CN115175126B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN115175126B
CN115175126B CN202211068707.7A CN202211068707A CN115175126B CN 115175126 B CN115175126 B CN 115175126B CN 202211068707 A CN202211068707 A CN 202211068707A CN 115175126 B CN115175126 B CN 115175126B
Authority
CN
China
Prior art keywords
fire
network
node
internet
wireless sensing
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.)
Active
Application number
CN202211068707.7A
Other languages
English (en)
Other versions
CN115175126A (zh
Inventor
梁璟
戴燎元
詹蕴学
邹耀增
刘文用
韩声利
李灿红
刘宇
刘熙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changsha Galaxy Zhongchuang Technology Information Co ltd
Original Assignee
Changsha Galaxy Zhongchuang Technology Information Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changsha Galaxy Zhongchuang Technology Information Co ltd filed Critical Changsha Galaxy Zhongchuang Technology Information Co ltd
Priority to CN202211068707.7A priority Critical patent/CN115175126B/zh
Publication of CN115175126A publication Critical patent/CN115175126A/zh
Application granted granted Critical
Publication of CN115175126B publication Critical patent/CN115175126B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
    • G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
    • 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
    • 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
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Emergency Management (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及智慧园区消防应急处理的技术领域，揭露了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，方法步骤包括：构建智慧园区的物联网网络蜂窝拓扑结构，确定无线传感设备在物联网网络蜂窝拓扑结构中的位置；将物联网网络蜂窝拓扑结构划分为若干网络簇，从网络簇的路由节点中选取影响因子最大的路由节点作为该网络簇的雾计算节点；无线传感设备采集所感知区域的环境信息以及火灾信息，将所采集的信息数据发送到所属网络簇的雾计算节点；雾计算节点根据接收到的信息数据计算得到无线传感器所感知区域在着火后的危急程度，根据危急程度提供消防建议。本发明建立多指标的火灾区域危急程度量化模型，并根据量化结果提供有效的消防建议。

Description

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
技术领域
本发明涉及智慧园区消防应急处理的技术领域，尤其涉及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。
背景技术
随着智慧园区的不断发展，办公区域呈集中化发展趋势，大量人员、设施聚集在一起。这就对智慧园区的消防应急处置提出了较高的要求。现有的消防应急处置以烟雾报警监测和视频监控为主，能够很好的检测火灾的发生然后通知消防人员进行处理。但是消防人员对办公区域环境不熟悉，需要提前咨询相关人员现场环境状况，耽误大量时间，同时现有方法需要将监控设备所监测到的信息数据上传到云平台进行分析，由于不同区域的网络通信状态存在差异，利用监控设备将信息数据直接传输到云平台可能存在信息传输异常的问题，如信息的漏传、信息的上传失败等，同时云平台与监控设备的传输时延较大，会影响智慧园区消防救援的及时性。针对该问题，本专利提出一种基于物联网的智慧园区快速消防应急处理方法及系统，能够结合物联网设备采集智慧园区环境信息，综合评估火场周边环境危急程度，为消防救援人员提供指导建议。
发明内容
有鉴于此，本发明提供一种基于物联网的智慧园区快速消防应急处理方法，目的在于基于雾计算方法将云平台的计算任务在路由节点中完成，提高消防应急计算的及时性，建立一种基于火灾图像、烟雾量、热量、温度以及区域周围的易燃物类型的火灾区域危急程度的量化模型，为消防救援人员提供更为有效的消防建议，并利用启发式算法求解得到不同指标的权重，使得能够得到快速求解更为精准的火灾区域危急程度，提高消防建议的时效性。
实现上述目的，本发明提供的一种基于物联网的智慧园区快速消防应急处理方法，包括以下步骤：
S1：在智慧园区部署无线传感设备，其中所述无线传感设备包括温度传感器、烟雾传感器、热量传感器以及摄像头；
S2：构建智慧园区的物联网网络蜂窝拓扑结构，确定无线传感设备在物联网网络蜂窝拓扑结构中的位置；
S3：基于无线传感设备的位置将物联网网络蜂窝拓扑结构划分为若干网络簇，从网络簇的路由节点中选取影响因子最大的路由节点作为该网络簇的雾计算节点；
S4：无线传感设备采集所感知区域的环境信息以及火灾信息，将所采集的信息数据发送到所属网络簇的雾计算节点；
S5：雾计算节点根据接收到的信息数据计算得到无线传感器所感知区域在着火后的危急程度，并将感知区域在着火后的危急程度发送到云平台；
S6：云平台根据感知区域在着火后的危急程度为消防救援人员提供消防建议。
作为本发明的进一步改进方法：
可选地，所述S1步骤中在智慧园区部署无线传感设备，其中所述无线传感设备包括传感器以及摄像头，包括：
在智慧园区的易燃易爆区域部署无线传感设备，其中所述易燃易爆区域包括智慧园区的充电桩、工业厂房、物流仓库以及光伏发电站；
本发明实施例中，由于不同易燃易爆区域内的易燃品不同，因此不同易燃易爆区域火灾情况感知的主要信息不同，其中充电桩区域的易燃品为充电桩以及电动车辆，工业厂房内的易燃品为工业用品，物流仓库内的易燃品为物流货物，光伏发电站内的易燃品为输电电线，设置智慧园区内不同易燃易爆区域所部署的无线传感设备类型不同。示例性的，在智慧园区的充电桩区域部署烟雾传感器以及摄像头，其中每个充电桩区域具有若干充电桩，烟雾传感器以及摄像头感知当前充电桩区域的烟雾信息以及火灾图像信息；在智慧园区的每个工业厂房以及物流仓库部署温度传感器、热量传感器、摄像头以及烟雾传感器，上述无线传感设备用于感知当前工业厂房或物流仓库的温度热量信息、火灾图像信息以及烟雾信息；在智慧园区的光伏发电站部署烟雾传感器以及摄像头，用于感知光伏发电站内用电电线的烟雾信息以及火灾图像信息。
示例性的，所选取的温度传感器的电阻材料为铜，随着温度变化使得温度传感器内的电阻值发生变化，电阻值与感知到的温度具有线性关系，通过测量电阻值计算得到感知区域的实时温度；所选取的烟雾传感器为以二氧化锡为金属半导体的传感器，通过吸附空气中的烟雾颗粒，引起金属半导体敏感层电导率的变化，烟雾的浓度越大，导电率越大，传感器的电阻值越小，则传感器输出的模拟信号越大；所选取的热量传感器为热阻式传感器，其感知到的热量密度
Figure 73817DEST_PATH_IMAGE001
，其中
Figure 395077DEST_PATH_IMAGE002
为热量传感器的灵敏度的倒数，
Figure 198341DEST_PATH_IMAGE003
为热量传感器内热阻层两端的热电动势。
可选地，所述S2步骤中构建智慧园区的物联网网络蜂窝拓扑结构，包括：
所述智慧园区的物联网网络蜂窝拓扑结构构建流程为：
智慧园区内的网络控制中心向路由节点以及无线传感设备广播消息，接收到广播消息的节点向网络控制中心发送自身的位置，其中所述节点包括路由节点以及无线传感设备，在本发明实施例中，路由节点可以包括路由器、服务器终端等，用于转发消息或进行计算；
以智慧园区内的网络控制中心作为物联网网络蜂窝拓扑结构的起始点，以起始点为圆心，在半径为s的圆形通信范围内，选取最接近圆内接正六边形的六个节点，对于所述六个节点，相邻节点之间的距离与半径s的差在预设范围内，且为相邻的节点以及圆心创建网络链路；
分别以六个节点作为圆心，在半径为s的圆形通信范围内，选取最接近圆内接正六边形的六个节点，为相邻的节点以及圆心创建网络链路，重复该步骤，直到创建完成整个物联网网络的蜂窝拓扑结构；在物联网网络蜂窝拓扑结构的构建过程中，若出现找不到6个内接正六边形的节点，则将缺少节点的内接正六边形顶点设置为虚拟节点。
可选地，所述S2步骤中确定无线传感设备在物联网网络蜂窝拓扑结构中的位置，包括：
所述无线传感设备位于物联网网络蜂窝拓扑结构的边界位置，利用基于节点中心性的边界确认方法确认无线传感设备在物联网网络蜂窝拓扑结构中的位置，所述基于节点中心性的边界确认方法流程为：
1）根据物联网网络蜂窝拓扑结构获取每个节点的5跳邻域图，其中一跳表示一跳路由，计算物联网网络蜂窝拓扑结构中节点的中心性，其中所述节点包括物联网网络蜂窝拓扑结构中的路由节点以及无线传感设备，所述中心性的计算公式为：
Figure 997670DEST_PATH_IMAGE004
其中：
Figure 334104DEST_PATH_IMAGE005
