发明内容
本发明的目的在于提供一种智能语音交互的消防值守系统和方法,通过对消防设施的运行数据进行实时采集和处理,并基于异常数据生成多种告警通知,从而依据告警通知安排值班人员进行消防处理并对系统的数据信息进行记录生成台账;通过将消控主机、消控设备、数据传输装置以及数字值班机器人关联在一起实现消控室内设备的互联互通,从而提高了消控室在管理过程中的安全性以及灾情来临时的联动性、高效率和实时性。
本发明的目的可以通过以下技术方案实现:
第一方面,本申请实施例提供了一种智能语音交互的消防值守系统,包括依次通信连接的消控数据模块、消防监控模块和消控管理模块;
所述消控数据模块,用于对消防设施进行数据采集,获取所述消防设施的运行数据并对其进行处理和传输;
所述消防监控模块,用于对所述运行数据进行数据分析,获取异常数据并基于所述异常数据生成告警通知;
所述消控管理模块,用于根据所述告警通知安排值班人员进行消防处理,并为其授予消控权限,以及进行台账记录;
其中,所述消控数据模块包括消控主机、消控设备和数据传输装置;
所述消防监控模块包括数字值班机器人;
所述消控设备和数据传输装置分别与所述消控主机通信连接;
所述数据传输装置还与所述数字值班机器人通信连接;
其中,所述数字值班机器人与所述值班人员进行人机交互;
所述数字值班机器人与所述消控主机进行数据交互;
其中,所述告警通知包括设施故障告警通知、火警报警告警通知、机器人故障告警通知、数据异常告警通知。
优选的,所述消控主机,用于生成多种控制指令并通过多种所述控制指令控制所述消控设备和所述数据传输装置的运行;还用于对采集到的所述运行数据进行数据处理;
其中,所述控制指令包括数据采集指令、数据传输指令、第一重数据处理指令和第二重数据处理指令;
所述消控设备与若干所述消防设施通信连接,用于根据所述数据采集指令采集所述运行数据;
其中,所述消防设施布置于若干消防监控区域内,用于检测/感应所述消防监控区域内的异常;
所述消控主机内设置有处理器芯片,所述处理器芯片用于根据所述第一重数据处理指令对所述运行数据进行第一重的数据处理,获取第一重数据;
所述数据传输装置,用于根据所述数据传输指令将所述第一重数据和所述第二重数据处理指令传输至所述数字值班机器人;
所述数字值班机器人根据所述第二重数据处理指令对所述第一重数据进行第二重的数据处理,获取第二重数据。
优选的,所述处理器芯片采用Apriori算法进行第一重的数据处理;所述数字值班机器人采用FP-Growth算法进行第二重的数据处理。
优选的,所述数字值班机器人设置语音交互单元,用于与所述值班人员进行人机交互:其功能包括语音识别、语义变换、语音文本转换、关键词提取、语音控制和关键字搜索与匹配。
优选的,所述数字值班机器人还设置消防信息数据库;所述消防信息数据库用于存储所述消防设施的运行数据和消防知识与信息;所述语音交互单元基于所述消防信息数据库进行自然语义识别和意图识别。
优选的,与所述值班人员进行人机交互,具体包括如下步骤:
所述值班人员向所述数字值班机器人发送语音指令;其中,所述语音指令基于消防信息生成;
所述数字值班机器人根据所述语音指令调取内部功能模块;
所述内部功能模块对所述语音指令进行语义识别和文字转换,生成语音文字;
所述内部功能模块对所述语音文字进行关键字提取和错别字剔除,生成自然语句;
所述内部功能模块根据所述自然语句进行关键字搜索和数据库匹配,生成指令信息;
所述数字值班机器人对所述指令信息进行功能性验证,并将通过验证的所述指令信息进行显示。
优选的,所述自然语义识别包括句法分析、语义角色标注、命名实体识别和语义解析;所述自然语义识别采用的方法包括统计机器学习方法、机器学习分类器、深度学习方法和基于规则的方法中的一种或多种。
优选的,所述意图识别采用的方法包括深度学习方法、支持向量机、朴素贝叶斯分类器和决策树中的一种或多种;其中,所述深度学习方法包括循环神经网络、长短期记忆网络和卷积神经网络中的一种或多种。
