CN115248982A - 一种基于物联网的人员密集区域安全风险监控方法及系统 - Google Patents

一种基于物联网的人员密集区域安全风险监控方法及系统 Download PDF

Info

Publication number
CN115248982A
CN115248982A CN202211153373.3A CN202211153373A CN115248982A CN 115248982 A CN115248982 A CN 115248982A CN 202211153373 A CN202211153373 A CN 202211153373A CN 115248982 A CN115248982 A CN 115248982A
Authority
CN
China
Prior art keywords
building
personnel
disaster
floor
real
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
Application number
CN202211153373.3A
Other languages
English (en)
Other versions
CN115248982B (zh
Inventor
杨博
崔宸
王琼
朱权洁
窦园园
薛新聪
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.)
North China Institute of Science and Technology
Original Assignee
North China Institute of Science and Technology
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 North China Institute of Science and Technology filed Critical North China Institute of Science and Technology
Priority to CN202211153373.3A priority Critical patent/CN115248982B/zh
Publication of CN115248982A publication Critical patent/CN115248982A/zh
Application granted granted Critical
Publication of CN115248982B publication Critical patent/CN115248982B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
    • G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
    • 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
    • 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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G16Y10/35—Utilities, e.g. electricity, gas or water

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Marketing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Geometry (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Computer Hardware Design (AREA)
  • Primary Health Care (AREA)
  • Computer Networks & Wireless Communication (AREA)

Abstract

本发明涉及安全风险监控技术领域，具体为一种基于物联网的人员密集区域安全风险监控方法及系统，本发明方法包括获取建筑物内的人员总数量、每层楼的人员数量和每层楼房间人员数量，获取建筑结构信息，生成实时分布态势，获取第三方的建筑物内人员信息，通过第三方建筑物内人员信息和建筑结构信息构建建筑物人员分布图，再构建灾害仿真分析模型，分析得出建筑物实时灾害初估水平，通过使用终端设备采集建筑物出入口、每层楼出入口和每层楼房间的环境监测指标，并设置阈值及权重，得出建筑物实时灾害水平；解决目前对人员密集区域安全风险监控不完善的问题，并及时匹配标准处理方案，减少人员伤亡。

