CN115809799B - 基于事件驱动的文物建筑消防安全分级预警方法和系统 - Google Patents
基于事件驱动的文物建筑消防安全分级预警方法和系统 Download PDFInfo
- Publication number
- CN115809799B CN115809799B CN202210790707.1A CN202210790707A CN115809799B CN 115809799 B CN115809799 B CN 115809799B CN 202210790707 A CN202210790707 A CN 202210790707A CN 115809799 B CN115809799 B CN 115809799B
- Authority
- CN
- China
- Prior art keywords
- abnormal event
- fire
- event data
- data
- evaluation score
- 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
Links
Landscapes
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于事件驱动的文物建筑消防安全分级预警方法,包括:实时采集文物建筑的消防安全相关数据,并为该消防安全相关数据添加时间戳,并将添加了时间戳后的消防安全相关数据加入预先建立的消息队列中;使用复杂事件处理引擎判断消息队列中的每条消防安全相关数据是否是异常事件数据,如果是,则将该条异常事件数据作为新的条目存储至异常事件数据库中,针对异常事件数据库中的所有异常事件数据而言,根据得到的所有异常事件数据所涉及的事发地点对所有异常事件数据进行分组,以得到多个异常事件集合。本发明能够解决现有消防设备预警方法多由于文保人员自身经验不足,往往发生错误判断甚至玩忽职守,进而酿成大祸的技术问题。
Description
技术领域
本发明属于文物消防安全风险预警技术领域,更具体地,涉及一种基于事件驱动的文物建筑消防安全分级预警方法和系统。
背景技术
为了有效地预防文物建筑火灾的发生,提高文物建筑火灾的预防性保护能力,目前针对文物建筑的消防安全预警方法主要有消防设备预警、火灾风险评估等方法:消防设备预警主要是通过在文物保护单位部署先进的火灾检测设备,可以探测到有早期起火产生的微量烟雾或火焰等物理感知量,进而在酿成火灾前及时发出预警警报;火灾风险评估是指通过定期邀请第三方消防评审专家,对文物建筑保护单位开展风险评估,进而得到风险评估报告及风险等级,根据不同的风险等级对文物建筑发出预警警报;除此之外,还有专家学者提出动态风险评估的方式,如《陈娟娟,汪晖,方正.文物建筑消防安全评估预警系统研究[J].消防科学与技术,2019,38(02):295-298.》论文所述:其在参考了传统风险评估的方法后,通过建立文物建筑消防安全指标体系,实时采集文物建筑消防安全指标数据,编写动态评分软件对指标数据进行动态评估计算,进而得到文物建筑消防安全风险评估分值,并根据该评估分值的高低进行动态分级预警。
然而,上述的方法均存在一些不可忽略的缺陷:第一、消防设备预警方法多是针对单事件、单因素的异常警报,文保人员接到警报后,仍需要综合考虑文物建筑身处的时间、气候、人文环境等因素才能确定文物建筑的消防安全风险情况。由于文保人员自身经验不足,往往发生错误判断甚至玩忽职守,进而酿成大祸;第二、定期开展火灾风险评估的方式太过依赖专家,且由于是定期开展,且周期性较长,一般为一年一次,难以达到实时预警的效果。评估专家也难以对文物建筑消防安全情况进行长时间考察,更多的是通过经验判断文物建筑的消防安全风险情况,进而指定预警等级;第三、动态风险评估的方式一定程度上减轻了传统风险评估对专家的依赖程度,但由于它仍然是通过建立风险体系,并获取消防安全数据完成对指标的评分,最终仅能计算出整体风险大小分值,整体风险大小分值并不能反映出引发预警的具体事件等因素,甚至动态风险评估发出预警后,文保单位仍需邀请第三方机构进一步开展风险评估才能开展进一步的整改工作。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于事件驱动的文物建筑消防安全分级预警方法,其目的在于,解决文保人员由于自身经验不足,在处理消防设备产生的异常事件时,难以综合考虑多方面因素进行整改,往往发生错误判断甚至玩忽职守,进而酿成大祸的技术问题,以及现有火灾风险评估方法由于太过依赖专家,且由于是定期开展,难以实时预警的技术问题,以及现有动态风险评估方法无法给出引发预警的具体事件等因素,需邀请第三方机构进一步开展风险评估才能完成整改的技术问题。
为实现上述目的,按照本发明的一个方面,提供了一种基于事件驱动的文物建筑消防安全分级预警方法,包括以下步骤:
(1)实时采集文物建筑的消防安全相关数据,并为该消防安全相关数据添加时间戳,并将添加了时间戳后的消防安全相关数据加入预先建立的消息队列中;
(2)使用复杂事件处理引擎判断消息队列中的每条消防安全相关数据是否是异常事件数据,如果是,则将该条异常事件数据作为新的条目存储至异常事件数据库中,然后进入步骤(3);如果不存在,则返回至步骤(1);其中每个异常事件数据对应的条目包括该异常事件数据的编号、该异常事件数据的名称、该异常事件数据的名称对应的名称编码、该异常事件数据所涉及的事发地点、以及检测到该异常事件数据的时间;
(3)针对异常事件数据库中的所有异常事件数据而言,根据步骤(2)得到的所有异常事件数据所涉及的事发地点对所有异常事件数据进行分组,以得到多个异常事件集合,计算每个异常事件集合E′的三维评价分值S′,并将每个异常事件集合E′的三维评价分值S′与基准异常事件集合库中每个异常事件集合对应的三维评价分值进行相似度计算,以得到每个异常事件集合E′的预警等级L′,即每个异常事件集合E′对应的事发地点所在的文物建筑的预警等级;其中预警等级L′由高到低分为“一级”、“二级”、“三级”、“四级”。
优选地,文物建筑的消防安全相关数据包括文物建筑保护单位所安装的消防物联网传感器实时监测数据、文物建筑保护单位安防管理系统发出的警告类数据、以及从互联网上采集到的该文物建筑所在地区的天气数据、消防救援交通路线车流量数据等;
异常事件数据的属性包括异常事件名称、异常事件名称编码、文物建筑名称、以及事发时间;
异常事件数据库中每条异常事件数据对应的条目包括如下属性值构成的字段:
{id,eventId,eventName,influenceBuilding,eventTime}
其中id为异常事件数据的编号,是该异常事件数据的唯一标识符。eventName为异常事件数据的名称。eventId为该异常事件数据的名称对应的名称编码,eventName与eventId为一一对应关系,influenceBuilding为异常事件数据所涉及的事发地点,eventTime为该异常事件数据的事发时间,即检测到该异常事件数据的时间。
优选地,通过计算该异常事件集合E′与基准异常事件集合库中对应基准异常事件集合之间的相似度,并进而得到该异常事件集合E′对文物建筑消防安全的预警等级L′这一过程包括如下子步骤如下:
(3-1)根据预先建立的异常事件三维评价分值表计算该异常事件集合E′的三维评价分值S′=(F1′,F2′,F3′);其中F1′,F2′,F3′分别表示异常事件集合E′中的所有异常事件数据所涉及的事发地点处的文物建筑受该异常事件数据威胁时,该文物建筑起火风险大小的综合评价分值、火灾探测能力大小的综合评价分值、以及火灾救援能力大小的综合评价分值。
(3-2)对于步骤(3-1)计算得到的异常事件集合E′所对应的三维评价分值S′=(F1′,F2′,F3′),将S′与基准异常事件集合库中每个异常事件集合Ei所对应的三维评价分值Si=(Fi1,Fi2,Fi3)分别进行相似度计算,获取相似度最高的基准异常事件集合Ei,并将该基准异常事件集合所对应的预警等级Li设置为该异常事件集合E′的预警等级L′,L′即为异常事件集合E′对文物建筑消防安全的预警等级;其中i∈[1,基准异常事件集合库中异常事件集合的总数];预警等级L′由高到低分为“一级”、“二级”、“三级”、“四级”。
其中E′={e1,..,en}
n∈[1,异常事件集合内异常事件数据个数],ex表示异常事件集合E′中第x个元素,即第x个异常事件数据的名称对应的名称编码,且有x∈[1,n]。
优选地,三维评价分值是指从“起火风险”维度、“火灾探测能力”维度和“火灾救援能力”维度描述异常事件集合对文物建筑的消防安全势态的影响程度;
异常事件三维评价分值表用于获得异常事件数据对“起火风险”维度或“火灾探测能力”维度或“火灾救援能力”维度影响程度的评价分值,分为三种,即:起火风险类异常事件评价分值子表、火灾探测能力类异常事件评价分值子表、以及火灾救援能力类异常事件评价分值子表,三个子表格共同构成了异常事件三维评价分值表。
优选地,异常事件三维评价分值表是按照如下步骤建立得到的:
A、获取文物建筑保护单位所有可检测到的异常事件数据种类;
B、根据事故树理论分析文物建筑火灾的致灾因子,将步骤A得到的所有异常事件数据种类划分为“起火风险”类异常事件数据、“火灾探测能力”类异常事件数据、以及“火灾救援能力”类异常事件数据三类。
