CN111640280A - 一种基于多源信息融合的地铁站污染物预警方法 - Google Patents
一种基于多源信息融合的地铁站污染物预警方法 Download PDFInfo
- Publication number
- CN111640280A CN111640280A CN202010314604.9A CN202010314604A CN111640280A CN 111640280 A CN111640280 A CN 111640280A CN 202010314604 A CN202010314604 A CN 202010314604A CN 111640280 A CN111640280 A CN 111640280A
- Authority
- CN
- China
- Prior art keywords
- pollutant
- data
- subway station
- passenger flow
- diffusion
- 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
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 154
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 154
- 230000004927 fusion Effects 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000009792 diffusion process Methods 0.000 claims abstract description 91
- 238000001514 detection method Methods 0.000 claims abstract description 36
- 231100000167 toxic agent Toxicity 0.000 claims abstract description 33
- 239000003440 toxic substance Substances 0.000 claims abstract description 33
- 239000003795 chemical substances by application Substances 0.000 claims abstract description 26
- 239000003053 toxin Substances 0.000 claims abstract description 22
- 231100000765 toxin Toxicity 0.000 claims abstract description 22
- 231100000614 poison Toxicity 0.000 claims description 37
- 239000002574 poison Substances 0.000 claims description 37
- 238000012544 monitoring process Methods 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 19
- 230000007613 environmental effect Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 238000003909 pattern recognition Methods 0.000 claims description 2
- 230000000977 initiatory effect Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000006378 damage Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/0297—Robbery alarms, e.g. hold-up alarms, bag snatching alarms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/40—Transportation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/50—Safety; Security of things, users, data or systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Computing Systems (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Emergency Management (AREA)
- Computer Security & Cryptography (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Accounting & Taxation (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于多源信息融合的地铁站污染物预警方法、装置、存储介质及终端,所述方法包括:利用传感器检测目标地铁站,获得污染物毒剂初步检测数据;当所述检测数据大于或等于预设阈值时,获取所述目标地铁站的多源异构数据,预测污染物毒剂扩散态势和客流影响态势;基于所述污染物毒剂扩散态势和客流影响态势,确定启动应急处置的预案等级。因此,采用本申请实施例,可以针对重大突发事件分级预警后进行应急处置与指挥调度,从而有效保障地铁站环境的安全。