优选的,所述消控管理模块包括值班管理单元、权限管理单元、告警管理单元和台账管理单元;
所述值班管理单元,用于对所述值班人员进行值班安排并生成值班信息;还用于为所述值班人员设置职位级别;
所述告警管理单元,用于接收所述告警通知并为所述告警通知设置优先级;
所述权限管理单元,用于根据所述告警通知的优先级为所述告警通知分配对应的告警权限;还用于根据所述职位级别为所述值班人员分配消控权限;
所述台账管理单元,用于记录各模块的数据信息及操作内容,并依据其生成消防台账;
其中,所述火警报警告警通知为最高优先级、所述设施故障告警通知为中等优先级,所述机器人故障告警通知和所述数据异常告警通知为最低优先级;
其中,所述消防监控模块还用于调用所述消防台账建立消防预案。
优选的,所述数据传输装置用于进行双向的指令传输和数据传输;所述消防设施包括烟感探测器、温感探测器、气体探测器、消防供电配电系统、火灾自动报警系统、消防供水系统、消防栓系统、自动喷水灭火系统、水喷雾灭火系统、细水雾灭火系统、气体灭火系统、泡沫灭火系统、干粉灭火系统、机械加压送风系统、防烟排烟系统、应急广播系统、消防专用电话系统、防火分隔系统、消防电梯以及应急照明与指示标识系统。
第二方面,本申请实施例提供了一种智能语音交互的消防值守方法,包括如下步骤:
对消防设施进行数据采集,获取所述消防设施的运行数据;
对所述运行数据进行处理和传输;
对所述运行数据进行数据分析,获取异常数据;
基于所述异常数据生成告警通知;
为所述告警通知分配告警权限,为值班人员授予消控权限;
根据所述告警通知安排所述值班人员进行消防处理;
记录上述数据信息及操作内容,并依据其进行台账记录,生成消防台账;
根据所述消防台账建立消防预案。
本发明的有益效果为:
(1)本发明通过对消防设施的运行数据进行实时采集和处理获取到异常数据,并基于异常数据生成多种告警通知,依据告警通知安排值班人员进行消防处理并对系统的数据信息进行记录生成台账;通过将消控主机、消控设备、数据传输装置以及数字值班机器人关联在一起实现消控室内设备的互联互通,从而提高了消控室在管理过程中的安全性以及灾情来临时的联动性和实时性。
(2)本发明通过消控数据模块中的消控主机生成多种控制指令,利用控制指令对消防设施进行数据采集,获取消防设施的运行数据并对其进行第一重的数据处理,再通过数据传输装置将处理后得到的第一重数据发送至消防监控模块中的数字值班机器人,由其进行后续的数据操作;本发明通过上述操作保证了对消防设施运行数据处理和监控的实时性。
(3)本发明通过消防监控模块中的数字值班机器人对第一重数据进行第二重数据处理,通过分析得到异常数据,并基于异常数据生成告警通知;通过对运行数据进行两重数据处理操作,使得处理后得到的运行数据更加可靠和真实,能够更加直观和准确的反映出消防设施出现的异常,从而保证消控室的设备可以第一时间发现问题和隐患并将其解决,进一步保证了消防监控的高效率、实时性和准确性。
(4)本发明采用Apriori算法进行第一重的数据处理,通过Apriori算法对消防数据进行挖掘,找到频繁项集和有意义的关联规则,这些频繁项集和关联规则用于发现消防设施之间的关联关系、异常数据以及其他有用的信息;从而帮助消控室及消防部门及时掌握消防设施的常见运行状态和行为,并据此进行相应的管理和维护,避免了消防设施故障或事故的发生,提升了工作效率和安全性。
(5)本发明采用FP-Growth算法进行第二重的数据处理,通过FP-Growth算法利用FP树和条件模式基的特性,更快速地挖掘频繁项集,减少了多次扫描数据集的开销,从而减少了计算的复杂度,提高了算法的效率;并且该算法可以处理大规模数据集且占用更小的内存空间,为消控室及消防部门提供了更准确、实时的数据支持,优化消防设施的管理和安全预警,保证了消防监控的高效率和实时性。