C、利用层次分析的评价方法分别对步骤B得到的三类异常事件数据进行评价,以得到每类异常事件数据对应的评价分值所分别构成的起火风险类异常事件评价分值子表、火灾探测能力类异常事件评价分值子表、以及火灾救援能力类异常事件评价分值子表,三个子表格共同构成了异常事件三维评价分值表。
优选地,步骤(3-1)包括如下子步骤:
(3-1-1)初始化起火风险评价分值F1′=0,火灾探测能力评价分值F2′=100、火灾救援能力评价分值F3′=100,设置计数器cnt1=1;
(3-1-2)判断计数器cnt1是否等于异常事件集合E内所包含的异常事件数据个数num1,如果是则转入步骤(3-1-8),否则进入步骤(3-1-3);
(3-1-3)根据异常事件三维评价分值表判断异常事件集合中的第cnt1个异常事件数据ecnt1是属于“起火风险”类异常事件数据,还是“火灾探测能力”类异常事件数据,还是“火灾救援能力”类异常事件数据,如果异常事件数据ecnt1属于“起火风险”类异常事件数据,则进入步骤(3-1-4),如果异常事件数据ecnt1属于“火灾探测能力”类异常事件数据,则进入步骤(3-1-5),如果异常事件数据ecnt1属于“火灾救援能力”类异常事件数据,则进入步骤(3-1-6)。
(3-1-4)设置F1′=F1′+scorecnt1,scorecnt1为该异常事件数据ecnt1在起火风险类异常事件评价分值子表中的评价分值,然后进入步骤(3-1-7)。
(3-1-5)设置F2′=F2′-scorecnt1,scorecnt1为该异常事件数据ecnt1在火灾探测能力类异常事件评价分值子表中的评价分值,然后进入步骤(3-1-7)。
(3-1-6)设置F3′=F3′-scorecnt1,scorecnt1为该异常事件数据ecnt1在火灾救援能力类异常事件评价分值子表中的评价分值,然后进入步骤(3-1-7)。
(3-1-7)设置计数器cnt1=cnt1+1,并返回步骤(3-1-2)。
(3-1-8)输出F1′,F2′,F3′的计算结果,构成三维评价分值S′,即:S′=(F1′,F2′,F3′)。
优选地,基准异常事件集合库是按照如下离线步骤建立得到的:
a、获取文物建筑保护单位所有可检测到的异常事件数据的种类;
b、对于步骤a获取的所有异常事件数据的种类而言,从中随机挑取m种异常事件数据的名称对应的名称编码组成基准异常事件集合(其中:m∈[1,文物建筑保护单位所有可检测到的异常事件数据的种类数]),该基准异常事件集合可表示为:
E={e1,..,em}
其中ey表示基准异常事件集合中第y个元素(即第y个异常事件数据的名称对应的名称编码,且有y∈[1,m]);
c、根据异常事件三维评价分值表计算该基准异常事件集合E对应的三维评价分值S=(F1,F2,F3)及预警等级L;其中F1,F2,F3分别是文物建筑受该基准异常事件集合中的异常事件数据威胁时,该文物建筑消防安全态势起火风险大小的综合评价分值、火灾探测能力大小的综合评价分值和火灾救援能力大小的综合评价分值;预警等级L由高到低分为“一级”、“二级”、“三级”、“四级”。
d、重复执行上述步骤b至步骤c,进而得到多个基准异常事件集合Ei,并计算得到每个基准异常事件集合Ei对应的三维评价分值Si、以及该异常事件集合对应的预警等级Li,多个异常事件集合Ei与其对应的三维评价分数Si和预警等级Li构成了基准异常事件集合库,可表示为:
{(E1,S1,L1),(E2,S2,L2),(E3,S3,L3),...(Ei,Si,Li),...}
其中,Ei代表异常事件集合,Si代表异常事件集合Ei经步骤c计算得到的三维评价分值,可表示为:Si=(Fi1,Fi2,Fi3)。Fi1、Fi2和Fi3分别是基准异常事件集合Ei中的所有异常事件数据所涉及的事发地点处的文物建筑受该异常事件数据威胁时,该文物建筑起火风险大小的综合评价分值、火灾探测能力大小的综合评价分值、以及火灾救援能力大小的综合评价分值。Li∈{一级,二级,三级,四级},i∈[1,基准异常事件集合库中异常事件集合的总数]。
优选地,获取基准异常事件集合E对应的三维评价分值S及预警等级L的过程包括如下步骤:
(c1)初始化起火风险评价分值F1=0,火灾探测能力评价分值F2=100、火灾救援能力评价分值F3=100,设置计数器cnt2=1;
(c2)判断计数器cnt2是否等于异常事件集合E内所包含的异常事件数据个数num2,如果是则进入步骤(c8),否则进入步骤(c3);
(c3)根据异常事件三维评价分值表判断异常事件集合中的第cnt2个异常事件数据ecnt2是属于“起火风险”类异常事件数据,还是“火灾探测能力”类异常事件数据,还是“火灾救援能力”类异常事件数据,如果异常事件数据ecnt2属于“起火风险”类异常事件数据,则进入步骤(c4),如果异常事件数据ecnt2属于“火灾探测能力”类异常事件数据,则进入步骤(c5),如果异常事件数据ecnt2属于“火灾救援能力”类异常事件数据,则进入步骤(c6)。
(c4)设置F1=F1+scorecnt2,scorecnt2为该异常事件数据ecnt2在起火风险类异常事件评价分值子表的评价分值,然后进入步骤(c7)。
(c5)设置F2=F2-scorecnt2,scorecnt2为该异常事件数据ecnt2在火灾探测能力类异常事件评价分值子表的评价分值,然后进入步骤(c7)。
(c6)设置F3=F3-scorecnt2,scorecnt2为该异常事件数据ecnt2在火灾救援能力类异常事件评价分值子表的评价分值,然后进入步骤(c7)。
(c7)设置计数器cnt2=cnt2+1,并返回步骤(c2)。
(c8)输出F1,F2,F3的计算结果,构成三维评价分值S,即:S=(F1,F2,F3)。
(c9)获取文物、消防领域专家所给出的该基准异常事件集合E所对应的预警等级L,即文物、消防领域专家综合考虑该异常事件集合中包含的各个异常事件以及计算得到该异常事件集合的三维评价分值S,按照由高到低“一级”、“二级”、“三级”、“四级”给出对应的预警等级。
优选地,步骤(3-2)包括如下子步骤:
(3-2-1)初始化最大相似度maxsim=-1,初始化序号k=-1,设置计数器cnt3=1;
(3-2-2)判断计数器cnt3是否等于基准异常事件集合库内所包含的基准异常事件集合个数num3,如果是则进入步骤(3-2-7),否则进入步骤(3-2-3);
(3-2-3)获取基准异常事件集合库中第cnt3个基准异常事件集合Ecnt3所对应的三维评价分值Scnt3=(Fcnt31,Fcnt32,Fcnt33),计算得到S′=(F1′,F2′,F3′)与Scnt3=(Fcnt31,Fcnt32,Fcnt33)之间的相似度大小Cos(S′,Scnt3),计算公式如下:
(3-2-4)判断最大相似度maxsim是否大于Cos(S′,Scnt3),如果maxsim<Cos(S′,Scnt3),则进入步骤(3-2-5)。如果maxsim>=Cos(S′,Scnt3),则进入步骤(3-2-6)。
(3-2-5)设置最大相似度maxsim=Cos(S′,Scnt3),并设置序号k=cnt3,然后进入步骤(3-2-6)
(3-2-6)设置计数器cnt3=cnt3+1,并返回步骤(3-2-2)。
(3-2-7)获取基准异常事件集合库中第k个异常事件集合Ek对应的预警等级Lk(此时将Lk的值设置为异常事件集合E′对应的预警等级L′),并将每个异常事件集合对应的事发地点所在的文物建筑的预警等级判定为Lk。
按照本发明的另一方面,提供了一种基于事件驱动的文物建筑消防安全分级预警系统,包括:
第一模块,用于实时采集文物建筑的消防安全相关数据,并为该消防安全相关数据添加时间戳,并将添加了时间戳后的消防安全相关数据加入预先建立的消息队列中;
第二模块,用于使用复杂事件处理引擎判断消息队列中的每条消防安全相关数据是否是异常事件数据,如果是,则将该条异常事件数据作为新的条目存储至异常事件数据库中,然后进入第三模块;如果不存在,则返回第一模块;其中每个异常事件数据对应的条目包括该异常事件数据的编号、该异常事件数据的名称、该异常事件数据的名称对应的名称编码、该异常事件数据所涉及的事发地点、以及检测到该异常事件数据的时间;
第三模块,用于针对异常事件数据库中的所有异常事件数据而言,根据第二模块得到的所有异常事件数据所涉及的事发地点对所有异常事件数据进行分组,以得到多个异常事件集合,计算每个异常事件集合E′的三维评价分值S′,并将每个异常事件集合的三维评价分值S′与基准异常事件集合库中每个异常事件集合对应的三维评价分值进行相似度计算,以得到每个异常事件集合E′的预警等级L′,即每个异常事件集合E′对应的事发地点所在的文物建筑的预警等级;其中预警等级L′由高到低分为“一级”、“二级”、“三级”、“四级”。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
(1)由于本发明根据事故树理论分析文物建筑火灾的致灾因子,将不同的消防安全异常事件划分至“起火风险”、“火灾探测能力”、“火灾救援能力”,并结合层次分析的评价方法,实现了当文物建筑保护单位检测到多个异常事件时,将多个异常事件按照影响的文物建筑名称不同组成多个异常事件集合,并按照“起火风险”、“火灾探测能力”、“火灾救援能力”三种维度对其进行评价,实现了对多个异常事件的多维度综合评价。