Description
技术领域
本发明涉及信息融合技术领域,特别涉及一种基于多源信息融合的地铁站污染物预警方法、装置、存储介质及终端。
背景技术
地铁站是当今社会发展的重要工程,随着城市现代化的建设推进,在城市大型商业街区、机场、港口、码头、长途客运站、旅游景点等城市窗口地带随处可见,近些年来,地铁站内的恐怖暴力事件时有发生,因此地铁站也急需一种实现监测智能化的系统进行实时监控,以保护人民的生命财产安全。
目前地铁站进行监测与指挥调度主要依靠人力和视频监控来完成,在用户进入地铁站时,工作人员会进行全身扫描和检查,然后检查是否携带污染物毒剂,然后根据工作人员检查结果进行监督和指挥调度来保障地铁站的安全,由于这种方式需要大量的工作人员和检测设备进行检查,从而浪费了时间,降低了监督效率。
发明内容
本申请实施例提供了一种基于多源信息融合的地铁站污染物预警方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
第一方面,本申请实施例提供了一种基于多源信息融合的地铁站污染物预警方法,所述方法包括:
利用传感器检测目标地铁站,获得污染物毒剂初步检测数据;
当所述检测数据大于或等于预设阈值时,获取所述目标地铁站的多源异构数据,预测污染物毒剂扩散态势和客流影响态势;
基于所述污染物毒剂扩散态势和客流影响态势,确定启动应急处置的预案等级。
可选的,所述当所述检测数据大于或等于预设阈值时,获取所述目标地铁站的多源异构数据,预测污染物毒剂扩散态势和客流影响态势,包括:
所述检测数据大于或等于预设阈值时,发出报警后获取所述目标地铁站污染物毒剂的数据信息,所述数据信息包括三维坐标、污染物扩散半径、污染物扩散速度、污染物扩散浓度;
利用视频采集器采集所述目标地铁站客流信息,所述客流信息包括客流密度、客流量、客流速度;
获取所述目标地铁站环境数据和运营数据,所述环境数据包括通道风速、湿度、温度,所述运营数据包括运营间隔、载客数;
基于所述目标地铁站污染物毒剂的数据信息、客流信息、环境数据和运营数据构成多源异构数据;
基于所述多源异构数据预测污染物毒剂扩散态势和客流影响态势。
可选的,所述基于所述多源异构数据预测污染物毒剂扩散态势和客流影响态势,包括:
将所述多源异构数据输入预设网络模型进行预测,生成客流密度和污染物扩散区域范围、扩散速度、浓度变化;其中,
所述预设网络模型算法至少包括经典推理、贝叶斯决策理论、神经网络或模式识别等模型算法之一。
可选的,所述基于所述污染物毒剂扩散态势和客流影响态势,确定启动应急处置的预案等级,包括:
基于所述客流密度和污染物扩散区域范围、扩散速度、浓度变化进行等级划分,生成启动应急处置的预案等级。
可选的,所述生成启动应急处置的预案等级之后,包括:
基于所述预案等级启动综合监测与指挥调度系统的功能。
可选的,所述利用传感器检测目标地铁站的传感器包括核检测器(1-N)、生检测器(1-M)、化检测器(1-P)、视频检测器(1-Q)中的一种或多种。
可选的,所述基于多源信息融合的地铁站污染物预警中的信息融合包括数据级融合、特征级融合以及决策级融合。
第二方面,本申请实施例提供了一种基于多源信息融合的地铁站污染物预警装置,所述装置包括:
数据获取模块,用于利用传感器检测目标地铁站,获得污染物毒剂初步检测数据;
态势分级模块,用于当所述检测数据大于或等于预设阈值时,获取所述目标地铁站的多源异构数据,预测污染物毒剂扩散态势和客流影响态势;
等级确定模块,用于基于所述污染物毒剂扩散态势和客流影响态势,确定启动应急处置的预案等级。
第三方面,本申请实施例提供一种计算机存储介质,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行上述的方法步骤。
第四方面,本申请实施例提供一种终端,可包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果:
在本申请实施例中,用户终端首先利用传感器检测目标地铁站,获得污染物毒剂初步检测数据,然后当所述检测数据大于或等于预设阈值时,获取所述目标地铁站的多源异构数据,预测污染物毒剂扩散态势和客流影响态势,最后基于所述污染物毒剂扩散态势和客流影响态势,确定启动应急处置的预案等级。由于本申请通过首先通过获取布设在地铁站的各种多源检测器采集的数据、地铁站现有信息化系统已有的环境监测信息、设备运行信息、地铁运营信息,然后基于多元异构信息融合的地铁突发重大事件防范与处置综合集成应用将分别按照数据级融合、特征级融合和决策级融合三个层次分别建立对应的多元异构信息融合模型算法对获取的多源异构数据信息实时全面汇聚、融合、处理并进行可视化展示分析与监测预警,从而提高地铁站监测效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是本申请实施例提供的一种基于多源信息融合的地铁站污染物预警方法的流程示意图;
图2是本申请实施例提供的另一种基于多源信息融合的地铁站污染物预警方法的流程示意图;
图3是本申请实施例提供的一种基于多源信息融合的地铁站污染物预警装置的装置示意图;
图4是本申请实施例提供的一种终端的结构示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。
应当明确,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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明的描述中,需要理解的是,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。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