Description

一种基于物联网的人员密集区域安全风险监控方法及系统
技术领域
本发明涉及安全风险监控技术领域，具体为一种基于物联网的人员密集区域安全风险监控方法及系统。
背景技术
目前，我国已有18个超千万人口的大城市。对于城市而言，人口的大量流入促进了城市的经济和现代化发展。各种大型的写字楼、大型的商业综合体等高楼大厦拔地而起，越来越多的大型游乐场、大型音乐酒吧等休闲娱乐设施以及大型工厂孕育而生，也导致了大量的人群聚集并存在着较多的安全隐患。
例如，商业综合体建筑结构空间复杂、设施设备繁多、火灾荷载大、施工作业活动较多、疏散线路长，使得综合体本身风险隐患因素较多，同时商业综合体内部功能业态丰富，一般具有优越的地理位置，属于城市公共空间，人员聚集程度高，安全负荷较重，疏散安全管理难度极大，一旦发生突发事件，极易造成群死群伤事故，给社会带来极大的负面影响。
同时如何利用应急信息化的公共服务产品或技术来进行实时监测着实是一个亟待解决的关键问题。
发明内容
针对上述现有技术的不足，本发明旨在提供一种基于物联网的人员密集区域安全风险监控方法及系统，以解决目前对人员密集区域安全风险监控不完善的问题，并实现对安全风险出现时，及时匹配标准处理方案，减少人员伤亡。
为了解决上述问题，本发明采用了如下的技术方案：
一方面，本发明提供一种基于物联网的人员密集区域安全风险监控方法，包括：
获取建筑物内的人员总数量、每层楼的人员数量和每层楼房间或区域的人员数量；
获取建筑结构信息，根据获取的所述建筑物内人员数量、每层楼人员数量和每层楼房间或区域人员数量与获取的所述建筑结构信息进行匹配，生成建筑物人员实时分布态势；
获取第三方的建筑物内人员信息，通过第三方建筑物内人员信息和建筑结构信息构建建筑物人员分布图；
通过所述建筑物人员分布图以及根据所述建筑物人员分布图分析得出的不同建筑区域、不同灾害发生时的灾害情况，构建灾害仿真分析模型；
将所述建筑物人员实时分布态势输入所述灾害仿真分析模型，根据所述建筑物人员实时分布态势与所述建筑物人员分布图进行人员数量比对，并结合所述灾害情况，分析得出建筑物实时灾害初估水平；
通过终端设备采集建筑物出入口、每层楼出入口和每层楼房间或区域的环境监测指标，并设置所述环境监测指标的阈值及权重，输入所述灾害仿真分析模型，根据所述环境监测指标与其阈值的比值及权重，对所述建筑物实时灾害初估水平进行加权，得出建筑物实时灾害水平。
进一步，本方法还包括：
根据所述不同建筑区域、不同灾害发生时的灾害情况制定标准处理预案，输入所述灾害仿真分析模型；
根据所述环境监测指标与其阈值的比值确定灾害类型，根据确定的灾害类型，匹配标准处理预案。
进一步，所述获取建筑物内的人员总数量、每层楼的人员数量和每层楼房间或区域的人员数量，包括：
通过在建筑物进出口设置RFID和视频监控获取所述建筑物内的人员总数量；
通过在建筑物每层楼出入口设置RFID和视频监控获取所述每层楼的人员数量；
通过在每层楼房间或区域设置RFID或视频监控获取所述每层楼房间或区域的人员数量；
所述视频监控采用YOLOv5目标检测算法视频识别技术。
进一步，所述环境监测指标包括温度、烟雾、湿度、可燃性气体浓度、光线强度和火焰强度。
进一步，所述建筑结构信息包括建筑图、楼层数、房间数及分布情况、电梯数及分布情况和楼道数及分布情况。
另一方面，本发明还提供一种基于物联网的人员密集区域安全风险监控系统，包括：建筑内人员获取模块、建筑结构信息获取模块、建筑物人员实时分布态势生成模块、第三方的建筑物内人员信息获取模块、建筑物人员分布图构建模块、灾害仿真分析模型构建模块、建筑物实时灾害初估水平分析模块和建筑物实时灾害水平分析模块；
