CN111770190A - 基于5g、物联网模式的区块链分布式实时消防监控警报系统 - Google Patents
基于5g、物联网模式的区块链分布式实时消防监控警报系统 Download PDFInfo
- Publication number
- CN111770190A CN111770190A CN202010638346.XA CN202010638346A CN111770190A CN 111770190 A CN111770190 A CN 111770190A CN 202010638346 A CN202010638346 A CN 202010638346A CN 111770190 A CN111770190 A CN 111770190A
- Authority
- CN
- China
- Prior art keywords
- communication channel
- channel interface
- data
- network
- block chain
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 135
- 230000004927 fusion Effects 0.000 claims abstract description 15
- 238000004891 communication Methods 0.000 claims description 272
- 238000004422 calculation algorithm Methods 0.000 claims description 57
- 238000007726 management method Methods 0.000 claims description 40
- 238000000034 method Methods 0.000 claims description 37
- 230000005540 biological transmission Effects 0.000 claims description 32
- 238000012806 monitoring device Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 11
- 238000010845 search algorithm Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 230000007246 mechanism Effects 0.000 claims description 10
- 239000013307 optical fiber Substances 0.000 claims description 9
- 239000000779 smoke Substances 0.000 claims description 6
- 241001441724 Tetraodontidae Species 0.000 claims description 5
- 238000013500 data storage Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 239000004744 fabric Substances 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 19
- 238000003066 decision tree Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 239000003016 pheromone Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012795 verification Methods 0.000 description 4
- 238000013499 data model Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 206010000369 Accident Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 229940050561 matrix product Drugs 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000013138 pruning Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000257303 Hymenoptera Species 0.000 description 1
- 108010074506 Transfer Factor Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000005712 elicitor Substances 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/04—Network management architectures or arrangements
- H04L41/044—Network management architectures or arrangements comprising hierarchical management structures
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
- H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
- H04L63/0435—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload wherein the sending and receiving network entities apply symmetric encryption, i.e. same key used for encryption and decryption
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一种基于5G、物联网模式的区块链分布式实时消防监控警报系统,涉及消防监控技术领域,本发明通过构建监控层、数据通信层、数据处理层和数据应用层实现了各种分布式消防设备的数据采集、数据计算、数据处理和数据传递,能够实现消防数据的远程、在线、实时采集、应用,使得用户不必亲临现场,即可实现消防设备数据的应用、管理、溯源和监控,实现各个厂区的消防数据信息在线监控。通过采用5G网络技术、物联网技术、区块链技术实现分布式监控设备进行监控的管理,其中通过采用分布式融合技术,实现各种数据信息的有机地融合起来,将分散的数据信息融合起来。通过应用区块链技术,利用其去中心化、数据防篡改以及可追溯的性质提高了数据监控力度。
Description
技术领域
本发明涉及消防监控技术领域,且更具体地涉及一种基于5G、物联网的区块链分布式消防监控警报系统。
背景技术
