CN110567464A

CN110567464A - 机场航站楼环境自主巡检车监测系统

Info

Publication number: CN110567464A
Application number: CN201910772331.XA
Authority: CN
Inventors: 阳媛; 彭佳伟; 戴鹏; 陶薪同
Original assignee: Southeast University
Current assignee: Southeast University
Priority date: 2019-08-21
Filing date: 2019-08-21
Publication date: 2019-12-13
Anticipated expiration: 2039-08-21
Also published as: CN110567464B

Abstract

本发明公开了一种机场航站楼环境自主巡检车监测系统，包括监测分析服务器、巡检车以及设置在巡检车上的主控驱动模块、导航定位制图模块、WiFi通信模块、环境监测模块。本发明实现了机场航站楼环境实时监测、紧急情况预警、旅客疏散、暖通系统或广播系统等的反馈控制以及协助机场运营管理进行高效调整等功能，提升了航站楼安全性及旅客出行舒适度。相比传统的人工巡检方法，极大程度上减少了机场安全保障人员的数量、提高了环境监测质量及运维工作效率。

Description

机场航站楼环境自主巡检车监测系统

技术领域

本发明涉及一种机场航站楼环境自主巡检车监测系统，属于室内定位技术领域。

背景技术

中国民用航空正大力推进民航强国发展战略，强调建设新时代新型大型国际现代化机场，未来的航空领域具有广阔的发展空间。随着不断新建扩建的超大型民用运输枢纽机场，机场将迎来一个安全性、数字化、信息化、可视化、智能化的发展阶段。从年旅客吞吐量几十万人次中小机场到千万人次以上的大型机场，安全性始终是首要考虑的问题，对航站楼的环境监测是保证旅客及工作人员人身安全、航站楼安全稳定运行的重要措施之一。

机场航站楼建筑面积巨大，传统的人工巡检不仅存在着巡检质量不稳定、监测准确率和效率较低、存在监测盲区等问题,并且监测信息的反映往往不够及时,容易造成安全隐患；目前常用的环境固定点位监测装置则需要进行大量基础设施铺设，维护成本较高且固定点位监测。目前自主环境监测系统如自主巡检车监测系统，仅在变电站、核电站等领域有少量应用，而在机场、车站等交通枢纽领域缺乏应用普及。

综上，基于智能化自主监测设备以实现环境的自主监测与分析，可实现信息化、智能化、科学化环境监测与管理、更好地保证航站楼能够安全稳定运行。

发明内容

针对上述现有技术存在的不足，本发明提供一种机场航站楼环境自主巡检车监测系统，包括监测分析服务器、巡检车以及设置在巡检车上的主控驱动模块、导航定位制图模块、WiFi通信模块、环境监测模块，实现机场航站楼紧急情况预警、旅客疏散、暖通系统等的反馈控制、机场运营管理等方面的功能。

本发明为解决上述技术问题采用以下技术方案：

本发明提供一种机场航站楼环境自主巡检车监测系统，包括监测分析服务器、巡检车以及设置在巡检车上的主控驱动模块、导航定位制图模块、WiFi通信模块、环境监测模块；

所述导航定位制图模块包括WiFi定位模块、视觉SLAM模块、路径规划模块和避障模块：所述WiFi定位模块通过RSSI测距定位算法获取巡检车的位置信息，为所述视觉SLAM模块提供初始位置信息；所述视觉SLAM模块根据所述WiFi定位模块提供的初始位置进行巡检车实时相对位姿的自动标定及更新，实现巡检车定向定位及局部制图；所述路径规划模块采用基于特征的改进A*路径规划算法对巡检车的行进路径进行规划；所述避障模块采用超声波传感器实现对移动旅客或固定障碍物进行规避；