所述建筑内人员获取模块，用于获取建筑物内的人员总数量、每层楼的人员数量和每层楼房间或区域的人员数量；
所述建筑结构信息获取模块，用于获取建筑结构信息；
所述建筑物人员实时分布态势生成模块，用于根据获取的所述建筑物内人员数量、每层楼人员数量和每层楼房间或区域人员数量与获取的所述建筑结构信息进行匹配，生成建筑物人员实时分布态势；
所述第三方的建筑物内人员信息获取模块，用于获取第三方的建筑物内人员信息；
所述建筑物人员分布图构建模块，用于通过第三方建筑物内人员信息和建筑结构信息构建建筑物人员分布图；
所述灾害仿真分析模型构建模块，用于通过所述建筑物人员分布图以及根据所述建筑物人员分布图分析得出的不同建筑区域、不同灾害发生时的灾害情况，构建灾害仿真分析模型；
所述筑物实时灾害初估水平分析模块，用于将所述建筑物人员实时分布态势输入所述灾害仿真分析模型，根据所述建筑物人员实时分布态势与所述建筑物人员分布图进行人员数量比对，并结合所述灾害情况，分析得出建筑物实时灾害初估水平；
所述建筑物实时灾害水平分析模块，用于通过终端设备采集建筑物出入口、每层楼出入口和每层楼房间或区域的环境监测指标，并设置所述环境监测指标的阈值及权重，输入所述灾害仿真分析模型，根据所述环境监测指标与其阈值的比值及权重，对所述建筑物实时灾害初估水平进行加权，得出建筑物实时灾害水平。
进一步，本系统还包括标准处理预案输入模块和标准处理预案匹配模块；
所述标准处理预案输入模块，用于根据所述不同建筑区域、不同灾害发生时的灾害情况制定标准处理预案，输入所述灾害仿真分析模型；
所述标准处理预案匹配模块，用于根据所述环境监测指标与其阈值的比值确定灾害类型，根据确定的灾害类型，匹配标准处理预案。
进一步，所述建筑内人员获取模块中，通过在建筑物进出口设置RFID和视频监控获取所述建筑物内的人员总数量；
通过在建筑物每层楼出入口设置RFID和视频监控获取所述每层楼的人员数量；
通过在每层楼房间或区域设置RFID或视频监控获取所述每层楼房间或区域的人员数量；
所述视频监控采用YOLOv5目标检测算法视频识别技术。
进一步，所述环境监测指标包括温度、烟雾、湿度、可燃性气体浓度、光线强度和火焰强度。
进一步，所述建筑结构信息包括建筑图、楼层数、房间数及分布情况、电梯数及分布情况和楼道数及分布情况。
本发明的有益效果在于：本发明提供一种基于物联网的人员密集区域安全风险监控方法及系统，基于建筑物统计人员数据，构建建筑物人员分布图，再根据事实采集的人员数据建筑物人员实时分布态势，根据人员态势的比对，进行风险初评估，再根据终端设备采集环境监测指标，得出建筑物实时灾害水平，对建筑物进行风险评估；再进一步导入标准处理预案，对灾害可能发生时，匹配接近的处理方案，对灾害进行及时管控，减少人员伤亡。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
图1为本发明实施例一种基于物联网的人员密集区域安全风险监控方法流程示意图。
图2为本发明实施例一种基于物联网的人员密集区域安全风险监控系统示意图。
具体实施方式
下面结合具体实施例对本发明作进一步的详细说明。
需要说明的是，这些实施例仅用于说明本发明，而不是对本发明的限制，在本发明的构思前提下本方法的简单改进，都属于本发明要求保护的范围。
参见图1，为一种基于物联网的人员密集区域安全风险监控方法，包括：
S10、获取建筑物内的人员总数量、每层楼的人员数量和每层楼房间或区域的人员数量；
S20、获取建筑结构信息，根据获取的所述建筑物内人员数量、每层楼人员数量和每层楼房间或区域人员数量与获取的所述建筑结构信息进行匹配，根据获取的人员信息所在的位置与建筑物结构信息进行匹配，可以得出建筑物每个地方的人员情况，生成建筑物人员实时分布态势；