表示节点x的中心性，
Figure 498370DEST_PATH_IMAGE006
为节点x邻近5跳以内的区域，
Figure 271154DEST_PATH_IMAGE007
为区域
Figure 123441DEST_PATH_IMAGE006
内的节点；
Figure 829229DEST_PATH_IMAGE008
表示区域
Figure 774182DEST_PATH_IMAGE006
内节点i与节点j之间的最短路径数目；
Figure 299841DEST_PATH_IMAGE009
表示区域
Figure 693170DEST_PATH_IMAGE006
内节点i与节点j之间最短路径内包含节点x的最短路径数目；
2）按照中心性由小到大进行排序，选取前10%的节点作为候选边界点；
3）若候选边界点g的邻近点不存在候选边界点，则将g作为路由节点，重复该步骤；
4）将最终的候选边界点视为物联网网络蜂窝拓扑结构的边界位置，即无线传感设备的网络位置，利用智慧园区内的网络控制中心控制无线传感设备的开启和关闭。
可选地，所述S3步骤中将物联网网络蜂窝拓扑结构划分为若干网络簇，从网络簇的路由节点中选取影响因子最大的路由节点作为该网络簇的雾计算节点，包括：
将物联网网络蜂窝拓扑结构划分为若干网络簇，所述网络簇的划分方法为：
以网络控制中心为原点，水平方向为横轴，竖直方向为纵轴构建水平坐标面，原点分别向
Figure 925568DEST_PATH_IMAGE010
方向发射射线，将物联网网络蜂窝拓扑结构划分为6个区域，则6个区域分别为
Figure 228373DEST_PATH_IMAGE011
Figure 257640DEST_PATH_IMAGE012
，将所划分的每个区域作为一个网络簇，若在区域边界，存在感知同一处易燃易爆区域的无线传感设备被分到了两个网络簇，则将感知同一处易燃易爆区域的所有无线传感设备分配到两个网络簇中无线传感设备较少的网络簇中；
在网络簇的路由节点中选取影响因子最大的路由作为该网络簇的雾计算节点，所述影响因子的计算公式为：
Figure 999200DEST_PATH_IMAGE013
其中：
Figure 663269DEST_PATH_IMAGE014
为路由节点q的影响因子；
Figure 402555DEST_PATH_IMAGE015
为路由节点q的计算能力；
Figure 653539DEST_PATH_IMAGE016
为路由节点q的中心性；
Figure 808576DEST_PATH_IMAGE017
为路由节点q距离网络控制中心的距离。
可选地，所述S4步骤中无线传感设备采集所感知区域的环境信息以及火灾信息，并将所采集的信息数据发送到所属网络簇的雾计算节点，包括：
无线传感设备采集所感知易燃易爆区域的环境信息以及火灾信息，将所采集的信息数据发送到无线传感设备所属网络簇的雾计算节点中，其中环境信息为易燃易爆区域所存储的易燃物类别，火灾信息为当前火灾的特征，包括火灾图像，烟雾量，温度以及发热量，所述信息数据的格式为：
Figure 343463DEST_PATH_IMAGE018
其中：
Figure 240268DEST_PATH_IMAGE019
为第u个网络簇中第c个无线传感设备所上传的信息数据，所述信息数据包括环境信息以及火灾信息，
Figure 227816DEST_PATH_IMAGE020
为第u个网络簇中无线传感设备的总数，
Figure 61911DEST_PATH_IMAGE021
；
Figure 185724DEST_PATH_IMAGE022
为第u个网络簇中第c个无线传感设备所感知区域的位置；
Figure 781660DEST_PATH_IMAGE023
为第u个网络簇中第c个无线传感设备所感知区域的类别，
Figure 928607DEST_PATH_IMAGE024
，
Figure 753344DEST_PATH_IMAGE025
表示所感知区域为智慧园区的充电桩，
Figure 747976DEST_PATH_IMAGE026
表示所感知区域为工业厂房，
Figure 265545DEST_PATH_IMAGE027
表示所感知区域为物流仓库，
Figure 226021DEST_PATH_IMAGE028
表示所感知区域为光伏发电站；
Figure 854449DEST_PATH_IMAGE029
为第u个网络簇中第c个无线传感设备所感知区域的易燃物；
Figure 500325DEST_PATH_IMAGE030
为第u个网络簇中第c个无线传感设备所感知区域的火灾图像；
Figure 188795DEST_PATH_IMAGE031
为第u个网络簇中第c个无线传感设备所感知区域的烟雾量，若不存在则设置为null；
Figure 621919DEST_PATH_IMAGE032
为第u个网络簇中第c个无线传感设备所感知区域的温度，若不存在则设置为null；
Figure 788459DEST_PATH_IMAGE033
为第u个网络簇中第c个无线传感设备所感知区域的发热量，若不存在则设置为null；
对于第u个网络簇中第c个无线传感设备的信息数据，无线传感设备将其发送到第u个网络簇的雾计算节点
Figure 757683DEST_PATH_IMAGE034
，则信息数据在物联网网络蜂窝拓扑结构中的路由路径规划流程为：
1）在信息数据所处节点的邻近路由节点中寻找雾计算节点
Figure 289158DEST_PATH_IMAGE034
，若雾计算节点
Figure 960311DEST_PATH_IMAGE034
在邻近路由节点，则将信息数据直接转发给雾计算节点，否则转向步骤2）；
2）计算信息数据所处节点的邻近路由节点的评分，在物联网网络蜂窝拓扑结构中，节点与邻近路由节点构成通信链路，所述路由节点的评分公式为：
Figure 182738DEST_PATH_IMAGE035
其中：
Figure 255737DEST_PATH_IMAGE036
为路由节点的得分；
Figure 833480DEST_PATH_IMAGE037
为路由节点的当前能量，
Figure 991928DEST_PATH_IMAGE038
为路由节点转发1比特的信息数据所消耗的能量，Z为信息数据的比特量，
Figure 483958DEST_PATH_IMAGE039
为路由节点的初始能量；
n为路由节点的邻近节点数目；
Figure 677042DEST_PATH_IMAGE040
为路由节点距离雾计算节点的跳数；
3）返回步骤1）。
可选地，所述S5步骤中雾计算节点根据接收到的信息数据计算得到无线传感器所感知区域在着火后的危急程度，包括：
在雾计算节点构建计算无线传感器所感知区域在着火后危急程度的目标函数：
Figure 550321DEST_PATH_IMAGE041
其中：
Figure 946798DEST_PATH_IMAGE042
为智慧园区的历史火灾消防数据，e为其中的任意第e组历史火灾消防数据；
Figure 993251DEST_PATH_IMAGE043
为对火灾图像
Figure 89777DEST_PATH_IMAGE044
的火灾严重程度判断，
Figure 461852DEST_PATH_IMAGE045
，数值越高表明火灾越严重，采集并标记不同火灾严重程度的火灾图像作为基准图像，利用图像相似度计算方法确定火灾图像
Figure 345626DEST_PATH_IMAGE044
与基准图像的相似度，相似度最高的基准图像所标记的火灾严重程度即为火灾图像
Figure 195770DEST_PATH_IMAGE044
的火灾严重程度；
Figure 769971DEST_PATH_IMAGE046
为烟雾量
Figure 562215DEST_PATH_IMAGE047
的火灾严重程度判断，
Figure 651394DEST_PATH_IMAGE048
，
Figure 118279DEST_PATH_IMAGE049
为对温度
Figure 874882DEST_PATH_IMAGE050
的火灾严重程度判断，
Figure 575378DEST_PATH_IMAGE051
，
Figure 683011DEST_PATH_IMAGE052
为对发热量
Figure 812641DEST_PATH_IMAGE053
的火灾严重程度判断，对于上述指标，通过设置不同火灾严重程度的指标阈值，将若各指标达到指标的相应火灾严重程度的阈值，则将达到的火灾严重程度设置为该指标的火灾严重程度；
Figure 908904DEST_PATH_IMAGE054
为易燃物
Figure 59263DEST_PATH_IMAGE055
的火灾扩散值，将充电桩区域易燃品的火灾扩散值设置为3，将工业厂房内易燃品的火灾扩散值设置为6，将物流仓库内易燃品的火灾扩散值设置为2，将光伏发电站内易燃品的火灾扩散值设置为5；
Figure 434619DEST_PATH_IMAGE056
为将火灾扩散值转换为危急程度的函数，通过设置危急程度Ⅰ、Ⅱ、Ⅲ，其中Ⅰ表示危急程度最大，Ⅲ表示危急程度最小，危急程度Ⅰ的阈值为
Figure 164677DEST_PATH_IMAGE057
，危急程度Ⅱ的阈值为
Figure 646605DEST_PATH_IMAGE058
，危急程度Ⅲ的阈值为
Figure 639969DEST_PATH_IMAGE059
，若函数内的值大于等于
Figure 191036DEST_PATH_IMAGE059
且小于
Figure 230843DEST_PATH_IMAGE058
，则表示危急程度为Ⅲ，若函数内的值大于等于
Figure 613283DEST_PATH_IMAGE058
且小于
Figure 590598DEST_PATH_IMAGE057
，则表示危急程度为Ⅱ，若函数内的值大于等于
Figure 628961DEST_PATH_IMAGE057
，则说明危急程度为Ⅰ；
Figure 904084DEST_PATH_IMAGE060
为第e组历史火灾消防数据的真实火灾危急程度；
Figure 593560DEST_PATH_IMAGE061
表示各指标的影响权重；
所述图像相似度计算方法流程为：
统一基准图像以及火灾图像的尺寸，将基准图像以及火灾图像转换为灰度图，并分别计算每张图像的像素均值；
对于每张图像，初始化hash列表为空，从左到右一行行遍历图像像素，若图像像素大于等于该图像的像素均值，则向hash列表中填字符1，否则填字符0；
计算火灾图像hash列表与基准图像hash列表的汉明距离，将汉明距离最小的基准图像作为火灾图像相似度最高的图像；