(6)本发明将Apriori算法与FP-Growth算法进行结合,通过使用Apriori算法对运行数据进行第一重数据处理,剔除低支持度的项,减小消防数据集的规模;再使用FP-Growth算法在第一重数据处理后的数据上进行第二重数据处理,通过挖掘频繁项集来提高效率和准确性;通过将FP-Growth算法与Apriori算法结合使用,可以利用Apriori算法的候选项集生成和剪枝策略,以及FP-Growth算法的高效性和FP树的优势,来提高关联规则挖掘的效率和准确性,增强了FP-Growth算法在消防领域数据处理的能力,为消防监控提供了更全面和深入的分析结果,使得消防监控更加准确和可靠。
(7)本发明通过数字值班机器人与值班人员进行人机交互;通过数字值班机器人与消控主机进行数据交互;通过设置语音交互单元,基于消防设施的运行数据实现语音识别、语义变换、语音文本转换、关键词提取、语音控制和关键字搜索与匹配等功能,从而使得人机交互更加迅速便捷,使得语音交互更加准确,提高了消控室内智能语音交互的准确性和实时性。
(8)本发明通过消控管理模块对人员值班、权限、告警通知以及台账进行统一管理,通过设置告警通知的优先级使得不同级别的告警通知得到不同程度的响应;通过分配告警权限和消控权限使得不同级别的值班人员可以进行不同程度的消控操作,从而保障了消控系统的保密性和安全性;通过对各模块数据进行台账的记录,使得消控室可以实时调用消防台账来掌控各种消防数据的变化,进一步保障了消防监控的实时性。
具体实施方式
为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效,这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的方法和系统的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指包含一个或多个相关联的列出项目的任何或所有可能组合。
以下结合附图及较佳实施例,对依据本发明的具体实施方式、特征及其功效做详细说明。
实施例1
请参阅图1,本申请实施例提供一种智能语音交互的消防值守系统,包括依次通信连接的消控数据模块、消防监控模块和消控管理模块;
所述消控数据模块,用于对消防设施进行数据采集,获取所述消防设施的运行数据并对其进行处理和传输;
所述消防监控模块,用于对所述运行数据进行数据分析,获取异常数据并基于所述异常数据生成告警通知;
所述消控管理模块,用于根据所述告警通知安排值班人员进行消防处理,并为其授予消控权限,以及进行台账记录;
其中,所述消控数据模块包括消控主机、消控设备和数据传输装置;
所述消防监控模块包括数字值班机器人;
所述消控设备和数据传输装置分别与所述消控主机通信连接;
所述数据传输装置还与所述数字值班机器人通信连接;
其中,所述数字值班机器人与所述值班人员进行人机交互;
所述数字值班机器人与所述消控主机进行数据交互;
其中,所述告警通知包括设施故障告警通知、火警报警告警通知、机器人故障告警通知、数据异常告警通知。
具体地,本申请实施例首先对消防设施的运行数据进行采集,并对其进行初步的数据预处理后再将其传输;紧接着对预处理后的运行数据进行再处理和数据分析,获取到其中的异常数据并基于该异常数据生成对应的告警通知;紧接着根据生成的告警通知安排相应的值班人员进行消防处理,为值班人员授予对应的操作权限;最后通过数据的记录的方式形成消防台账,该消防台账中记录了系统内各模块的数据信息及操作内容,有利于后续操作人员/值班人员可以通过调用该消防台账直接查阅相关消防记录和消防数据,极大程度上提高了整个消控室值守系统的运行效率。
