CN111179143A - 基于bim的智慧消防系统 - Google Patents
基于bim的智慧消防系统 Download PDFInfo
- Publication number
- CN111179143A CN111179143A CN202010010343.1A CN202010010343A CN111179143A CN 111179143 A CN111179143 A CN 111179143A CN 202010010343 A CN202010010343 A CN 202010010343A CN 111179143 A CN111179143 A CN 111179143A
- Authority
- CN
- China
- Prior art keywords
- fire
- data
- model
- simulation
- unit
- 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
- 238000004088 simulation Methods 0.000 claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000007405 data analysis Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 8
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 claims description 7
- 239000000779 smoke Substances 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000013075 data extraction Methods 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 4
- 229940014425 exodus Drugs 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000009423 ventilation Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims description 2
- 230000008676 import Effects 0.000 claims description 2
- 230000003993 interaction Effects 0.000 claims description 2
- 238000007689 inspection Methods 0.000 description 17
- 238000012360 testing method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000005654 stationary process Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
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—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
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Computer Security & Cryptography (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种基于BIM的智慧消防系统，包括中央处理单元、消防安全检测单元、数据分析与预测单元、火情模拟与人员疏散单元，所述消防安全检测单元、数据分析与预测单元、火情模拟与人员疏散单元均连接中央处理单元，所述消防安全检测单元通过拍摄检查点图像信息，传输至中央处理单元，与标准图像进行对比自动生成检测报告；所述数据分析与预测单元通过对火情数据特征分析预测火情发生次数；所述火情模拟与人员疏散单元通过建立BIM模型和疏散模型进行火情模拟与人员疏散模拟。
Description
技术领域
本发明属于物联网技术领域，尤其是涉及一种基于BIM的智慧消防系统。
背景技术
消防安全问题一直以来都是家庭、企业、社会和政府最为关心的问题之一。随着经济的不断发展，建筑物数量、高度及复杂度不断刷新，且通常存在人员密集、结构与材料复杂多样、消防设施设备、维护保养不到位、材料缺失以及规章制度不系统不完善、管理不到位等情况。这对消防安全工作提出了更大的挑战。在人员、技术和装备有限的情况下，仅依靠消防机构专业人员和相关从业人员，根据工作经验和众多相关规范文件进行主观判断的消防安全检查与评估工作方法，远远无法满足日益严峻的消防安全形势需要。