(2)由于本方法基于事件驱动,将庞大的数据流转化为事件流,相较于传统风险评估预警方法具有更强的实时性和针对性,能够有效地改善传统评估预警需要周期性开展的不足,大大提升了文物安全防护能力。
(3)由于本发明提出的预警方法由异常事件触发预警分析,并建立了异常事件数据库,在得到预警结果后,同时也能够得到触发预警的异常事件信息,有助于文保人员完成整改工作,有效的解决了动态风险评估方法仅能得到整体风险大小分值,但是无法给出引发预警的具体事件等因素的技术问题。
(4)由于本文采用了步骤(3)所述的基准异常事件集合库的构建方法,通过构建出基准异常事件集合库,通过将文物建筑保护单位实时产生的异常事件数据与基准异常事件库中基准异常集合进行相似度计算,进而得到了文物建筑受异常事件威胁时的预警等级,预警等级由高到低分为“一级”、“二级”、“三级”、“四级”。文保单位根据不同的预警等级制定防护策略,能够有效地改善传统“过预警”或“欠预警”问题。
附图说明
图1是本发明基于事件驱动的文物建筑消防安全分级预警方法的流程示意图。
图2是本发明异常事件分类的示意图。
图3是本发明基准异常事件集合、异常事件集合三维评价分值、以及预警等级的可视化图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,本发明提供了一种基于事件驱动的文物建筑消防安全分级预警方法,包括以下步骤:
(1)实时采集文物建筑的消防安全相关数据,并为该消防安全相关数据添加时间戳,并将添加了时间戳后的消防安全相关数据加入预先建立的消息队列中;
具体而言,本步骤中文物建筑的消防安全相关数据主要包括但不限于:
(a)文物建筑保护单位所安装的消防物联网传感器实时监测数据,如:水压传感器数据、温湿度传感器数据等;
(b)文物建筑保护单位安防管理系统发出的警告类数据,如智能摄像头检测到“明火”警告数据、设备掉线通知数据、电气火灾监控系统警告数据等;
(c)从互联网上采集到的该文物建筑所在地区的天气数据、消防救援交通路线车流量数据等。
以上所述采的数据均属于实时数据,采集到数据后需及时发送至消息队列,供下一步分析。
(2)使用复杂事件处理引擎判断消息队列中的每条消防安全相关数据是否是异常事件数据,如果是,则将该条异常事件数据作为新的条目存储至异常事件数据库中,然后进入步骤(3);如果不存在,则返回至步骤(1);其中每个异常事件数据对应的条目包括该异常事件数据的编号、该异常事件数据的名称、该异常事件数据的名称对应的名称编码、该异常事件数据所涉及的事发地点、以及检测到该异常事件数据的时间;
具体而言,异常事件数据包括:异常事件名称、异常事件名称编码、文物建筑名称、事发时间等属性。
本步骤采用诸如Flink CEP等复杂事件处理引擎处理步骤(1)所建立消息队列中的消息数据,使得异常事件数据的检测更加方便快捷。异常事件数据的检测方式通常分为以下几种:
一、阈值触发类异常事件数据,即该类异常事件数据是由某数据值超过或低于阈值时产生异常事件数据,如某消防供水水管水压值低于或高于设定阈值产生“水压过低”事件、某时刻消防救援交通路线车流量高于设定阈值产生“消防救援交通拥堵”事件等。
二、周期性触发类异常事件数据,即该类异常事件数据的产生具有时间上的周期性,可通过设定定期任务周期产生,如某时刻处于祭祀时段时产生“当前处于祭祀时段”事件、某时刻处于深夜时段时产生“当前处于值班人员懈怠时段”事件等。
三、直接触发类异常事件数据,即该事件可由步骤(1)采集到的数据直接转化得到,如“温度传感器掉线”事件、“雷电天气来临”事件等。
需要强调的是,现如今文物单位物联网传感器产生的报警类事件数据,如:温度报警、烟雾报警、手动报警等数据属于报警类事件数据,当该类事件发生时,文物建筑保护单位需根据单位所制定的火灾报警应急预案处理该类事件,因此不纳入本发明的预警分析之中。另外,用以检测“祭祀日来临”事件所所述的“祭祀时段”数据较为固定,一般为每年度的节假日时段,可根据实地调研获取该数据。
以上描述了不同异常事件数据的检测方式,为了更加清楚地描述本发明,下面列举了一些可用作预警分析的异常事件数据,如下表1所示。
表1异常事件数据
异常事件数据名称 | 事件检测方式 | 数据来源 |
火焰检测事件 | 直接触发 | 智能摄像头火焰识别数据 |
剩余电流过高事件 | 直接触发 | 电气火灾监控设备数据 |
恶性负载接入事件 | 直接触发 | 电气火灾监控设备数据 |
吸烟行为识别事件 | 直接触发 | 智能摄像头吸烟识别数据 |
祭祀日来临事件 | 周期性触发 | 实地调研数据 |
空气干燥事件 | 直接触发 | 湿度传感器 |
高温天气事件 | 直接触发 | 互联网天气数据 |
大风天气事件 | 直接触发 | 互联网天气数据 |
雷电天气事件 | 直接触发 | 互联网天气数据 |
极早期传感器掉线事件 | 直接触发 | 文物建筑单位安防管理系统数据 |
温度传感器掉线事件 | 直接触发 | 文物建筑单位安防管理系统数据 |
烟雾传感器掉线事件 | 直接触发 | 文物建筑单位安防管理系统数据 |
摄像头掉线事件 | 直接触发 | 文物建筑单位安防管理系统数据 |
供水管网低压事件 | 阈值触发 | 水压传感器数据 |
灭火器丢失事件 | 直接触发 | 视频智能分析数据 |
消防交通路段堵塞事件 | 阈值触发 | 互联网采集路况数据 |
值班人员旷工事件 | 直接触发 | 电子巡查系统数据 |
当前处于值班人员懈怠时段 | 周期性触发 | 系统时间数据 |
为了便于分析异常事件给文物建筑消防安全态势带来的影响,需要将检测到的异常事件数据进一步存储至异常事件数据库中。异常事件数据库的描述如下:
异常事件数据库中每条异常事件数据对应的条目包括如下属性值构成的字段:
{id,eventId,eventName,influenceBuilding,eventTime}
上述定义中,id为异常事件数据的编号,是该异常事件数据的唯一标识符。eventName为异常事件数据的名称。eventId为该异常事件数据的名称对应的名称编码,eventName与eventId为一一对应关系,influenceBuilding为异常事件数据所涉及的事发地点,eventTime为该异常事件数据的事发时间,即检测到该异常事件数据的时间。
进一步的,当复杂事件处理引擎检测到异常事件数据后,在将存储在异常事件数据列表中时,该异常事件数据的influenceBuilding属性值可按照如下方式获取:
对于由传感器监测数据异常或是传感器掉线而产生的异常事件数据,通过传感器编号查询传感器所在建筑区域,即可确定该异常事件数据的所涉及的事发地点。
对于从文物建筑保护单位安防管理系统得到的警告类数据而产生的异常事件数据,该类异常事件数据已经包含了该异常事件数据所涉及的事发地点。
对于互联网采集到的天气数据、消防救援交通路线车流量数据异常而得到的异常事件数据,由于该类事件发生时,影响的是一整片区域,而不是单独影响某个文物建筑,则该类异常事件数据所涉及的事发地点为该文物建筑保护单位内的所有文物建筑,将该类异常事件数据存储至异常事件数据库时,应存储多条该异常事件数据,异常事件数据与异常事件数据之间仅id和influenceBuilding属性值不同,存储个数与文物建筑名称个数相同,用于表明该事件对所有文物建筑都存在影响。
需要注意的是,异常事件数据的检测可能是重复的,因此当复杂事件检测到某异常事件数据后,需要判断该异常事件数据是否已经是属于重复检测,如果该事件属于重复检测事件,则不存储至数据库,反之,则存储至数据库。
采用上述对异常事件是否是重复检测,进而决定是否存储该异常事件数据的优点是:第一:能避免异常事件数据库中的异常事件数据出现大量重复检测数据,有效的缓解了数据库存储压力。第二:在多次、同时实施本发明所述的预警方法时可以共用同一个异常事件数据库,在节省了系统资源的同时能够保证异常事件数据库中的异常事件是最新且最完整的。
具体判断的过程如下:
当复杂事件处理引擎检测到某异常事件数据后,先查询异常事件数据库中是否已经存在与其具有相同属性值eventName和influenceBuilding的异常事件数据,若存在,则表明该异常事件数据为重复的异常事件数据,不对其进行存储,否则将该异常事件数据的属性值id、eventId、eventName、influenceBuilding、以及eventTime作做为一组新的条目存储至异常事件数据库中。
为了更加清楚地描述本发明,表1所展示的异常事件数据在异常事件数据库中的存储如表2所示,表2中数据仅为举例说明使用,本发明在应用时以实际检测到的异常事件数据为准。
表2异常事件数据库
id | eventId | eventName | influenceBuilding | eventTime |
0001 | e1 | 火焰检测事件 | 某建筑A | 2022年5月21日-13:26:33 |
0002 | e2 | 剩余电流过高事件 | 某建筑A | 2022年5月21日-13:26:34 |
0003 | e3 | 恶性负载接入事件 | 某建筑A | 2022年5月21日-13:26:35 |