所述环境监测模块，用于获取机场航站楼的环境监测信息；

所述主控驱动模块通过WiFi通信模块与监测分析服务器进行信息交互，并根据所述路径规划模块规划的行进路径驱动巡检车以及根据所述避障模块的结果驱动巡检车进行避障；

所述监测分析服务器通过根据从主控驱动模块接收到的各个巡检车采集到的机场航站楼环境数据向各个巡检车的主控驱动模块发出环境预警信息以及周边巡检车的位置以及走向。

作为本发明的进一步技术方案，所述WiFi定位模块采用的RSSI测距定位算法，针对航站楼复杂环境的多径传输损耗采用随机森林分类算法配置RSSI损耗参数和测距模型。

作为本发明的进一步技术方案，所述环境监测模块包括气体传感器、烟雾传感器、温湿度传感器、声音传感器、能见度传感器、红外传感器，并将多源传感器数据与位置信息同步融合。

作为本发明的进一步技术方案，针对火灾预警，环境监测模块采用基于Levenberg-Marquardt算法的三层BP前馈型神经网络建立火灾预警模型，神经网络的输入为有毒有害气体、烟雾、温度、能见度，输出为明火概率、阴燃概率和无火概率。

作为本发明的进一步技术方案，还包括设置在巡检车上的预警模块，所述预警模块包括巡检车蜂鸣器、警报灯和LED点阵屏。

作为本发明的进一步技术方案，所述监测分析服务器包括Web通讯单元、数据分析单元、数据存储单元、数据可视化单元，所述Web通讯单元用于服务器与旅客移动终端和巡检车进行数据传输；所述数据分析单元用于根据巡检车上传的位置、环境监测信息进行紧急情况预警、控制巡检车移动；所述数据存储单元用于存储巡检车上传环境监测信息；所述数据可视化单元用于将结合机场航站楼服务信息的环境监测信息以可视化形式呈现给机场管理人员或旅客。

作为本发明的进一步技术方案，所述主控驱动模块通过PID及PMSM矢量控制算法进行巡检车车体的控制。

作为本发明的进一步技术方案，所述路径规划模块采用的基于特征的改进A*路径规划算法中对A*路径规划算法中的代价函数进行改进，改进后的代价函数为：

其中，f_j(m)为巡检车在当前路径节点m处所消耗的总代价，g_j(m)为从初始节点到当前路径节点m的实际代价，h_j(m)为从当前路经节点m到目标节点的估计代价，为从路径节点m到目标节点的p个正相关估计代价权之和，，为从路径节点m到目标节点的q个负相关估计代价权之和，x_i为环境监测模块所采集的第i类环境监测信息，x_io是针对第i类环境信息的国标安全值或预先设定的安全值。

作为本发明的进一步技术方案，正相关估计代价权包括由噪声、温度、气体浓度和烟雾浓度与紧急情况发生可能性成正相关的环境信息引入的权值，负相关估计代价权包括由路径复杂度、能见度与紧急情况发生可能性成负相关的环境信息引入的权值。

作为本发明的进一步技术方案，以监测分析服务器中预存的航站楼栅格地图为基础，在巡检车视觉SLAM模块局部制图构建的局部航站楼栅格地图中，选用欧氏距离估算f_j(m)值,即允许巡检车向周围8邻域移动，则其中，D为两个相邻栅格之间的实际距离，x、y分别为路径节点m的横、纵坐标，x_goal、y_goal分别为目标节点的横、纵坐标。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：提出了一种机场航站楼环境自主巡检车监测系统，其巡检车各个模块相互配合并协同监测分析服务器，实现了机场航站楼环境实时监测、紧急情况预警、旅客疏散、暖通系统等的反馈控制等功能。在提升航站楼安全性的同时，可协助机场的运营管理进行快速高效调整，提升了旅客出行舒适度、满意度。此外，以巡检车巡检代替人工巡检，对机场航站楼不同区域进行针对性环境监测，极大地减少了机场安全保障、巡检人员的数量，提高环境监测质量及运维工作效率。

