020-06-19 | 清华大学合肥公共安全研究院 | 一种基于物联网监测的建筑火灾动态风险评估方法及装置 |
| CN111614938A (zh) * | 2020-05-14 | 2020-09-01 | 杭州海康威视系统技术有限公司 | 一种风险识别方法及装置 |
| CN111614938B (zh) * | 2020-05-14 | 2021-11-02 | 杭州海康威视系统技术有限公司 | 一种风险识别方法及装置 |
| CN112990635A (zh) * | 2020-06-12 | 2021-06-18 | 北京科技大学 | 用于社区火灾社会化应急救援的信息采集方法 |
| CN112308375A (zh) * | 2020-09-28 | 2021-02-02 | 武汉珈安消防技术服务有限公司 | 一种基于人工智能的消防安全评估系统及方法 |
| CN112364263A (zh) * | 2020-11-11 | 2021-02-12 | 深圳力维智联技术有限公司 | 基于多维度数据的群租房识别方法、装置、设备及介质 |
| CN112950427A (zh) * | 2021-03-24 | 2021-06-11 | 北京科技大学 | 基于社会化应急救援的高校突发事件信息采集传输系统 |
| CN113762723A (zh) * | 2021-08-10 | 2021-12-07 | 香港理工大学深圳研究院 | 建筑结构的全寿命概率评估方法、装置、设备及存储介质 |
| CN116229672A (zh) * | 2022-12-16 | 2023-06-06 | 深圳信可通讯技术有限公司 | 基于大数据的危险区域应急预警救援系统及方法 |
| CN116229672B (zh) * | 2022-12-16 | 2023-12-15 | 深圳信可通讯技术有限公司 | 基于大数据的危险区域应急预警救援系统及方法 |
| CN116894585A (zh) * | 2023-07-25 | 2023-10-17 | 浙江三网科技股份有限公司 | 一种应用于未来社区综合数据智能分析方法和系统 |
| CN116894585B (zh) * | 2023-07-25 | 2024-02-20 | 浙江三网科技股份有限公司 | 一种应用于未来社区综合数据智能分析方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110555617B (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110555617B (zh) | 一种基于物联网的建筑火灾风险实时动态定量评估方法 | |
| US10943464B1 (en) | Real property monitoring systems and methods for detecting damage and other conditions | |
| CN107909299B (zh) | 人伤理赔数据风险检测方法和系统 | |
| Vicente et al. | Seismic vulnerability and risk assessment: case study of the historic city centre of Coimbra, Portugal | |
| Sheu | Dynamic relief-demand management for emergency logistics operations under large-scale disasters | |
| CN108876184A (zh) | 一种高速铁路隧道运营期的安全风险评价及预警方法 | |
| CN107886235A (zh) | 一种耦合确定性与不确定分析的火灾风险评估方法 | |
| CN114548637A (zh) | 一种基于ahp-rst的电力通信骨干数据网络安全综合评估方法 | |
| Singh Ahluwalia | A framework for efficient condition assessment of the building infrastructure | |
| CN113379267B (zh) | 一种基于风险分级预测的城市火灾事件处理方法、系统及存储介质 | |
| CN113988530A (zh) | 一种非煤矿山安全风险评估分级方法及系统 | |
| CN111223027A (zh) | 一种城市地震灾害风险评估方法及系统 | |
| CN115392708A (zh) | 一种用于建筑消防的火灾风险评估和预警方法及系统 | |
| CN113053053B (zh) | 基于粒子群优化的区间论证多传感器融合的灾难蜂窝报警联动系统 | |
| CN115063020A (zh) | 基于风险监测融合的梯级水电站多维安全调度装置及方法 | |
| CN111178732A (zh) | 基于大数据赋能条件下的区域动态火灾风险评估方法 | |
| CN113506001A (zh) | 一种作业现场安全风险精益化智慧管控辅助决策方法 | |
| CN114997754B (zh) | 基于云模型及熵权法的应急预案分析方法及装置 | |
| KR102379472B1 (ko) | 시공간 피해특성을 고려한 다종 데이터 융합 분석방법 | |
| CN117114406A (zh) | 一种基于设备数据汇聚的应急事件智慧预警方法及系统 | |
| CN110989042A (zh) | 一种高速公路团雾风险的智能化预测方法 | |
| Chen et al. | Knowledge graph improved dynamic risk analysis method for behavior-based safety management on a construction site | |
| Zhang et al. | Analysis and research on fire safety of university dormitory based on Bayesian network | |
| CN116480412A (zh) | 矿井灾害救援方法及装置 | |
| Reuland et al. | Monitoring-Driven Post-earthquake Building Damage Tagging |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240325 Address after: 518000, 118, 119, 120, North Sang Taidan Huayuan Phase IV, Pingshan 1st Road, Pingshan Community, Taoyuan Street, Nanshan District, Shenzhen City, Guangdong Province Patentee after: Smart (Shenzhen) Safety Technology Consulting Co.,Ltd. Country or region after: China Address before: 518000 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Patentee before: XIAOJIANTONG (SHENZHEN) TECHNOLOGY CO.,LTD. Country or region before: China |