0004 | e4 | 吸烟行为识别事件 | 某建筑A | 2022年5月21日-13:26:36 |
0005 | e5 | 祭祀日来临事件 | 某建筑A | 2022年5月21日-13:26:37 |
0006 | e6 | 空气干燥事件 | 某建筑A | 2022年5月21日-13:26:38 |
0007 | e7 | 高温天气事件 | 某建筑A | 2022年5月21日-13:26:39 |
0008 | e8 | 大风天气事件 | 某建筑A | 2022年5月21日-13:26:40 |
0009 | e9 | 雷电天气事件 | 某建筑B | 2022年5月21日-13:26:41 |
0010 | e10 | 极早期传感器掉线事件 | 某建筑B | 2022年5月21日-13:26:42 |
0011 | e11 | 温度传感器掉线事件 | 某建筑B | 2022年5月21日-13:26:43 |
0012 | e12 | 烟雾传感器掉线事件 | 某建筑B | 2022年5月21日-13:26:44 |
0013 | e13 | 摄像头掉线事件 | 某建筑B | 2022年5月21日-13:26:45 |
0014 | e14 | 供水管网低压事件 | 某建筑B | 2022年5月21日-13:26:46 |
0015 | e15 | 灭火器丢失事件 | 某建筑B | 2022年5月21日-13:26:47 |
0016 | e16 | 消防交通路段堵塞事件 | 某建筑B | 2022年5月21日-13:26:48 |
0017 | e17 | 值班人员旷工事件 | 某建筑B | 2022年5月21日-13:26:49 |
0018 | e18 | 当前处于值班人员懈怠时段 | 某建筑B | 2022年5月21日-13:26:50 |
(3)针对异常事件数据库中的所有异常事件数据而言,根据步骤(2)得到的所有异常事件数据所涉及的事发地点对所有异常事件数据进行分组,以得到多个异常事件集合,计算每个异常事件集合E′的三维评价分值S′,并将每个异常事件集合E′的三维评价分值S′与基准异常事件集合库中每个异常事件集合对应的三维评价分值进行相似度计算,以得到每个异常事件集合E′的预警等级L′,即每个异常事件集合E′对应的事发地点所在的文物建筑的预警等级;其中预警等级L′由高到低分为“一级”、“二级”、“三级”、“四级”。
具体而言,查询异常事件数据库中所有异常事件数据,并根据每个异常事件数据的influenceBuilding属性值不同进行分组,进而得到单个或多个异常事件集合。
本步骤的优点在于:将异常事件数据分组的目的是以每一个文物建筑为保护对象,进而分析对每个文物建筑受到异常事件的威胁程度,实现能够更加精细化对每个文物建筑进行预警分析。
具体而言,根据步骤(2)得到的所有异常事件数据所涉及的事发地点对所有异常事件数据进行分组,以得到多个由异常事件数据的名称对应的名称编码组成异常事件集合,以其中某一个异常事件集合E′为例,该异常事件集合可表示为:
E′={e1,..,en}
其中:n∈[1,异常事件集合内异常事件数据个数],ex表示异常事件集合E′中第x个元素(即第x个异常事件数据的名称对应的名称编码,且有x∈[1,n]),以表2所罗列的事件为例:n=18,1≤x≤18,即:
通过计算该异常事件集合E′与基准异常事件集合库中对应基准异常事件集合之间的相似度,并进而得到异常事件集合E′对文物建筑消防安全的预警等级E′的子步骤如下:
(3-1)根据预先建立的异常事件三维评价分值表计算该异常事件集合E′的三维评价分值S′=(F1′,F2′,F3′);其中F1′,F2′,F3′分别表示异常事件集合E′中的所有异常事件数据所涉及的事发地点处的文物建筑受该异常事件数据威胁时,该文物建筑起火风险大小的综合评价分值、火灾探测能力大小的综合评价分值、以及火灾救援能力大小的综合评价分值。
具体而言,三维评价分值是指从“起火风险”维度、“火灾探测能力”维度和“火灾救援能力”维度刻画一个异常事件集合对文物建筑的消防安全势态的影响程度。
本步骤的优点在于,相较于传统风险评估根据风险指标体系计算得到一个风险值,本发明从三个维度分别分析计算得到三个维度的分值,并组成S′=(F1′,F2′,F3′),更够更加细腻的刻画文物建筑的风险情况,且S′=(F1′,F2′,F3′)可作为三维空间上的一个点,进而能够实现可视化展示,能够更加清晰的展示不同异常事件对文物建筑消防安全态势的影响情况。
具体而言,异常事件三维评价分值表用于获得异常事件数据对“起火风险”维度或“火灾探测能力”维度或“火灾救援能力”维度影响程度的评价分值,分为三种,即:起火风险类异常事件评价分值子表、火灾探测能力类异常事件评价分值子表、以及火灾救援能力类异常事件评价分值子表,三个子表格共同构成了异常事件三维评价分值表。
具体而言,本发明中的异常事件三维评价分值表是按照如下步骤建立得到的:
A、获取文物建筑保护单位所有可检测到的异常事件数据种类;
具体而言,每一种异常事件数据名称eventName代表一类异常事件数据。以表2所罗列的异常事件数据为例,假设某文物建筑保护单位可检测到的异常事件数据名称eventName和异常事件数据名称编码eventId为表2所示。
B、根据事故树理论分析文物建筑火灾的致灾因子,将步骤A得到的所有异常事件数据种类划分为“起火风险”类异常事件数据、“火灾探测能力”类异常事件数据、以及“火灾救援能力”类异常事件数据三类,如图2所示。
C、利用层次分析的评价方法分别对步骤B得到的三类异常事件数据进行评价,以得到每类异常事件数据对应的评价分值所分别构成的起火风险类异常事件评价分值子表、火灾探测能力类异常事件评价分值子表、以及火灾救援能力类异常事件评价分值子表,三个子表格共同构成了异常事件三维评价分值表;
具体而言,“起火风险”类中各异常事件数据的评价分值反映了该异常事件数据增大了文物建筑起火的风险大小。“火灾探测能力”类中各异常事件数据的评价分值反映了该异常事件数据降低了文物建筑起火后能有效探测到起火的能力大小。“火灾救援能力”类中各异常事件数据的评价分值反映了该异常事件数据降低了探测到文物建筑存在起火能及时扑灭火灾的能力大小,如下表3、表4、表5所示:
表3起火风险类异常事件评价分值子表
表4火灾探测能力类异常事件评价分值子表
表5火灾救援能力类异常事件评价分值子表
以上描述了异常事件三维评价分值表的离线建立过程。
具体而言,本步骤(3-1)包括如下子步骤:
(3-1-1)初始化起火风险评价分值F1′=0,火灾探测能力评价分值F2′=100、火灾救援能力评价分值F3′=100,设置计数器cnt1=1;
(3-1-2)判断计数器cnt1是否等于异常事件集合E内所包含的异常事件数据个数num1,如果是则转入步骤(3-1-8),否则进入步骤(3-1-3);
(3-1-3)根据异常事件三维评价分值表判断异常事件集合中的第cnt1个异常事件数据ecnt1是属于“起火风险”类异常事件数据,还是“火灾探测能力”类异常事件数据,还是“火灾救援能力”类异常事件数据,如果异常事件数据ecnt1属于“起火风险”类异常事件数据,则进入步骤(3-1-4),如果异常事件数据ecnt1属于“火灾探测能力”类异常事件数据,则进入步骤(3-1-5),如果异常事件数据ecnt1属于“火灾救援能力”类异常事件数据,则进入步骤(3-1-6)。
(3-1-4)设置F1′=F1′+scorecnt1,scorecnt1为该异常事件数据ecnt1在起火风险类异常事件评价分值子表中的评价分值,然后进入步骤(3-1-7)。
(3-1-5)设置F2′=F2′-scorecnt1,scorecnt1为该异常事件数据ecnt1在火灾探测能力类异常事件评价分值子表中的评价分值,然后进入步骤(3-1-7)。
(3-1-6)设置F3′=F3′-scorecnt1,scorecnt1为该异常事件数据ecnt1在火灾救援能力类异常事件评价分值子表中的评价分值,然后进入步骤(3-1-7)。
(3-1-7)设置计数器cnt1=cnt1+1,并返回步骤(3-1-2)。
(3-1-8)输出F1′,F2′,F3′的计算结果,构成三维评价分值S′,即:S′=(F1′,F2′,F3′)。
(3-2)对于步骤(3-1)计算得到的异常事件集合E′所对应的三维评价分值S′=(F1′,F2′,F3′),将S′与基准异常事件集合库中每个异常事件集合Ei所对应的三维评价分值Si=(Fi1,Fi2,Fi3)分别进行相似度计算,获取相似度最高的基准异常事件集合Ei,并将该基准异常事件集合所对应的预警等级Li设置为该异常事件集合E′的预警等级L′,L′即为异常事件集合E′对文物建筑消防安全的预警等级;其中i∈[1,基准异常事件集合库中异常事件集合的总数]。
具体而言,基准异常事件集合库是通过随机、多次挑选有限数量的异常事件数据得到多个基准异常事件集合,并获取文物、消防领域专家对每一个基准异常事件集合预警等级判定结果,进而这些异常事件集合构成了基准异常事件集合库,在实时计算某一异常事件集合对文物建筑消防安全态势的预警等级时,基准异常事件集合库中的基准异常事件集合可以起参考评价的作用。基准异常事件集合库是按照如下离线步骤建立得到的:
a、获取文物建筑保护单位所有可检测到的异常事件数据的种类;