S30、获取第三方的建筑物内人员信息，通过第三方建筑物内人员信息和建筑结构信息构建建筑物人员分布图；第三方的建筑物内人员信息包括物业统计人口数据、社区统计人口数据（可以得出建筑内总人数、每层楼人数、每个房间人数等统计信息或历史信息）等；
S40、通过所述建筑物人员分布图以及根据所述建筑物人员分布图分析得出的不同建筑区域、不同灾害发生时的灾害情况，构建灾害仿真分析模型；由于建筑物人员分布图是基于统计信息或历史信息构建的，可以预先针对建筑物人员分布图进行灾害分析，得出各种灾害发生时的各种灾害情况；
S50、将所述建筑物人员实时分布态势输入所述灾害仿真分析模型，根据所述建筑物人员实时分布态势与所述建筑物人员分布图进行人员数量比对，并结合所述灾害情况，分析得出建筑物实时灾害初估水平；基于人员的比对，可以得出实际人员与统计人员的差距，当某一区域或某一楼层或整栋楼实际人数超过统计人员越多，其危险性越大，并且根据某一区域或某一楼层或整栋楼对应的灾害情况，灾害越严重，该区域的危险性越大，根据两者的整合，得出建筑物实时灾害初估水平；
S60、通过使用终端设备采集建筑物出入口、每层楼出入口和每层楼房间或区域的环境监测指标，并设置所述环境监测指标的阈值及权重，输入所述灾害仿真分析模型，根据所述环境监测指标与其阈值的比值及权重，对所述建筑物实时灾害初估水平进行加权，得出建筑物实时灾害水平；环境监测指标涉及多个指标，比如温度、烟雾、可燃性气体浓度、光线强度、火焰强度、湿度等等，当不同的环境监测指标超过预设的阈值即是不太正常的情况，可能导致灾害，但是不同的指标导致灾害存在不一样的几率，比如当火焰强度超过阈值，说明可能出现火焰且到达了阈值程度的火焰情况，如果不及时处理就很容易出现火灾，其危险程度较高，所以赋予其较高的权重；如湿度指标，当湿度指标超过阈值，其可能是出现突然开窗或者地面水洗清洁等类似可能造成湿度升高到不正常的情况，但是其导致灾害的风险会稍低，所以赋予其稍低的权重；基于此将各指标的评估进行整合，并基于之前得出的建筑物实时灾害初估水平，得出建筑物实时灾害水平。
作为一种可实施方式，本方法还包括：
S70、根据所述不同建筑区域、不同灾害发生时的灾害情况制定标准处理预案，输入所述灾害仿真分析模型；
S80、根据所述环境监测指标与其阈值的比值确定灾害类型，根据确定的灾害类型，匹配标准处理预案。
针对实时出现的灾害，难以在灾害一出现就能匹配适用的方案，所以针对历史统计数据，预先针对不同灾害不同建筑区域发生各种灾害的处理方案，当本模型得出的实时灾害水平到达预警值时，根据指标情况确定灾害类型，确定在哪一区域发生，匹配预审设计的标准处理预案。
作为一种可实施方式，所述获取建筑物内的人员总数量、每层楼的人员数量和每层楼房间或区域的人员数量，包括：
通过在建筑物进出口设置RFID和视频监控获取所述建筑物内的人员总数量；通过RFID技术，以刷卡、刷脸等方式进出的方案统计进入建筑物的人数，并且可以采用视频监控对进入建筑物的人数进行统计，对FRID技术统计的人数进行复核；
通过在建筑物每层楼出入口设置RFID和视频监控获取所述每层楼的人员数量；
通过在每层楼房间或区域设置RFID或视频监控获取所述每层楼房间或区域的人员数量；
所述视频监控采用YOLOv5目标检测算法视频识别技术。