需要说明的是,在本实施例中消控数据模块主要包括消控主机、若干消控设备以及数据传输装置;而消防监控模块主要包括数字值班机器人;其中,消控主机用于与数字值班机器人进行交互,包括但不限于指令交互和数据交互;消控设备与消防设施通信连接,用于监测并采集消防设施的运行数据;数据传输装置可以进行双向的数据和指令传输。其具体工作流程为:数字值班机器人在接收到远程的云端消防监控平台发送的指令后,将其通过数据传输装置发送至消控主机,消控主机根据指令控制消控设备进行数据采集和数据监测,并将采集的数据经过处理后通过数据传输装置发送至数字值班机器人,数字值班机器人将数据进一步处理后进行数据分析,从数据中发现异常数据并根据异常数据生成对应的告警通知,从而完成消防设施运行数据的采集到分析再到处理的全过程。本实施例中异常数据表现为:消防设施中设备出现故障导致数据异常、消防设施监测到有火灾发生(如烟感探测器探测到烟雾含量增多、温感探测器探测到温度异常、气体探测器探测到有害气体等)导致数据异常、数字值班机器人出现系统故障导致数据异常,以及数字值班机器人检测到火警报警信号导致数据异常;而根据不同类型的异常数据,可以对应的告警通知(如:设施故障告警通知、火警报警告警通知、机器人系统故障告警通知等)。
本申请通过对消防设施的运行数据进行实时采集和处理获取到异常数据,并基于异常数据生成多种告警通知,依据告警通知安排值班人员进行消防处理并对系统的数据信息进行记录生成台账;通过将消控主机、消控设备、数据传输装置以及数字值班机器人关联在一起实现消控室内设备的互联互通,从而提高了消控室在管理过程中的安全性以及灾情来临时的联动性和实时性。
在本申请提供的一种实施例中,所述消控主机,用于生成多种控制指令并通过多种所述控制指令控制所述消控设备和所述数据传输装置的运行;还用于对采集到的所述运行数据进行数据处理;
其中,所述控制指令包括数据采集指令、数据传输指令、第一重数据处理指令和第二重数据处理指令;
所述消控设备与若干所述消防设施通信连接,用于根据所述数据采集指令采集所述运行数据;
其中,所述消防设施布置于若干消防监控区域内,用于检测/感应所述消防监控区域内的异常;
所述消控主机内设置有处理器芯片,所述处理器芯片用于根据所述第一重数据处理指令对所述运行数据进行第一重的数据处理,获取第一重数据;
所述数据传输装置,用于根据所述数据传输指令将所述第一重数据和所述第二重数据处理指令传输至所述数字值班机器人;
所述数字值班机器人根据所述第二重数据处理指令对所述第一重数据进行第二重的数据处理,获取第二重数据。
本申请通过消控数据模块中的消控主机生成多种控制指令,利用控制指令对消防设施进行数据采集,获取消防设施的运行数据并对其进行第一重的数据处理,再通过数据传输装置将处理后得到的第一重数据发送至消防监控模块中的数字值班机器人,由其进行后续的数据操作;本申请通过上述操作保证了对消防设施运行数据处理和监控的实时性。
进一步地,所述处理器芯片采用Apriori算法进行第一重的数据处理;所述数字值班机器人采用FP-Growth算法进行第二重的数据处理。
需要说明的是,在本申请实施例中消防设施的运行数据在消控主机中采用Apriori算法进行第一次的数据处理,在数字值班机器人中采用FP-Growth算法进行第二次的数据处理,并且第二次的数据处理是基于第一次数据处理生成的数据的基础上进行的,二者之间并非单独进行,而是存在数据关联。
本申请通过消防监控模块中的数字值班机器人对第一重数据进行第二重数据处理,通过分析得到异常数据,并基于异常数据生成告警通知;通过对运行数据进行两重数据处理操作,使得处理后得到的运行数据更加可靠和真实,能够更加直观和准确的反映出消防设施出现的异常,从而保证消控室的设备可以第一时间发现问题和隐患并将其解决,进一步保证了消防监控的高效率、实时性和准确性。
在本申请提供的一种实施例中,述采用Apriori算法进行第一重的数据处理,包括如下步骤:
S10,采集所述消防设施的运行数据并将其设置为第一消防数据集;
上述运行数据包括但不限于消防水网管、温感探测器、烟感探测器等设备的记录数据;