雾计算节点对目标函数进行求解，得到不同指标的影响权重以及危急程度阈值，所述目标函数的求解流程为：
1）初始化
Figure 991044DEST_PATH_IMAGE062
只蜗牛的位置以及速度，并初始化当前算法迭代次数为v ，v的初始值为0，算法最大迭代次数为Max，则第v次迭代时任意第
Figure 64173DEST_PATH_IMAGE063
只蜗牛的位置
Figure 205304DEST_PATH_IMAGE064
和速度
Figure 17796DEST_PATH_IMAGE065
为：
Figure 258284DEST_PATH_IMAGE066
Figure 271240DEST_PATH_IMAGE067
其中：
每只蜗牛的位置对应一组目标函数的解，位置坐标的维数为8；
Figure 966794DEST_PATH_IMAGE068
对应目标函数中的影响权重
Figure 178333DEST_PATH_IMAGE069
，
Figure 166886DEST_PATH_IMAGE070
分别对应
Figure 401559DEST_PATH_IMAGE071
，
Figure 822176DEST_PATH_IMAGE072
为对应位置的更新速度；
2）将每只蜗牛的位置代入到目标函数中，将目标函数值作为蜗牛的适应度值；
3）更新蜗牛的位置和速度：
Figure 842215DEST_PATH_IMAGE073
Figure 752403DEST_PATH_IMAGE074
其中：
Figure 788885DEST_PATH_IMAGE075
为0~1之间的随机数；
Figure 75510DEST_PATH_IMAGE076
为第v次迭代时适应度值最小的蜗牛的位置坐标；
4）判断当前迭代次数v+1是否达到最大迭代次数，若达到最大迭代次数，此时适应度值最小的蜗牛所对应的位置坐标即为目标函数的求解结果；若未达到最大迭代次数，则返回步骤2）；
雾计算节点通过整合同一区域不同无线传感设备的信息数据，根据求解得到的结果计算该区域在着火后的危急程度，所述危急程度的计算公式为：
Figure 950056DEST_PATH_IMAGE077
其中：
Figure 968828DEST_PATH_IMAGE078
为区域Q在着火后的危急程度；
Figure 178092DEST_PATH_IMAGE079
为求解得到的指标权重；
将
Figure 252096DEST_PATH_IMAGE080
与求解得到的阈值
Figure 292734DEST_PATH_IMAGE081
进行比较，输出
Figure 561035DEST_PATH_IMAGE082
，并将区域Q在着火后的危急程度发送到云平台。
可选地，所述S6步骤中根据感知区域在着火后的危急程度为消防救援人员提供消防建议，包括：
云平台根据感知区域在着火后的危急程度为消防救援人员提供消防建议，包括发生火灾的位置，易燃品类型，火灾区域的危急程度。
为了解决上述问题，本发明还提供一种基于物联网的智慧园区快速消防应急处理系统，所述系统包括：
无线传感设备，用于采集所感知区域的环境信息以及火灾信息，将所采集的信息数据发送到所属网络簇的雾计算节点；
网络控制中心，用于构建智慧园区的物联网网络蜂窝拓扑结构，确定无线传感设备在物联网网络蜂窝拓扑结构中的位置，基于无线传感设备的位置将物联网网络蜂窝拓扑结构划分为若干网络簇，从网络簇的路由节点中选取影响权重最大的路由节点作为该网络簇的雾计算节点；
消防应急处理装置，用于根据接收到的信息数据计算得到无线传感器所感知区域在着火后的危急程度，并将感知区域在着火后的危急程度发送到云平台，云平台根据感知区域在着火后的危急程度为消防救援人员提供消防建议。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的基于物联网的智慧园区快速消防应急处理方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于物联网的智慧园区快速消防应急处理方法。
相对于现有技术，本发明提出一种基于物联网的智慧园区快速消防应急处理方法，该技术具有以下优势：
首先，本方案提出一种基于雾计算的物联网无线传感设备通信计算方法，由于无线传感设备无法支持较大运算量的信息计算，传统物联网下的无线传感设备只能将所感知到的信息数据发送到云平台，利用云平台完成信息计算，但在智慧园区消防场景下，由于无线传感设备被部署在不同区域，而且不同区域的网络通信状态存在差异，利用无线传感设备将信息数据直接传输到云平台可能存在信息传输异常的问题，如信息的漏传、上传失败等，同时云平台与无线传感设备的传输时延较大，会影响智慧园区消防救援的及时性。因此本方案提出一种基于雾计算的无线传感设备通信计算方法，通过将智慧园区内的物联网网络构建为物联网网络蜂窝拓扑结构，以智慧园区内的网络控制中心为原点，水平方向为横轴，竖直方向为纵轴构建水平坐标面，原点分别向
Figure 257596DEST_PATH_IMAGE010
方向发射射线，将物联网网络蜂窝拓扑结构划分为6个区域，则6个区域分别为
Figure 138220DEST_PATH_IMAGE083
Figure 908730DEST_PATH_IMAGE084
，将所划分的每个区域作为一个网络簇，若在区域边界，存在感知同一处易燃易爆区域的无线传感设备被分到了两个网络簇，则将感知同一处易燃易爆区域的所有无线传感设备分配到两个网络簇中无线传感设备较少的网络簇中；在网络簇的路由节点中选取影响因子最大的路由作为该网络簇的雾计算节点，则本方案所选取的雾计算节点计算能力、邻近路由节点数均较优，具备较强的计算能力和网络通信状况，所述影响因子的计算公式为：
Figure 331621DEST_PATH_IMAGE013
其中：
Figure 62948DEST_PATH_IMAGE085
为路由节点q的影响因子；
Figure 698329DEST_PATH_IMAGE086
为路由节点q的计算能力；
Figure 962826DEST_PATH_IMAGE087
为路由节点q的中心性；
Figure 556618DEST_PATH_IMAGE088
为路由节点q距离网络控制中心的距离。同一网络簇下的所有无线传感设备将自身信息数据路由上传到雾计算节点，路由路径的计算方式为实时选取自身能量、距离雾计算节点最近的路由节点作为下一跳节点，雾计算节点通过整合同一区域下所有无线传感器的感知信息数据，计算得到着火区域的危急程度，云平台根据危急程度提供消防方案，对该区域的进行快速应急消防处理，保证了消防救援的及时性并可提供专业有效的消防方案。
同时，本方案提出一种着火区域危急程度的量化方法， 通过在雾计算节点构建计算无线传感器所感知区域在着火后危急程度的目标函数：
Figure 978503DEST_PATH_IMAGE041
其中：
Figure 620837DEST_PATH_IMAGE089
为智慧园区的历史火灾消防数据，e为其中的任意第e组历史火灾消防数据；
Figure 693835DEST_PATH_IMAGE090
为对火灾图像
Figure 722445DEST_PATH_IMAGE091
的火灾严重程度判断，
Figure 880894DEST_PATH_IMAGE092
，数值越高表明火灾越严重，采集并标记不同火灾严重程度的火灾图像作为基准图像，利用图像相似度计算方法确定火灾图像
Figure 202285DEST_PATH_IMAGE091
与基准图像的相似度，相似度最高的基准图像所标记的火灾严重程度即为火灾图像
Figure 129790DEST_PATH_IMAGE091
的火灾严重程度；
Figure 580232DEST_PATH_IMAGE093
为烟雾量
Figure 632501DEST_PATH_IMAGE094
的火灾严重程度判断，
Figure 944534DEST_PATH_IMAGE095
，
Figure 539594DEST_PATH_IMAGE096
为对温度
Figure 911670DEST_PATH_IMAGE097
的火灾严重程度判断，
Figure 765750DEST_PATH_IMAGE098
，
Figure 553577DEST_PATH_IMAGE099
为对发热量
Figure 455674DEST_PATH_IMAGE100
的火灾严重程度判断，对于上述指标，通过设置不同火灾严重程度的指标阈值，将若各指标达到指标的相应火灾严重程度的阈值，则将达到的火灾严重程度设置为该指标的火灾严重程度；
Figure 483804DEST_PATH_IMAGE101
为易燃物
Figure 900879DEST_PATH_IMAGE102
的火灾扩散值，将充电桩区域易燃品的火灾扩散值设置为3，将工业厂房内易燃品的火灾扩散值设置为6，将物流仓库内易燃品的火灾扩散值设置为2，将光伏发电站内易燃品的火灾扩散值设置为5；
Figure 803982DEST_PATH_IMAGE103
为将火灾扩散值转换为危急程度的函数，通过设置危急程度Ⅰ、Ⅱ、Ⅲ，其中Ⅰ表示危急程度最大，Ⅲ表示危急程度最小，危急程度Ⅰ的阈值为
Figure 560585DEST_PATH_IMAGE104
，危急程度Ⅱ的阈值为
Figure 946567DEST_PATH_IMAGE105
，危急程度Ⅲ的阈值为
Figure 273774DEST_PATH_IMAGE106
，若函数内的值大于等于
Figure 731301DEST_PATH_IMAGE106
且小于
Figure 656925DEST_PATH_IMAGE105
，则表示危急程度为Ⅲ，若函数内的值大于等于
Figure 276125DEST_PATH_IMAGE105
且小于
Figure 277579DEST_PATH_IMAGE104
，则表示危急程度为Ⅱ，若函数内的值大于等于
Figure 289528DEST_PATH_IMAGE104
，则说明危急程度为Ⅰ；
Figure 755145DEST_PATH_IMAGE107
为第e组历史火灾消防数据的真实火灾危急程度；
Figure 856831DEST_PATH_IMAGE108
表示各指标的影响权重；雾计算节点对目标函数进行求解，得到不同指标的影响权重以及危急程度阈值，所述目标函数的求解流程为： 1）初始化
Figure 407898DEST_PATH_IMAGE109
只蜗牛的位置以及速度，并初始化当前算法迭代次数为
Figure 223538DEST_PATH_IMAGE110