具体而言,每一种异常事件数据名称eventName代表一类异常事件数据。
以表2所罗列的异常事件数据为例,假设某文物建筑保护单位可检测到的异常事件数据的名称eventName和异常事件数据的名称对应的名称编码eventId为表2所示。
b、对于步骤a获取的所有异常事件数据的种类而言,从中随机挑取m种异常事件数据的名称对应的名称编码组成基准异常事件集合(其中:m∈[1,文物建筑保护单位所有可检测到的异常事件数据的种类数]),该基准异常事件集合可表示为:
E={e1,..,em}
其中ey表示基准异常事件集合中第y个元素(即第y个异常事件数据的名称对应的名称编码,且有y∈[1,m]),以表2所罗列的事件为例:1≤y≤18,即:
c、根据异常事件三维评价分值表计算该基准异常事件集合E对应的三维评价分值S=(F1,F2,F3)及预警等级L;其中F1,F2,F3分别是文物建筑受该基准异常事件集合中的异常事件数据威胁时,该文物建筑消防安全态势起火风险大小的综合评价分值、火灾探测能力大小的综合评价分值和火灾救援能力大小的综合评价分值。
具体而言,获取基准异常事件集合E对应的三维评价分值S及预警等级L的具体步骤如下:
(c1)初始化起火风险评价分值F1=0,火灾探测能力评价分值F2=100、火灾救援能力评价分值F3=100,设置计数器cnt2=1;
(c2)判断计数器cnt2是否等于异常事件集合E内所包含的异常事件数据个数num2,如果是则进入步骤(c8),否则进入步骤(c3);
(c3)根据异常事件三维评价分值表判断异常事件集合中的第cnt2个异常事件数据ecnt2是属于“起火风险”类异常事件数据,还是“火灾探测能力”类异常事件数据,还是“火灾救援能力”类异常事件数据,如果异常事件数据ecnt2属于“起火风险”类异常事件数据,则进入步骤(c4),如果异常事件数据ecnt2属于“火灾探测能力”类异常事件数据,则进入步骤(c5),如果异常事件数据ecnt2属于“火灾救援能力”类异常事件数据,则进入步骤(c6)。
(c4)设置F1=F1+scorecnt2,scorecnt2为该异常事件数据ecnt2在起火风险类异常事件评价分值子表的评价分值,然后进入步骤(c7)。
(c5)设置F2=F2-scorecnt2,scorecnt2为该异常事件数据ecnt2在火灾探测能力类异常事件评价分值子表的评价分值,然后进入步骤(c7)。
(c6)设置F3=F3-scorecnt2,scorecnt2为该异常事件数据ecnt2在火灾救援能力类异常事件评价分值子表的评价分值,然后进入步骤(c7)。
(c7)设置计数器cnt2=cnt2+1,并返回步骤(c2)。
(c8)输出F1,F2,F3的计算结果,构成三维评价分值S,即:S=(F1,F2,F3)。
(c9)获取文物、消防领域专家所给出的该基准异常事件集合E所对应的预警等级L,即文物、消防领域专家综合考虑该异常事件集合中包含的各个异常事件以及计算得到该异常事件集合的三维评价分值S,按照由高到低“一级”、“二级”、“三级”、“四级”给出对应的预警等级。
d、重复执行上述步骤b至步骤c,进而得到多个基准异常事件集合Ei,并计算得到每个基准异常事件集合Ei对应的三维评价分值Si、以及该异常事件集合对应的预警等级Li,多个异常事件集合Ei与其对应的三维评价分数Si和预警等级Li构成了基准异常事件集合库,可表示为:
{(E1,S1,L1),(E2,S2,L2),(E3,S3,L3),...(Ei,Si,Li),...}
其中,Ei代表异常事件集合,Si代表异常事件集合Ei经步骤c计算得到的三维评价分值,可表示为:Si=(Fi1,Fi2,Fi3)。Fi1、Fi2和Fi3分别是基准异常事件集合Ei中的所有异常事件数据所涉及的事发地点处的文物建筑受该异常事件数据威胁时,该文物建筑起火风险大小的综合评价分值、火灾探测能力大小的综合评价分值、以及火灾救援能力大小的综合评价分值。Li∈{一级,二级,三级,四级},i∈[1,基准异常事件集合库中异常事件集合的总数]。
具体而言,多次执行步骤b-步骤c进而得到多个基准异常事件集合,执行次数以步骤1罗列的异常事件种类数相关,假设某文物建筑保护单位可检测异常事件种类数为t,若异常事件数据与异常事件数据之间可相互独立产生,则不同异常事件数据随机组合产生的种类数为2t个。因此步骤4所述的执行步骤2-步骤4次数不宜太多也不宜太少,以组合数2t为例,优选次,即执行所有异常事件数据随机产生的组合数的千分之一次。
上述为基准异常事件集合库的离线建立过程,根据建立好的基准异常事件集合库,可以通过将步骤(3-1)对异常事件集合E′计算得到的三维评价分值S′与基准异常事件集合库中每个异常事件集合Ei对应的三维评价分值Si进行相似度计算,计算得到相似度最高的基准异常事件集合所对应的预警等级可判定为异常事件集合E′的预警等级L′。
具体而言,本步骤(3-2)包括如下子步骤:
(3-2-1)初始化最大相似度maxsim=-1,初始化序号k=-1,设置计数器cnt3=1;
(3-2-2)判断计数器cnt3是否等于基准异常事件集合库内所包含的基准异常事件集合个数num3,如果是则进入步骤(3-2-7),否则进入步骤(3-2-3);
(3-2-3)获取基准异常事件集合库中第cnt3个基准异常事件集合Ecnt3所对应的三维评价分值Scnt3=(Fcnt31,Fcnt32,Fcnt33),计算得到S′=(F1′,F2′,F3′)与Scnt3=(Fcnt31,Fcnt32,Fcnt33)之间的相似度大小Cos(S′,Scnt3),计算公式如下:
(3-2-4)判断最大相似度maxsim是否大于Cos(S′,Scnt3),如果maxsim<Cos(S′,Scnt3),则进入步骤(3-2-5)。如果maxsim>=Cos(S′,Scnt3),则进入步骤(3-2-6)。
(3-2-5)设置最大相似度maxsim=Cos(S′,Scnt3),并设置序号k=cnt3,然后进入步骤(3-2-6)
(3-2-6)设置计数器cnt3=cnt3+1,并返回步骤(3-2-2)。
(3-2-7)获取基准异常事件集合库中第k个异常事件集合Ek对应的预警等级Lk(此时将Lk的值设置为异常事件集合E′对应的预警等级L′),并将每个异常事件集合对应的事发地点所在的文物建筑的预警等级判定为Lk。
本步骤的优点在于,可以实现对基准异常事件集合库中所有异常事件集合的遍历,进而能找到与异常事件集合E′最为相似的基准异常事件集合Ei处理。进而得到异常事件集合E′对应的预警等级L′也更加精准。
由于基准异常事件集合库中基准异常事件集合Ei对应的三维评价分值Si=(Fi1,Fi2,Fi3)以及步骤(3-1)计算得到的异常事件集合E′对应的三维评价分值S′=(F1′,F2′,F3′)可表示为三维空间的一个点,因此,可以将Si与S′在三维空间里可视化展示,并用不同的形状表示异常事件集合Ei及异常事件集合E′对应的预警等级Li和L′。假设某异常事件集合E′经步骤(3-2)确定该异常事件集合预警等级L′为“三级”。
图3为基准异常事件集合库中基准异常事件集合Ei对应的三维评价分值Si和预警等级Li以及异常事件集合E′对应的三维评价分值S′和L′在三维空间可视化图。
如图3所示,水平x轴、水平v轴、垂直z轴分别为基准异常事件集合和异常事件集合对应的三维评价分值中的火灾探测能力大小的综合评价分值坐标轴、火灾救援能力大小的综合评价分值坐标轴和起火风险大小的综合评价分值坐标轴。
其中,“●”点代表三维空间中的原点(0,0,0),“○”形状点代表该基准异常事件集合Ei对应的预警等级Li为“一级”,“≡”形状点代表该基准异常事件集合Ei对应的预警等级Li为“二级”,小型“□”形状点代表该基准异常事件集合Ei对应的预警等级Li为“三级”,“×”形状点代表该基准异常事件集合Ei对应的预警等级Li为“四级”。大型“□”形状点为异常事件集合E′三维评价分值S′可视化展示效果,形状为“□”,表明该异常事件E′经步骤(3-2)后确定该异常事件的预警等级为“三级”。
为了有效地解决上述有关文物消防安全预警能力的不足,本发明提出基于事件驱动的文物建筑消防安全分级预警方法。通过实时采集文物建筑消防安全相关数据,检测出对消防安全态势产生威胁的异常事件数据,并对异常事件数据进行量化分析,并根据本发明提供基准异常事件集合库的构建方法构建出基准异常事件集合库,并按照本发明所述的方法得出文物建筑受异常事件威胁时的预警等级,使得文物建筑消防安全的防范能力和预警能力得以提高。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于事件驱动的文物建筑消防安全分级预警方法,其特征在于,包括以下步骤:
(1)实时采集文物建筑的消防安全相关数据,并为该消防安全相关数据添加时间戳,并将添加了时间戳后的消防安全相关数据加入预先建立的消息队列中;
(2)使用复杂事件处理引擎判断消息队列中的每条消防安全相关数据是否是异常事件数据,如果是,则将该条异常事件数据作为新的条目存储至异常事件数据库中,然后进入步骤(3);如果否,则返回至步骤(1);其中每个异常事件数据对应的条目包括该异常事件数据的编号、该异常事件数据的名称、该异常事件数据的名称对应的名称编码、该异常事件数据所涉及的事发地点、以及检测到该异常事件数据的时间;