发明内容
有鉴于此，本发明旨在提出一种基于BIM的智慧消防系统，以解决上述背景技术中提到的问题。
为达到上述目的，本发明的技术方案是这样实现的：
基于BIM的智慧消防系统，包括中央处理单元、消防安全检测单元、数据分析与预测单元、火情模拟与人员疏散单元，所述消防安全检测单元、数据分析与预测单元、火情模拟与人员疏散单元均连接中央处理单元，所述消防安全检测单元通过拍摄检查点图像信息，传输至中央处理单元，与标准图像进行对比自动生成检测报告；所述数据分析与预测单元通过对火情数据特征分析预测火情发生次数；所述火情模拟与人员疏散单元通过建立BIM模型和疏散模型进行火情模拟与人员疏散模拟。
进一步的，数据分析与预测单元包括数据提取模块、数据处理模块、预测分析模块以及数据存储模块，
数据提取模块：实现数据样本的导入功能；
数据处理模块：对样本数据进行零均值变换、差分变换实现数据平稳性；
预测分析模块：火情预测，并对预测结果进行存取；
数据存储模块：用Hibernate框架实现平稳数据、预测数据和与数据库进行交互，形成时序预测表。
进一步的，所述消防安全检测单元实现过程如下：
将标准图片进行边缘检测，将检测出的闭合边缘块自上而下、从左到右手动命名，当遇到已命名的闭合边缘块后，跳过该块继续其他的检测；
基于SIFT算法进行图像比对；
通过统计实物及其邻域内DOG特征点的比值确定异常；
对图像块进行匹配，只保存与图像检查项相关的信息；
自动化报告生成。
进一步的，所述数据分析与预测单元具体实现过程如下：
获取火灾数据，判断是否平稳，如平稳，则进行零均值化处理，如不平稳则进行d次差分之后进行零均值化处理；
计算ACF和PACF；
识别ARIMA模型；
估计模型未知参数；
验证平稳可逆性；
验证模型显著特性；
进行火灾预测。
进一步的，火情模拟与人员疏散单元实现过程如下：
首先建立建筑物静态模型，将该模型以.DXF格式导入到火灾模拟软件Pyrosim首先进行有限元划分，模型导入的同时建筑参数也存入了Pyrosim，设置火源相关参数、通风口位置和参数后进行有限元模拟得到温度、烟浓度关于建筑分布的三维云图；启动时序模拟，求解温度、烟浓度关于时间和高度的变化曲线，通过模拟得到有效逃生时间；将该模型以.CAD格式导入到疏散模拟软件Building Exodus，建立人口模型并设置出口效率，建立疏散模型后计算逃生线路比对逃生实际时间和有效时间，在有限时间之内接受该模型，否则重新设置参数和选择逃生模型直到逃生时间在可接受范围之内，并为逃生提出指导建议。
相对于现有技术，本发明所述的基于BIM的智慧消防系统具有以下优势：
本发明可实现消防安全检查，提高检查效率，能够通过对历史火情数据分析预测火情发发生的时间和频率，指导相关人员进行提前预防，减少损失，通过对火情的模拟以及人员疏散模拟能够提供可视化的消防辅助功能，本发明的系统可推广使用。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例所述的基于BIM的智慧消防系统结构示意图；
图2为本发明实施例所述的数据分析与预测单元实现方法示意图；
图3为本发明实施例所述的火情模拟与人员疏散单元实现方法示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
如图1-3所示，传统的可视化消防安全检查是待检查者将标准的检查位点、检查项和图像上传到平台后台系统后到达检查场所后根据非图像项逐项进行检查、对照标准图像进行比对并人工给出每个检查点的成绩。这样做耗费了大量人力，检查点得分也会受到人工的主观性判断影响。故此我们设计了一种基于数字图像比对的智能化消防安全检查系统，该系统只需人工拍摄较清晰的检查点图像，将拍摄图像、与图像相关的检查项上传到平台的对应文件夹下，就可以自动生成检测报告，相比以前的检查方式节省了大量人工分析，使检查过程更加智能，但其局限性在于智能检测评价和图像相关的安全项，其它检查项仍需人工检测。
“智能消防安全检测”是一个数字图像处理系统，可以在“功能接口与资料库系统”设计各个功能模块。
图片内实物命名与边缘检测
由于计算机无法识别图片内所有物品的名字，所以需要为图片内的物品进行命名，以便后续检测报告的自动生成，又由于安全消防检测的单张图片较为简单(视差小，边缘较闭合)，信息量不大，所以我们可以采用以下命名方法：将标准图片进行边缘检测，将检测出的闭合边缘块自上而下、从左到右手动命名，当遇到已命名的闭合边缘块后，跳过该块继续其他的检测。
基于SIFT算法的图像比对