，v的初始值为0，算法最大迭代次数为Max，则第v次迭代时任意第
Figure 481344DEST_PATH_IMAGE111
只蜗牛的位置
Figure 442347DEST_PATH_IMAGE112
和速度
Figure 795224DEST_PATH_IMAGE113
为：
Figure 398244DEST_PATH_IMAGE066
Figure 323606DEST_PATH_IMAGE067
其中：每只蜗牛的位置对应一组目标函数的解，位置坐标的维数为8；
Figure 986668DEST_PATH_IMAGE114
对应目标函数中的影响权重
Figure 184431DEST_PATH_IMAGE115
，
Figure 574830DEST_PATH_IMAGE116
分别对应
Figure 869545DEST_PATH_IMAGE117
，
Figure 250979DEST_PATH_IMAGE118
为对应位置的更新速度；2）将每只蜗牛的位置代入到目标函数中，将目标函数值作为蜗牛的适应度值；3）更新蜗牛的位置和速度：
Figure 998355DEST_PATH_IMAGE073
Figure 183656DEST_PATH_IMAGE074
其中：
Figure 270561DEST_PATH_IMAGE119
为0~1之间的随机数；
Figure 9847DEST_PATH_IMAGE120
为第v次迭代时适应度值最小的蜗牛的位置坐标；4）判断当前迭代次数
Figure 260831DEST_PATH_IMAGE121
是否达到最大迭代次数，若达到最大迭代次数，此时适应度值最小的蜗牛所对应的位置坐标即为目标函数的求解结果；若未达到最大迭代次数，则返回步骤2）；雾计算节点通过整合同一区域不同无线传感设备的信息数据，根据求解得到的结果计算该区域在着火后的危急程度，所述危急程度的计算公式为：
Figure 806082DEST_PATH_IMAGE077
其中：
Figure 59077DEST_PATH_IMAGE122
为区域Q在着火后的危急程度；
Figure 234844DEST_PATH_IMAGE123
为求解得到的指标权重；将
Figure 894495DEST_PATH_IMAGE124
与求解得到的阈值
Figure 666273DEST_PATH_IMAGE125
进行比较，输出
Figure 55666DEST_PATH_IMAGE122
，并将区域Q在着火后的危急程度发送到云平台。云平台根据感知区域在着火后的危急程度为消防救援人员提供消防建议，包括发生火灾的位置，易燃品类型，火灾区域的危急程度。相较于传统技术，本方案通过综合考虑火灾图像、烟雾量、热量、温度以及区域周围的易燃物类型量化火灾区域的危急程度，为消防救援人员提供更为有效的消防建议，并利用启发式算法求解得到不同指标的权重，使得能够得到快速求解更为精准的火灾区域危急程度，提高消防建议的时效性。
附图说明
图1为本发明一实施例提供的一种基于物联网的智慧园区快速消防应急处理方法的流程示意图；
图2为本发明一实施例提供的基于物联网的智慧园区快速消防应急处理系统的功能模块图；
图3为本发明一实施例提供的实现基于物联网的智慧园区快速消防应急处理方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于物联网的智慧园区快速消防应急处理方法。所述基于物联网的智慧园区快速消防应急处理方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于物联网的智慧园区快速消防应急处理方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1：
S1：在智慧园区部署无线传感设备，其中所述无线传感设备包括温度传感器、烟雾传感器、热量传感器以及摄像头。
所述S1步骤中在智慧园区部署无线传感设备，其中所述无线传感设备包括传感器以及摄像头，包括：
在智慧园区的易燃易爆区域部署无线传感设备，其中所述易燃易爆区域包括智慧园区的充电桩、工业厂房、物流仓库以及光伏发电站，所述无线传感设备包括温度传感器、烟雾传感器、热量传感器以及摄像头；
本发明实施例中，由于不同易燃易爆区域内的易燃品不同，因此不同易燃易爆区域火灾情况感知的主要信息不同，其中充电桩区域的易燃品为充电桩以及电动车辆，工业厂房内的易燃品为工业用品，物流仓库内的易燃品为物流货物，光伏发电站内的易燃品为输电电线，设置智慧园区内不同易燃易爆区域所部署的无线传感设备类型不同。示例性的，在智慧园区的充电桩区域部署烟雾传感器以及摄像头，其中每个充电桩区域具有若干充电桩，烟雾传感器以及摄像头感知当前充电桩区域的烟雾信息以及火灾图像信息；在智慧园区的每个工业厂房以及物流仓库部署温度传感器、热量传感器、摄像头以及烟雾传感器，上述无线传感设备用于感知当前工业厂房或物流仓库的温度热量信息、火灾图像信息以及烟雾信息；在智慧园区的光伏发电站部署烟雾传感器以及摄像头，用于感知光伏发电站内用电电线的烟雾信息以及火灾图像信息。
示例性的，所选取的温度传感器的电阻材料为铜，随着温度变化使得温度传感器内的电阻值发生变化，电阻值与感知到的温度具有线性关系，通过测量电阻值计算得到感知区域的实时温度；所选取的烟雾传感器为以二氧化锡为金属半导体的传感器，通过吸附空气中的烟雾颗粒，引起金属半导体敏感层电导率的变化，烟雾的浓度越大，导电率越大，传感器的电阻值越小，则传感器输出的模拟信号越大；所选取的热量传感器为热阻式传感器，其感知到的热量密度
Figure 185690DEST_PATH_IMAGE001
，其中
Figure 394954DEST_PATH_IMAGE002
为热量传感器的灵敏度的倒数，
Figure 236002DEST_PATH_IMAGE003
为热量传感器内热阻层两端的热电动势。
S2：构建智慧园区的物联网网络蜂窝拓扑结构，确定无线传感设备在物联网网络蜂窝拓扑结构中的位置。
所述S2步骤中构建智慧园区的物联网网络蜂窝拓扑结构，包括：
所述智慧园区的物联网网络蜂窝拓扑结构构建流程为：
智慧园区内的网络控制中心向路由节点以及无线传感设备广播消息，接收到广播消息的节点向网络控制中心发送自身的位置，其中所述节点包括路由节点以及无线传感设备，在本发明实施例中，路由节点可以包括路由器、服务器终端等，用于转发消息或进行计算；
以智慧园区内的网络控制中心作为物联网网络蜂窝拓扑结构的起始点，以起始点为圆心，在半径为s的圆形通信范围内，选取最接近圆内接正六边形的六个节点，对于所述六个节点，相邻节点之间的距离与半径s的差在预设范围内，使得相邻节点之间的距离尽可能接近半径s；为相邻的节点以及圆心创建网络链路；预设范围根据实际环境确定，示例性的，预设范围为相邻节点之间的距离与半径s的差与半径s的比值在10%以内。
分别以六个节点作为圆心，在半径为s的圆形通信范围内，选取最接近圆内接正六边形的六个节点，为相邻的节点以及圆心创建网络链路，重复该步骤，直到创建完成整个物联网网络的蜂窝拓扑结构；在物联网网络蜂窝拓扑结构的构建过程中，若出现找不到6个内接正六边形的节点，则将缺少节点的内接正六边形顶点设置为虚拟节点。
所述S2步骤中确定无线传感设备在物联网网络蜂窝拓扑结构中的位置，包括：
所述无线传感设备位于物联网网络蜂窝拓扑结构的边界位置，利用基于节点中心性的边界确认方法确认无线传感设备在物联网网络蜂窝拓扑结构中的位置，所述基于节点中心性的边界确认方法流程为：
1）根据物联网网络蜂窝拓扑结构获取每个节点的5跳邻域图，其中一跳表示一跳路由，计算物联网网络蜂窝拓扑结构中节点的中心性，其中所述节点包括物联网网络蜂窝拓扑结构中的路由节点以及无线传感设备，所述中心性的计算公式为：
Figure 152006DEST_PATH_IMAGE004
其中：
Figure 669575DEST_PATH_IMAGE005
表示节点x的中心性，
Figure 349824DEST_PATH_IMAGE006
为节点x邻近5跳以内的区域，
Figure 774989DEST_PATH_IMAGE007
为区域
Figure 889706DEST_PATH_IMAGE006
内的节点；
Figure 312597DEST_PATH_IMAGE008
表示区域
Figure 748651DEST_PATH_IMAGE006
内节点i与节点j之间的最短路径数目；
Figure 852874DEST_PATH_IMAGE009
表示区域
Figure 805786DEST_PATH_IMAGE006
内节点i与节点j之间最短路径内包含节点x的最短路径数目；
2）按照中心性由小到大进行排序，选取前10%的节点作为候选边界点；
3）若候选边界点g的邻近点不存在候选边界点，则将g作为路由节点，重复该步骤；
4）将最终的候选边界点视为物联网网络蜂窝拓扑结构的边界位置，即无线传感设备的网络位置，利用智慧园区内的网络控制中心控制无线传感设备的开启和关闭。
S3：基于无线传感设备的位置将物联网网络蜂窝拓扑结构划分为若干网络簇，从网络簇的路由节点中选取影响因子最大的路由节点作为该网络簇的雾计算节点。
所述S3步骤中将物联网网络蜂窝拓扑结构划分为若干网络簇，从网络簇的路由节点中选取影响因子最大的路由节点作为该网络簇的雾计算节点，包括：
将物联网网络蜂窝拓扑结构划分为若干网络簇，所述网络簇的划分方法为：
以网络控制中心为原点，水平方向为横轴，竖直方向为纵轴构建水平坐标面，原点分别向
Figure 415890DEST_PATH_IMAGE010
方向发射射线，将物联网网络蜂窝拓扑结构划分为6个区域，则6个区域分别为
Figure 883781DEST_PATH_IMAGE011
Figure 103278DEST_PATH_IMAGE012
，将所划分的每个区域作为一个网络簇，若在区域边界，存在感知同一处易燃易爆区域的无线传感设备被分到了两个网络簇，则将感知同一处易燃易爆区域的所有无线传感设备分配到两个网络簇中无线传感设备较少的网络簇中；
在网络簇的路由节点中选取影响因子最大的路由作为该网络簇的雾计算节点，所述影响因子的计算公式为：
Figure 910697DEST_PATH_IMAGE013
其中：
Figure 613074DEST_PATH_IMAGE014
为路由节点q的影响因子；
Figure 522255DEST_PATH_IMAGE015
为路由节点q的计算能力；
Figure 30597DEST_PATH_IMAGE016
为路由节点q的中心性；
Figure 7037DEST_PATH_IMAGE017