S11,基于所述第一消防数据集和消防需求设置Ap-最小支持度阈值和Ap-最小置信度阈值;
根据实际的消防需求,设置一个最小支持度阈值和最小置信度阈值,本实施例中为了与FP-Growth算法中的最小置信度阈值进行区分,将其分别命名为Ap-最小支持度阈值和Ap-最小置信度阈值,以及FP-最小置信度阈值;本实施例中其他带有“Ap”前缀和“FP”前缀的关键词都是为了区分这两种不同的算法。需要说明的是,支持度是指某个项集在第一消防数据集中出现的频率,置信度是指规则的可靠程度;
S12,根据所述Ap-最小支持度阈值生成初始候选项集;
如果一个项集的支持度不低于最小支持度,则它可以被认为是频繁的;
S13,基于所述初始候选项集,计算每个候选项集的Ap-支持度;
计算每个候选项集的支持度,即计算该项集在第一消防数据集中的出现频率;
S14,对所述Ap-支持度进行剪枝操作并筛选出Ap-频繁项集;
其中,所述剪枝操作表示为删除所述Ap-支持度低于所述Ap-最小支持度阈值的候选项集;
而删除支持度低于最小支持度阈值的候选项集,可以减少搜索空间,提高效率;
S15,基于上一层的Ap-频繁项集,通过组合操作生成下一层的候选项集;
需要说明的是,上一层的Ap-频繁项集不是上一层的候选项集;在Apriori算法中,每一层的候选项集是通过上一层的频繁项集进行组合生成的,而不是直接相等;这样的方式可以减少搜索空间,提高算法效率;
S16,重复步骤S14~步骤S16,直至无法生成更多的候选项集;
S17,根据所述Ap-频繁项集生成Ap-关联规则;
其中,关联规则是指形如“A→B”的规则,而A和B表示项集;
S18,计算每条所述Ap-关联规则的Ap-评估指标;
其中,所述Ap-评估指标包括Ap-置信度和Ap-支持度;
而置信度则表示B在给定A的条件下发生的概率;
S19,根据所述Ap-最小置信度阈值筛选所述Ap-关联规则;
其中,筛选方式为:删除所述Ap-置信度低于所述Ap-最小置信度阈值的Ap-关联规则。
本申请采用Apriori算法进行第一重的数据处理,通过Apriori算法对消防数据进行挖掘,找到频繁项集和有意义的关联规则,这些频繁项集和关联规则用于发现消防设施之间的关联关系、异常数据以及其他有用的信息;从而帮助消控室及消防部门及时掌握消防设施的常见运行状态和行为,并据此进行相应的管理和维护,避免了消防设施故障或事故的发生,提升了工作效率和安全性。
在本申请提供的一种实施例中,所述采用FP-Growth算法进行第二重的数据处理,包括如下步骤:
S20,采集所述消防设施的运行数据并将其设置为第二消防数据集;
S21,基于所述第二消防数据集构建FP树;
FP树是一种用于高效存储频繁项集的数据结构;通过依次处理每条数据记录,创建并更新FP树;
S22,从所述FP树中提取FP-频繁项集的条件模式基并构建头表;
头表是用于标识相同项的链表,每个链表记录了项的出现次数和在FP树中的位置;
S23,根据所述头表的信息,采用递归方式对所述FP-频繁项集进行挖掘;
从头表中选择一个频繁项作为条件模式基,构建条件FP树,再递归地挖掘该条件FP树,直到无法构建更多的条件FP树;
需要说明的是,条件模式基是指在构建FP树时,以某个频繁项(item)作为结束节点的路径集合;它是在FP树中连接到频繁项的路径,表示了该频繁项在原始数据集中的出现情况;
S24,根据所述FP-频繁项集生成FP-关联规则;
S25,计算每条所述FP-关联规则的FP-评估指标;
S26,根据FP-最小置信度阈值筛选所述FP-关联规则;
其中,筛选方式为:删除FP-置信度低于所述FP-最小置信度阈值的FP-关联规则。
本申请采用FP-Growth算法进行第二重的数据处理,通过FP-Growth算法利用FP树和条件模式基的特性,更快速地挖掘频繁项集,减少了多次扫描数据集的开销,从而减少了计算的复杂度,提高了算法的效率;并且该算法可以处理大规模数据集且占用更小的内存空间,为消控室及消防部门提供了更准确、实时的数据支持,优化消防设施的管理和安全预警,保证了消防监控的高效率和实时性。