在现有技术中,消防监控通常以分布式智能终端的方式广泛地分布于各级消防单位(医院、商场、工厂、仓库等),分布式终端按控制中心要求进行信息录入及更新,并按要求将周期巡查(实时、定期等)信息录入、上传;故障修复回复等日常维护。这种分布式方式在应用时,很难实现信息整体追踪、管理和溯源。当单个设备设置在盲区,或者单个设备在工作过程中传输不畅,或者意外情况发生,在实时性和及时性方面表现的比较差,信息反应能力滞后,当发生消防意外时,很难实现信息的监控和预报,这就给消防预警带来很大的麻烦,在发生消防意外时,难以避免故障的发生。
发明内容
针对现有技术的不足,本发明公开一种基于5G、物联网的区块链分布式消防监控警报系统,在系统中构建出了5G网络、物联网网络和区块链,能够实现消防监控信息的采集、传递、处理和监控。通过这些网络,实现了数据的即时传递。通过应用区块链网络,能够实现消防监控设备数据信息的永久性记载,有效地防止数据篡改,能够对消防、监控设备信息快捷地查询,具有可追溯的性质。
本发明采用以下技术方案:
一种基于5G、物联网模式的区块链分布式实时消防监控警报系统,其中所述系统包括:
监控层,其内设置有呈分布式布置的多种监控设备,所述监控设备上设置有5G网络接口、物联网网络接口或区块链网络接口;所述监控设备分布在小区、厂房、商店或者商场内,并且所述监控设备设置有监控CPU单元和与所述监控CPU单元连接的360°旋转式摄像头、网络摄像头或工业CCD摄像头;所述360°旋转式摄像头、网络摄像头或工业CCD摄像头通过红外线、温度传感器、烟雾传感器呢或者图像识别获取现场的数据信息;
数据通信层,其内设置有多通信接口和与所述多通信接口连接的区块链网络、物联网网络、5G网络和数据传递端口,其中所述多通信接口的输出端与所述区块链网络、物联网网络或者5G网络的输入端连接,所述区块链网络、物联网网络或者5G网络的输出端与所述数据传递端口的输入端连接,其中所述多通信接口和数据传递端口分别为RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP通信信道接口、RS422通信信道接口、以太网通信信道接口、CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口、GPRS通信信道接口、3G 通信信道接口、4G通信信道接口、CDMA通信信道接口、以太网通信信道接口、区块链通信信道接口、物联网通信信道接口或者5G网络通信信道接口;
数据处理层,其内设置云端处理器、区块链信息管理平台或者计算机管理系统;
其中所述云端处理器的硬件配置为Intel Xeon E3-1220v53.0GHz,内核为四核,内存为8GDDR4,硬盘为1*Intel企业级SSD,1*SATA 1T,网卡为2*千兆网口;工作机节点的硬件CPU型号为Intel Xeon E53.0GHZ,所述工作机节点的内存为8GB,硬盘容量为1TB,其中所述云端处理器内还设置有RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP通信信道接口、RS422通信信道接口、以太网通信信道接口、 CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口、GPRS通信信道接口、3G通信信道接口、4G通信信道接口、CDMA通信信道接口、以太网通信信道接口、区块链通信信道接口、物联网通信信道接口或者5G网络通信信道接口;所述云端处理器还包括存储单元,主要用于存储监控设备测试过程中的各种的测量数据信息,其中所述存储单元包括个人云存储单元、私有云存储单元、公有云存储单元和混合云存储单元;其中所述云端处理器至少还包括分布式存储模块、数据传输接口、CPU、内存、磁盘、带宽和云网络接口,所述云端服务器通过将规模级的底层服务器通过集约化、虚拟化构建起云端资源池,然后从资源池中调配计算资源组建而成,其中所述CPU、内存、磁盘或带宽以自由组合的方式存在;其中所述计算机管理系统的型号为Intel(R)Core(TM)i7-3770CPU@3.40GHz,内存为160GB;
其中所述区块链信息管理平台为基于Hyperledger Fabric的模块化区块链解决方案支撑平台,所述区块链信息管理平台包括区块链网络、区块链节点和节点服务器,其中所述区块链节点与节点服务器连接有监控设备数据分类单元,其中所述区块链节点设置在所述区块链网络内,所述区块链信息管理平台还包括共识机制单元、P2P网络传输单元、分布式数据存储单元和非对称加密算法单元;所述区块链平台中还设置有数据加密单元,所述数据加密单元包括DES加密单元、3DES加密单元、Blowfish加密单元、Twofish加密单元、IDEA加密单元、RC6加密单元、字符串加密单元或CAST5加密单元;所述数据分类单元外部壳体设置有RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP 通信信道接口、RS422通信信道接口、以太网通信信道接口、CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口、GPRS通信信道接口、3G通信信道接口、4G通信信道接口、CDMA通信信道接口、以太网通信信道接口、区块链通信信道接口、物联网通信信道接口或者5G网络通信信道接口,以实现与多种设备的数据通信;
其中所述计算机管理系统内设置有数据库,所述数据库至少包括DB2数据库、oracle 数据库、Informix数据库、Sybase数据库、SQL Server数据库、PostgreSQL数据库或者MySQL数据库;
数据传递层,其内除了设置有节点设备之外,还设置有有线通信模块或无线通信模块,用于接收并传递所述数据层中的数据信息;其中所述有线通信模块至少包括RS485通信模块或RS232通信模块,所述无线通信模块至少包括TCP/IP网络系统、ZigBee无线网络、GPRS通信模块、CDMA无线通信、云通信模块或蓝牙通信模块;所述通信单元还包含物理层、数据链路层、网络层、传输层、会话层、表示层和应用层;其中所述TCP/IP网络系统至少包含有网卡、网线、集线器、中继器或调制解调器,所述数据链路层至少包括网桥或监控设备;所述网络层至少包括路由器;所述通信层中还包含多种通信协议,所述通信协议至少包含有TCP/IP、UDP、IPSec、MODBUS、MODBUS/TCP、OPC、专有协议、 PROFIBUS-DP、MPI、PPI、S7、FX系列编程口和串口协议、Q系列串口4C协议和以太网3E协议、CC-LINK、A系列或欧姆龙HostLink协议,以实现不同监控设备接口或通信设备的通信需求;
数据应用层,其内设置有计算机组件、集成于所述计算机组件内的数据库、监控单元和远程信息通信模块,以存储、使用或传递所述检测层处理后的数据;其中:
所述监控层的输出端与所述数据通信层的输入端连接,所述数据通信层的输出端与所述数据处理层的输入端连接,所述数据处理层的输出端与所述数据应用层的输入端连接。
本发明还采用以下技术方案:
进一步地,所述云端处理器、区块链信息管理平台或者计算机管理系统内还设置有大数据计算模块。
进一步地,所述大数据计算模块为融合算法模块、故障预警模块和最佳位置搜索算法模块,其中所述融合算法模块的输出端与所述故障预警模块的输入端连接,所述故障预警模块的输出端与所述最佳位置搜索算法模块的输入端连接。
进一步地,所述方法包括以下步骤:
(1)获取数据信息:通过监控层获取监控设备的各种数据信息,并将小区、厂房、商店或者商场内的各种消防数据信息通过数据通信层进行数据传递;
(2)数据通信,至少通过区块链网络、物联网网络或者5G网络实现监控层数据信息的数据传递;
(3)数据处理层,通过云端处理器、区块链信息管理平台或者计算机管理系统对数据通信层传递的数据信息进行接收和处理,在处理消防监控数据信息时,分别应用融合算法模块、故障预警模块和最佳位置搜索算法模块对接收到的数据信息进行处理或计算;
(4)数据应用,计算后的监控数据通过区块链网络、物联网网络或者5G网络进行进一步的数据传递,以便上层管理中心能够获取计算后的监控数据,实现消防数据信息的远程、在线和实时监控和预警。
进一步地,所述融合算法模块的模型为:
进一步地,所述故障预警模块为基于BP神经网络算法模型或者关联算法的故障计算模块。
进一步地,所述BP神经网络算法模型为前馈式反馈网络或者向后反馈式反馈网络。
进一步地,所述BP神经网络算法模型包括输入层、蕴含层和输出层,其中所述输入层的输出端与所述蕴含层的输入端连接,所述蕴含层的输出端与所述输出层的输入端连接。
进一步地,所述关联算法为矩阵关联算法模型。
进一步地,所述最佳位置搜索算法模块为基于蚁群算法的计算模块。
积极有益效果:
1、本发明通过构建监控层、数据通信层、数据处理层和数据应用层实现了各种分布式消防设备采集数据、计算数据、数据处理和数据传递,能够实现消防数据的远程、在线、实时采集、应用,使得用户不必亲临现场,即可实现消防设备数据的应用、管理、溯源和监控,实现各个厂区的消防数据信息在线监控。
2、本发明采用5G网络技术,该技术部为第五代移动通信技术(英语:5thgeneration mobile networks或5th generation wireless systems、5th-Generation,简称5G或 5G技术)是最新一代蜂窝移动通信技术,也是继4G(LTE-A、WiMax)、3G(UMTS、 LTE)和2G(GSM)系统之后的延伸。5G的性能目标是高数据速率、减少延迟、节省能源、降低成本、提高系统容量和大规模设备连接。能够适应大规模用户的音频、视频、图像信息。
3、本发明采用物联网技术,能够将任何物体与网络相连接,物体通过信息传播媒介进行信息交换和通信,以实现智能化识别、定位、跟踪、监管,实现了消防数据的监控与管理。
4、本发明通过采用区块链技术,实现分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式,其中该技术内的数据层封装了底层数据区块以及相关的数据加密和时间戳等基础数据和基本算法;网络层则包括分布式组网机制、数据传播机制和数据验证机制等;共识层主要封装网络节点的各类共识算法;激励层将经济因素集成到区块链技术体系中来,主要包括经济激励的发行机制和分配机制等;合约层主要封装各类脚本、算法和智能合约,是区块链可编程特性的基础;应用层则封装了区块链的各种应用场景和案例。该模型中,基于时间戳的链式区块结构、分布式节点的共识机制、基于共识算力的经济激励和灵活可编程的智能合约是区块链技术最具代表性的创新点。
5、本发明采用分布式融合技术,通过应用融合算法模块各种分布的监控设备采集到的数据信息有机地融合起来,将分散的数据信息融合起来。
6、本发明通过应用区块链技术,将接收到的数据信息封装起来,并应用DES加密单元、 3DES加密单元、Blowfish加密单元、Twofish加密单元、IDEA加密单元、RC6加密单元、字符串加密单元或CAST5加密单元实现传递数据的加密,提高了数据保密性能,有助于提高数据传递的安全性能,区块链作为价值传输的使能技术,正在逐步构建去中心化、自组织、共享数据的可信基础设施,重塑现有互联网应用和传统产业。对于区块链基础设施而言,安全加密是维护整个系统安全的核心功能。因此,区块链作为一种去中心化的分布式账本技术,利用其去中心化、数据防篡改以及可追溯的性质可以为数据发布提供新的技术途径。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种基于5G、物联网的区块链分布式消防监控警报系统的架构示意图;
图2为本发明一种基于5G、物联网的区块链分布式消防监控警报系统中云架构示意图;
图3为本发明一种基于5G、物联网的区块链分布式消防监控警报系统中区块链信息管理平台的架构示意图;
图4为本发明一种基于5G、物联网的区块链分布式消防监控警报系统工作方法流程示意图;
图5为本发明一种基于5G、物联网的区块链分布式消防监控警报系统中算法结构示意图;
图6为本发明一种基于5G、物联网的区块链分布式消防监控警报系统中区块链加密算法结构示意图;
图7为本发明一种基于5G、物联网的区块链分布式消防监控警报系统中应用区块链技术的数据发送示意图;
图8为本发明一种基于5G、物联网的区块链分布式消防监控警报系统中应用区块链技术的数据接收示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例(1)系统
如图1-图3所示,一种基于5G、物联网模式的区块链分布式实时消防监控警报系统,其中所述系统包括:
监控层,其内设置有呈分布式布置的多种监控设备,所述监控设备上设置有5G网络接口、物联网网络接口或区块链网络接口;所述监控设备分布在小区、厂房、商店或者商场内,并且所述监控设备设置有监控CPU单元和与所述监控CPU单元连接的360°旋转式摄像头、网络摄像头或工业CCD摄像头;所述360°旋转式摄像头、网络摄像头或工业CCD摄像头通过红外线、温度传感器、烟雾传感器呢或者图像识别获取现场的数据信息;
数据通信层,其内设置有多通信接口和与所述多通信接口连接的区块链网络、物联网网络、5G网络和数据传递端口,其中所述多通信接口的输出端与所述区块链网络、物联网网络或者5G网络的输入端连接,所述区块链网络、物联网网络或者5G网络的输出端与所述数据传递端口的输入端连接,其中所述多通信接口和数据传递端口分别为RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP通信信道接口、RS422通信信道接口、以太网通信信道接口、CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口、GPRS通信信道接口、3G 通信信道接口、4G通信信道接口、CDMA通信信道接口、以太网通信信道接口、区块链通信信道接口、物联网通信信道接口或者5G网络通信信道接口;
数据处理层,其内设置云端处理器、区块链信息管理平台或者计算机管理系统;
其中所述云端处理器的硬件配置为Intel Xeon E3-1220v53.0GHz,内核为四核,内存为8GDDR4,硬盘为1*Intel企业级SSD,1*SATA 1T,网卡为2*千兆网口;工作机节点的硬件CPU型号为Intel Xeon E53.0GHZ,所述工作机节点的内存为8GB,硬盘容量为1TB,其中所述云端处理器内还设置有RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP通信信道接口、RS422通信信道接口、以太网通信信道接口、 CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口、GPRS通信信道接口、3G通信信道接口、4G通信信道接口、CDMA通信信道接口、以太网通信信道接口、区块链通信信道接口、物联网通信信道接口或者5G网络通信信道接口;所述云端处理器还包括存储单元,主要用于存储监控设备测试过程中的各种的测量数据信息,其中所述存储单元包括个人云存储单元、私有云存储单元、公有云存储单元和混合云存储单元;其中所述云端处理器至少还包括分布式存储模块、数据传输接口、CPU、内存、磁盘、带宽和云网络接口,所述云端服务器通过将规模级的底层服务器通过集约化、虚拟化构建起云端资源池,然后从资源池中调配计算资源组建而成,其中所述CPU、内存、磁盘或带宽以自由组合的方式存在;其中所述计算机管理系统的型号为Intel(R)Core(TM)i7-3770CPU@3.40GHz,内存为160GB;