为路由节点q距离网络控制中心的距离。
S4：无线传感设备采集所感知区域的环境信息以及火灾信息，将所采集的信息数据发送到所属网络簇的雾计算节点。
所述S4步骤中无线传感设备采集所感知区域的环境信息以及火灾信息，并将所采集的信息数据发送到所属网络簇的雾计算节点，包括：
无线传感设备采集所感知易燃易爆区域的环境信息以及火灾信息，将所采集的信息数据发送到无线传感设备所属网络簇的雾计算节点中，其中环境信息为易燃易爆区域所存储的易燃物类别，火灾信息为当前火灾的特征，包括火灾图像，烟雾量，温度以及发热量，所述信息数据的格式为：
Figure 208211DEST_PATH_IMAGE018
其中：
Figure 339109DEST_PATH_IMAGE019
为第u个网络簇中第c个无线传感设备所上传的信息数据，所述信息数据包括环境信息以及火灾信息，
Figure 916721DEST_PATH_IMAGE020
为第u个网络簇中无线传感设备的总数，
Figure 370836DEST_PATH_IMAGE021
；
Figure 726600DEST_PATH_IMAGE022
为第u个网络簇中第c个无线传感设备所感知区域的位置；
Figure 859641DEST_PATH_IMAGE023
为第u个网络簇中第c个无线传感设备所感知区域的类别，
Figure 522835DEST_PATH_IMAGE024
，
Figure 159352DEST_PATH_IMAGE025
表示所感知区域为智慧园区的充电桩，
Figure 966245DEST_PATH_IMAGE026
表示所感知区域为工业厂房，
Figure 258686DEST_PATH_IMAGE027
表示所感知区域为物流仓库，
Figure 646942DEST_PATH_IMAGE028
表示所感知区域为光伏发电站；
Figure 154278DEST_PATH_IMAGE029
为第u个网络簇中第c个无线传感设备所感知区域的易燃物；
Figure 930473DEST_PATH_IMAGE030
为第u个网络簇中第c个无线传感设备所感知区域的火灾图像；
Figure 756215DEST_PATH_IMAGE031
为第u个网络簇中第c个无线传感设备所感知区域的烟雾量，若不存在则设置为null；
Figure 885845DEST_PATH_IMAGE032
为第u个网络簇中第c个无线传感设备所感知区域的温度，若不存在则设置为null；
Figure 762535DEST_PATH_IMAGE033
为第u个网络簇中第c个无线传感设备所感知区域的发热量，若不存在则设置为null；
对于第u个网络簇中第c个无线传感设备的信息数据，无线传感设备将其发送到第u个网络簇的雾计算节点
Figure 132467DEST_PATH_IMAGE034
，则信息数据在物联网网络蜂窝拓扑结构中的路由路径规划流程为：
1）在信息数据所处节点的邻近路由节点中寻找雾计算节点
Figure 258555DEST_PATH_IMAGE034
，若雾计算节点
Figure 771969DEST_PATH_IMAGE034
在邻近路由节点，则将信息数据直接转发给雾计算节点，否则转向步骤2）；
2）计算信息数据所处节点的邻近路由节点的评分，在物联网网络蜂窝拓扑结构中，节点与邻近路由节点构成通信链路，所述路由节点的评分公式为：
Figure 237586DEST_PATH_IMAGE035
其中：
Figure 965370DEST_PATH_IMAGE036
为路由节点的得分；
Figure 532749DEST_PATH_IMAGE037
为路由节点的当前能量，
Figure 66499DEST_PATH_IMAGE038
为路由节点转发1比特的信息数据所消耗的能量，Z为信息数据的比特量，
Figure 698206DEST_PATH_IMAGE039
为路由节点的初始能量；
n为路由节点的邻近节点数目；
Figure 190367DEST_PATH_IMAGE040
为路由节点距离雾计算节点的跳数；
TL为信息数据已经走过的跳数；
3）返回步骤1）。
S5：雾计算节点根据接收到的信息数据计算得到无线传感器所感知区域在着火后的危急程度，并将感知区域在着火后的危急程度发送到云平台。
所述S5步骤中雾计算节点根据接收到的信息数据计算得到无线传感器所感知区域在着火后的危急程度，包括：
在雾计算节点构建计算无线传感器所感知区域在着火后危急程度的目标函数：
Figure 979463DEST_PATH_IMAGE041
其中：
Figure 316903DEST_PATH_IMAGE089
为智慧园区的历史火灾消防数据，e为其中的任意第e组历史火灾消防数据；
Figure 694795DEST_PATH_IMAGE090
为对火灾图像
Figure 78896DEST_PATH_IMAGE091
的火灾严重程度判断，
Figure 870135DEST_PATH_IMAGE092
，数值越高表明火灾越严重，采集并标记不同火灾严重程度的火灾图像作为基准图像，利用图像相似度计算方法确定火灾图像
Figure 558736DEST_PATH_IMAGE091
与基准图像的相似度，相似度最高的基准图像所标记的火灾严重程度即为火灾图像
Figure 853451DEST_PATH_IMAGE091
的火灾严重程度；
Figure 936683DEST_PATH_IMAGE093
为烟雾量
Figure 621742DEST_PATH_IMAGE094
的火灾严重程度判断，
Figure 300985DEST_PATH_IMAGE095
，
Figure 466518DEST_PATH_IMAGE096
为对温度
Figure 268121DEST_PATH_IMAGE097
的火灾严重程度判断，
Figure 754990DEST_PATH_IMAGE098
，
Figure 237924DEST_PATH_IMAGE099
为对发热量
Figure 444915DEST_PATH_IMAGE100
的火灾严重程度判断，对于上述指标，通过设置不同火灾严重程度的指标阈值，将若各指标达到指标的相应火灾严重程度的阈值，则将达到的火灾严重程度设置为该指标的火灾严重程度；
Figure 105834DEST_PATH_IMAGE101
为易燃物
Figure 93382DEST_PATH_IMAGE102
的火灾扩散值，将充电桩区域易燃品的火灾扩散值设置为3，将工业厂房内易燃品的火灾扩散值设置为6，将物流仓库内易燃品的火灾扩散值设置为2，将光伏发电站内易燃品的火灾扩散值设置为5；
Figure 426012DEST_PATH_IMAGE103
为将火灾扩散值转换为危急程度的函数，通过设置危急程度Ⅰ、Ⅱ、Ⅲ，其中Ⅰ表示危急程度最大，Ⅲ表示危急程度最小，危急程度Ⅰ的阈值为
Figure 284247DEST_PATH_IMAGE104
，危急程度Ⅱ的阈值为
Figure 381647DEST_PATH_IMAGE105
，危急程度Ⅲ的阈值为
Figure 528594DEST_PATH_IMAGE106
，若函数内的值大于等于
Figure 353331DEST_PATH_IMAGE106
且小于
Figure 634447DEST_PATH_IMAGE105
，则表示危急程度为Ⅲ，若函数内的值大于等于
Figure 886436DEST_PATH_IMAGE105
且小于
Figure 333729DEST_PATH_IMAGE104
，则表示危急程度为Ⅱ，若函数内的值大于等于
Figure 962157DEST_PATH_IMAGE104
，则说明危急程度为Ⅰ；
Figure 998246DEST_PATH_IMAGE107
为第e组历史火灾消防数据的真实火灾危急程度；
Figure 404825DEST_PATH_IMAGE108
表示各指标的影响权重；雾计算节点对目标函数进行求解，得到不同指标的影响权重以及危急程度阈值，所述目标函数的求解流程为： 1）初始化
Figure 854261DEST_PATH_IMAGE109
只蜗牛的位置以及速度，并初始化当前算法迭代次数为
Figure 833850DEST_PATH_IMAGE110
，v的初始值为0，算法最大迭代次数为Max，则第v次迭代时任意第
Figure 521183DEST_PATH_IMAGE111
只蜗牛的位置
Figure 632752DEST_PATH_IMAGE112
和速度
Figure 976008DEST_PATH_IMAGE113
为：
Figure 946239DEST_PATH_IMAGE066
Figure 769969DEST_PATH_IMAGE067
其中：每只蜗牛的位置对应一组目标函数的解，位置坐标的维数为8；
Figure 596980DEST_PATH_IMAGE114
对应目标函数中的影响权重
Figure 739117DEST_PATH_IMAGE115
，
Figure 513038DEST_PATH_IMAGE116
分别对应
Figure 112647DEST_PATH_IMAGE117
，
Figure 798974DEST_PATH_IMAGE118
为对应位置的更新速度；2）将每只蜗牛的位置代入到目标函数中，将目标函数值作为蜗牛的适应度值；3）更新蜗牛的位置和速度：
Figure 241457DEST_PATH_IMAGE073
Figure 805686DEST_PATH_IMAGE074
其中：
Figure 587698DEST_PATH_IMAGE119
为0~1之间的随机数；
Figure 631877DEST_PATH_IMAGE120
为第v次迭代时适应度值最小的蜗牛的位置坐标；
4）判断当前迭代次数v+1是否达到最大迭代次数，若达到最大迭代次数，此时适应度值最小的蜗牛所对应的位置坐标即为目标函数的求解结果；若未达到最大迭代次数，则返回步骤2）；
雾计算节点通过整合同一区域不同无线传感设备的信息数据，根据求解得到的结果计算该区域在着火后的危急程度，所述危急程度的计算公式为：
Figure 515651DEST_PATH_IMAGE077
其中：
Figure 365795DEST_PATH_IMAGE078
为区域Q在着火后的危急程度；
Figure 313897DEST_PATH_IMAGE079
为求解得到的指标权重；
将
Figure 856874DEST_PATH_IMAGE080
与求解得到的阈值
Figure 696785DEST_PATH_IMAGE081