附图说明

图1是本发明的系统整体结构框图；

图2是本发明的机场环境巡检车路径规划算法流程图；

图3是本发明的火灾预警神经网络模型流程图；

图4是本发明的一个实施例的机场航站楼火灾预警/人员疏散流程图；

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

本发明一种机场环境自主巡检车监测系统，如图1所示，包括监测分析服务器、巡检车以及设置在巡检车上的主控驱动模块、导航定位制图模块、WiFi通信模块、环境监测模块。

本专利采用下述技术方案：

1.所述自主巡检车的结构设计采用无轨化轮式结构，主要由电机驱动器、电机、减速器、车轮、状态指示灯等组成。外形结构设计以简洁实用、硬朗可靠为基本原则，兼顾重量、稳定性和防护等级要求，设备重心低，有利于巡检车在地面上稳定运行，为保证在极端环境(如火灾)下正常工作，巡检车所有部件和元器件均选用宽温度范围的工业级产品。

运动控制中应用PID及PMSM矢量控制算法进行车体控制，可精确控制转速和实现转矩的快速响应；驱动电机采用低磁阻大扭矩驱动电机，系统调速范围宽；四轮独立驱动的底盘可实现巡检车正常直行和零转弯半径移动，保证避障及路径规划的灵活性，具有环境适应能力强、功耗低等优点。主要监测传感器均设置于巡检车顶部以保证数据准确性、可靠性。

2.所述机场环境巡检自主巡检车主控驱动模块，选用16位处理器作为处理平台的核心,协调控制各个子模块系统。用于计算和处理由导航定位制图模块、WiFi通信模块、环境监测模块等发送的位姿信息、距离信息、环境信息；为各个模块提供电源管理、掉电保护等功能，防止因掉电、死机等导致的数据损失。

所述定位解算模块用于处理导航定位制图模块接收和发送的定位数据。通过WiFi模块与服务器进行通信，将所述自主巡检车的位置信息与以监测分析服务器中预存的航站楼栅格地图为基础，进而获取自身位置信息。

所述电源管理模块为所有模块供电，电源管理模块可由主控单元和多个监测单元组成，监测单元监测电池(如锂电池等)的电压、温度和内阻等参数，并将数据传输到主控单元。主控单元检测电池组的总电压、总电流等参数，可对电池组的充放电进行保护。电源管理模块还可对电池进行均衡管理，避免由于电池自放电或充放电次数增多导致电池间的参数差异增大，过大的参数差异可影响电池寿命、出现安全隐患，通过保持电池组较好的一致性，可延长电池寿命和降低成本，提高系统可靠性和稳定性。此外，电源管理模块可提供掉电保护，防止因掉电、死机等导致的数据损失。

3.所述导航定位制图模块，用于巡检车进行自主定位、路径规划、局部制图。包括WiFi定位模块、视觉SLAM模块、路径规划模块和避障。

采用SLAM/WiFi组合定位的方法，每隔一段时间检测当前接收的WiFi信号，在WiFi信号稳定的情况下，利用WiFi定位信息对SLAM系统进行初始位置更新。

所述WiFi定位模块，通过基于信号传播损耗模型的定位方法估计巡检车位置信息。在一定的环境中，无线信号的强度在传播过程中随着传播距离的增加而逐渐减小，即信号传播损耗模型。基于该模型的定位方法是根据接收到的WiFi信号强度以及信号的传播损耗模型，计算出AP节点和移动设备之间的距离，然后利用几何测距交汇定位来估计移动设备所处的位置。

巡检车在某处测得的AP信号强度为[RSSI₁,RSSI₂,…,RSSI_n]，其中RSSI_i为第i个AP节点发出的信号强度，先采用随机森林分类算法学习出信号强度RSSI_i的多径误差参数多径衰减值P_MPi和路径损耗指数c。多径现象越严重，P_MPi和c值越大，从而接收到的平均能量下降随着距离的增加而变得越来越快。P_MPi和c和无线多径信号的环境密切相关，因此在不同的实际环境下P_MPi和C参数不同，其测距模型不同。估计该类多径场景所采集信号强度的欧氏距离：