由于拍摄得到的单张照片在旋转、尺度缩放、亮度变化产生了畸变，对视角变化、仿射变换、噪声也有改变，所以需要寻找一种保持“尺度变化连续性”的图像对比算法：SIFT算法在处理这种问题时是高效的。通过构建尺度空间、最大似然寻找DOG极值点、通过Harris Corner检测器除去不稳定和对比度低的特征点、生成特征向量和匹配特征点，得到图像内各物体的匹配。
实物邻域内DOG极值点统计
由于DOG极值点是各个尺度空间内能够排除旋转、平移、增强、噪声等外因的本质特征点，所以它可以作为我们判别实物邻域是否有改变的特征。通过统计实物及其邻域内DOG特征点的比值(特征值)，确定拍摄后的图像各实物附近是否存在异常以及异常的严重性情况。
检测项指标匹配
由于经边缘检测命名、SIFT图像匹配、DOG特征信息统计之后的图像块中有与检测项相关的，也有与检测项无关的，所以需要对图像块进行匹配，只保存与图像检查项相关的信息，以方便后续自动化报告的生成。
自动化报告生成
图片内已命名的实物匹配“检查项”数据库的名称，参考各个实物上述得到的特征值，评价局部特征。例如：局部特征值>10，可表述为“XXX局部特征完全匹配，没有异常”；10>局部特征值>5，可表述为“XXX局部特征部分匹配，存在疑似隐患”；局部特征值<5，可表述为“XXX局部特征不匹配，存在较大消防隐患”。然后再按照本文提到的方法“拼凑”出消防安全评估报告。
作为消防安全分析的统计结论，基于灾情发生数量的即时预警已成为平台提供给消防部门、政府主管和业主单位的主要警示性服务，所以合理的预测算法的选择是实现“智慧消防”智慧数据的核心环节。火情数据特征分析如下
趋势性：火情的发生有明确的归因(比如人员密集区发生火灾的次数远大于人烟稀少的区域，所以对于人这个因素火情有明显的趋势)，只要有归因就存在趋势性而不完全是随机性。
周期性：火情的发生和季节、时间段等周期性因素直接相关，所以应选取一种能处理周期性因素的数学模型对火情进行预测。
非线性特征：由于火灾发生具有高斯随机性，且发生原因比较复杂，所以发生次数统计曲线具有非线性特征，所以应该选取一种能够处理非线性数据的数学模型。
综合上述火情数据的基本特征，本发明采用时间序列Arima算法对上述因素作用下的火情发生次数进行预测，因为该算法对于自相关不平稳数据具有普遍适用性，对于一定量的数据的预测具有自适应性。
Arima算法解析
平稳时间序列
假定某个时间序列是由某一随机过程生成的，即假定时间序列{Yt}(t＝1,2,…)的每一个数值都是从一个概率分布中随机得到，如果满足下列条件：
1)均值E(Yt)＝u是与时间t无关的常数；
2)方差Var(Yt)＝σ2是与时间t无关的常数；
3)协方差Cov(Yt,Yt+k)＝f(k)是只与时期间隔k有关，与时间t无关的常数。
则称该随机时间序列是平稳的，而该随机过程是一平稳随机过程。从时间序列图中也可以从数据上直接观察得到，一般没有上升或者下降趋势的稳定序列，可以近似认为是平稳时间序列，有明显变化趋势的，需要对原始数据进行多次差分，直到得到的序列近似平稳，得到平稳的时间序列后要对序列进行零均值化处理，也就是每一项都减去其均值，这样做的目的是保证处理的时间序列能和排除白噪声的作用，即将有用信息从白噪声中分离。
ARIMA模型
假设一个随机过程含有d个单位根，则其经过d次差分之后可以变换成为一个平稳的自回归移动平均过程。考虑如下模型，Φ(L)Ddy(t)＝Θ(L)e(t)(1)其中Ddy(t)表示y(t)经过d次差分变为平稳过程；Φ(L)是平稳过程的自回归算子；Θ(L)是平稳过程的移动平均算子。则称y(t)为(p,d,q)阶单积(整)自回归移动平均过程，记为ARIMA(p,d,q)即自回归微分移动平均过程。其中Ddy(t)称为广义自回归算子。将(1)展开得到t时刻的预测值：
yt＝φ1yt-1+φ2yt-2+...+φpyt-p+et-θ1et-1-θ2et-2-...-θqet-q(2)
模型估计
1自相关系数：度量同一事件在不同时期的相关程度定义γk＝Cov(yt,yt-k)＝E[(yt-u)(yt-k-u)]为自协方差序列，γ0＝var(yt)＝σy 2定义自相关系数为
当序列平稳时
进一步地，
2偏自相关系数：固定中间所有时刻点，只研究两个时刻点之间的相关程度
记φkj为k阶自回归过程中第j个回归系数，不加证明的给出结论：
φ11＝ρ1
φk+1,j＝φkj-φk+1,k+1φk,k+1-j
3根据AC和PAC确定ARIMA模型结构和阶数
参数辨识
对yt＝φ1yt-1+φ2yt-2+...+φpyt-p+et-θ1et-1-θ2et-2-...-θqet-q进行参数辨识，分两步进行。
第一步 辨识自回归系数[φ1,φ2,...,φp]
不加证明的给出结论，由子协方差序列得到
第二步 识滑动均值系数[θ1,θ2,...,θq]
采用迭代法给出环境噪声et的方差σ2各阶滑动系数，已辨识的回归系数和自协方差序列中初始化均值系数的初值