(3)针对异常事件数据库中的所有异常事件数据而言,根据步骤(2)得到的所有异常事件数据所涉及的事发地点对所有异常事件数据进行分组,以得到多个异常事件集合,计算每个异常事件集合E′的三维评价分值S′,并将每个异常事件集合E′的三维评价分值S′与基准异常事件集合库中每个异常事件集合对应的三维评价分值进行相似度计算,以得到每个异常事件集合E′的预警等级L′,即每个异常事件集合E′对应的事发地点所在的文物建筑的预警等级;其中预警等级L′由高到低分为“一级”、“二级”、“三级”、“四级”;其中通过计算该异常事件集合E′与基准异常事件集合库中对应基准异常事件集合之间的相似度,并进而得到异常事件集合E′对文物建筑消防安全的预警等级L′这一过程包括如下子步骤:
(3-1)根据预先建立的异常事件三维评价分值表计算该异常事件集合E′的三维评价分值S′=(F1′,F2′,F3′);其中F1′,F2′,F3′分别表示异常事件集合E′中的所有异常事件数据所涉及的事发地点处的文物建筑受该异常事件数据威胁时,该文物建筑起火风险大小的综合评价分值、火灾探测能力大小的综合评价分值、以及火灾救援能力大小的综合评价分值;三维评价分值是指从“起火风险”维度、“火灾探测能力”维度和“火灾救援能力”维度描述异常事件集合对文物建筑的消防安全势态的影响程度;
异常事件三维评价分值表用于获得异常事件数据对“起火风险”维度或“火灾探测能力”维度或“火灾救援能力”维度影响程度的评价分值,分为三种,即:起火风险类异常事件评价分值子表、火灾探测能力类异常事件评价分值子表、以及火灾救援能力类异常事件评价分值子表,三个子表格共同构成了异常事件三维评价分值表;步骤(3-1)包括如下子步骤:
(3-1-1)初始化起火风险评价分值F1′=0,火灾探测能力评价分值F2′=100、火灾救援能力评价分值F3′=100,设置计数器cnt1=1;
(3-1-2)判断计数器cnt1是否等于异常事件集合E’内所包含的异常事件数据个数num1,如果是则转入步骤(3-1-8),否则进入步骤(3-1-3);
(3-1-3)根据异常事件三维评价分值表判断异常事件集合中的第cnt1个异常事件数据ecnt1是属于“起火风险”类异常事件数据,还是“火灾探测能力”类异常事件数据,还是“火灾救援能力”类异常事件数据,如果异常事件数据ecnt1属于“起火风险”类异常事件数据,则进入步骤(3-1-4),如果异常事件数据ecnt1属于“火灾探测能力”类异常事件数据,则进入步骤(3-1-5),如果异常事件数据ecnt1属于“火灾救援能力”类异常事件数据,则进入步骤(3-1-6);
(3-1-4)设置F1′=F1′+scorecnt1,scorecnt1为该异常事件数据ecnt1在起火风险类异常事件评价分值子表中的评价分值,然后进入步骤(3-1-7);
(3-1-5)设置F2′=F2′-scorecnt1,scorecnt1为该异常事件数据ecnt1在火灾探测能力类异常事件评价分值子表中的评价分值,然后进入步骤(3-1-7);
(3-1-6)设置F3′=F3′-scorecnt1,scorecnt1为该异常事件数据ecnt1在火灾救援能力类异常事件评价分值子表中的评价分值,然后进入步骤(3-1-7);
(3-1-7)设置计数器cnt1=cnt1+1,并返回步骤(3-1-2);
(3-1-8)输出F1′,F2′,F3′的计算结果,构成三维评价分值S′,即:S′=(F1′,F2′,F3′);
(3-2)对于步骤(3-1)计算得到的异常事件集合E′所对应的三维评价分值S′=(F1′,F2′,F3′),将S′与基准异常事件集合库中每个异常事件集合Ei所对应的三维评价分值Si=(Fi1,Fi2,Fi3)分别进行相似度计算,获取相似度最高的基准异常事件集合Ei,并将该基准异常事件集合所对应的预警等级Li设置为该异常事件集合E′的预警等级L′,L′即为异常事件集合E′对文物建筑消防安全的预警等级;其中i∈
[1,基准异常事件集合库中异常事件集合的总数];预警等级L′由高到低分为“一级”、“二级”、“三级”、“四级”;
其中E′={e1,..,en}
n∈[1,异常事件集合内异常事件数据个数],ex表示异常事件集合E′中第x个元素,即第x个异常事件数据的名称对应的名称编码,且有x∈[1,n];步骤(3-2)包括如下子步骤:
(3-2-1)初始化最大相似度maxsim=-1,初始化序号k=-1,设置计数器cnt3=1;
(3-2-2)判断计数器cnt3是否等于基准异常事件集合库内所包含的基准异常事件集合个数num3,如果是则进入步骤(3-2-7),否则进入步骤(3-2-3);
(3-2-3)获取基准异常事件集合库中第cnt3个基准异常事件集合Ecnt3所对应的三维评价分值Scnt3=(Fcnt31,Fcnt32,Fcnt33),计算得到S′=(F1′,F2′,F3′)与Scnt3=(Fcnt31,Fcnt32,Fcnt33)之间的相似度大小Cos(S′,Scnt3),计算公式如下:
(3-2-4)判断最大相似度maxsim是否大于Cos(S′,Scnt3),如果maxsim<Cos(S′,Scnt3),则进入步骤(3-2-5);如果maxsim>=Cos(S′,Scnt3),则进入步骤(3-2-6);
(3-2-5)设置最大相似度maxsim=Cos(S′,Scnt3),并设置序号k=cnt3,然后进入步骤(3-2-6);
(3-2-6)设置计数器cnt3=cnt3+1,并返回步骤(3-2-2);
(3-2-7)获取基准异常事件集合库中第k个异常事件集合Ek对应的预警等级Lk,并将每个异常事件集合对应的事发地点所在的文物建筑的预警等级判定为Lk。
2.根据权利要求1所述的基于事件驱动的文物建筑消防安全分级预警方法,其特征在于,
文物建筑的消防安全相关数据包括文物建筑保护单位所安装的消防物联网传感器实时监测数据、文物建筑保护单位安防管理系统发出的警告类数据、从互联网上采集到的该文物建筑所在地区的天气数据、以及消防救援交通路线车流量数据;
异常事件数据的属性包括异常事件名称、异常事件名称编码、文物建筑名称、以及事发时间;
异常事件数据库中每条异常事件数据对应的条目包括如下属性值构成的字段:
{id,eventId,eventName,influenceBuilding,eventTime}
其中id为异常事件数据的编号,是该异常事件数据的唯一标识符;eventName为异常事件数据的名称;eventId为该异常事件数据的名称对应的名称编码,eventName与eventId为一一对应关系,influenceBuilding为异常事件数据所涉及的事发地点,eventTime为该异常事件数据的事发时间,即检测到该异常事件数据的时间。
3.根据权利要求2所述的基于事件驱动的文物建筑消防安全分级预警方法,其特征在于,异常事件三维评价分值表是按照如下步骤建立得到的:
A、获取文物建筑保护单位所有可检测到的异常事件数据种类;
B、根据事故树理论分析文物建筑火灾的致灾因子,将步骤A得到的所有异常事件数据种类划分为“起火风险”类异常事件数据、“火灾探测能力”类异常事件数据、以及“火灾救援能力”类异常事件数据三类;
C、利用层次分析的评价方法分别对步骤B得到的三类异常事件数据进行评价,以得到每类异常事件数据对应的评价分值所分别构成的起火风险类异常事件评价分值子表、火灾探测能力类异常事件评价分值子表、以及火灾救援能力类异常事件评价分值子表,三个子表格共同构成了异常事件三维评价分值表。
4.根据权利要求3所述的基于事件驱动的文物建筑消防安全分级预警方法,其特征在于,基准异常事件集合库是按照如下离线步骤建立得到的:
a、获取文物建筑保护单位所有可检测到的异常事件数据的种类;
b、对于步骤a获取的所有异常事件数据的种类而言,从中随机挑取m种异常事件数据的名称对应的名称编码组成基准异常事件集合,其中:m∈[1,文物建筑保护单位所有可检测到的异常事件数据的种类数],该基准异常事件集合可表示为:
E={e1,..,em}
其中ey表示基准异常事件集合中第y个元素,即第y个异常事件数据的名称对应的名称编码,且有y∈[1,m];
c、根据异常事件三维评价分值表计算该基准异常事件集合E对应的三维评价分值S=(F1,F2,F3)及预警等级L;其中F1,F2,F3分别是文物建筑受该基准异常事件集合中的异常事件数据威胁时,该文物建筑消防安全态势起火风险大小的综合评价分值、火灾探测能力大小的综合评价分值和火灾救援能力大小的综合评价分值;预警等级L由高到低分为“一级”、“二级”、“三级”、“四级”;
d、重复执行上述步骤b至步骤c,进而得到多个基准异常事件集合Ei,并计算得到每个基准异常事件集合Ei对应的三维评价分值Si、以及该异常事件集合对应的预警等级Li,多个异常事件集合Ei与其对应的三维评价分值Si和预警等级Li构成了基准异常事件集合库,可表示为:
{(E1,S1,L1),(E2,S2,L2),(E3,S3,L3),...(Ei,Si,Li),...}
其中,Ei代表异常事件集合,Si代表异常事件集合Ei经步骤c计算得到的三维评价分值,可表示为:Si=(Fi1,Fi2,Fi3);Fi1、Fi2和Fi3分别是基准异常事件集合Ei中的所有异常事件数据所涉及的事发地点处的文物建筑受该异常事件数据威胁时,该文物建筑起火风险大小的综合评价分值、火灾探测能力大小的综合评价分值、以及火灾救援能力大小的综合评价分值;Li∈{一级,二级,三级,四级},i∈[1,基准异常事件集合库中异常事件集合的总数]。