在本申请提供的一种实施例中,将所述Apriori算法与所述FP-Growth算法进行结合并获取异常数据,包括如下步骤:
S30,采集所述消防设施的运行数据并将其设置为第一消防数据集;
S31,采用Apriori算法获取所述第一消防数据集中的Ap-频繁项集;
S32,将所述Ap-频繁项集作为输入,采用FP-Growth算法构建FP树;
S33,在所述FP树上进行FP-频繁项集的挖掘,获取FP-关联规则;
S34,根据所述FP-关联规则获取所述异常数据。
本申请将Apriori算法与FP-Growth算法进行结合,通过使用Apriori算法对运行数据进行第一重数据处理,剔除低支持度的项,减小消防数据集的规模;再使用FP-Growth算法在第一重数据处理后的数据上进行第二重数据处理,通过挖掘频繁项集来提高效率和准确性;通过将FP-Growth算法与Apriori算法结合使用,可以利用Apriori算法的候选项集生成和剪枝策略,以及FP-Growth算法的高效性和FP树的优势,来提高关联规则挖掘的效率和准确性,增强了FP-Growth算法在消防领域数据处理的能力,为消防监控提供了更全面和深入的分析结果,使得消防监控更加准确和可靠。
在本申请提供的一种实施例中,所述数字值班机器人设置语音交互单元,用于与所述值班人员进行人机交互:其功能包括语音识别、语义变换、语音文本转换、关键词提取、语音控制和关键字搜索与匹配。
其中,语音识别表示为:识别值班人员发出的语音指令或口令;
语义变换表示为:将自然语义变换为机器语义;
语音文本转换表示为:将语音转为文字显示;
语音文本转换表示为:将语音转为文字显示;
关键词提取表示为:提取语音或转换后的文字中的与消防有关的关键词;
语音控制表示为:通过语音指令控制数字值班机器人进行操作;
关键字搜索与匹配表示为:通过上述关键字提取中提取到的关键字进行内容搜索,并将与关键字有关的内容进行匹配和显示。
本申请通过数字值班机器人与值班人员进行人机交互;通过数字值班机器人与消控主机进行数据交互;通过设置语音交互单元,基于消防设施的运行数据实现语音识别、语义变换、语音文本转换、关键词提取、语音控制和关键字搜索与匹配等功能,从而使得人机交互更加迅速便捷,使得语音交互更加准确,提高了消控室内智能语音交互的准确性和实时性。
进一步地,所述数字值班机器人还设置消防信息数据库;所述消防信息数据库用于存储所述消防设施的运行数据和消防知识与信息;所述语音交互单元基于所述消防信息数据库进行自然语义识别和意图识别。
进一步地,与所述值班人员进行人机交互,具体包括如下步骤:
S41,值班人员向数字值班机器人发送语音指令;其中,所述语音指令基于消防信息生成;消防信息表示为与消防知识相关的信息和数据;
例如:语音指令为:“在屏幕/显示器上显示XX楼XX层的温感探测器和烟感探测器最近一个月内的全部监测数据”;
S42,数字值班机器人根据所述语音指令调取内部功能模块;
S43,内部功能模块对所述语音指令进行语义识别和文字转换,生成语音文字;
语音文字表示为:将上述语音指令转换为文字进行显示;
S44,内部功能模块对所述语音文字进行关键字提取和错别字剔除,生成自然语句;
内部功能模块在语音转文字的过程中会产生错别字,这些错别字会被剔除,从而保证转换后文字的准确性;而自然语句表示为:将每个提取出来的关键字进行组合,生成的符合自然语言规律的句子;
S45,内部功能模块根据所述自然语句进行关键字搜索和数据库匹配,生成指令信息;
针对上述自然语句,内部功能模块会在消防信息数据库中进行关键字的搜索和匹配,检索出与自然语句中内容相关的数据并进行数据匹配,从而形成指令信息;
上述指令信息表示为:完成关键字检索和数据库匹配后,形成的完整且符合语音内容的信息;