P(d_i)＝P(d₀)+10clog(d_i/d₀)+P_MPi+p(i＝1,2,…,n)

其中d_i是指根据所测第i个AP信号强度的欧氏距离，P(d₀)经过单位距离后的路径损耗，通常取d₀为1米，P(d_i)经过距离d_i后的路径损耗，p为随机误差。

根据3个以上AP坐标(AP1(x₁,y₁),AP2(x₂,y₂),…,APn(x_n,y_n))和相对应的测距数据(d₁,d₂,…,d_n)，采用多边定位。假设巡检车的坐标为(x,y)，为未知量。根据AP与巡检车的测距位置关系，可建立方程组，即可求解得到未知量(x,y)。

所述视觉SLAM模块，在利用WiFi定位信息对SLAM系统进行初始位置更新后开始工作，进行实时相对位姿的自动标定及更新。在巡检车的运动过程中通过将观测到的特征与已有的航站楼栅格地图中的特征进行匹配、求差，进而更新巡检车位姿、实现巡检车定位。其视觉前端采用深度(RGB-D)相机，通过TOF(Time-of-Flight)深度测量原理测量场景深度，进行局部制图。

所述路径规划模块采用改进的A*(A-star)算法进行路径规划，该算法作为启发式算法的思路是以当前位置为起点，由代价函数决定巡检车下一时刻应到达的节点，因此巡检车需要实时计算其相邻节点的代价函数，选择最优的即代价函数值最小的节点，再以该节点作为起点搜索四周的寻路单位，即继续计算相邻节点的代价函数，直到当前位置为目标终点时停止搜索、获得最优路径。其中代价函数由实际代价和估计代价组成。此外，A*算法在寻路过程中不断地更新两个集合——开启(Open)、关闭(Closed)两个集，前者用于保存待检测节点，路径可能会通过其中所保存的节点，后者用于保存已检测过的即访问过的节点。初始状态下，开启集中仅含起点这一个元素，而关闭集为空。该路径规划算法具体流程如图2所示。

不同情况下(如紧急情况预警、多巡检车协同进行环境监测等)代价函数不同，即加入危险源的代价场。以多巡检车协同进行环境监测为例，当服务器接收到某一位置的巡检车的环境监测模块的输出中阴燃概率偏高且无火概率偏低，则可向距离该巡检车较近的其他巡检车发出指令，使其向该巡检车所在区域移动，通过多巡检车协同进行环境监测以提高环境监测准确性、避免因偶然误差(如一吸烟室门被开启时，某巡检车恰好位于门前，导致其气体、烟雾传感器等的采集数据突然上升)而误预警，即使的确存在较大的火灾发生可能性，巡检车数量的增加也可增加航站楼预警点位、使预警区域更全面。此时路径规划代价函数为：

其中，f_j(m)为在j情况下路径节点m的代价函数，在路径规划过程中表示巡检车在节点m处所消耗的总代价，g_j(m)为从初始节点到当前路径节点m的实际代价，h_j(m)为从当前路经节点m到目标节点的估计代价，为从路径节点m到目标节点p个正相关估计代价权之和，包括由噪声、温度、气体浓度和烟雾浓度等与紧急情况发生可能性成正相关的环境指标引入的权值，为q个负相关估计代价权之和，包括由路径复杂度、能见度等与紧急情况发生可能性成负相关的环境指标引入的权值。

估计代价权计算公式为：

其中x_i为所采集的第i类环境指标的监测数据，x_io是《室内空气质量标准》、《社会生活环境噪声排放标准》、《室内空气中可吸入颗粒物卫生标准》等国家标准中设定的第i类环境指标标准值或标准范围中心值或根据经验人为设定的安全值。