到目前为止,地铁站进行监测与指挥调度主要依靠人力和视频监控来完成,在用户进入地铁站时,工作人员会进行全身扫描和检查,然后检查是否携带污染物毒剂,然后根据工作人员检查结果进行监督和指挥调度来保障地铁站的安全,由于这种方式需要大量的工作人员和检测设备进行检查,从而浪费了时间,降低了监督效率。为此,本申请提供了一种基于多源信息融合的地铁站污染物预警方法、装置、存储介质及终端,以解决上述相关技术问题中存在的问题。本申请提供的技术方案中,由于本申请通过首先通过获取布设在地铁站的各种多源检测器采集的数据、地铁站现有信息化系统已有的环境监测信息、设备运行信息、地铁运营信息,然后基于多元异构信息融合的地铁突发重大事件防范与处置综合集成应用将分别按照数据级融合、特征级融合和决策级融合三个层次分别建立对应的多元异构信息融合模型算法对获取的多源异构数据信息实时全面汇聚、融合、处理并进行可视化展示分析与监测预警,从而提高地铁站监测效率,下面采用示例性的实施例进行详细说明。
下面将结合附图1-附图2,对本申请实施例提供的基于多源信息融合的地铁站污染物预警方法进行详细介绍。该方法可依赖于计算机程序实现,可运行于基于冯诺依曼体系的基于多源信息融合的地铁站污染物预警装置上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行。其中,本申请实施例中的基于多源信息融合的地铁站污染物预警装置可以为用户终端,包括但不限于:个人电脑、平板电脑、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备等。在不同的网络中用户终端可以叫做不同的名称,例如:用户设备、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置、蜂窝电话、无绳电话、个人数字处理(personal digital assistant,PDA)、5G网络或未来演进网络中的终端设备等。
请参见图1,为本申请实施例提供了一种基于多源信息融合的地铁站污染物预警方法的流程示意图。如图1所示,本申请实施例的所述方法可以包括以下步骤:
S101,利用传感器检测目标地铁站,获得污染物毒剂初步检测数据;
其中,传感器是部署在地铁站进行污染物检测并进行数据采集的电子设备,传感器包括核检测器(1-N)、生检测器(1-M)、化检测器(1-P)、视频检测器(1-Q)。污染物毒剂包括核污染物,生化污染物等对人体造成伤害的固体或气体。
通常,核检测器、生检测器、化检测器可以提供检测到的污染物毒剂的名称、污染物毒剂的浓度等数据信息。
在一种可能的实现方式中,首先通过布设在示范地铁站的各种多源检测器进行数据采集并对采集的数据进行检测,当检测到污染物毒剂时,将检测到的污染物毒剂的名称、污染物毒剂的浓度等数据信息发送至用户终端。
S102,当所述检测数据大于或等于预设阈值时,获取所述目标地铁站的多源异构数据,预测污染物毒剂扩散态势和客流影响态势;
其中,预设阈值是根据不同污染物设定的最大参数值,当超过该参数值时,说明可以对人体构成伤害。污染物毒剂扩散态势是污染物扩散区域范围、扩散速度、浓度变化。客流影响态势是客流密度。多源异构数据是不同传感器采集的数据信息。
在本申请实施例中,用户终端当对检测数据进行分析后得到的检测值大于或等于预设阈值时,发出报警,然后获取目标地铁站污染物毒剂的数据信息,数据信息包括三维坐标、污染物扩散半径、污染物扩散速度、污染物扩散浓度,再利用视频采集器采集所述目标地铁站客流信息,客流信息包括客流密度、客流量、客流速度,然后获取目标地铁站环境数据和运营数据,环境数据包括通道风速、湿度、温度,运营数据包括运营间隔、载客数,再基于目标地铁站污染物毒剂的数据信息、客流信息、环境数据和运营数据构成多源异构数据,基于生成的多源异构数据输入预设的多源数据融合网络模型中进行预测,生成客流密度和污染物扩散区域范围、扩散速度、浓度变化。
在一种可能的实现方式中,首先接收多源检测器发送来的污染物毒剂的名称、污染物毒剂的浓度等数据信息,然后根据数据信息进行分析生成分析结果,当检测到的污染物毒剂的分析结果值达到阈值时,触发报警功能进行报警,如果分析结果没有达到阈值进行报警,则直接解除误报。当发出报警后,获取污染物毒剂源头的三维坐标、污染物毒剂扩散半径、污染物毒剂扩散速度、污染物毒剂扩散浓度,然后利用视频采集器采集地铁站客流密度、客流量、客流速度,再获取地铁环境相关数据和运营数据,最后将获取和采集的数据综合为多源异构数据项,最后根据多源异构数据项对地铁的污染物毒剂采用经典推理、贝叶斯决策理论、神经网络或模式识别等模型算法进行预测,预测结束后预测出地铁站污染物毒剂扩散区域范围、扩散速度、浓度变化和地铁客流密度。
S103,基于所述污染物毒剂扩散态势和客流影响态势,确定启动应急处置的预案等级。
通常,应急处置的预案等级可分为三级,一级是严重,二级是较严重,三级是不严重。
在一种可能的实现方式中,当预测出地铁站污染物毒剂扩散区域范围、扩散速度、浓度变化和地铁客流密度后,根据预测出的染物毒剂扩散区域范围、扩散速度、浓度变化和地铁客流密度进行等级划分,等级划分可参考预先设定的等级表1进行参考划分,划分结束后确定启动应急处置的预案等级。
表1
例如,当预测出污染物毒剂危害程度严重,扩散速度快,浓度浓,客流密度高时,说明严重,确定启动应急处置的预案等级为一级。当预测出污染物毒剂危害程度较严重,扩散速度较快,浓度较浓,客流密度较高时,说明较严重,确定启动应急处置的预案等级为二级。当预测出污染物毒剂危害程度不严重,扩散速度不快,浓度不浓,客流密度不高时,说明不严重,确定启动应急处置的预案等级为三级。
进一步的,当确定出预案等级后,可基于该等级来启动综合监测与指挥调度系统相应功能。