其中所述区块链信息管理平台为基于Hyperledger Fabric的模块化区块链解决方案支撑平台,所述区块链信息管理平台包括区块链网络、区块链节点和节点服务器,其中所述区块链节点与节点服务器连接有监控设备数据分类单元,其中所述区块链节点设置在所述区块链网络内,所述区块链信息管理平台还包括共识机制单元、P2P网络传输单元、分布式数据存储单元和非对称加密算法单元;所述区块链平台中还设置有数据加密单元,所述数据加密单元包括DES加密单元、3DES加密单元、Blowfish加密单元、Twofish加密单元、IDEA加密单元、RC6加密单元、字符串加密单元或CAST5加密单元;所述数据分类单元外部壳体设置有RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP 通信信道接口、RS422通信信道接口、以太网通信信道接口、CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口、GPRS通信信道接口、3G通信信道接口、4G通信信道接口、CDMA通信信道接口、以太网通信信道接口、区块链通信信道接口、物联网通信信道接口或者5G网络通信信道接口,以实现与多种设备的数据通信;
其中所述计算机管理系统内设置有数据库,所述数据库至少包括DB2数据库、oracle 数据库、Informix数据库、Sybase数据库、SQL Server数据库、PostgreSQL数据库或者MySQL数据库;
数据传递层,其内除了设置有节点设备之外,还设置有有线通信模块或无线通信模块,用于接收并传递所述数据层中的数据信息;其中所述有线通信模块至少包括RS485通信模块或RS232通信模块,所述无线通信模块至少包括TCP/IP网络系统、ZigBee无线网络、GPRS通信模块、CDMA无线通信、云通信模块或蓝牙通信模块;所述通信单元还包含物理层、数据链路层、网络层、传输层、会话层、表示层和应用层;其中所述TCP/IP网络系统至少包含有网卡、网线、集线器、中继器或调制解调器,所述数据链路层至少包括网桥或监控设备;所述网络层至少包括路由器;所述通信层中还包含多种通信协议,所述通信协议至少包含有TCP/IP、UDP、IPSec、MODBUS、MODBUS/TCP、OPC、专有协议、 PROFIBUS-DP、MPI、PPI、S7、FX系列编程口和串口协议、Q系列串口4C协议和以太网3E协议、CC-LINK、A系列或欧姆龙HostLink协议,以实现不同监控设备接口或通信设备的通信需求;
数据应用层,其内设置有计算机组件、集成于所述计算机组件内的数据库、监控单元和远程信息通信模块,以存储、使用或传递所述检测层处理后的数据;其中:
所述监控层的输出端与所述数据通信层的输入端连接,所述数据通信层的输出端与所述数据处理层的输入端连接,所述数据处理层的输出端与所述数据应用层的输入端连接。
在进一步的实施例中,所述云端处理器、区块链信息管理平台或者计算机管理系统内还设置有大数据计算模块。
在进一步的实施例中,所述大数据计算模块为融合算法模块、故障预警模块和最佳位置搜索算法模块,其中所述融合算法模块的输出端与所述故障预警模块的输入端连接,所述故障预警模块的输出端与所述最佳位置搜索算法模块的输入端连接。
实施例(2)方法
如图4-图5所示,一种基于5G、物联网模式的区块链分布式实时消防监控警报方法,包括以下步骤:
(1)获取数据信息:通过监控层获取监控设备的各种数据信息,并将小区、厂房、商店或者商场内的各种消防数据信息通过数据通信层进行数据传递;
(2)数据通信,至少通过区块链网络、物联网网络或者5G网络实现监控层数据信息的数据传递;
(3)数据处理层,通过云端处理器、区块链信息管理平台或者计算机管理系统对数据通信层传递的数据信息进行接收和处理,在处理消防监控数据信息时,分别应用融合算法模块、故障预警模块和最佳位置搜索算法模块对接收到的数据信息进行处理或计算;
(4)数据应用,计算后的监控数据通过区块链网络、物联网网络或者5G网络进行进一步的数据传递,以便上层管理中心能够获取计算后的监控数据,实现消防数据信息的远程、在线和实时监控和预警。
在进一步的实施例中,所述融合算法模块的模型为:
在进一步的实施例中,所述故障预警模块为基于BP神经网络算法模型或者关联算法的故障计算模块。其中所述BP神经网络算法模型为前馈式反馈网络或者向后反馈式反馈网络,所述BP神经网络算法模型包括输入层、蕴含层和输出层,其中所述输入层的输出端与所述蕴含层的输入端连接,所述蕴含层的输出端与所述输出层的输入端连接。BP神经网络算法模块通过调节权值、阈值来逐渐逼近所需要的结果,最终使得输出的误差最小化,在调整BP神经网络模型时,其中调整输出层权系数的公式为:
调整隐含层权系数的公式为:
对于每一种消防监控设备测量故障数据样本中的输入模式对的二次型准确函数模型为:
对于N个消防监控设备测量故障信息样本的总准确函数表达式:
在上述实施例中,消防数据测试数据的故障信息的种类为m个,样本为N,对于输入数据xij的标准化按照下列公式的步骤进行:
其中i=1,2,...,N;j=1,2…,m,用Zij表示标准化处理后的数据;则标准化数据公式为:
其中yi为输出消防监控设备测量故障数据样本;y′i为标准化后的消防监控设备测量故障数据样本信息;ymax、ymin为输出消防监控设备测量故障信息数据样本中的极大值和极小值。在所述BP神经网络算法模型中,其中1.2<q<1.7;1.5<b<1.9,然后将隐层结点数确定在8-10之间,输入层到隐层的数值介于0.35-0.68之间,隐层到输出层之间的数值可以为0.32-0.63之间。
在进一步的实施例中,所述关联算法为矩阵关联算法模型,更具体地为随机矩阵分析算法模型,其构建方法为:
(1)数据预处理,对提取到的监控设备数据信息进行预处理,将有效数据保留,滤出无用的数据信息,数据类型至少包括监控设备输出烟雾数据、温度数据、火焰数据、人口疏散信息数据、噪声数据等;
(2)构建随机矩阵理论模型,计算出初始矩阵,根据构建的矩阵模型,将监控设备信息参数代入随机矩阵公式模型进行计算;其中随机矩阵模型公式为:
其中:
其中在上述公式中,M表示监控设备检定过程中,影响监控设备检定精度的参数种类,所述参数至少包括设备因素参数、人为因素参数、现场环境因素参数、操作因素参数、数据传递因素参数,其中所述参数的数据集合记作为P={P1,P2,P3......PM},N表示监控设备检定数据,所述检定数据至少包括烟雾数据、温度数据、火焰数据、人口疏散信息数据、噪声数据等的种类,所述检定数据的集合记作为Q={Q1,Q2,Q3......QN},T表示为监控设备检定装置或流水线检测监控设备的时间,D1表示影响监控设备检定数据精度的集合,Pij集合数据元素表示为在i个厂区的进行监控时,在j时间下进行监控设备测量的测量值;