而路径规划的目标为寻得最短路径，故评价函数取距离为标准，以监测分析服务器中预存的航站楼栅格地图为基础，在巡检车视觉SLAM模块构建的局部航站楼栅格地图中，选用欧氏距离估算f_j(m)值,即允许巡检车向周围8邻域移动。则估计代价h_j(m)的计算公式为：

其中D为两个相邻栅格之间的实际距离，x，y分别为当前节点的横纵坐标，x_goal，y_goal分别为目标节点的横纵坐标。

所述避障模块，采用超声波传感器实现对移动中的旅客或高位或低矮固定障碍物进行规避，相较于基于红外传感器的避障模块，其不易受到光线、多径反射等环境因素的影响且成本较低，可结合所述环境监测模块的输出以补偿温度对超声波速的影响。

4.所述WiFi通信模块，用于巡检车与服务器进行双向、实时数据传输和交互，数据交互内容包括巡检车车体状态、环境监测数据、控制数据等。巡检车通过所述WiFi通信模块接收服务器端的控制指令，进行车体运动、预定轨迹巡检、预警等，并将巡检车状态和各类监测数据、告警信息进行上传。在通信中断、接收的报文内容异常等情况下，保证数据不丢失，同时使系统将发出告警信息，并在通信恢复后自动续传。

5.所述环境监测模块，用于获取并测量机场航站楼环境特征，将环境信息传输到主控模块进行处理、进一步上传到服务器进行分析，为所述预警模块提供数据基础。所述环境检测模块可同时检测各类指数指标，并通过采集和分析设备进行数据分析和存储，包括：气体传感器，用于测量环境中有毒有害气体(如二氧化碳、一氧化碳、碳氢化合物等)数据；烟雾传感器，用于测量环境中组成烟雾的微小粒子浓度数据；温度传感器，用于测量环境中温度数据；粉尘传感器，用于测量环境中PM2.5、PM10等粉尘颗粒浓度数据；声音传感器，用于测量环境中噪声数据、判断噪声来源(广播/人群)或对电力设备的音频信息进行定向采集。此外，可额外设置：能见度传感器，用于监测环境能见度(能见度<16米为航站楼火灾情境下人员疏散的危险临界点)；提前发现异常情况，避免故障加重或灾害的发生，利用距离监测单元确定合理的检测范围，避免错误选定太阳等非正常范围内的物体进行测温。综合各传感器的输出，巡检车即可对当前所处区域的环境状态进行监测，为灾害预警提供数据基础。

针对火灾预警，为避免服务器负载开销过大、提高预警准确性，可将各传感器的数据进行归一化后，如图3所示，采用基于Levenberg-Marquardt算法的三层BP前馈型神经网络建立火灾预警模型，Levenberg-Marquardt算法可避免梯度下降法中极值点附近逼近精度低和收敛慢的缺点、保证权值和阈值的每次调整都使误差减小，提高收敛速度。神经网络输入信号为有毒有害气体、烟雾、温度、能见度等，故输入层节点数确定；输出信息包括明火概率、阴燃概率和无火概率，故输出层节点数确定；采用试验法选择隐藏层节点数：

其中l隐藏层的节点数量，l_i表示输入层的节点数量，l₀表示输出层的节点数量，a取1～10之间自然数，通常增加少量隐藏层节点数以加快误差的下降速度。

通过利用训练样本进行训练，学习得到所需的BP神经网络模型，部分设计原理如下。

误差计算公式为：

式中W为权值矩阵，B为阈值矩阵，K为输出层节点数，T＝[t₁，t₂，…，t_k]为期望输出值矩阵，Z＝[z₁，z₂，…，z_k]为输出层神经元实际输出值矩阵。

隐藏层和输出层神经元输出公式分别为：

其中J为输入层节点数，I为隐藏层节点数，x_j为输入层神经元输出，y_i为隐藏层神经元输出，f_a为第a层映射网络的激励函数，W_aik为第a层映射网络的从第i个输入到第k个输出的连接权值，b_a为隐藏层或输出层各个单元的阈值，a＝1，2。