将每一时刻的误差方差序列和滑动系数向量反复迭代到上一时刻，直到满足以下终止标准：
|θj(m+1)-θj(m)|＜ε1j＝1,2,...q
|σ2(m+1)-σ2(m)|＜ε2
回归平稳性和滑动可逆性检验
检验特征多项式
的所有根是否都落在单位圆外，如果都落在单位圆外，检验通过。
显著性检验
模型适用性检验：模型显著性检验是基于分析残差序列et得到的，如果残差序列是白噪声序列，则检验通过；如果不是白噪声，说明模型还没有完全提取环境中的有用信息，需要对模型结构重新进行估计。检验et＝Θ(L)-1Φ(L)y(t)是否为白噪声，或检验残差自相关系数
是否为0。
数据预测
预测误差为
由此可见预测误差只和预测步长有关而和初始时刻无关，预测补偿越大，误差越大，
引入误差动态修正因子并进行每步和下一步之间的条件预测可以减少误差。
火情模拟与人员疏散模拟方案
首先建立建筑物静态模型，将该模型以.DXF格式导入到火灾模拟软件Pyrosim首先进行有限元划分，模型导入的同时建筑参数也存入了Pyrosim，设置火源相关参数、通风口位置和参数后进行有限元模拟得到温度、烟浓度关于建筑分布的三维云图；启动时序模拟，求解温度、烟浓度关于时间和高度的变化曲线，通过模拟得到有效逃生时间；将该模型以.CAD格式导入到疏散模拟软件Building Exodus，建立人口模型并设置出口效率，建立疏散模型后计算逃生线路比对逃生实际时间和有效时间，在有限时间之内接受该模型，否则重新设置参数和选择逃生模型直到逃生时间在可接受范围之内，并为逃生提出指导建议。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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 (5)
1.基于BIM的智慧消防系统，其特征在于：包括中央处理单元、消防安全检测单元、数据分析与预测单元、火情模拟与人员疏散单元，所述消防安全检测单元、数据分析与预测单元、火情模拟与人员疏散单元均连接中央处理单元，所述消防安全检测单元通过拍摄检查点图像信息，传输至中央处理单元，与标准图像进行对比自动生成检测报告；所述数据分析与预测单元通过对火情数据特征分析预测火情发生次数；所述火情模拟与人员疏散单元通过建立BIM模型和疏散模型进行火情模拟与人员疏散模拟。
2.根据权利要求1所述的基于BIM的智慧消防系统，其特征在于：数据分析与预测单元包括数据提取模块、数据处理模块、预测分析模块以及数据存储模块，
数据提取模块：实现数据样本的导入功能；
数据处理模块：对样本数据进行零均值变换、差分变换实现数据平稳性；
预测分析模块：火情预测，并对预测结果进行存取；
数据存储模块：用Hibernate框架实现平稳数据、预测数据和与数据库进行交互，形成时序预测表。
3.根据权利要求1所述的基于BIM的智慧消防系统，其特征在于：所述消防安全检测单元实现过程如下：
将标准图片进行边缘检测，将检测出的闭合边缘块自上而下、从左到右手动命名，当遇到已命名的闭合边缘块后，跳过该块继续其他的检测；
基于SIFT算法进行图像比对；
通过统计实物及其邻域内DOG特征点的比值确定异常；
对图像块进行匹配，只保存与图像检查项相关的信息；
自动化报告生成。
4.根据权利要求1所述的基于BIM的智慧消防系统，其特征在于：所述数据分析与预测单元具体实现过程如下：
获取火灾数据，判断是否平稳，如平稳，则进行零均值化处理，如不平稳则进行d次差分之后进行零均值化处理；
计算ACF和PACF；
识别ARIMA模型；
估计模型未知参数；
验证平稳可逆性；
验证模型显著特性；
进行火灾预测。
5.根据权利要求1所述的基于BIM的智慧消防系统，其特征在于：火情模拟与人员疏散单元实现过程如下：
首先建立建筑物静态模型，将该模型以.DXF格式导入到火灾模拟软件Pyrosim首先进行有限元划分，模型导入的同时建筑参数也存入了Pyrosim，设置火源相关参数、通风口位置和参数后进行有限元模拟得到温度、烟浓度关于建筑分布的三维云图；启动时序模拟，求解温度、烟浓度关于时间和高度的变化曲线，通过模拟得到有效逃生时间；将该模型以.CAD格式导入到疏散模拟软件Building Exodus，建立人口模型并设置出口效率，建立疏散模型后计算逃生线路比对逃生实际时间和有效时间，在有限时间之内接受该模型，否则重新设置参数和选择逃生模型直到逃生时间在可接受范围之内，并为逃生提出指导建议。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010010343.1A CN111179143A (zh) | 2020-01-06 | 2020-01-06 | 基于bim的智慧消防系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010010343.1A CN111179143A (zh) | 2020-01-06 | 2020-01-06 | 基于bim的智慧消防系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111179143A true CN111179143A (zh) | 2020-05-19 |