(4)根据构建的随机矩阵模型计算出相关数据;
(5)利用所述步骤(S3)中的随机矩阵模型对监控设备检测系统中至少出现的磁场、谐波、负载或杂波数据信息进行分析,利用以下公式计算出标准化矩阵积Dstd的特征值:
Dstd=[D1,D2,D3,......DM+N]T (4)
当计算出标准化矩阵积Dstd的特征值时,则得出影响监控设备检定烟雾数据、温度数据、火焰数据、人口疏散信息数据、噪声数据等数据精度的磁场、谐波、负载或杂波的误差影响量,Dstd越大,影响量越大。
在进一步的实施例中,所述最佳位置搜索算法模块为基于蚁群算法的计算模块。蚁群算法模型的构建方法为:
(1)初始化;将获取的加密单元信息进行初始化,所选取的不同加密单元的初始化总群为y(t),设y(t)=ymax,令DES加密单元、3DES加密单元、Blowfish加密单元、Twofish加密单元、IDEA加密单元、RC6加密单元、字符串加密单元或CAST5加密单元的加密算法文本资产信息作为蚂蚁元素,初始时,蚂蚁元素矩阵的所有元素初始化为 0,然后随机选择所述蚂蚁元素的起始位置;其中寻找信息因子启发因子β∈[βmin,βmax],寻找信息素浓度挥发因子ρ∈[ρmin,ρmax];
(2)将m只蚂蚁元素随机放置在n个位置,设所述蚂蚁元素寻找路径的循环次数为Nc,按Nc+1的顺序进行循环;在进行数据更新时,存在以下公式:
(3)设定蚂蚁元素禁忌表索引号k=1,通过k+1进行循环;
(4)根据以下公式的状态转移概率公式计算蚂蚁选择位置j的概率;则有:
其中,δ为能见度因数,所述能见度因数表示不同位置之间的距离的倒数,α为信息素浓度相对重要参数,β为能见度因数相对重要指数,Node为与位置i直接相连并且蚂蚁元素尚未走过的位置的集合;
(5)选择具有最大状态转移概率的位置,将蚂蚁元素移动到所述具有最大状态转移概率的位置,并把所述位置记入到禁忌表中;
(6)判断,当访问完蚂蚁元素数据集合中的所有位置后,令k<m,其中m为位置的个数,则通过k+1执行循环操作,如果未访问完蚂蚁元素数据集合中的所有位置,则重新更新每条路径上的信息量;
(7)检查终止条件,检查是否满足终止条件,所述终止条件为蚂蚁选择位置j的概率大于70%,如果满足所述终止条件,则进行进一步操作;
(8)判断是否形成新的群体,如果所述终止条件为:蚂蚁选择位置j的概率小于70%,则要形成新的群体,则重新对信息素矩阵进行更新,更新的方法是重新计算最小数据矩阵D;
(9)判断是否满足终止遗传条件,当满足终止遗传条件时,所述终止遗传条件为:所述蚂蚁选择位置j的概率大于等于70%,则输出计算结果。
在上述实施例中,蚁群算法对信息素矩阵进行更新的次数为5-10次,在一种优选的技术方案中,该次数为8次,能够表现出较好的技术效果。
在上述实施例中,所述蚁群算法对信息素矩阵进行更新的关联性修正公式为:
rij(t+n)=ρrij(t)+Δrij (18)
其中:
在公式(19)中,ρ为数据信息残留系数,1-ρ为在(t,t+n)内的时间区间中蚂蚁寻找信息素的挥发程度,1-ρ用于抑制在寻找路径中,抑制蚂蚁信息素数量无法限制。在进一步的实施例中,在采用区块链技术实现加密时,其中对称加密和解密算法方法如下,具体参考图7和图8:
数据加密的方法为:
(1)通过应用程序选取监控设备数据库中待加密的数据信息,通过区块链平台经由区块链网络将数据信息传递到区块链节点设备,在区块链节点设备中,输入加密字符串,得到加密的数据信息字符串;
(2)生成私人密匙,通过秘钥生成器生成的私钥加密特征码在区块链网络中的不同设备节点之间共享,所述共享方式采用区块链网络实现;
(3)签名,用户根据自己的私钥加密特征码,并将结果附加在数据后面,并将加密后的特征码附加在数据后面,对加密信息串进行签名,通过区块链网络接收加密信息串,并进行签名,如果签名成功,则获得加密信息串如果签名成功,则获得加密信息串,如果签名不成功,则重新进行签名;
(4)生成对称秘钥,互相通信的不同区块链节点设备获得加密信息,通过数据签名,在主控服务器节点生成临时对称密钥,并使用对称密钥加密整个区块链网络中的数据;
(5)使用对称秘钥,各个区块链节点设备获得加密信息后,通过区块链网络获取数据的公钥,并使用公钥加密临时对称密钥,将结果附加在整个数据后发送到各个区块链节点,进而实现监控设备数据信息的加密。
如图4所示,所述对称密钥解密方法为:
(1)各个区块链节点设备采用自己获取的私钥进行解密经过加密的对称密钥;
(2)使用对称密钥解密整个加密的数据;
(3)身份验证;各个区块链节点设备采用各自节点上的公钥解密数据的特征码,验证处于区块链节点设备不同节点的身份信息;
(4)解密;任意一个各区块链节点设备再用同样的对称加密算法计算数据的特征码,然后再次使用对称加密算法计算数据的特征码,并与解密出来的特征码进行比较,验证区块链网络中不同数据节点发送的数据的完整性;
(5)各区块链节点设备通过获取的口令进行信息,通过获取的口令进行信息交互,交互方法为通过区块信息区块链节点设备传输或转递各个区块链节点设备的信息,进而获取解密信息。
在本发明进一步的实施例中,监控设备数据信息还可以采用分类模型进行预处理,其中分类模型为改进型K-means聚类算法模型,其方法为:
(1)数据获取,在监控设备数据库中选取样本数据,并根据所选择的样本数据选择初始簇的中心点,在样本数据中,随机抽出K个监控设备数据信息数据,将所述监控设备数据信息作为样本簇数据集合的中心,并设置迭代次数的阈值T,其中K>17,4<T<16;
(2)数据训练:假设样本点属于第k类的概率设定为pk,则概率分布的基尼指数定义为:
则对于数据样本D,则有:
则Ck是数据样本D中第k类的数据样本,则在特征为A的情况下,数据样本D的基尼指数为:
其中D1和D2是在数据集合D中被特征A分割的部分,然后选择基尼指数最小的特征及其对应的切分点作为最优特征与最优切分点;
(3)一级分类,根据步骤(22)中计算的最优特征与最优切分点确定根节点,根据公式(5)计算出的基尼指数选择决策树的根节点,基尼指数较大的属性选作为根节点;接着确定叶节点:根据计算出的基尼指数选择决策树的叶节点,基尼指数较小的属性选作为叶节点;重复计算,其中停止计算的条件是节点中的样本个数小于预定阈值,或样本集的基尼指数小于预定阈值,则不再计算分类属性;最后构建决策树分类数据模型,通过决策树分类数据模型将监控设备数据信息按照不同的属性进行分类。
(4)二级分类,在决策树分类数据模型输出的监控设备数据信息每个具体属性中划分监控设备数据信息样本簇点,将各个监控设备数据信息样本数据簇的点划分到以下监控设备数据信息样本簇的点中:
距离所述监控设备数据信息样本最近的中心所表示的簇的点,使所述监控设备数据信息样本与初始簇的中心点最近的中心点划分为一类;
其中,所述监控设备数据信息样本最近的中心与所表示的簇的点之间的距离公式为:
其中x、y分别表示不同的监控设备数据信息样本,n表示监控设备数据信息样本的维度,d(x,y)为欧几里得距离,根据每个监控设备数据信息样本的聚类样本的中心点,计算出每个监控设备数据信息样本与这些中心样本参数之间的距离,并且根据最小距离将相应的监控设备数据信息样本重新进行划分;