在本申请实施例中,用户终端首先利用传感器检测目标地铁站,获得污染物毒剂初步检测数据,然后当所述检测数据大于或等于预设阈值时,获取所述目标地铁站的多源异构数据,预测污染物毒剂扩散态势和客流影响态势,最后基于所述污染物毒剂扩散态势和客流影响态势,确定启动应急处置的预案等级。由于本申请通过首先通过获取布设在地铁站的各种多源检测器采集的数据、地铁站现有信息化系统已有的环境监测信息、设备运行信息、地铁运营信息,然后基于多元异构信息融合的地铁突发重大事件防范与处置综合集成应用将分别按照数据级融合、特征级融合和决策级融合三个层次分别建立对应的多元异构信息融合模型算法对获取的多源异构数据信息实时全面汇聚、融合、处理并进行可视化展示分析与监测预警,从而提高地铁站监测效率。
请参见图2,为本申请实施例提供的一种基于多源信息融合的地铁站污染物预警方法的流程示意图。本实施例以基于多源信息融合的地铁站污染物预警方法应用于用户终端中来举例说明。该基于多源信息融合的地铁站污染物预警方法可以包括以下步骤:
S201,利用传感器检测目标地铁站,获得污染物毒剂初步检测数据;
S202,所述检测数据大于或等于预设阈值时,发出报警后获取所述目标地铁站污染物毒剂的数据信息,所述数据信息包括三维坐标、污染物扩散半径、污染物扩散速度、污染物扩散浓度;
S203,利用视频采集器采集所述目标地铁站客流信息,所述客流信息包括客流密度、客流量、客流速度;
S204,获取所述目标地铁站环境数据和运营数据,所述环境数据包括通道风速、湿度、温度,所述运营数据包括运营间隔、载客数;
S205,基于所述目标地铁站污染物毒剂的数据信息、客流信息、环境数据和运营数据构成多源异构数据;
在本申请实施例中,目标地铁站污染物毒剂的数据信息、客流信息、环境数据和运营数据构成多源异构数据,通过对多源异构数据融合(即多层次、多维度的数据深度处理)进行多源数据进行检测、关联、组合和估计,最后得出结果。
进一步地,多源数据融合包括数据级融合、特征级融合和决策级融合。数据级融合是直接对采集到的原始数据进行融合,是在各种传感器的原始预报和未经预处理之前的数据综合和分析,是最低层次的融合,特征级融合属于中间层次,对各种检测器的原始数据进行特征提取,然后对提取的特征信息进行综合分析和处理,一般来说,提取的特征信息应是像素信息的充分表示量或充分统计量,然后按照特征信息对数据进行分类、汇集和综合,决策级融合是一种高层次的信息融合,其结果为指挥控制决策提供依据,主要是从具体决策问题出发,针对具体目标充分利用特征级融合的结果进行决策,是三级融合的最终结果。
S206,将所述多源异构数据输入预设网络模型进行预测,生成客流密度和污染物扩散区域范围、扩散速度、浓度变化;
在本申请实施例中,将多源异构数据输入预设网络模型进行预测也就是数据融合中采用决策级多元异构融合模型算法准确预测地铁站污染物的扩散态势(包括污染物扩散区域范围,扩散速度,浓度变化),然后采用贝叶斯决策理论、神经网络、专家决策算法或模糊逻辑等模型算法确定启动应急处置的预案等级,基于该等级来启动综合监测与指挥调度系统相应功能。
S207,基于所述客流密度和污染物扩散区域范围、扩散速度、浓度变化进行等级划分,生成启动应急处置的预案等级;
在本申请实施例中,由于需要根据现场情况确定启动相应应急处置等级(按照严重程度分为三级)的损失最小,因此决策级多元异构融合模型算法采用贝叶斯决策理论来构建,贝叶斯决策的基本理论依据就是贝叶斯公式。基于贝叶斯公式假设总体密度为P(E)、先验概率为P(H)和类条件概率为P(E|H)计算出后验概率P(H|E),后验概率P(H|E)计算公式为判决遵从最大后验概率,这种仅根据后验概率作决策的方式称为最小错误率贝叶斯决策,从理论上证明这种决策的平均错误率是最低的。贝叶斯决策由总体密度、先验概率和类条件概率计算出后验概率判决遵从最大后验概率。
其中,决策往往意味着风险,这是实际决策中的常见情形,在做出风险性决策时尤为需要考虑风险,各种决策的风险可以用决策表表示,如表1所示。
假设ω表示污染物毒剂危害程度、扩散速度、浓度变化、客流密度等4个特征指标中任意一个等级,按照严重程度高低分为:1,2,3三级(1级最严重,3级为不严重)。α表示地铁污染物毒剂扩散态势等级也按照严重程度高低分为:1,2,3三级(1级最严重,3级为不严重)。如果根据污染物毒剂危害程度、扩散速度、浓度变化、客流密度预测对了相应的等级,自然不会带来风险,可以表示为0,但是如果做出错误的决策时,该种情况可分为两种,包括把污染物毒剂危害程度、扩散速度、浓度变化、客流密度等4个特征指标中低等级,预测为高的危险等级,可能带来不同的损失,这个赋值为1(这个值可以变化)。另一种如果把污染物毒剂危害程度、扩散速度、浓度变化、客流密度等4个特征指标中高等级预测为低危险等级,那么这个决策具有较大的风险,因此给定风险值2(这个值可以变化)。
进一步地,为了现最小风险贝叶斯决策,在判决函数中加入损失函数为λj (i)=λ(g(x)=ωi|ωj)(i,j=1,2,…,c),表示将j类误判为i类的损失,c为类数。由λ构成一个c×c的损失矩阵,也即表示决策表。
进一步地,在基于贝叶斯决策理论的污染物毒剂应急处置的决策过程中:首先需要估计出先验概率:①根据实际情况做经验估计;②根据样本分布的频率估计概率。然后计算类条件概率密度:①参数估计:类条件概率分布类型已知,参数未知,通过训练样本来估计(最大似然法、Bayes估计);②非参数估计:不判断类条件概率分布类型,直接根据训练样本来估计(Parzen窗、kn-近邻法),最后计算出后验概率。
需要说明的是,若进行最小错误率决策时,根据后验概率即可作出决策。若进行最小风险决策,按照最小风险贝叶斯决策的判决函数计算即可。
S208,基于所述预案等级启动综合监测与指挥调度系统的功能。