5.根据权利要求4所述的基于事件驱动的文物建筑消防安全分级预警方法,其特征在于,获取基准异常事件集合E对应的三维评价分值S及预警等级L的过程包括如下步骤:
(c1)初始化起火风险评价分值F1=0,火灾探测能力评价分值F2=100、火灾救援能力评价分值F3=100,设置计数器cnt2=1;
(c2)判断计数器cnt2是否等于异常事件集合E内所包含的异常事件数据个数num2,如果是则进入步骤(c8),否则进入步骤(c3);
(c3)根据异常事件三维评价分值表判断异常事件集合中的第cnt2个异常事件数据ecnt2是属于“起火风险”类异常事件数据,还是“火灾探测能力”类异常事件数据,还是“火灾救援能力”类异常事件数据,如果异常事件数据ecnt2属于“起火风险”类异常事件数据,则进入步骤(c4),如果异常事件数据ecnt2属于“火灾探测能力”类异常事件数据,则进入步骤(c5),如果异常事件数据ecnt2属于“火灾救援能力”类异常事件数据,则进入步骤(c6);
(c4)设置F1=F1+scorecnt2,scorecnt2为该异常事件数据ecnt2在起火风险类异常事件评价分值子表的评价分值,然后进入步骤(c7);
(c5)设置F2=F2-scorecnt2,scorecnt2为该异常事件数据ecnt2在火灾探测能力类异常事件评价分值子表的评价分值,然后进入步骤(c7);
(c6)设置F3=F3-scorecnt2,scorecnt2为该异常事件数据ecnt2在火灾救援能力类异常事件评价分值子表的评价分值,然后进入步骤(c7);
(c7)设置计数器cnt2=cnt2+1,并返回步骤(c2);
(c8)输出F1,F2,F3的计算结果,构成三维评价分值S,即:S=(F1,F2,F3);
(c9)获取文物、消防领域专家所给出的该基准异常事件集合E所对应的预警等级L,即文物、消防领域专家综合考虑该异常事件集合中包含的各个异常事件以及计算得到该异常事件集合的三维评价分值S,按照由高到低“一级”、“二级”、“三级”、“四级”给出对应的预警等级。
6.一种基于事件驱动的文物建筑消防安全分级预警系统,其特征在于,包括:
第一模块,用于实时采集文物建筑的消防安全相关数据,并为该消防安全相关数据添加时间戳,并将添加了时间戳后的消防安全相关数据加入预先建立的消息队列中;
第二模块,用于使用复杂事件处理引擎判断消息队列中的每条消防安全相关数据是否是异常事件数据,如果是,则将该条异常事件数据作为新的条目存储至异常事件数据库中,然后进入第三模块;如果否,则返回第一模块;其中每个异常事件数据对应的条目包括该异常事件数据的编号、该异常事件数据的名称、该异常事件数据的名称对应的名称编码、该异常事件数据所涉及的事发地点、以及检测到该异常事件数据的时间;
第三模块,用于针对异常事件数据库中的所有异常事件数据而言,根据第二模块得到的所有异常事件数据所涉及的事发地点对所有异常事件数据进行分组,以得到多个异常事件集合,计算每个异常事件集合E′的三维评价分值S′,并将每个异常事件集合E′的三维评价分值S′与基准异常事件集合库中每个异常事件集合对应的三维评价分值进行相似度计算,以得到每个异常事件集合E′的预警等级L′,即每个异常事件集合E′对应的事发地点所在的文物建筑的预警等级;其中预警等级L′由高到低分为“一级”、“二级”、“三级”、“四级”;其中通过计算该异常事件集合E′与基准异常事件集合库中对应基准异常事件集合之间的相似度,并进而得到异常事件集合E′对文物建筑消防安全的预警等级L′这一过程包括如下子步骤:
(3-1)根据预先建立的异常事件三维评价分值表计算该异常事件集合E′的三维评价分值S′=(F1′,F2′,F3′);其中F1′,F2′,F3′分别表示异常事件集合E′中的所有异常事件数据所涉及的事发地点处的文物建筑受该异常事件数据威胁时,该文物建筑起火风险大小的综合评价分值、火灾探测能力大小的综合评价分值、以及火灾救援能力大小的综合评价分值;三维评价分值是指从“起火风险”维度、“火灾探测能力”维度和“火灾救援能力”维度描述异常事件集合对文物建筑的消防安全势态的影响程度;
异常事件三维评价分值表用于获得异常事件数据对“起火风险”维度或“火灾探测能力”维度或“火灾救援能力”维度影响程度的评价分值,分为三种,即:起火风险类异常事件评价分值子表、火灾探测能力类异常事件评价分值子表、以及火灾救援能力类异常事件评价分值子表,三个子表格共同构成了异常事件三维评价分值表;步骤(3-1)包括如下子步骤:
(3-1-1)初始化起火风险评价分值F1′=0,火灾探测能力评价分值F2′=100、火灾救援能力评价分值F3′=100,设置计数器cnt1=1;
(3-1-2)判断计数器cnt1是否等于异常事件集合E’内所包含的异常事件数据个数num1,如果是则转入步骤(3-1-8),否则进入步骤(3-1-3);
(3-1-3)根据异常事件三维评价分值表判断异常事件集合中的第cnt1个异常事件数据ecnt1是属于“起火风险”类异常事件数据,还是“火灾探测能力”类异常事件数据,还是“火灾救援能力”类异常事件数据,如果异常事件数据ecnt1属于“起火风险”类异常事件数据,则进入步骤(3-1-4),如果异常事件数据ecnt1属于“火灾探测能力”类异常事件数据,则进入步骤(3-1-5),如果异常事件数据ecnt1属于“火灾救援能力”类异常事件数据,则进入步骤(3-1-6);
(3-1-4)设置F1′=F1′+scorecnt1,scorecnt1为该异常事件数据ecnt1在起火风险类异常事件评价分值子表中的评价分值,然后进入步骤(3-1-7);
(3-1-5)设置F2′=F2′-scorecnt1,scorecnt1为该异常事件数据ecnt1在火灾探测能力类异常事件评价分值子表中的评价分值,然后进入步骤(3-1-7);
(3-1-6)设置F3′=F3′-scorecnt1,scorecnt1为该异常事件数据ecnt1在火灾救援能力类异常事件评价分值子表中的评价分值,然后进入步骤(3-1-7);
(3-1-7)设置计数器cnt1=cnt1+1,并返回步骤(3-1-2);
(3-1-8)输出F1′,F2′,F3′的计算结果,构成三维评价分值S′,即:S′=(F1′,F2′,F3′);
(3-2)对于步骤(3-1)计算得到的异常事件集合E′所对应的三维评价分值S′=(F1′,F2′,F3′),将S′与基准异常事件集合库中每个异常事件集合Ei所对应的三维评价分值Si=(Fi1,Fi2,Fi3)分别进行相似度计算,获取相似度最高的基准异常事件集合Ei,并将该基准异常事件集合所对应的预警等级Li设置为该异常事件集合E′的预警等级L′,L′即为异常事件集合E′对文物建筑消防安全的预警等级;其中i∈
[1,基准异常事件集合库中异常事件集合的总数];预警等级L′由高到低分为“一级”、“二级”、“三级”、“四级”;
其中E′={e1,..,en}
n∈[1,异常事件集合内异常事件数据个数],ex表示异常事件集合E′中第x个元素,即第x个异常事件数据的名称对应的名称编码,且有x∈[1,n];步骤(3-2)包括如下子步骤:
(3-2-1)初始化最大相似度maxsim=-1,初始化序号k=-1,设置计数器cnt3=1;
(3-2-2)判断计数器cnt3是否等于基准异常事件集合库内所包含的基准异常事件集合个数num3,如果是则进入步骤(3-2-7),否则进入步骤(3-2-3);
(3-2-3)获取基准异常事件集合库中第cnt3个基准异常事件集合Ecnt3所对应的三维评价分值Scnt3=(Fcnt31,Fcnt32,Fcnt33),计算得到S′=(F1′,F2′,F3′)与Scnt3=(Fcnt31,Fcnt32,Fcnt33)之间的相似度大小Cos(D′,Scnt3),计算公式如下:
(3-2-4)判断最大相似度maxsim是否大于Cos(S′,Scnt3),如果maxsim<Cos(S′,Scnt3),则进入步骤(3-2-5);如果maxsim>=Cos(D′,Scnt3),则进入步骤(3-2-6);
(3-2-5)设置最大相似度maxsim=Cos(S′,Scnt3),并设置序号k=cnt3,然后进入步骤(3-2-6);
(3-2-6)设置计数器cnt3=cnt3+1,并返回步骤(3-2-2);
(3-2-7)获取基准异常事件集合库中第k个异常事件集合Ek对应的预警等级Lk,并将每个异常事件集合对应的事发地点所在的文物建筑的预警等级判定为Lk。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210790707.1A CN115809799B (zh) | 2022-07-05 | 2022-07-05 | 基于事件驱动的文物建筑消防安全分级预警方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210790707.1A CN115809799B (zh) | 2022-07-05 | 2022-07-05 | 基于事件驱动的文物建筑消防安全分级预警方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115809799A CN115809799A (zh) | 2023-03-17 |