各层的连接权值的学习规则为

其中η为学习步长。

根据Levenberg-Marquardt算法调节各层的连接权值，逐层反向传递，即进行误差反向传播。反复修正各层之间的连接权值，以使网络模型的均方误差达到最小，得到训练成熟的火灾预警神经网络模型。当各传感器的数据输入后将模型各概率输出作为所述环境监测模块的输出，传输到主控模块进行处理、进一步上传到服务器进行分析，为所述预警模块提供数据基础。

6.所述预警模块，包括巡检车蜂鸣器、警报灯和LED点阵屏。当机场某处发生火灾等紧急情况时，预警模块接收到由主控模块从服务器接收的报警信息，进行及时合理的警报。航站楼中可能出现疏散标志距离旅客较远的情况，且疏散标志的尺寸偏小，导致在航站楼中疏散标志可辨识度较差。因此，通过蜂鸣器、警报灯和LED点阵屏引导旅客进行分区疏散、前往避难夹层或避难走道疏散的同时，旅客可在接收到巡检车蜂鸣器和警示灯提醒后，通过所述顾客移动终端了解巡检车LED点阵屏显示内容的含义、查看灾害具体情况及应急疏散方案。

旅客移动终端应急疏散路径规划的原则为：①路径必须避开危险区域；②逃生路径复杂性不宜过高。采用代价函数f(l)的方式，将其定义为初始节点在路径节点l，并最终到达目标节点后所需要的最小路径代价的估计量，则应急路径规划的路径代价为：

其中g(l)为从初始节点到路经节点l所需要的代价，h_i(l)为从路经节点l到目标节点时的代价，为从路径节点l到目标节点的p个正相关估计代价权之和，包括由温度、人流量密度、与灾害源间距离、气体浓度和烟雾浓度等与危险性成正相关的环境指标引入的权值，为q个负相关估计代价权之和，包括由能见度、路径连通度等与危险性成负相关的环境指标引入的权值，I(l)为路径复杂度，如当可选路径中存在楼梯等影响疏散速度的复杂路径或针对行动不便的旅客时，该值较大。

由于此处目的是为旅客规划疏散路径，因此与巡检车路径规划的估计代价权计算公式相反：

其中x_i为所采集的第i类环境指标的监测数据，x_io是国家标准中设定的第i类环境指标标准值或标准范围中心值或根据经验人为设定的安全值。

7.所述监测分析服务器，包括Web通讯单元、数据分析单元、数据存储单元、数据可视化单元。所述Web通讯单元用于服务器与旅客移动终端和巡检车进行数据传输；所述数据分析单元用于对巡检车上传的位置、环境监测等数据进行处理与分析，进行紧急情况预警、控制巡检车向某一区域移动、避免巡检车运行超出WiFi信号范围等；所述数据存储单元用于存储巡检车上传的各类监测数据等；所述数据可视化单元用于将结合机场航站楼服务信息的环境信息以热图等可视化形式呈现给机场管理人员或旅客。

进一步的，所述数据分析单元在机场航站楼环境监测方面，可根据接收到的巡检车在机场航站楼的监测数据进行综合计算和判断，实时分析该区域监测数据的发展态势和空间规律，建立机场航站楼实时温度场、气体浓度场等，跟踪气体在航站楼不同区域的浓度来定位气体产生源。构建环境时空监测体系，对整个航站楼监测数据热图进行分析并结合航站楼布设的摄像头对重点区域(值机大厅、候机大厅等)进行人群密度和人群运动趋势的监测分析，判断环境随航班或客流密度的变化关系，进行航站楼新风系统、暖通系统或广播系统的反馈控制，对开设工作口数量、安排工作人员前往进行引导等有关机场运营管理进行相应调整。