进行比较，输出
Figure 288303DEST_PATH_IMAGE082
，并将区域Q在着火后的危急程度发送到云平台。
S6：云平台根据感知区域在着火后的危急程度为消防救援人员提供消防建议。
云平台根据感知区域在着火后的危急程度为消防救援人员提供消防建议，包括发生火灾的位置，易燃品类型，火灾区域的危急程度。
实施例2：
如图2所示，是本发明一实施例提供的基于物联网的智慧园区快速消防应急处理系统的功能模块图，其可以实现实施例1中的快速消防应急处理方法。
本发明所述基于物联网的智慧园区快速消防应急处理系统100可以安装于电子设备中。根据实现的功能，所述基于物联网的智慧园区快速消防应急处理系统可以包括无线传感设备101、网络控制中心102及消防应急处理装置103。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
无线传感设备101，用于采集所感知区域的环境信息以及火灾信息，将所采集的信息数据发送到所属网络簇的雾计算节点；
网络控制中心102，用于构建智慧园区的物联网网络蜂窝拓扑结构，确定无线传感设备在物联网网络蜂窝拓扑结构中的位置，基于无线传感设备的位置将物联网网络蜂窝拓扑结构划分为若干网络簇，从网络簇的路由节点中选取影响权重最大的路由节点作为该网络簇的雾计算节点；
消防应急处理装置103，用于根据接收到的信息数据计算得到无线传感器所感知区域在着火后的危急程度，并将感知区域在着火后的危急程度发送到云平台，云平台根据感知区域在着火后的危急程度为消防救援人员提供消防建议。
详细地，本发明实施例中所述基于物联网的智慧园区快速消防应急处理系统100中的所述各模块在使用时采用与上述的图1中所述的基于物联网的智慧园区快速消防应急处理方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
实施例3：
如图3所示，是本发明一实施例提供的实现基于物联网的智慧园区快速消防应急处理方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于物联网的智慧园区快速消防应急处理程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（SecureDigital， SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如基于物联网的智慧园区快速消防应急处理程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（Control Unit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（基于物联网的智慧园区快速消防应急处理程序等），以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准（peripheral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括通信接口13，可选地，所述通信接口13可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于物联网的智慧园区快速消防应急处理程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
在智慧园区部署无线传感设备，其中所述无线传感设备包括温度传感器、烟雾传感器、热量传感器以及摄像头；
构建智慧园区的物联网网络蜂窝拓扑结构，确定无线传感设备在物联网网络蜂窝拓扑结构中的位置；
基于无线传感设备的位置将物联网网络蜂窝拓扑结构划分为若干网络簇，从网络簇的路由节点中选取影响因子最大的路由节点作为该网络簇的雾计算节点；
无线传感设备采集所感知区域的环境信息以及火灾信息，将所采集的信息数据发送到所属网络簇的雾计算节点；
雾计算节点根据接收到的信息数据计算得到无线传感器所感知区域在着火后的危急程度，并将感知区域在着火后的危急程度发送到云平台；
云平台根据感知区域在着火后的危急程度为消防救援人员提供消防建议。
具体地，所述处理器10对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述，在此不赘述。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (7)

1.一种基于物联网的智慧园区快速消防应急处理方法，其特征在于，所述方法包括：
S1：在智慧园区部署无线传感设备，其中所述无线传感设备包括温度传感器、烟雾传感器、热量传感器以及摄像头；
S2：构建智慧园区的物联网网络蜂窝拓扑结构，确定无线传感设备在物联网网络蜂窝拓扑结构中的位置；
确定无线传感设备在物联网网络蜂窝拓扑结构中的位置，包括：
所述无线传感设备位于物联网网络蜂窝拓扑结构的边界位置，利用基于节点中心性的边界确认方法确认无线传感设备在物联网网络蜂窝拓扑结构中的位置，所述基于节点中心性的边界确认方法流程为：
1）根据物联网网络蜂窝拓扑结构获取每个节点的5跳邻域图，其中一跳表示一跳路由，计算物联网网络蜂窝拓扑结构中节点的中心性，其中所述节点包括物联网网络蜂窝拓扑结构中的路由节点以及无线传感设备，所述中心性的计算公式为：
Figure DEST_PATH_IMAGE001
其中：
Figure DEST_PATH_IMAGE002
表示节点x的中心性，
Figure DEST_PATH_IMAGE003
为节点x邻近5跳以内的区域，
Figure DEST_PATH_IMAGE004
为区域
Figure 353297DEST_PATH_IMAGE003
内的节点；
Figure DEST_PATH_IMAGE005
表示区域
Figure 755459DEST_PATH_IMAGE003
内节点i与节点j之间的最短路径数目；
Figure DEST_PATH_IMAGE006
表示区域
Figure 345710DEST_PATH_IMAGE003
内节点i与节点j之间最短路径内包含节点x的最短路径数目；
2）按照中心性由小到大进行排序，选取前10%的节点作为候选边界点；
3）若候选边界点g的邻近点不存在候选边界点，则将g作为路由节点，重复该步骤；
4）将最终的候选边界点视为物联网网络蜂窝拓扑结构的边界位置，即无线传感设备的网络位置，利用智慧园区内的网络控制中心控制无线传感设备的开启和关闭；
S3：基于无线传感设备的位置将物联网网络蜂窝拓扑结构划分为若干网络簇，从网络簇的路由节点中选取影响因子最大的路由节点作为该网络簇的雾计算节点；
S4：无线传感设备采集所感知区域的环境信息以及火灾信息，将所采集的信息数据发送到所属网络簇的雾计算节点；
S5：雾计算节点根据接收到的信息数据计算得到无线传感器所感知区域在着火后的危急程度，并将感知区域在着火后的危急程度发送到云平台，其中所述计算得到无线传感器所感知区域在着火后的危急程度，包括：
在雾计算节点构建计算无线传感器所感知区域在着火后危急程度的目标函数：
Figure DEST_PATH_FDA0003936599660000012
其中：
Figure DEST_PATH_IMAGE009
为智慧园区的历史火灾消防数据，e为其中的任意第e组历史火灾消防数据；
Figure DEST_PATH_IMAGE010
为对火灾图像
Figure DEST_PATH_IMAGE011
的火灾严重程度判断，
Figure DEST_PATH_IMAGE012
，数值越高表明火灾越严重，采集并标记不同火灾严重程度的火灾图像作为基准图像，利用图像相似度计算方法确定火灾图像
Figure 198128DEST_PATH_IMAGE011
与基准图像的相似度，相似度最高的基准图像所标记的火灾严重程度即为火灾图像
Figure 421299DEST_PATH_IMAGE011
的火灾严重程度；
Figure DEST_PATH_IMAGE013
为烟雾量
Figure DEST_PATH_IMAGE014
的火灾严重程度判断，
Figure DEST_PATH_IMAGE015
，
Figure DEST_PATH_IMAGE016
为对温度
Figure DEST_PATH_IMAGE017
的火灾严重程度判断，
Figure DEST_PATH_IMAGE018
，
Figure DEST_PATH_IMAGE019
为对发热量
Figure DEST_PATH_IMAGE020
的火灾严重程度判断，对于上述指标，通过设置不同火灾严重程度的指标阈值，将若各指标达到指标的相应火灾严重程度的阈值，则将达到的火灾严重程度设置为该指标的火灾严重程度；
Figure DEST_PATH_IMAGE021
为易燃物
Figure DEST_PATH_IMAGE022
的火灾扩散值，将充电桩区域易燃品的火灾扩散值设置为3，将工业厂房内易燃品的火灾扩散值设置为6，将物流仓库内易燃品的火灾扩散值设置为2，将光伏发电站内易燃品的火灾扩散值设置为5；
Figure DEST_PATH_IMAGE023
为将火灾扩散值转换为危急程度的函数，通过设置危急程度Ⅰ、Ⅱ、Ⅲ，其中Ⅰ表示危急程度最大，Ⅲ表示危急程度最小，危急程度Ⅰ的阈值为
Figure DEST_PATH_IMAGE024
，危急程度Ⅱ的阈值为
Figure DEST_PATH_IMAGE025
，危急程度Ⅲ的阈值为
Figure DEST_PATH_IMAGE026
，若函数内的值大于等于
Figure 710374DEST_PATH_IMAGE026
且小于
Figure 702600DEST_PATH_IMAGE025
，则表示危急程度为Ⅲ，若函数内的值大于等于
Figure 601286DEST_PATH_IMAGE025
且小于
Figure 563951DEST_PATH_IMAGE024
，则表示危急程度为Ⅱ，若函数内的值大于等于
Figure 307916DEST_PATH_IMAGE024
，则说明危急程度为Ⅰ；
Figure DEST_PATH_IMAGE027
为第e组历史火灾消防数据的真实火灾危急程度；
Figure DEST_PATH_IMAGE028
表示各指标的影响权重；
所述图像相似度计算方法流程为：
统一基准图像以及火灾图像的尺寸，将基准图像以及火灾图像转换为灰度图，并分别计算每张图像的像素均值；
对于每张图像，初始化hash列表为空，从左到右一行行遍历图像像素，若图像像素大于等于该图像的像素均值，则向hash列表中填字符1，否则填字符0；