(5)用不同监控设备数据信息样本簇中的各个样本数据点的中心点来表示监控设备数据信息样本的样本簇的中心点,根据不同参数数据或不同聚类信息样本数据的中心点,再次计算每个监控设备数据信息样本数据中心点与这些聚类信息数据中心之间的距离,并且根据最小距离重新对相应数字资产样本数据重新进行划分,将每次计算出的最小数据组成矩阵其中, x为求出的最小值的集合;
(6)判断是否进行迭代计算,如果迭代次数等于设定阈值T,则不用迭代计算,如果迭代次数与设定阈值不相同,则重新划分监控设备数据信息样本簇点,返回步骤(4),重复进行步骤(4)和(5),最终实现监控设备数据信息的二级精细分类。
在上述实施例中,在所述一级分类中,所述决策树的根节点的数量为1,所述决策树的叶节点的数量大于3。
在上述实施例中,所述一级分类在对监控设备数据信息进行分类时还包括剪枝步骤,以降低决策树的复杂度,决策树的剪枝通过最小化决策树整体的损失函数来实现,损失函数为:
Ca(T)=C(T)+α|T| (25)
其中T为任意子树,C(T)是对训练数据的预测误差,|T|为子树的叶结点个数,其中α≥0,Ca(T)为参数是α时的子树T的整体损失,其中α值越大,Ca(T)越小,α值越小,Ca(T)越大。
在上述实施例中,在所述二级分类中,每个监控设备数据信息样本与中心样本参数之间的距离小于1时,则为相同类别,每个监控设备数据信息样本与中心样本参数之间的距离大于1小于5时,则为相似类别,每个监控设备数据信息样本与中心样本参数之间的距离大于5时,则为不同类别。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些具体实施方式仅是举例说明,本领域的技术人员在不脱离本发明的原理和实质的情况下,可以对上述方法和系统的细节进行各种省略、替换和改变。例如,合并上述方法步骤,从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此,本发明的范围仅由所附权利要求书限定。
Claims (10)
1.一种基于5G、物联网模式的区块链分布式实时消防监控警报系统,其特征在于:所述系统包括:
监控层,其内设置有呈分布式布置的多种监控设备,所述监控设备上设置有5G网络接口、物联网网络接口或区块链网络接口;所述监控设备分布在小区、厂房、商店或者商场内,并且所述监控设备设置有监控CPU单元和与所述监控CPU单元连接的360°旋转式摄像头、网络摄像头或工业CCD摄像头;所述360°旋转式摄像头、网络摄像头或工业CCD摄像头通过红外线、温度传感器、烟雾传感器呢或者图像识别获取现场的数据信息;
数据通信层,其内设置有多通信接口和与所述多通信接口连接的区块链网络、物联网网络、5G网络和数据传递端口,其中所述多通信接口的输出端与所述区块链网络、物联网网络或者5G网络的输入端连接,所述区块链网络、物联网网络或者5G网络的输出端与所述数据传递端口的输入端连接,其中所述多通信接口和数据传递端口分别为RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP通信信道接口、RS422通信信道接口、以太网通信信道接口、CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口、GPRS通信信道接口、3G通信信道接口、4G通信信道接口、CDMA通信信道接口、以太网通信信道接口、区块链通信信道接口、物联网通信信道接口或者5G网络通信信道接口;
数据处理层,其内设置云端处理器、区块链信息管理平台或者计算机管理系统;
其中所述云端处理器的硬件配置为Intel Xeon E3-1220v53.0GHz,内核为四核,内存为8GDDR4,硬盘为1*Intel企业级SSD,1*SATA 1T,网卡为2*千兆网口;工作机节点的硬件CPU型号为Intel Xeon E53.0GHZ,所述工作机节点的内存为8GB,硬盘容量为1TB,其中所述云端处理器内还设置有RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP通信信道接口、RS422通信信道接口、以太网通信信道接口、CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口、GPRS通信信道接口、3G通信信道接口、4G通信信道接口、CDMA通信信道接口、以太网通信信道接口、区块链通信信道接口、物联网通信信道接口或者5G网络通信信道接口;所述云端处理器还包括存储单元,主要用于存储监控设备测试过程中的各种的测量数据信息,其中所述存储单元包括个人云存储单元、私有云存储单元、公有云存储单元和混合云存储单元;其中所述云端处理器至少还包括分布式存储模块、数据传输接口、CPU、内存、磁盘、带宽和云网络接口,所述云端服务器通过将规模级的底层服务器通过集约化、虚拟化构建起云端资源池,然后从资源池中调配计算资源组建而成,其中所述CPU、内存、磁盘或带宽以自由组合的方式存在;其中所述计算机管理系统的型号为Intel(R)Core(TM)i7-3770CPU@3.40GHz,内存为160GB;
其中所述区块链信息管理平台为基于Hyperledger Fabric的模块化区块链解决方案支撑平台,所述区块链信息管理平台包括区块链网络、区块链节点和节点服务器,其中所述区块链节点与节点服务器连接有监控设备数据分类单元,其中所述区块链节点设置在所述区块链网络内,所述区块链信息管理平台还包括共识机制单元、P2P网络传输单元、分布式数据存储单元和非对称加密算法单元;所述区块链平台中还设置有数据加密单元,所述数据加密单元包括DES加密单元、3DES加密单元、Blowfish加密单元、Twofish加密单元、IDEA加密单元、RC6加密单元、字符串加密单元或CAST5加密单元;所述数据分类单元外部壳体设置有RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP通信信道接口、RS422通信信道接口、以太网通信信道接口、CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口、GPRS通信信道接口、3G通信信道接口、4G通信信道接口、CDMA通信信道接口、以太网通信信道接口、区块链通信信道接口、物联网通信信道接口或者5G网络通信信道接口,以实现与多种设备的数据通信;
其中所述计算机管理系统内设置有数据库,所述数据库至少包括DB2数据库、oracle数据库、Informix数据库、Sybase数据库、SQL Server数据库、PostgreSQL数据库或者MySQL数据库;
数据传递层,其内除了设置有节点设备之外,还设置有有线通信模块或无线通信模块,用于接收并传递所述数据层中的数据信息;其中所述有线通信模块至少包括RS485通信模块或RS232通信模块,所述无线通信模块至少包括TCP/IP网络系统、ZigBee无线网络、GPRS通信模块、CDMA无线通信、云通信模块或蓝牙通信模块;所述通信单元还包含物理层、数据链路层、网络层、传输层、会话层、表示层和应用层;其中所述TCP/IP网络系统至少包含有网卡、网线、集线器、中继器或调制解调器,所述数据链路层至少包括网桥或监控设备;所述网络层至少包括路由器;所述通信层中还包含多种通信协议,所述通信协议至少包含有TCP/IP、UDP、IPSec、MODBUS、MODBUS/TCP、OPC、专有协议、PROFIBUS-DP、MPI、PPI、S7、FX系列编程口和串口协议、Q系列串口4C协议和以太网3E协议、CC-LINK、A系列或欧姆龙HostLink协议,以实现不同监控设备接口或通信设备的通信需求;