Family
ID=70654522
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010010343.1A Pending CN111179143A (zh) | 2020-01-06 | 2020-01-06 | 基于bim的智慧消防系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111179143A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113987638A (zh) * | 2021-10-26 | 2022-01-28 | 浙江慧远工程数据技术有限公司 | 轨道交通疏散平台bim数据的自动生成方法及装置 |
| CN114237072A (zh) * | 2022-02-28 | 2022-03-25 | 南京迈特望科技股份有限公司 | 应用云控制技术的智能家居门锁一体化控制系统及方法 |
| CN116109014A (zh) * | 2023-04-11 | 2023-05-12 | 广东广宇科技发展有限公司 | 一种城市轨道交通大型换乘站点的模拟消防疏散方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102497539A (zh) * | 2011-12-15 | 2012-06-13 | 航天科工哈尔滨风华有限公司 | 基于改进sift特征匹配的全景监控系统及其监控方法 |
| CN106730560A (zh) * | 2017-01-06 | 2017-05-31 | 西安思源学院 | 基于bim的建筑消防实时监控系统 |
| CN106971494A (zh) * | 2017-05-10 | 2017-07-21 | 攀枝花学院 | 基于嵌入式平台的火灾检测与定位系统及方法 |
| CN107067629A (zh) * | 2017-06-09 | 2017-08-18 | 成都智建新业建筑设计咨询有限公司 | 基于bim技术的建筑内安全监控系统 |
| CN107766977A (zh) * | 2017-10-20 | 2018-03-06 | 江苏电力信息技术有限公司 | 一种基于arima的现金流量预测方法 |
| CN208421565U (zh) * | 2018-01-02 | 2019-01-22 | 苏州安达信技术工程有限公司 | 基于bim的建筑监控系统 |
| CN110046837A (zh) * | 2019-05-20 | 2019-07-23 | 北京唐芯物联网科技有限公司 | 一种基于人工智能的消防管理系统 |
| 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 |
-
2020
- 2020-01-06 CN CN202010010343.1A patent/CN111179143A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102497539A (zh) * | 2011-12-15 | 2012-06-13 | 航天科工哈尔滨风华有限公司 | 基于改进sift特征匹配的全景监控系统及其监控方法 |
| CN106730560A (zh) * | 2017-01-06 | 2017-05-31 | 西安思源学院 | 基于bim的建筑消防实时监控系统 |
| CN106971494A (zh) * | 2017-05-10 | 2017-07-21 | 攀枝花学院 | 基于嵌入式平台的火灾检测与定位系统及方法 |
| CN107067629A (zh) * | 2017-06-09 | 2017-08-18 | 成都智建新业建筑设计咨询有限公司 | 基于bim技术的建筑内安全监控系统 |
| CN107766977A (zh) * | 2017-10-20 | 2018-03-06 | 江苏电力信息技术有限公司 | 一种基于arima的现金流量预测方法 |
| CN208421565U (zh) * | 2018-01-02 | 2019-01-22 | 苏州安达信技术工程有限公司 | 基于bim的建筑监控系统 |
| CN110046837A (zh) * | 2019-05-20 | 2019-07-23 | 北京唐芯物联网科技有限公司 | 一种基于人工智能的消防管理系统 |