所述数据分析单元在机场航站楼紧急情况预警方面，可在紧急情况发生时，该单元通过所述Web通讯单元将险情区域发送到巡检车预警模块和旅客移动终端，可结合位于险情区域巡检车的具体位置，为每一位旅客定制逃生路径、发送告警信息、引导旅客进行疏散，所述旅客移动终端可语音引导旅客快速安全地离开现场。以火灾预警为例，结合位于险情区域巡检车的具体位置判断其所在区域的楼顶高，计算此处烟气层危险高度,当烟气层高度低于危险高度时，疏散引导路径应避开这一区域。旅客成功疏散后，所述监测分析服务器可将险情区域信息发送到消防人员的移动终端，便于其在火势扩大前快速前往火灾现场进行扑救、救援。

所述数据可视化单元用于机场航站楼环境信息、机场服务信息的可视化，将所述数据分析单元得出的机场航站楼实时温度场、气体浓度场、人群密度场等环境信息结合巡检车分布情况、电子地图、值机台/安检口人流量等航站楼服务信息呈现给机场管理人员或旅客，消除机场与旅客间的“数据孤岛”，方便旅客安排行程、提高出行舒适度的同时，便于机场对各类安全隐患进行及时处理、提高运营管理效率。当紧急情况发生时，将险情区域、告警信息及逃生路径可视化地呈现给旅客，引导其快速、有效地疏散。

本专利提供了一种基于自主巡检车的机场紧急情况预警系统，该系统可通过所述各个模块等进行机场紧急情况预警，本实施例提供的机场航站楼火灾预警方法，如图4所示，包括如下步骤：

步骤1：在航站楼进行巡检车的布设。在一些重点区域(如值机大厅、候机大厅等)进行针对性布设，确保环境监测全面、无死角，每个巡检车均有其负责的固定巡检区域，其在所负责的巡检区域内由所述导航定位制图模块自主进行定位、路径规划、局部制图。

步骤2：所述监测分析服务器接入航站楼防火结构图、平面图以及巡检车布设位置数据等，并将其储存在数据存储单元中。由所述Web通讯单元与所述旅客移动终端及所有巡检车建立连接，确保数据能够正常传输。

步骤3：巡检车进行基于所述环境监测模块进行航站楼环境监测。其利用所述各类传感器监测环境中各类指标数据，将数据传输到主控模块进行预处理后(包括噪声数据清理、所述火灾预警神经网络模型等)，进一步上传到所述监测分析服务器以判断监测区域是否存在火灾风险、分析该区域监测数据的发展态势和空间规律等，进而进行火灾预警判断或航站楼新风系统、暖通系统或广播系统的反馈控制等。

步骤4：针对火灾预警，所述监测分析服务器接收某巡检车由所述火灾预警神经网络模型输出的明火/阴燃概率值存在偏低(低于火灾隐患阈值)、偏高(高于火灾隐患阈值但低于火灾发生阈值)和极高(高于火灾发生阈值)三种情况。

在概率值偏高时，所述监测分析服务器可向距离该巡检车较近的其他巡检车发出指令，使其基于所述导航定位制图模块进行路线规划、离开所负责的巡检区域、向火灾隐患区域移动，或安排附近工作人员前往，通过多巡检车/工作人员协同进行环境监测以提高环境监测准确性、避免因偶然误差导致的误预警。若在巡检车前往过程中，该区域明火/阴燃概率持续上升、火灾发生可能性的确较大，巡检车数量的增加也可使航站楼预警点位增加、预警区域更全面。若在巡检车前往过程中该区域明火/阴燃概率下降或当多巡检车/工作人员到达该区域后环境监测结果为低明火/阴燃概率、火灾发生可能性极小，则被调派过去的巡检车基于所述导航定位制图模块自行规划路线返回其负责的巡检区域、进行正常巡检工作。