计算火灾图像hash列表与基准图像hash列表的汉明距离，将汉明距离最小的基准图像作为火灾图像相似度最高的图像；
雾计算节点对目标函数进行求解，得到不同指标的影响权重以及危急程度阈值，所述目标函数的求解流程为：
1）初始化
Figure DEST_PATH_IMAGE029
只蜗牛的位置以及速度，并初始化当前算法迭代次数为
Figure DEST_PATH_IMAGE030
，v的初始值为0，算法最大迭代次数为Max，则第v次迭代时任意第
Figure DEST_PATH_IMAGE031
只蜗牛的位置
Figure DEST_PATH_IMAGE032
和速度
Figure DEST_PATH_IMAGE033
为：
Figure DEST_PATH_IMAGE034
Figure DEST_PATH_IMAGE035
其中：
每只蜗牛的位置对应一组目标函数的解，位置坐标的维数为8；
Figure DEST_PATH_IMAGE036
对应目标函数中的影响权重
Figure DEST_PATH_IMAGE037
，
Figure DEST_PATH_IMAGE038
分别对应
Figure DEST_PATH_IMAGE039
，
Figure DEST_PATH_IMAGE040
为对应位置的更新速度；
2）将每只蜗牛的位置代入到目标函数中，将目标函数值作为蜗牛的适应度值；
3）更新蜗牛的位置和速度：
Figure DEST_PATH_IMAGE041
Figure DEST_PATH_IMAGE042
其中：
Figure DEST_PATH_IMAGE043
为0~1之间的随机数；
Figure DEST_PATH_IMAGE044
为第v次迭代时适应度值最小的蜗牛的位置坐标；
4）判断当前迭代次数
Figure DEST_PATH_IMAGE045
是否达到最大迭代次数，若达到最大迭代次数，此时适应度值最小的蜗牛所对应的位置坐标即为目标函数的求解结果；若未达到最大迭代次数，则返回步骤2）；
雾计算节点通过整合同一区域不同无线传感设备的信息数据，根据求解得到的结果计算该区域在着火后的危急程度，所述危急程度的计算公式为：
Figure DEST_PATH_IMAGE046
其中：
Figure DEST_PATH_IMAGE047
为区域Q在着火后的危急程度；
Figure DEST_PATH_IMAGE048
为求解得到的指标权重；
将
Figure DEST_PATH_IMAGE049
与求解得到的阈值
Figure DEST_PATH_IMAGE050
进行比较，输出
Figure 702119DEST_PATH_IMAGE047
，并将区域Q在着火后的危急程度发送到云平台；
S6：云平台根据感知区域在着火后的危急程度为消防救援人员提供消防建议。
2.如权利要求1所述的一种基于物联网的智慧园区快速消防应急处理方法，其特征在于，所述S1步骤中在智慧园区部署无线传感设备，其中所述无线传感设备包括传感器以及摄像头，包括：
在智慧园区的易燃易爆区域部署无线传感设备，其中所述易燃易爆区域包括智慧园区的充电桩、工业厂房、物流仓库以及光伏发电站，所述无线传感设备包括温度传感器、烟雾传感器、热量传感器以及摄像头。
3.如权利要求1所述的一种基于物联网的智慧园区快速消防应急处理方法，其特征在于，所述S2步骤中构建智慧园区的物联网网络蜂窝拓扑结构，包括：
所述智慧园区的物联网网络蜂窝拓扑结构构建流程为：
智慧园区内的网络控制中心向路由节点以及无线传感设备广播消息，接收到广播消息的节点向网络控制中心发送自身的位置，其中所述节点包括路由节点以及无线传感设备；
以智慧园区内的网络控制中心作为物联网网络蜂窝拓扑结构的起始点，以起始点为圆心，在半径为s的圆形通信范围内，选取最接近圆内接正六边形的六个节点，对于所述六个节点，相邻节点之间的距离尽可能接近半径s，且为相邻的节点以及圆心创建网络链路；
分别以六个节点作为圆心，在半径为s的圆形通信范围内，选取最接近圆内接正六边形的六个节点，为相邻的节点以及圆心创建网络链路，重复该步骤，直到创建完成整个物联网网络的蜂窝拓扑结构；在物联网网络蜂窝拓扑结构的构建过程中，若出现找不到6个内接正六边形的节点，则将缺少节点的内接正六边形顶点设置为虚拟节点。
4.如权利要求1所述的一种基于物联网的智慧园区快速消防应急处理方法，其特征在于，所述S3步骤中将物联网网络蜂窝拓扑结构划分为若干网络簇，从网络簇的路由节点中选取影响因子最大的路由节点作为该网络簇的雾计算节点，包括：
将物联网网络蜂窝拓扑结构划分为若干网络簇，所述网络簇的划分方法为：
以网络控制中心为原点，水平方向为横轴，竖直方向为纵轴构建水平坐标面，原点分别向0，
Figure DEST_PATH_IMAGE051
，
Figure DEST_PATH_IMAGE052
，
Figure DEST_PATH_IMAGE053
，
Figure DEST_PATH_IMAGE054
，
Figure DEST_PATH_IMAGE055
方向发射射线，将物联网网络蜂窝拓扑结构划分为6个区域，则6个区域分别为
Figure DEST_PATH_IMAGE056
，
Figure DEST_PATH_IMAGE057
，
Figure DEST_PATH_IMAGE058
，
Figure DEST_PATH_IMAGE059
，
Figure DEST_PATH_IMAGE060
，
Figure DEST_PATH_IMAGE061
，将所划分的每个区域作为一个网络簇，若在区域边界，存在感知同一处易燃易爆区域的无线传感设备被分到了两个网络簇，则将感知同一处易燃易爆区域的所有无线传感设备分配到两个网络簇中无线传感设备较少的网络簇中；
在网络簇的路由节点中选取影响因子最大的路由作为该网络簇的雾计算节点，所述影响因子的计算公式为：
Figure DEST_PATH_IMAGE062
其中：
Figure DEST_PATH_IMAGE063
为路由节点q的影响因子；
Figure DEST_PATH_IMAGE064
为路由节点q的计算能力；
Figure DEST_PATH_IMAGE065
为路由节点q的中心性；
Figure DEST_PATH_IMAGE066
为路由节点q距离网络控制中心的距离。
5.如权利要求1所述的一种基于物联网的智慧园区快速消防应急处理方法，其特征在于，所述S4步骤中无线传感设备采集所感知区域的环境信息以及火灾信息，并将所采集的信息数据发送到所属网络簇的雾计算节点，包括：
无线传感设备采集所感知易燃易爆区域的环境信息以及火灾信息，将所采集的信息数据发送到无线传感设备所属网络簇的雾计算节点中，其中环境信息为易燃易爆区域所存储的易燃物类别，火灾信息为当前火灾的特征，包括火灾图像，烟雾量，温度以及发热量，所述信息数据的格式为：
Figure DEST_PATH_IMAGE067
其中：
Figure DEST_PATH_IMAGE068
为第u个网络簇中第c个无线传感设备所上传的信息数据，所述信息数据包括环境信息以及火灾信息，
Figure DEST_PATH_IMAGE069
为第u个网络簇中无线传感设备的总数，
Figure DEST_PATH_IMAGE070
；
Figure DEST_PATH_IMAGE071
为第u个网络簇中第c个无线传感设备所感知区域的位置；
Figure DEST_PATH_IMAGE072
为第u个网络簇中第c个无线传感设备所感知区域的类别，
Figure DEST_PATH_IMAGE073
，
Figure DEST_PATH_IMAGE074
表示所感知区域为智慧园区的充电桩，
Figure DEST_PATH_IMAGE075
表示所感知区域为工业厂房，
Figure DEST_PATH_IMAGE076
表示所感知区域为物流仓库，
Figure DEST_PATH_IMAGE077
表示所感知区域为光伏发电站；
Figure DEST_PATH_IMAGE078
为第u个网络簇中第c个无线传感设备所感知区域的易燃物；
Figure DEST_PATH_IMAGE079
为第u个网络簇中第c个无线传感设备所感知区域的火灾图像；
Figure DEST_PATH_IMAGE080
为第u个网络簇中第c个无线传感设备所感知区域的烟雾量，若不存在则设置为null；
Figure DEST_PATH_IMAGE081
为第u个网络簇中第c个无线传感设备所感知区域的温度，若不存在则设置为null；
Figure DEST_PATH_IMAGE082
为第u个网络簇中第c个无线传感设备所感知区域的发热量，若不存在则设置为null；
对于第u个网络簇中第c个无线传感设备的信息数据，无线传感设备将其发送到第u个网络簇的雾计算节点
Figure DEST_PATH_IMAGE083
，则信息数据在物联网网络蜂窝拓扑结构中的路由路径规划流程为：
1）在信息数据所处节点的邻近路由节点中寻找雾计算节点
Figure 864434DEST_PATH_IMAGE083
，若雾计算节点
Figure 265459DEST_PATH_IMAGE083
在邻近路由节点，则将信息数据直接转发给雾计算节点，否则转向步骤2）；
2）计算信息数据所处节点的邻近路由节点的评分，在物联网网络蜂窝拓扑结构中，节点与邻近路由节点构成通信链路，所述路由节点的评分公式为：
Figure DEST_PATH_FDA0003936599660000041
其中：
Figure DEST_PATH_IMAGE085
为路由节点的得分；
Figure DEST_PATH_IMAGE086
为路由节点的当前能量，
Figure DEST_PATH_IMAGE087
为路由节点转发1比特的信息数据所消耗的能量，Z为信息数据的比特量，
Figure DEST_PATH_IMAGE088
为路由节点的初始能量；
n为路由节点的邻近节点数目；
Figure DEST_PATH_IMAGE089
为路由节点距离雾计算节点的跳数；
TL为信息数据已经走过的跳数；
3）返回步骤1）。
6.如权利要求1所述的一种基于物联网的智慧园区快速消防应急处理方法，其特征在于，所述S6步骤中根据感知区域在着火后的危急程度为消防救援人员提供消防建议，包括：
云平台根据感知区域在着火后的危急程度为消防救援人员提供消防建议，包括发生火灾的位置，易燃品类型，火灾区域的危急程度。
7.一种基于物联网的智慧园区快速消防应急处理系统，其特征在于，所述系统包括：
无线传感设备，用于采集所感知区域的环境信息以及火灾信息，将所采集的信息数据发送到所属网络簇的雾计算节点；