比如，在建筑物和楼层进出口处一般会有视频和RFID同时部署，（如地铁站、办公写字楼等），原本服务于不同的业务，如打卡、安防和监控，但是其均可提供人员进出数量信息，可以采集建筑物内的总体人数。每层楼的电梯、楼道等位置一般设有视频监控，可以用其数据直接进行分析还采集人员数量数据，在房间、私密场所等位置、采用RFID设备采集。整个建筑物中的人员数量通过两类设备进行数据互补，进出口处可以了解建筑物内人员总数量，其它位置的视频和RFID设备可以了解人员的具体分布位置与聚集情况。RFID 采集方式可以对视频进行补充和验证。
作为一种可实施方式，所述建筑结构信息包括建筑图、楼层数、房间数及分布情况、电梯数及分布情况和楼道数及分布情况。
参见图2，为一种基于物联网的人员密集区域安全风险监控系统，包括：建筑内人员获取模块10、建筑结构信息获取模块20、建筑物人员实时分布态势生成模块30、第三方的建筑物内人员信息获取模块40、建筑物人员分布图构建模块50、灾害仿真分析模型构建模块60、建筑物实时灾害初估水平分析模块70和建筑物实时灾害水平分析模块80；
所述建筑内人员获取模块10，用于获取建筑物内的人员总数量、每层楼的人员数量和每层楼房间或区域的人员数量；
所述建筑结构信息获取模块20，用于获取建筑结构信息；
所述建筑物人员实时分布态势生成模块30，用于根据获取的所述建筑物内人员数量、每层楼人员数量和每层楼房间或区域人员数量与获取的所述建筑结构信息进行匹配，生成建筑物人员实时分布态势；
所述第三方的建筑物内人员信息获取模块40，用于获取第三方的建筑物内人员信息；
所述建筑物人员分布图构建模块50，用于通过第三方建筑物内人员信息和建筑结构信息构建建筑物人员分布图；
所述灾害仿真分析模型构建模块60，用于通过所述建筑物人员分布图以及根据所述建筑物人员分布图分析得出的不同建筑区域、不同灾害发生时的灾害情况，构建灾害仿真分析模型；所述筑物实时灾害初估水平分析模块70，用于将所述建筑物人员实时分布态势输入所述灾害仿真分析模型，根据所述建筑物人员实时分布态势与所述建筑物人员分布图进行人员数量比对，并结合所述灾害情况，分析得出建筑物实时灾害初估水平；
所述建筑物实时灾害水平分析模块80，用于通过使用终端设备采集建筑物出入口、每层楼出入口和每层楼房间或区域的环境监测指标，并设置所述环境监测指标的阈值及权重，输入所述灾害仿真分析模型，根据所述环境监测指标与其阈值的比值及权重，对所述建筑物实时灾害初估水平进行加权，得出建筑物实时灾害水平。
作为一种可实施方式，本系统还包括标准处理预案输入模块90和标准处理预案匹配模块100；
所述标准处理预案输入模块90，用于根据所述不同建筑区域、不同灾害发生时的灾害情况制定标准处理预案，输入所述灾害仿真分析模型；
所述标准处理预案匹配模块100，用于根据所述环境监测指标与其阈值的比值确定灾害类型，根据确定的灾害类型，匹配标准处理预案。
作为一种可实施方式，所述建筑内人员获取模块中，通过在建筑物进出口设置RFID和视频监控获取所述建筑物内的人员总数量；
通过在建筑物每层楼出入口设置RFID和视频监控获取所述每层楼的人员数量；
通过在每层楼房间或区域设置RFID或视频监控获取所述每层楼房间或区域的人员数量；
所述视频监控采用YOLOv5目标检测算法视频识别技术。
作为一种可实施方式，所述环境监测指标包括温度、烟雾、湿度、可燃性气体浓度、光线强度和火焰强度。
作为一种可实施方式，所述建筑结构信息包括建筑图、楼层数、房间数及分布情况、电梯数及分布情况和楼道数及分布情况。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管通过参照本发明的优选实施例已经对本发明进行了描述，但本领域的普通技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离所附权利要求书所限定的本发明的精神和范围。