| 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 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113987638A (zh) * | 2021-10-26 | 2022-01-28 | 浙江慧远工程数据技术有限公司 | 轨道交通疏散平台bim数据的自动生成方法及装置 |
| CN114237072A (zh) * | 2022-02-28 | 2022-03-25 | 南京迈特望科技股份有限公司 | 应用云控制技术的智能家居门锁一体化控制系统及方法 |
| CN116109014A (zh) * | 2023-04-11 | 2023-05-12 | 广东广宇科技发展有限公司 | 一种城市轨道交通大型换乘站点的模拟消防疏散方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111179143A (zh) | 基于bim的智慧消防系统 | |
| US20230186401A1 (en) | Feedback loop in mobile damage assessment and claims processing | |
| US20210056640A1 (en) | Processing Insured Items Holistically with Mobile Damage Assessment and Claims Processing | |
| CN112418009B (zh) | 一种图像质量检测方法、终端设备及存储介质 | |
| CN110995643B (zh) | 一种基于邮件数据分析的异常用户识别方法 | |
| CN112820071B (zh) | 一种行为识别方法和装置 | |
| US20210295182A1 (en) | Machine learning system and machine learning method | |
| CN111931719A (zh) | 高空抛物检测方法以及装置 | |
| CN112926483A (zh) | 标准机柜状态指示灯识别监测方法、装置和系统 | |
| CN109145752A (zh) | 用于评估对象检测和跟踪算法的方法、装置、设备和介质 | |
| CN114332602A (zh) | 一种智能货柜的商品识别方法 | |
| López et al. | Estimating the mass of CMEs from the analysis of EUV dimmings | |
| CN111144673A (zh) | 组织人员结构评估方法、装置、设备及计算机可读介质 | |
| Alasalmi et al. | Classification uncertainty of multiple imputed data | |
| CN109871456B (zh) | 一种看守所人员关系分析方法、装置和电子设备 | |
| CN113033587A (zh) | 图像识别结果评估方法、装置、电子设备及存储介质 | |
| CN114140751B (zh) | 一种考场监控方法及系统 | |
| Li et al. | A reference estimator based on composite sensor pattern noise for source device identification | |
| CN115936831A (zh) | 基于大规模工商图网络的社区风险传导预测方法及系统 | |
| Zhang et al. | Neural-network-based single-frame detection of dim spot target in infrared images | |
| CN114037939A (zh) | 一种危险品识别方法、识别装置、电子设备及存储介质 | |
| WO2022113453A1 (ja) | 異常検知装置、異常検知方法 | |
| CN114220084A (zh) | 一种基于红外图像的配电设备缺陷识别方法 | |
| CN113361637A (zh) | 基站机房的安全隐患识别方法及装置 | |
| US11935287B2 (en) | Image-based property condition determination systems, methods, and devices |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200519 |