S46,数字值班机器人对所述指令信息进行功能性验证,并将通过验证的所述指令信息进行显示;
数字值班机器人会对指令信息中的内容进行验证,检查其是否符合初始语音指令的语义和意图,最终将验证后的信息进行显示。
在本申请提供的一种实施例中,所述自然语义识别包括句法分析、语义角色标注、命名实体识别和语义解析;所述自然语义识别采用的方法包括统计机器学习方法、机器学习分类器、深度学习方法和基于规则的方法中的一种或多种。
其中,所述统计机器学习方法包括隐马尔可夫模型(Hidden Markov Model,HMM)、最大熵模型(Maximum Entropy Model,MEM)和条件随机场(Conditional Random Field,CRF)等中的一种或多种,上述方法可以通过统计建模来学习语音转换后文本中的语言规律和模式,并对其进行标注和分类。
其中,所述机器学习分类器包括支持向量机(Support Vector Machines,SVM)、朴素贝叶斯分类器(Naive Bayes Classifier)、决策树(Decision Tree)等中的一种或多种,上述分类器用于根据已经标注好的训练数据进行模式匹配和分类。
其中,所述深度学习方法包括神经网络、卷积神经网络(Convolutional NeuralNetworks,CNN)、循环神经网络(Recurrent Neural Networks,RNN)等中的一种或多种,上述方法通过多层次的神经网络结构来进行语义表示和模式学习,使得更复杂的语义任务具有较好的表现。
其中,基于规则的方法:包括规则匹配、语法规则、词典匹配等中的一种或多种,上述方法通过预先定义的规则来进行文本分析和匹配,例如使用正则表达式或特定的语法规则来提取句法结构或命名实体。
在本申请提供的一种实施例中,所述意图识别采用的方法包括深度学习方法、支持向量机、朴素贝叶斯分类器和决策树中的一种或多种;其中,所述深度学习方法包括循环神经网络、长短期记忆网络和卷积神经网络中的一种或多种。
需要说明的是,本实施例采用的上述自然语义识别方法和意图识别方法可以是一种方法,也可以是多种方法进行组合,根据具体的情况可以进行具体设置,本实施例不作具体限定;而上述方法中包括的算法也可以是一种或多种进行组合;本实施例基于消防信息数据库中的运行数据和消防知识与信息,通过将多种方法或多种算法进行组合或进行模型融合,使得消防数据与消防知识与多种模型或算法融合,提高了意图识别和自然语义识别的准确性和鲁棒性,进而提高了消防领域内语音识别与交互的准确性。
如图2所示,在本申请提供的一种实施例中,所述消控管理模块包括值班管理单元、权限管理单元、告警管理单元和台账管理单元;
所述值班管理单元,用于对所述值班人员进行值班安排并生成值班信息;还用于为所述值班人员设置职位级别;
所述告警管理单元,用于接收所述告警通知并为所述告警通知设置优先级;
所述权限管理单元,用于根据所述告警通知的优先级为所述告警通知分配对应的告警权限;还用于根据所述职位级别为所述值班人员分配消控权限;
所述台账管理单元,用于记录各模块的数据信息及操作内容,并依据其生成消防台账;
其中,所述火警报警告警通知为最高优先级、所述设施故障告警通知为中等优先级,所述机器人故障告警通知和所述数据异常告警通知为最低优先级;因此火警报警告警通知的优先级高于其他告警通知的优先级,需要最先响应。
其中,所述消防监控模块还用于调用所述消防台账建立消防预案。
在本申请提供的一种实施例中,所述数据传输装置用于进行双向的指令传输和数据传输;所述消防设施包括但不限于烟感探测器、温感探测器、气体探测器、消防供电配电系统、火灾自动报警系统、消防供水系统、消防栓系统、自动喷水灭火系统、水喷雾灭火系统、细水雾灭火系统、气体灭火系统、泡沫灭火系统、干粉灭火系统、机械加压送风系统、防烟排烟系统、应急广播系统、消防专用电话系统、防火分隔系统、消防电梯以及应急照明与指示标识系统。