数据应用层,其内设置有计算机组件、集成于所述计算机组件内的数据库、监控单元和远程信息通信模块,以存储、使用或传递所述检测层处理后的数据;其中:
所述监控层的输出端与所述数据通信层的输入端连接,所述数据通信层的输出端与所述数据处理层的输入端连接,所述数据处理层的输出端与所述数据应用层的输入端连接。
2.根据权利要求1所述的一种基于5G、物联网模式的区块链分布式实时消防监控警报系统,其特征在于:所述云端处理器、区块链信息管理平台或者计算机管理系统内还设置有大数据计算模块。
3.根据权利要求1所述的一种基于5G、物联网模式的区块链分布式实时消防监控警报系统,其特征在于:所述大数据计算模块为融合算法模块、故障预警模块和最佳位置搜索算法模块,其中所述融合算法模块的输出端与所述故障预警模块的输入端连接,所述故障预警模块的输出端与所述最佳位置搜索算法模块的输入端连接。
4.应用权利要求1-3任意一项权利要求所述的一种基于5G、物联网模式的区块链分布式实时消防监控警报系统的实现方法,其特征在于:所述方法包括以下步骤:
(1)获取数据信息:通过监控层获取监控设备的各种数据信息,并将小区、厂房、商店或者商场内的各种消防数据信息通过数据通信层进行数据传递;
(2)数据通信,至少通过区块链网络、物联网网络或者5G网络实现监控层数据信息的数据传递;
(3)数据处理层,通过云端处理器、区块链信息管理平台或者计算机管理系统对数据通信层传递的数据信息进行接收和处理,在处理消防监控数据信息时,分别应用融合算法模块、故障预警模块和最佳位置搜索算法模块对接收到的数据信息进行处理或计算;
(4)数据应用,计算后的监控数据通过区块链网络、物联网网络或者5G网络进行进一步的数据传递,以便上层管理中心能够获取计算后的监控数据,实现消防数据信息的远程、在线和实时监控和预警。
6.根据权利要求4所述的一种基于5G、物联网模式的区块链分布式实时消防监控警报方法,其特征在于:所述故障预警模块为基于BP神经网络算法模型或者关联算法的故障计算模块。
7.根据权利要求6所述的一种基于5G、物联网模式的区块链分布式实时消防监控警报方法,其特征在于:所述BP神经网络算法模型为前馈式反馈网络或者向后反馈式反馈网络。
8.根据权利要求7所述的一种基于5G、物联网模式的区块链分布式实时消防监控警报方法,其特征在于:所述BP神经网络算法模型包括输入层、蕴含层和输出层,其中所述输入层的输出端与所述蕴含层的输入端连接,所述蕴含层的输出端与所述输出层的输入端连接。
9.根据权利要求6所述的一种基于5G、物联网模式的区块链分布式实时消防监控警报方法,其特征在于:所述关联算法为矩阵关联算法模型。
10.根据权利要求4所述的一种基于5G、物联网模式的区块链分布式实时消防监控警报方法,其特征在于:所述最佳位置搜索算法模块为基于蚁群算法的计算模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010638346.XA CN111770190A (zh) | 2020-07-06 | 2020-07-06 | 基于5g、物联网模式的区块链分布式实时消防监控警报系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010638346.XA CN111770190A (zh) | 2020-07-06 | 2020-07-06 | 基于5g、物联网模式的区块链分布式实时消防监控警报系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111770190A true CN111770190A (zh) | 2020-10-13 |
Family
ID=72724538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010638346.XA Pending CN111770190A (zh) | 2020-07-06 | 2020-07-06 | 基于5g、物联网模式的区块链分布式实时消防监控警报系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111770190A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112333357A (zh) * | 2020-10-20 | 2021-02-05 | 武汉理工大学 | 基于5g与区块链的水上组网监控系统和方法 |
CN112770053A (zh) * | 2021-01-05 | 2021-05-07 | 北京家人智能科技有限公司 | 一种物联网设备协同联动方法 |
CN113254306A (zh) * | 2021-05-10 | 2021-08-13 | 支付宝(杭州)信息技术有限公司 | 运行状态监控方法、装置、设备和存储介质 |
CN114723567A (zh) * | 2022-06-10 | 2022-07-08 | 深圳市润璟元信息科技有限公司 | 一种基于区块链技术的金融数据化信息分布式交易系统 |
CN115175126A (zh) * | 2022-09-02 | 2022-10-11 | 长沙银河众创科技信息有限公司 | 一种基于物联网的智慧园区快速消防应急处理方法和系统 |
CN115208906A (zh) * | 2022-07-08 | 2022-10-18 | 深圳市汇云通讯科技有限公司 | 一种基于区块链的录像管理方法、管理系统及终端 |
CN117493777A (zh) * | 2023-12-29 | 2024-02-02 | 成都秦川物联网科技股份有限公司 | 基于物联网的超声波流量计数据清洗方法、系统及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110501917A (zh) * | 2019-09-11 | 2019-11-26 | 智慧谷(厦门)物联科技有限公司 | 应用云计算实现物联网智能家居信息管理的系统和方法 |
CN111027087A (zh) * | 2019-12-16 | 2020-04-17 | 智慧谷(厦门)物联科技有限公司 | 应用区块链助记词加密的企业信息管理系统及方法 |
-
2020
- 2020-07-06 CN CN202010638346.XA patent/CN111770190A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110501917A (zh) * | 2019-09-11 | 2019-11-26 | 智慧谷(厦门)物联科技有限公司 | 应用云计算实现物联网智能家居信息管理的系统和方法 |
CN111027087A (zh) * | 2019-12-16 | 2020-04-17 | 智慧谷(厦门)物联科技有限公司 | 应用区块链助记词加密的企业信息管理系统及方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112333357A (zh) * | 2020-10-20 | 2021-02-05 | 武汉理工大学 | 基于5g与区块链的水上组网监控系统和方法 |