网络控制中心，用于构建智慧园区的物联网网络蜂窝拓扑结构，确定无线传感设备在物联网网络蜂窝拓扑结构中的位置，基于无线传感设备的位置将物联网网络蜂窝拓扑结构划分为若干网络簇，从网络簇的路由节点中选取影响权重最大的路由节点作为该网络簇的雾计算节点；
消防应急处理装置，用于根据接收到的信息数据计算得到无线传感器所感知区域在着火后的危急程度，并将感知区域在着火后的危急程度发送到云平台，云平台根据感知区域在着火后的危急程度为消防救援人员提供消防建议，以实现如权利要求1所述的一种基于物联网的智慧园区快速消防应急处理方法。
CN202211068707.7A 2022-09-02 2022-09-02 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 Active CN115175126B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211068707.7A CN115175126B (zh) 2022-09-02 2022-09-02 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211068707.7A CN115175126B (zh) 2022-09-02 2022-09-02 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

Publications (2)

Publication Number Publication Date
CN115175126A CN115175126A (zh) 2022-10-11
CN115175126B true CN115175126B (zh) 2023-02-17

Family

ID=83481273

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211068707.7A Active CN115175126B (zh) 2022-09-02 2022-09-02 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

Country Status (1)

Country Link
CN (1) CN115175126B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116418650B (zh) * 2023-06-05 2023-08-15 北京盈创力和电子科技有限公司 智能监控系统、方法、服务器和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104794845A (zh) * 2015-05-04 2015-07-22 安徽大学 基于火险等级预报的森林火灾预警方法
CN105404231A (zh) * 2016-01-12 2016-03-16 西北工业大学 一种基于物联网的智能楼宇监控管理系统
US9794755B1 (en) * 2016-04-25 2017-10-17 Patrocinium Systems LLC Interactive emergency visualization methods
CN109920099A (zh) * 2019-01-29 2019-06-21 迅捷安消防及救援科技（深圳）有限公司 可移动模块化智慧消防执勤保障装备及相关产品
CN111681385A (zh) * 2020-05-12 2020-09-18 上海荷福人工智能科技（集团）有限公司 一种基于人工智能的消防分级预警算法及火灾探测系统
CN111770190A (zh) * 2020-07-06 2020-10-13 夏正键 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
CN112333655A (zh) * 2020-10-30 2021-02-05 长威信息科技发展股份有限公司 一种基于人工智能的危化品风险识别预警方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110555982A (zh) * 2019-08-02 2019-12-10 合肥融庄电子科技有限公司 一种智能化高层建筑消防监控系统
CN112991125B (zh) * 2021-02-03 2022-09-30 桂林理工大学 一种智慧景区火灾快速应急系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104794845A (zh) * 2015-05-04 2015-07-22 安徽大学 基于火险等级预报的森林火灾预警方法
CN105404231A (zh) * 2016-01-12 2016-03-16 西北工业大学 一种基于物联网的智能楼宇监控管理系统
US9794755B1 (en) * 2016-04-25 2017-10-17 Patrocinium Systems LLC Interactive emergency visualization methods
CN109920099A (zh) * 2019-01-29 2019-06-21 迅捷安消防及救援科技（深圳）有限公司 可移动模块化智慧消防执勤保障装备及相关产品
CN111681385A (zh) * 2020-05-12 2020-09-18 上海荷福人工智能科技（集团）有限公司 一种基于人工智能的消防分级预警算法及火灾探测系统
CN111770190A (zh) * 2020-07-06 2020-10-13 夏正键 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
CN112333655A (zh) * 2020-10-30 2021-02-05 长威信息科技发展股份有限公司 一种基于人工智能的危化品风险识别预警方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于物联网定位的城市消防应急系统设计与实现;韩双成等;《电子设计工程》;20200220(第04期);全文 *

Also Published As

Publication number Publication date
CN115175126A (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
Deng et al. Confident information coverage hole healing in hybrid industrial wireless sensor networks
CN115175126B (zh) 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
CN114793182B (zh) 一种智慧园区分布式网络安全风险评估方法及装置
Singh et al. An insight to forest fire detection techniques using wireless sensor networks
CN116227363B (zh) 一种传感分布优化的洪灾预警方法
KR20090122235A (ko) 광역 감시를 위한 제한된 개수의 센서들의 공정한 배치 방법
US11409275B2 (en) Systems and methods for predicting environmental conditions
KR102213204B1 (ko) 인공 신경망을 이용하여, gis 기반의 소방 시설을 관리하고 화재를 예방하는 방법 및 장치
Shahi et al. A review over genetic algorithm and application of wireless network systems
Jindal et al. Emergency evacuation system for clogging-free and shortest-safe path navigation with IoT-enabled WSNs
Vikram et al. FogFire: fog assisted IoT enabled forest fire management
CN113869444A (zh) 变电站故障检测方法、装置、计算机设备和存储介质
Hu et al. On exploiting logical dependencies for minimizing additive cost metrics in resource-limited crowdsensing
CN115951170B (zh) 输电线路故障监测方法、装置、计算机设备和存储介质
CN115759500A (zh) 一种基于优化效率评价算法的智能物流运输方法和系统
CN111860195B (zh) 一种基于大数据的安保检测方法及安保检测装置
CN112995290A (zh) 一种基于物联网的供水管网综合管理分析方法及系统
CN111107158B (zh) 用于物联网设备集群中的告警方法、装置、设备及介质
CN107371125A (zh) 基于粒子群算法的无线传感器网络故障修复方法及装置
Zhang et al. Cloud-edge fusion based abnormal object detection of power transmission lines using incremental learning
Ko et al. Intelligent wireless sensor network for wildfire detection
Acharjya et al. A smart emergency exit system based on IoT for fire perils
CN116013018B (zh) 一种基于无人机探测的森林防火预警分析方法及系统
CN104270414B (zh) 一种电子产品生产线粉尘监测点优化方法
CN116401963A (zh) 燃气爆炸概率预测方法、装置、电子设备及系统

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
GR01 Patent grant
GR01 Patent grant