关于上述消防设施中各个设施系统包含的运行数据内容,具体包括如下内容:
消防栓系统:消防水泵的启动状态、停运状态和故障状态,消火栓按钮的报警信息;消防水泵控制柜、消防稳压泵控制柜和消防双电源末端自动切换模式未处于自动状态信息;消防水箱(池)低于最低水位信息;高层建筑管网低于最低压力信息;消防水泵的吸水管阀门、出水管阀门、屋顶水箱的出水管阀门未处于完全开启状态信息;
自动喷水灭火系统、水喷雾(细水雾)灭火系统(泵供水方式):消防泵的启动状态、停运状态和故障状态;水流指示器、信号阀、报警阀、压力开关的正常工作状态和动作状态;消防水泵控制柜、消防稳压泵控制柜和消防双电源末端自动切换模式未处于自动状态信息;消防水箱(池)低于最低水位信息;管网低于最低压力信息;消防水泵的吸水管阀门、出水管阀门、屋顶水箱的出水管阀门未处于完全开启状态信息;
气体灭火系统、细水雾灭火系统(压力容器供水方式):系统的手动工作状态、自动工作状态及故障状态;阀驱动装置的正常工作状态和动作状态;防护区域中的防火门(窗);防火阀、通风空调等设备的正常工作状态和动作状态;系统的启、停信息;紧急停止信息和管网压力信号;
泡沫灭火系统:系统的手动、自动工作状态及故障状态;消防水泵、泡沫液泵的正常工作状态和动作状态;
干粉灭火系统:系统的手动、自动工作状态及故障状态;阀驱动装置的正常工作状态和动作状态;系统的启、停信息;紧急停止信号和管网压力信号;
防烟排烟系统:系统的手动、自动工作状态;防烟排烟风机电源的工作状态;风机、电动防火阀、电动排烟防火阀、常闭送风口、排烟阀(口)、电动排烟窗、电控档烟垂壁的正常工作状态与动作状态;防烟排烟风机控制柜、补风机控制柜和消防双电源末端自动切换模式未处于自动状态信息;
消防电梯:消防电梯的停用和故障状态;
应急广播系统:消防应急广播的启动、停止和故障状态。
本发明通过消控管理模块对人员值班、权限、告警通知以及台账进行统一管理,通过设置告警通知的优先级使得不同级别的告警通知得到不同程度的响应;通过分配告警权限和消控权限使得不同级别的值班人员可以进行不同程度的消控操作,从而保障了消控系统的保密性和安全性;通过对各模块数据进行台账的记录,使得消控室可以实时调用消防台账来掌控各种消防数据的变化,进一步保障了消防监控的实时性。
综上所述,本申请通过对消防设施的运行数据进行实时采集和处理获取到异常数据,并基于异常数据生成多种告警通知,依据告警通知安排值班人员进行消防处理并对系统的数据信息进行记录生成台账;通过将消控主机、消控设备、数据传输装置以及数字值班机器人关联在一起实现消控室内设备的互联互通,从而提高了消控室在管理过程中的安全性以及灾情来临时的联动性和实时性。
实施例2
请参阅图3,本申请实施例提供一种智能语音交互的消防值守方法,该消防值守方法应用于前述的消防值守系统,该方法包括如下步骤:
S1,对消防设施进行数据采集,获取消防设施的运行数据;
S2,对运行数据进行处理和传输;
S3,对运行数据进行数据分析,获取异常数据;
S4,基于异常数据生成告警通知;
S5,为告警通知分配告警权限,为值班人员授予消控权限;
S6,根据告警通知安排值班人员进行消防处理;
S7,记录上述数据信息及操作内容,并依据其进行台账记录,生成消防台账;
S8,根据消防台账建立消防预案。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将系统的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件,或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭示如上,然而并非用以限定本发明,任何本领域技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰,均仍属于本发明技术方案的范围内。