CN115809799B true CN115809799B (zh) | 2023-08-01 |
Family
ID=85482220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210790707.1A Active CN115809799B (zh) | 2022-07-05 | 2022-07-05 | 基于事件驱动的文物建筑消防安全分级预警方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115809799B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107733725A (zh) * | 2017-11-27 | 2018-02-23 | 深信服科技股份有限公司 | 一种安全预警方法、装置、设备及存储介质 |
CN110458482A (zh) * | 2019-09-16 | 2019-11-15 | 中电科新型智慧城市研究院有限公司 | 一种基于大数据的消防安全评价能力构建方法 |
CN112466082A (zh) * | 2020-11-12 | 2021-03-09 | 上海意静信息科技有限公司 | 一种基于时间空间与联动关系的人工智能火灾报警分级预警方法 |
CN112634571A (zh) * | 2020-12-28 | 2021-04-09 | 武汉中天网信科技有限公司 | 一种用于十小场所的消防隐患排查和风险评估系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108815784B (zh) * | 2018-08-20 | 2020-09-29 | 山东润一智能科技有限公司 | 一种消防监控终端及消防安全系统 |
CN109119095B (zh) * | 2018-08-31 | 2023-06-06 | 平安科技(深圳)有限公司 | 疲劳等级识别方法、装置、计算机设备及存储介质 |
US11493908B2 (en) * | 2018-11-13 | 2022-11-08 | Rockwell Automation Technologies, Inc. | Industrial safety monitoring configuration using a digital twin |
CN110070690B (zh) * | 2019-05-13 | 2021-11-23 | 上海荷福人工智能科技(集团)有限公司 | 一种基于深度学习的智能消防分级预警方法及系统 |
CN112766909A (zh) * | 2021-01-20 | 2021-05-07 | 上海船舶电子设备研究所(中国船舶重工集团公司第七二六研究所) | 适用于舰船消防安全的智能管控系统及方法、计算机介质 |
CN112784080B (zh) * | 2021-01-28 | 2023-02-03 | 上海发电设备成套设计研究院有限责任公司 | 基于发电厂三维数字化平台的场景推荐方法、系统及装置 |
-
2022
- 2022-07-05 CN CN202210790707.1A patent/CN115809799B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107733725A (zh) * | 2017-11-27 | 2018-02-23 | 深信服科技股份有限公司 | 一种安全预警方法、装置、设备及存储介质 |
CN110458482A (zh) * | 2019-09-16 | 2019-11-15 | 中电科新型智慧城市研究院有限公司 | 一种基于大数据的消防安全评价能力构建方法 |
CN112466082A (zh) * | 2020-11-12 | 2021-03-09 | 上海意静信息科技有限公司 | 一种基于时间空间与联动关系的人工智能火灾报警分级预警方法 |
CN112634571A (zh) * | 2020-12-28 | 2021-04-09 | 武汉中天网信科技有限公司 | 一种用于十小场所的消防隐患排查和风险评估系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115809799A (zh) | 2023-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gai et al. | GIS-based forest fire risk assessment and mapping | |
CN106507315B (zh) | 基于网络社交媒体数据的城市交通事故预测方法和系统 | |
CN110458482A (zh) | 一种基于大数据的消防安全评价能力构建方法 | |
CN108053594A (zh) | 一种定点区域单元的火灾预警方法 | |
Zhang | Analysis on comprehensive risk assessment for urban fire: The case of Haikou City | |
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 | |
KR102427026B1 (ko) | 재난 대응 관련 정보의 시각화 방법 및 서버 | |
CN112070417A (zh) | 一种自然灾害诱发技术事故灾难风险评估方法和系统 | |
CN115511234A (zh) | 用于危险化学品安全生产风险的分级预警管理方法及系统 | |
Cheung et al. | Tropical cyclone formations over the western North Pacific in the navy operational global atmospheric prediction system forecasts | |
CN115809799B (zh) | 基于事件驱动的文物建筑消防安全分级预警方法和系统 | |
Johnson et al. | Improved situational awareness in emergency management through automated data analysis and modeling | |
KR102350252B1 (ko) | 맵 라이브러리 데이터셋 구축 및 활용방법 | |
Penkova et al. | On-line modelling and assessment of the state of technosphere and environment objects based on monitoring data | |
CN109213840A (zh) | 基于多维特征深度学习的热点网格识别方法 | |
Zheng et al. | Earthquake impact analysis based on text mining and social media analytics | |
CN107783474A (zh) | 一种建筑安全监测系统及其使用方法 | |
Srivanit | Community risk assessment: spatial patterns and GIS-based model for fire risk assessment-a case study of Chiang Mai municipality | |
KR102342192B1 (ko) | 빅데이터 기반의 재난 발생 위험도 예측장치 및 방법 | |
CN113295589B (zh) | 一种扬尘监测方法、装置和系统 | |
JP2007249388A (ja) | 情報配信システム、方法およびプログラム | |
Ibrahim et al. | Mapping the Spatial Distribution of Criteria Air Pollutants in Peninsular Malaysia Using Geographical Information System (GIS), Tech | |
Abdullah et al. | Big data analytics and artificial intelligence in air pollution studies for the prediction of particulate matter concentration | |
KR20220157626A (ko) | 공간정보 융합기술을 활용한 노후 건축지구 화재위험지수 평가장치, 방법 및 그 방법을 기록한 기록매체 | |
CN106683349A (zh) | 一种地质灾害综合监测系统 |
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 |