CN112770053A (zh) * | 2021-01-05 | 2021-05-07 | 北京家人智能科技有限公司 | 一种物联网设备协同联动方法 |
CN112770053B (zh) * | 2021-01-05 | 2023-04-07 | 珠海市横琴盈实科技研发有限公司 | 一种物联网设备协同联动方法 |
CN113254306A (zh) * | 2021-05-10 | 2021-08-13 | 支付宝(杭州)信息技术有限公司 | 运行状态监控方法、装置、设备和存储介质 |
CN114723567A (zh) * | 2022-06-10 | 2022-07-08 | 深圳市润璟元信息科技有限公司 | 一种基于区块链技术的金融数据化信息分布式交易系统 |
CN114723567B (zh) * | 2022-06-10 | 2022-09-20 | 深圳市润璟元信息科技有限公司 | 一种基于区块链技术的金融数据化信息分布式交易系统 |
CN115208906A (zh) * | 2022-07-08 | 2022-10-18 | 深圳市汇云通讯科技有限公司 | 一种基于区块链的录像管理方法、管理系统及终端 |
CN115175126A (zh) * | 2022-09-02 | 2022-10-11 | 长沙银河众创科技信息有限公司 | 一种基于物联网的智慧园区快速消防应急处理方法和系统 |
CN115175126B (zh) * | 2022-09-02 | 2023-02-17 | 长沙银河众创科技信息有限公司 | 一种基于物联网的智慧园区快速消防应急处理方法和系统 |
CN117493777A (zh) * | 2023-12-29 | 2024-02-02 | 成都秦川物联网科技股份有限公司 | 基于物联网的超声波流量计数据清洗方法、系统及装置 |
CN117493777B (zh) * | 2023-12-29 | 2024-03-15 | 成都秦川物联网科技股份有限公司 | 基于物联网的超声波流量计数据清洗方法、系统及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111770190A (zh) | 基于5g、物联网模式的区块链分布式实时消防监控警报系统 | |
US20230039182A1 (en) | Method, apparatus, computer device, storage medium, and program product for processing data | |
Man et al. | Intelligent Intrusion Detection Based on Federated Learning for Edge‐Assisted Internet of Things | |
Ding et al. | A GAN-based intrusion detection model for 5G enabled future metaverse | |
Chopade et al. | A framework for community detection in large networks using game-theoretic modeling | |
CN111787114A (zh) | 一种新型区块链网络架构构建的方法 | |
Li et al. | Federated anomaly detection on system logs for the internet of things: A customizable and communication-efficient approach | |
CN110855648A (zh) | 一种网络攻击的预警控制方法及装置 | |
CN110868312A (zh) | 一种基于遗传算法优化的工业行为异常检测方法 | |
Zhu et al. | Iot equipment monitoring system based on c5. 0 decision tree and time-series analysis | |
KR20150094408A (ko) | 사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 시스템 | |
Ouyang et al. | FS-IDS: a novel few-shot learning based intrusion detection system for scada networks | |
Narendrasinh et al. | FLBS: Fuzzy lion Bayes system for intrusion detection in wireless communication network | |
Zhang et al. | Unsupervised IoT fingerprinting method via variational auto-encoder and K-means | |
CN109871711A (zh) | 海洋大数据共享分发风险控制模型及方法 | |
CN110851414B (zh) | 一种以聚类法进行边界数据分析的方法及其系统 | |
Kaur et al. | Futuristic Technologies in Agriculture Challenges and Future Prospects | |
Hu et al. | Classification of Abnormal Traffic in Smart Grids Based on GACNN and Data Statistical Analysis | |
Gawali et al. | Anomaly detection system in 5G networks via deep learning model | |
Su et al. | Detection ddos of attacks based on federated learning with digital twin network | |
Ahakonye et al. | Trees Bootstrap Aggregation for Detection and Characterization of IoT-SCADA Network Traffic | |
Čulić Gambiroža et al. | Lost in data: recognizing type of time series sensor data using signal pattern classification | |
CN115699039A (zh) | 用于分散机群分析的技术 | |
Desamsetti | Utilizing Deep Learning to Identify Potentially Dangerous Routing Attacks in the IoT | |
CN112104684A (zh) | 一种基于物联网的平台管理系统 |
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: 20201013 |