在本申请实施例中,用户终端首先利用传感器检测目标地铁站,获得污染物毒剂初步检测数据,然后当所述检测数据大于或等于预设阈值时,获取所述目标地铁站的多源异构数据,预测污染物毒剂扩散态势和客流影响态势,最后基于所述污染物毒剂扩散态势和客流影响态势,确定启动应急处置的预案等级。由于本申请通过首先通过获取布设在地铁站的各种多源检测器采集的数据、地铁站现有信息化系统已有的环境监测信息、设备运行信息、地铁运营信息,然后基于多元异构信息融合的地铁突发重大事件防范与处置综合集成应用将分别按照数据级融合、特征级融合和决策级融合三个层次分别建立对应的多元异构信息融合模型算法对获取的多源异构数据信息实时全面汇聚、融合、处理并进行可视化展示分析与监测预警,从而提高地铁站监测效率。
下述为本发明装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
请参见图3,其示出了本发明一个示例性实施例提供的基于多源信息融合的地铁站污染物预警装置的结构示意图。该基于多源信息融合的地铁站污染物预警装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置1包括数据获取模块10、态势分级模块20、等级确定模块30。
数据获取模块10,用于利用传感器检测目标地铁站,获得污染物毒剂初步检测数据;
态势分级模块20,用于当所述检测数据大于或等于预设阈值时,获取所述目标地铁站的多源异构数据,预测污染物毒剂扩散态势和客流影响态势;
等级确定模块30,用于基于所述污染物毒剂扩散态势和客流影响态势,确定启动应急处置的预案等级。
需要说明的是,上述实施例提供的基于多源信息融合的地铁站污染物预警装置在执行基于多源信息融合的地铁站污染物预警方法时,仅以上述各功能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模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的基于多源信息融合的地铁站污染物预警装置与基于多源信息融合的地铁站污染物预警方法实施例属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请实施例中,用户终端首先利用传感器检测目标地铁站,获得污染物毒剂初步检测数据,然后当所述检测数据大于或等于预设阈值时,获取所述目标地铁站的多源异构数据,预测污染物毒剂扩散态势和客流影响态势,最后基于所述污染物毒剂扩散态势和客流影响态势,确定启动应急处置的预案等级。由于本申请通过首先通过获取布设在地铁站的各种多源检测器采集的数据、地铁站现有信息化系统已有的环境监测信息、设备运行信息、地铁运营信息,然后基于多元异构信息融合的地铁突发重大事件防范与处置综合集成应用将分别按照数据级融合、特征级融合和决策级融合三个层次分别建立对应的多元异构信息融合模型算法对获取的多源异构数据信息实时全面汇聚、融合、处理并进行可视化展示分析与监测预警,从而提高地铁站监测效率。
本发明还提供一种计算机可读介质,其上存储有程序指令,该程序指令被处理器执行时实现上述各个方法实施例提供的基于多源信息融合的地铁站污染物预警方法。
本发明还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各个方法实施例所述的基于多源信息融合的地铁站污染物预警方法。
请参见图4,为本申请实施例提供了一种终端的结构示意图。如图4所示,所述终端1000可以包括:至少一个处理器1001,至少一个网络接口1004,用户接口1003,存储器1005,至少一个通信总线1002。
其中,通信总线1002用于实现这些组件之间的连接通信。
其中,用户接口1003可以包括显示屏(Display)、摄像头(Camera),可选用户接口1003还可以包括标准的有线接口、无线接口。
其中,网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分,通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集,以及调用存储在存储器1005内的数据,执行电子设备1000的各种功能和处理数据。可选的,处理器1001可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(Central Processing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器1001中,单独通过一块芯片进行实现。
其中,存储器1005可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选的,该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图4所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于多源信息融合的地铁站污染物预警应用程序。
在图4所示的终端1000中,用户接口1003主要用于为用户提供输入的接口,获取用户输入的数据;而处理器1001可以用于调用存储器1005中存储的基于多源信息融合的地铁站污染物预警应用程序,并具体执行以下操作:
利用传感器检测目标地铁站,获得污染物毒剂初步检测数据;
当所述检测数据大于或等于预设阈值时,获取所述目标地铁站的多源异构数据,预测污染物毒剂扩散态势和客流影响态势;
基于所述污染物毒剂扩散态势和客流影响态势,确定启动应急处置的预案等级。
在一个实施例中,所述处理器1001在执行所述当所述检测数据大于或等于预设阈值时,获取所述目标地铁站的多源异构数据,预测污染物毒剂扩散态势和客流影响态势时,具体执行以下操作:
所述检测数据大于或等于预设阈值时,发出报警后获取所述目标地铁站污染物毒剂的数据信息,所述数据信息包括三维坐标、污染物扩散半径、污染物扩散速度、污染物扩散浓度;
利用视频采集器采集所述目标地铁站客流信息,所述客流信息包括客流密度、客流量、客流速度;