在概率值极高时，所述监测分析服务器可选择直接进行旅客疏散：①向该巡检车和周围区域巡检车发送报警信息，其通过蜂鸣器、警报灯和LED点阵屏进行疏散引导；②向旅客移动终端发送预警信息、险情区域位置、逃生路径等。结合航站楼工作人员，共同实现全面无死角的旅客疏散引导。旅客成功疏散后，消防人员可通过所述监测分析服务器发送到移动终端的险情区域信息，前往火灾现场进行扑救、救援。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims

1.机场航站楼环境自主巡检车监测系统，其特征在于，包括监测分析服务器、巡检车以及设置在巡检车上的主控驱动模块、导航定位制图模块、WiFi通信模块、环境监测模块；

所述环境监测模块，用于获取机场航站楼的环境监测信息；

2.根据权利要求1所述的机场航站楼环境自主巡检车监测系统，其特征在于，所述WiFi定位模块采用的RSSI测距定位算法，针对航站楼复杂环境的多径传输损耗采用随机森林分类算法配置RSSI损耗参数和测距模型。

3.根据权利要求1所述的机场航站楼环境自主巡检车监测系统，其特征在于，所述环境监测模块包括气体传感器、烟雾传感器、温湿度传感器、声音传感器、能见度传感器、红外传感器，并将多源传感器数据与位置信息同步融合。

4.根据权利要求3所述的机场航站楼环境自主巡检车监测系统，其特征在于，针对火灾预警，环境监测模块采用基于Levenberg-Marquardt算法的三层BP前馈型神经网络建立火灾预警模型，神经网络的输入为有毒有害气体、烟雾、温度、能见度，输出为明火概率、阴燃概率和无火概率。

5.根据权利要求1所述的机场航站楼环境自主巡检车监测系统，其特征在于，还包括设置在巡检车上的预警模块，所述预警模块包括巡检车蜂鸣器、警报灯和LED点阵屏。

6.根据权利要求1所述的机场航站楼环境自主巡检车监测系统，其特征在于，所述监测分析服务器包括Web通讯单元、数据分析单元、数据存储单元、数据可视化单元，所述Web通讯单元用于服务器与旅客移动终端和巡检车进行数据传输；所述数据分析单元用于根据巡检车上传的位置、环境监测信息进行紧急情况预警、控制巡检车移动；所述数据存储单元用于存储巡检车上传环境监测信息；所述数据可视化单元用于将结合机场航站楼服务信息的环境监测信息以可视化形式呈现给机场管理人员或旅客。

7.根据权利要求1所述的机场航站楼环境自主巡检车监测系统，其特征在于，所述主控驱动模块通过PID及PMSM矢量控制算法进行巡检车车体的控制。

8.根据权利要求1所述的机场航站楼环境自主巡检车监测系统，其特征在于，所述路径规划模块采用的基于特征的改进A*路径规划算法中对A*路径规划算法中的代价函数进行改进，改进后的代价函数为：

9.根据权利要求8所述的机场航站楼环境自主巡检车监测系统，其特征在于，正相关估计代价权包括由噪声、温度、气体浓度和烟雾浓度与紧急情况发生可能性成正相关的环境信息引入的权值，负相关估计代价权包括由路径复杂度、能见度与紧急情况发生可能性成负相关的环境信息引入的权值。

10.根据权利要求8所述的机场航站楼环境自主巡检车监测系统，其特征在于，以监测分析服务器中预存的航站楼栅格地图为基础，在巡检车视觉SLAM模块局部制图构建的局部航站楼栅格地图中，选用欧氏距离估算f_j(m)值,即允许巡检车向周围8邻域移动，则其中，D为两个相邻栅格之间的实际距离，x、y分别为路径节点m的横、纵坐标，x_goal、y_goal分别为目标节点的横、纵坐标。