Claims (10)

1.一种基于物联网的人员密集区域安全风险监控方法，其特征在于，包括：
获取建筑物内的人员总数量、每层楼的人员数量和每层楼房间或区域的人员数量；
获取建筑结构信息，根据获取的所述建筑物内人员数量、每层楼人员数量和每层楼房间或区域人员数量与获取的所述建筑结构信息进行匹配，生成建筑物人员实时分布态势；
获取第三方的建筑物内人员信息，通过第三方建筑物内人员信息和建筑结构信息构建建筑物人员分布图；
通过所述建筑物人员分布图以及根据所述建筑物人员分布图分析得出的不同建筑区域、不同灾害发生时的灾害情况，构建灾害仿真分析模型；
将所述建筑物人员实时分布态势输入所述灾害仿真分析模型，根据所述建筑物人员实时分布态势与所述建筑物人员分布图进行人员数量比对，并结合所述灾害情况，分析得出建筑物实时灾害初估水平；
通过终端设备采集建筑物出入口、每层楼出入口和每层楼房间或区域的环境监测指标，并设置所述环境监测指标的阈值及权重，输入所述灾害仿真分析模型，根据所述环境监测指标与其阈值的比值及权重，对所述建筑物实时灾害初估水平进行加权，得出建筑物实时灾害水平。
2.根据权利要求1所述基于物联网的人员密集区域安全风险监控方法，其特征在于，还包括：
根据所述不同建筑区域、不同灾害发生时的灾害情况制定标准处理预案，输入所述灾害仿真分析模型；
根据所述环境监测指标与其阈值的比值确定灾害类型，根据确定的灾害类型，匹配标准处理预案。
3.根据权利要求1所述基于物联网的人员密集区域安全风险监控方法，其特征在于，所述获取建筑物内的人员总数量、每层楼的人员数量和每层楼房间或区域的人员数量，包括：
通过在建筑物进出口设置RFID和视频监控获取所述建筑物内的人员总数量；
通过在建筑物每层楼出入口设置RFID和视频监控获取所述每层楼的人员数量；
通过在每层楼房间或区域设置RFID或视频监控获取所述每层楼房间或区域的人员数量；
所述视频监控采用YOLOv5目标检测算法视频识别技术。
4.根据权利要求1所述基于物联网的人员密集区域安全风险监控方法，其特征在于，所述环境监测指标包括温度、烟雾、湿度、可燃性气体浓度、光线强度和火焰强度。
5.根据权利要求1所述基于物联网的人员密集区域安全风险监控方法，其特征在于，所述建筑结构信息包括建筑图、楼层数、房间数及分布情况、电梯数及分布情况和楼道数及分布情况。
6.一种基于物联网的人员密集区域安全风险监控系统，其特征在于，包括：建筑内人员获取模块、建筑结构信息获取模块、建筑物人员实时分布态势生成模块、第三方的建筑物内人员信息获取模块、建筑物人员分布图构建模块、灾害仿真分析模型构建模块、建筑物实时灾害初估水平分析模块和建筑物实时灾害水平分析模块；
所述建筑内人员获取模块，用于获取建筑物内的人员总数量、每层楼的人员数量和每层楼房间或区域的人员数量；
所述建筑结构信息获取模块，用于获取建筑结构信息；
所述建筑物人员实时分布态势生成模块，用于根据获取的所述建筑物内人员数量、每层楼人员数量和每层楼房间或区域人员数量与获取的所述建筑结构信息进行匹配，生成建筑物人员实时分布态势；
所述第三方的建筑物内人员信息获取模块，用于获取第三方的建筑物内人员信息；
所述建筑物人员分布图构建模块，用于通过第三方建筑物内人员信息和建筑结构信息构建建筑物人员分布图；
所述灾害仿真分析模型构建模块，用于通过所述建筑物人员分布图以及根据所述建筑物人员分布图分析得出的不同建筑区域、不同灾害发生时的灾害情况，构建灾害仿真分析模型；
所述筑物实时灾害初估水平分析模块，用于将所述建筑物人员实时分布态势输入所述灾害仿真分析模型，根据所述建筑物人员实时分布态势与所述建筑物人员分布图进行人员数量比对，并结合所述灾害情况，分析得出建筑物实时灾害初估水平；
所述建筑物实时灾害水平分析模块，用于通过终端设备采集建筑物出入口、每层楼出入口和每层楼房间或区域的环境监测指标，并设置所述环境监测指标的阈值及权重，输入所述灾害仿真分析模型，根据所述环境监测指标与其阈值的比值及权重，对所述建筑物实时灾害初估水平进行加权，得出建筑物实时灾害水平。
7.根据权利要求6所述基于物联网的人员密集区域安全风险监控系统，其特征在于，还包括标准处理预案输入模块和标准处理预案匹配模块；
所述标准处理预案输入模块，用于根据所述不同建筑区域、不同灾害发生时的灾害情况制定标准处理预案，输入所述灾害仿真分析模型；
所述标准处理预案匹配模块，用于根据所述环境监测指标与其阈值的比值确定灾害类型，根据确定的灾害类型，匹配标准处理预案。
8.根据权利要求6所述基于物联网的人员密集区域安全风险监控系统，其特征在于，所述建筑内人员获取模块中，通过在建筑物进出口设置RFID和视频监控获取所述建筑物内的人员总数量；
通过在建筑物每层楼出入口设置RFID和视频监控获取所述每层楼的人员数量；
通过在每层楼房间或区域设置RFID或视频监控获取所述每层楼房间或区域的人员数量；
所述视频监控采用YOLOv5目标检测算法视频识别技术。
9.根据权利要求6所述基于物联网的人员密集区域安全风险监控系统，其特征在于，所述环境监测指标包括温度、烟雾、湿度、可燃性气体浓度、光线强度和火焰强度。
10.根据权利要求6所述基于物联网的人员密集区域安全风险监控系统，其特征在于，所述建筑结构信息包括建筑图、楼层数、房间数及分布情况、电梯数及分布情况和楼道数及分布情况。
CN202211153373.3A 2022-09-21 2022-09-21 一种基于物联网的人员密集区域安全风险监控方法及系统 Active CN115248982B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211153373.3A CN115248982B (zh) 2022-09-21 2022-09-21 一种基于物联网的人员密集区域安全风险监控方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211153373.3A CN115248982B (zh) 2022-09-21 2022-09-21 一种基于物联网的人员密集区域安全风险监控方法及系统