获取所述目标地铁站环境数据和运营数据,所述环境数据包括通道风速、湿度、温度,所述运营数据包括运营间隔、载客数;
基于所述目标地铁站污染物毒剂的数据信息、客流信息、环境数据和运营数据构成多源异构数据;
基于所述多源异构数据预测污染物毒剂扩散态势和客流影响态势。
在一个实施例中,所述处理器1001在执行所述基于所述多源异构数据预测污染物毒剂扩散态势和客流影响态势时,具体执行以下操作:
将所述多源异构数据输入预设网络模型进行预测,生成客流密度和污染物扩散区域范围、扩散速度、浓度变化。
在本申请实施例中,用户终端首先利用传感器检测目标地铁站,获得污染物毒剂初步检测数据,然后当所述检测数据大于或等于预设阈值时,获取所述目标地铁站的多源异构数据,预测污染物毒剂扩散态势和客流影响态势,最后基于所述污染物毒剂扩散态势和客流影响态势,确定启动应急处置的预案等级。由于本申请通过首先通过获取布设在地铁站的各种多源检测器采集的数据、地铁站现有信息化系统已有的环境监测信息、设备运行信息、地铁运营信息,然后基于多元异构信息融合的地铁突发重大事件防范与处置综合集成应用将分别按照数据级融合、特征级融合和决策级融合三个层次分别建立对应的多元异构信息融合模型算法对获取的多源异构数据信息实时全面汇聚、融合、处理并进行可视化展示分析与监测预警,从而提高地铁站监测效率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (10)
1.一种基于多源信息融合的地铁站污染物预警方法,其特征在于,所述方法包括:
利用传感器检测目标地铁站,获得污染物毒剂初步检测数据;
当所述检测数据大于或等于预设阈值时,获取所述目标地铁站的多源异构数据,预测污染物毒剂扩散态势和客流影响态势;
基于所述污染物毒剂扩散态势和客流影响态势,确定启动应急处置的预案等级。
2.根据权利要求1所述的方法,其特征在于,所述当所述检测数据大于或等于预设阈值时,获取所述目标地铁站的多源异构数据,预测污染物毒剂扩散态势和客流影响态势,包括:
所述检测数据大于或等于预设阈值时,发出报警后获取所述目标地铁站污染物毒剂的数据信息,所述数据信息包括三维坐标、污染物扩散半径、污染物扩散速度、污染物扩散浓度;
利用视频采集器采集所述目标地铁站客流信息,所述客流信息包括客流密度、客流量、客流速度;
获取所述目标地铁站环境数据和运营数据,所述环境数据包括通道风速、湿度、温度,所述运营数据包括运营间隔、载客数;
基于所述目标地铁站污染物毒剂的数据信息、客流信息、环境数据和运营数据构成多源异构数据;
基于所述多源异构数据预测污染物毒剂扩散态势和客流影响态势。
3.根据权利要求2所述的方法,其特征在于,所述基于所述多源异构数据预测污染物毒剂扩散态势和客流影响态势,包括:
将所述多源异构数据输入预设网络模型进行预测,生成客流密度和污染物扩散区域范围、扩散速度、浓度变化;其中,
所述预设网络模型算法至少包括经典推理、贝叶斯决策理论、神经网络或模式识别等模型算法之一。
4.根据权利要求1或3所述的方法,其特征在于,所述基于所述污染物毒剂扩散态势和客流影响态势,确定启动应急处置的预案等级,包括:
基于所述客流密度和污染物扩散区域范围、扩散速度、浓度变化进行等级划分,生成启动应急处置的预案等级。
5.根据权利要求4所述的方法,其特征在于,所述生成启动应急处置的预案等级之后,包括:
基于所述预案等级启动综合监测与指挥调度系统的功能。
6.根据权利要求1所述的方法,其特征在于,所述利用传感器检测目标地铁站的传感器包括核检测器(1-N)、生检测器(1-M)、化检测器(1-P)、视频检测器(1-Q)中的一种或多种。
7.根据权利要求1所述的方法,其特征在于,所述基于多源信息融合的地铁站污染物预警中的信息融合包括数据级融合、特征级融合以及决策级融合。
8.一种基于多源信息融合的地铁站污染物预警装置,其特征在于,所述装置包括:
数据获取模块,用于利用传感器检测目标地铁站,获得污染物毒剂初步检测数据;
态势分级模块,用于当所述检测数据大于或等于预设阈值时,获取所述目标地铁站的多源异构数据,预测污染物毒剂扩散态势和客流影响态势;
等级确定模块,用于基于所述污染物毒剂扩散态势和客流影响态势,确定启动应急处置的预案等级。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1~7任意一项的方法步骤。
10.一种终端,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1~7任意一项的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010314604.9A CN111640280B (zh) | 2020-04-21 | 2020-04-21 | 一种基于多源信息融合的地铁站污染物预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010314604.9A CN111640280B (zh) | 2020-04-21 | 2020-04-21 | 一种基于多源信息融合的地铁站污染物预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111640280A true CN111640280A (zh) | 2020-09-08 |
CN111640280B CN111640280B (zh) | 2022-11-01 |
Family
ID=72333210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010314604.9A Active CN111640280B (zh) | 2020-04-21 | 2020-04-21 | 一种基于多源信息融合的地铁站污染物预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111640280B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052224A (zh) * | 2021-03-19 | 2021-06-29 | 国网河南省电力公司电力科学研究院 | 一种电力与气象多源数据的交互融合方法和系统 |
CN113837496A (zh) * | 2021-11-04 | 2021-12-24 | 长春嘉诚信息技术股份有限公司 | 一种秸秆焚烧对空气质量影响的模型预测方法 |
CN114241741A (zh) * | 2022-01-14 | 2022-03-25 | 中大检测(湖南)股份有限公司 | 一种应用于安全监测领域的综合预警方法及系统 |
CN117216722A (zh) * | 2023-11-09 | 2023-12-12 | 山东农业大学 | 基于传感器时序数据多源异构数据融合系统 |
CN118114975A (zh) * | 2024-01-29 | 2024-05-31 | 重庆交通大学 | 一种基于态势感知的城市轨道交通系统风险监测预警方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2784729A1 (en) * | 2013-03-25 | 2014-10-01 | Amadeus | Method and system for detecting anomaly in passenger flow |
CN104792935A (zh) * | 2015-03-20 | 2015-07-22 | 北京华泰诺安科技有限公司 | 一种核生化威胁云分析系统 |
CN105631794A (zh) * | 2015-12-24 | 2016-06-01 | 北京和利时系统工程有限公司 | 一种实现应急指挥的方法和系统 |
CN106779185A (zh) * | 2016-11-30 | 2017-05-31 | 江苏省邮电规划设计院有限责任公司 | 一种基于危化品扩散模型的交通应急指挥方法 |
CN107808263A (zh) * | 2017-12-01 | 2018-03-16 | 安徽中科超安科技有限公司 | 基于信息融合的核电站多风险综合评估系统及方法 |
CN107884428A (zh) * | 2017-10-31 | 2018-04-06 | 重庆楚新业科技有限公司 | 一种危险品检测系统及其控制方法 |
CN108229400A (zh) * | 2018-01-04 | 2018-06-29 | 东南大学 | 地铁车站大客流识别预警方法及系统 |
WO2018156003A1 (es) * | 2017-02-22 | 2018-08-30 | Sitten Ayala Jesus Roberto | Método de trazado de rutas para evacuación personalizada óptima basado en propagación de gases en espacios confinados |
CN108961631A (zh) * | 2018-08-08 | 2018-12-07 | 中国安全生产科学研究院 | 一种地铁车站智能应急疏散指示系统和方法 |
CN110497420A (zh) * | 2019-07-30 | 2019-11-26 | 边缘智能研究院南京有限公司 | 一种基于人工智能的感控机器人 |
CN110570004A (zh) * | 2018-06-05 | 2019-12-13 | 上海申通地铁集团有限公司 | 地铁客流的预测方法及系统 |
-
2020
- 2020-04-21 CN CN202010314604.9A patent/CN111640280B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2784729A1 (en) * | 2013-03-25 | 2014-10-01 | Amadeus | Method and system for detecting anomaly in passenger flow |
CN104792935A (zh) * | 2015-03-20 | 2015-07-22 | 北京华泰诺安科技有限公司 | 一种核生化威胁云分析系统 |
CN105631794A (zh) * | 2015-12-24 | 2016-06-01 | 北京和利时系统工程有限公司 | 一种实现应急指挥的方法和系统 |
CN106779185A (zh) * | 2016-11-30 | 2017-05-31 | 江苏省邮电规划设计院有限责任公司 | 一种基于危化品扩散模型的交通应急指挥方法 |
WO2018156003A1 (es) * | 2017-02-22 | 2018-08-30 | Sitten Ayala Jesus Roberto | Método de trazado de rutas para evacuación personalizada óptima basado en propagación de gases en espacios confinados |
CN107884428A (zh) * | 2017-10-31 | 2018-04-06 | 重庆楚新业科技有限公司 | 一种危险品检测系统及其控制方法 |
CN107808263A (zh) * | 2017-12-01 | 2018-03-16 | 安徽中科超安科技有限公司 | 基于信息融合的核电站多风险综合评估系统及方法 |
CN108229400A (zh) * | 2018-01-04 | 2018-06-29 | 东南大学 | 地铁车站大客流识别预警方法及系统 |