Publications (2)

Publication Number Publication Date
CN115248982A true CN115248982A (zh) 2022-10-28
CN115248982B CN115248982B (zh) 2022-12-06

Family

ID=83699478

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211153373.3A Active CN115248982B (zh) 2022-09-21 2022-09-21 一种基于物联网的人员密集区域安全风险监控方法及系统

Country Status (1)

Country Link
CN (1) CN115248982B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012080534A1 (es) * 2010-12-17 2012-06-21 Paret Martin Jose Carlos Método de evaluación del riesgo en caso de incendio en la edificación
CN108259625A (zh) * 2018-02-11 2018-07-06 广西久邻电子商务有限公司 一种基于建筑建模和人员移动定位的逃生救援方法
CN110853314A (zh) * 2019-11-20 2020-02-28 北京工业大学 一种基于物联网和bim的室内动态安防疏散系统
CN110929378A (zh) * 2019-10-25 2020-03-27 中国科学院深圳先进技术研究院 一种基于数字孪生的高层建筑应急疏散方法、系统及电子设备
CN114445984A (zh) * 2022-02-07 2022-05-06 深圳正中云有限公司 一种城市大型建筑火灾消防应急疏散系统与方法
CN114493084A (zh) * 2021-12-09 2022-05-13 青岛亿联信息科技股份有限公司 基于bim+gis的园区应急联动方法及园区应急联动系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012080534A1 (es) * 2010-12-17 2012-06-21 Paret Martin Jose Carlos Método de evaluación del riesgo en caso de incendio en la edificación
CN108259625A (zh) * 2018-02-11 2018-07-06 广西久邻电子商务有限公司 一种基于建筑建模和人员移动定位的逃生救援方法
CN110929378A (zh) * 2019-10-25 2020-03-27 中国科学院深圳先进技术研究院 一种基于数字孪生的高层建筑应急疏散方法、系统及电子设备
CN110853314A (zh) * 2019-11-20 2020-02-28 北京工业大学 一种基于物联网和bim的室内动态安防疏散系统
CN114493084A (zh) * 2021-12-09 2022-05-13 青岛亿联信息科技股份有限公司 基于bim+gis的园区应急联动方法及园区应急联动系统
CN114445984A (zh) * 2022-02-07 2022-05-06 深圳正中云有限公司 一种城市大型建筑火灾消防应急疏散系统与方法

Also Published As

Publication number Publication date
CN115248982B (zh) 2022-12-06

Similar Documents

Publication Publication Date Title
CN110555617B (zh) 一种基于物联网的建筑火灾风险实时动态定量评估方法
CN110458482A (zh) 一种基于大数据的消防安全评价能力构建方法
CN110933376A (zh) 消防物联网统一监管系统及方法
CN115392708A (zh) 一种用于建筑消防的火灾风险评估和预警方法及系统
CN113689648B (zh) 一种基于物联网的智慧社区安防管理系统及方法
CN111178732A (zh) 基于大数据赋能条件下的区域动态火灾风险评估方法
CN111178828A (zh) 一种建筑消防安全预警的方法和系统
CN115002150A (zh) 一种智慧社区智能化疫情管控系统及方法
CN111935219B (zh) 一种小区物联网管理系统
CN112800910A (zh) 一种通讯机房维护作业效能评估方法及系统
CN113792972A (zh) 一种消防安全管理方法
CN108537920A (zh) 基于人脸识别的访客监控方法和系统
CN111080957A (zh) 一种基于窄带物联网的火灾防控方法
CN115248982B (zh) 一种基于物联网的人员密集区域安全风险监控方法及系统
CN117453835A (zh) 一种智慧社区管理系统
CN218145195U (zh) 一种楼宇群租监控系统
CN115660922A (zh) 一种基于物联网的智慧安消一体化预警管理系统
CN113409541B (zh) 多层级安全智慧园区控制方法、系统和可读存储介质
Fu et al. Application of naive bayes classifier in stampede risk early-warning of large-scale activities
Gwynne et al. Pre-evacuation data collected from a mid-rise evacuation exercise
CN115394036A (zh) 一种用于建筑火灾的监测和预警方法及系统
CN114821883A (zh) 一种街道社区常住人员信息登记管理系统
CN108446827A (zh) 一种人员密集场所风险控制方法和装置
Merrall GIS for spatial analysis of fire incidence; Identification of social, economic and environmental risk indicators
KR102563094B1 (ko) 통합 화재 대응 시스템

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