CN110570004A (zh) * | 2018-06-05 | 2019-12-13 | 上海申通地铁集团有限公司 | 地铁客流的预测方法及系统 |
CN108961631A (zh) * | 2018-08-08 | 2018-12-07 | 中国安全生产科学研究院 | 一种地铁车站智能应急疏散指示系统和方法 |
CN110497420A (zh) * | 2019-07-30 | 2019-11-26 | 边缘智能研究院南京有限公司 | 一种基于人工智能的感控机器人 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052224A (zh) * | 2021-03-19 | 2021-06-29 | 国网河南省电力公司电力科学研究院 | 一种电力与气象多源数据的交互融合方法和系统 |
CN113052224B (zh) * | 2021-03-19 | 2022-07-22 | 国网河南省电力公司电力科学研究院 | 一种电力与气象多源数据的交互融合方法和系统 |
CN113837496A (zh) * | 2021-11-04 | 2021-12-24 | 长春嘉诚信息技术股份有限公司 | 一种秸秆焚烧对空气质量影响的模型预测方法 |
CN113837496B (zh) * | 2021-11-04 | 2024-05-14 | 长春嘉诚信息技术股份有限公司 | 一种秸秆焚烧对空气质量影响的模型预测方法 |
CN114241741A (zh) * | 2022-01-14 | 2022-03-25 | 中大检测(湖南)股份有限公司 | 一种应用于安全监测领域的综合预警方法及系统 |
CN114241741B (zh) * | 2022-01-14 | 2023-10-13 | 中大智能科技股份有限公司 | 一种应用于安全监测领域的综合预警方法及系统 |
CN117216722A (zh) * | 2023-11-09 | 2023-12-12 | 山东农业大学 | 基于传感器时序数据多源异构数据融合系统 |
CN117216722B (zh) * | 2023-11-09 | 2024-02-27 | 山东农业大学 | 基于传感器时序数据多源异构数据融合系统 |
CN118114975A (zh) * | 2024-01-29 | 2024-05-31 | 重庆交通大学 | 一种基于态势感知的城市轨道交通系统风险监测预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111640280B (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111640280B (zh) | 一种基于多源信息融合的地铁站污染物预警方法 | |
CN112085010B (zh) | 一种基于图像识别的口罩检测和部署系统及方法 | |
CN104915600B (zh) | 一种Android应用程序安全风险评估方法与装置 | |
CN114782897A (zh) | 基于机器视觉及深度学习的危险行为检测方法及系统 | |
CN111814725A (zh) | 一种基于cnn+lstm+mlp组合神经网络判断监控视频着火的预警方法 | |
CN117172430B (zh) | 一种基于深度学习的水体环境评估与预测方法及系统 | |
Zhang et al. | Data-driven AI emergency planning in process industry | |
CN116311081B (zh) | 一种基于图像识别的医学实验室监控图像分析方法和系统 | |
KR102564191B1 (ko) | 실시간으로 재난 상황을 감지하고 대응하는 재난 대응 시스템 | |
Lu et al. | Using cased based reasoning for automated safety risk management in construction industry | |
CN113672643B (zh) | 一种业务数字化的分析方法、装置、存储介质及终端 | |
CN117523499B (zh) | 基于北斗定位与感知的森林防火监测方法及系统 | |
CN113342978A (zh) | 一种城市事件处理方法及装置 | |
CN112607542B (zh) | 电梯控制方法、装置、计算机设备和存储介质 | |
CN112529836A (zh) | 高压线路缺陷检测方法、装置、存储介质及电子设备 | |
CN110704614B (zh) | 对应用中的用户群类型进行预测的信息处理方法及装置 | |
CN114118678B (zh) | 一种基于边缘物联网的炼铁厂管理系统及其架构方法 | |
CN113920720A (zh) | 高速公路隧道设备故障处理方法、装置及电子设备 | |
CN114973326A (zh) | 跌倒预警方法、装置、设备及可读存储介质 | |
CN113850477A (zh) | 一种污染物的危害等级判定方法、装置、终端 | |
CN118015839B (zh) | 一种高速公路路域风险预测方法及装置 | |
CN116403165B (zh) | 一种危险化学品泄露应急处理方法、装置及可读存储介质 | |
CN109636155A (zh) | 一种强制隔离戒毒人员危险性倾向的智能预警方法 | |
CN117853297B (zh) | 一种智慧城市安全管理方法及管理平台 | |
CN113570846B (zh) | 一种交通警情态势分析研判方法、设备及可读存储介质 |
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 |