CN117974070A - 基于物联网的应急安全智能管控方法及系统 - Google Patents
基于物联网的应急安全智能管控方法及系统 Download PDFInfo
- Publication number
- CN117974070A CN117974070A CN202410361619.9A CN202410361619A CN117974070A CN 117974070 A CN117974070 A CN 117974070A CN 202410361619 A CN202410361619 A CN 202410361619A CN 117974070 A CN117974070 A CN 117974070A
- Authority
- CN
- China
- Prior art keywords
- risk
- area
- value
- calculating
- current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 claims abstract description 22
- 230000004931 aggregating effect Effects 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000012937 correction Methods 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及生产安全管控技术领域，具体公开了一种基于物联网的应急安全智能管控方法及系统，所述方法包括获取管控区域的访客数据，根据所述访客数据实时预测访问人员数量；实时监控各电器的电流数据，根据所述电流数据实时计算设备的稳定值；基于预测的访问人员数量和计算出的稳定值确定管控区域中各位置的风险概率，基于风险概率对各位置进行聚合，确定风险区；基于风险区确定指向应急出口的通行路径。本发明通过电流检测仪实时对各个电力设备进行风险检测，确定整个管控区域内各个位置的风险概率，由风险概率确定风险区，借助现有的导航技术，为每个工作人员生成避开风险区的应急路径，使得工作人员在应急过程中更加安全。
Description
技术领域
本发明涉及生产安全管控技术领域，具体是一种基于物联网的应急安全智能管控方法及系统。
背景技术
生产车间中存在大量的电力设备，这些电力设备存在一定的风险性，因此需要进行应急管控，现有的应急管控大都由工作人员完成，当出现风险时，由人工通过借助广播设备发出警示信号，工作人员根据个人经验自行找寻应急出口，而实际场景中，电力风险往往都是连琐式的风险，工作人员在找寻应急出口时，很大概率会经过另一个风险源，安全性较低，如何提供一种更加明确的向导，提高工作人员的安全性是本发明技术方案想要解决的技术问题。
发明内容
本发明的目的在于提供一种基于物联网的应急安全智能管控方法及系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于物联网的应急安全智能管控方法，所述方法包括：
获取管控区域的访客数据，根据所述访客数据实时预测访问人员数量；
实时监控各电器的电流数据，根据所述电流数据实时计算设备的稳定值；
基于预测的访问人员数量和计算出的稳定值确定管控区域中各位置的风险概率，基于风险概率对各位置进行聚合，确定风险区；
基于风险区确定指向应急出口的通行路径；
所述基于风险区确定指向应急出口的通行路径的步骤包括：
读取管控区域的地图；
计算风险区中的平均风险概率，根据平均风险概率确定扩充半径；
在地图中标记风险区，并基于扩充半径对其进行扩充，将扩充得到的区域作为非通行区；
基于含有非通行区的地图生成指向应急出口的通行路径；其中，通行路径的起点为管控区域内各人员的当前位置。
作为本发明进一步的方案：所述获取管控区域的访客数据，根据所述访客数据实时预测访问人员数量的步骤包括：
构建数字日历，由数字日历获取历史访客数据；
将当年的数字日历作为基准日历，获取非周末节假日的相对位置；所述相对位置用百分比表示；
基于获取到的相对位置对含有历史访客数据的数字日历进行配准；
统计所有配准后的数字日历的历史访客数据，计算每天的平均访客数据；
基于计算出的每天的平均访客数据实时预测访问人员数量。
作为本发明进一步的方案：所述基于获取到的相对位置对含有历史访客数据的数字日历进行配准的步骤包括：
对任一含有历史访客数据的数字日历，查询非周末节假日的相对位置；
获取基准日历中非周末节假日的相对位置，根据基准日历中非周末节假日的相对位置和数字日历中非周末节假日的相对位置依次计算两个非周末节假日之间的放缩比例；
基于放缩比例对各时间段进行放缩，在放缩时，同步对历史访客数据进行调节；
其中，同步对历史访客数据进行调节的规则为：
将需要放缩的时间段的历史访客数据转换为曲线，对曲线进行傅里叶变换，并保留前三项，作为访客函数，计算放缩后的时间跨度，将时间跨度输入访客函数，得到放缩后的历史访客数据。
作为本发明进一步的方案：所述实时监控各电器的电流数据，根据所述电流数据实时计算设备的稳定值的步骤包括：
实时监控各电器的电流数据，生成以电器名称为索引的电流数组；
根据所述以电器名称为索引的电流数组生成波动图像；其中，所述波动图像中含有若干条以电器名称为标签的波动曲线；
根据预设的步长截取各波动曲线上的点，得到取样点；
计算相邻取样点的偏差率，生成偏差数组；
比对所述偏差数组与预设的参考数组，计算设备的稳定值；
其中，所述稳定值的计算过程为：
；
式中，S为稳定值，为数组中的元素数量，/>为数组中第i个元素的评价值；
；
其中，为偏差数组中的第i个元素，/>为参考数组中的第i个元素；
；
是预设的权重系数，取值范围为/>，/>为预设的差值阈值。
作为本发明进一步的方案：所述基于预测的访问人员数量和计算出的稳定值确定管控区域中各位置的风险概率，基于风险概率对各位置进行聚合，确定风险区的步骤包括：
以设备为中心，基于稳定值计算管控区域中各位置的累计风险值；
根据预测的访问人员数量确定修正系数，计算修正系数和累计风险值的乘积，得到各位置的风险概率；
标记风险概率达到预设的概率阈值的位置，对标记的位置进行聚合，得到风险区；
其中，累计风险值的计算过程为：
；
式中，F为累计风险值，M为设备总数，为第j个设备的稳定值，d为当前位置与第j个设备的距离。
作为本发明进一步的方案：所述对标记的位置进行聚合的步骤包括：
依次以各个标记的位置为中心，计算预设范围内标记的位置的数量；
当数量达到预设的数量阈值时，将中心的位置与相邻的位置相连。
本发明技术方案还提供了一种基于物联网的应急安全智能管控系统，所述系统包括：
人员预测模块，用于获取管控区域的访客数据，根据所述访客数据实时预测访问人员数量；
电流监测模块，用于实时监控各电器的电流数据，根据所述电流数据实时计算设备的稳定值；
风险区确定模块，用于基于预测的访问人员数量和计算出的稳定值确定管控区域中各位置的风险概率，基于风险概率对各位置进行聚合，确定风险区；
路径导航模块，用于基于风险区确定指向应急出口的通行路径；
所述基于风险区确定指向应急出口的通行路径的内容包括：
读取管控区域的地图；
计算风险区中的平均风险概率，根据平均风险概率确定扩充半径；
在地图中标记风险区，并基于扩充半径对其进行扩充，将扩充得到的区域作为非通行区；
基于含有非通行区的地图生成指向应急出口的通行路径；其中，通行路径的起点为管控区域内各人员的当前位置。
作为本发明进一步的方案：所述人员预测模块包括：
历史数据获取单元，用于构建数字日历，由数字日历获取历史访客数据；
相对位置获取单元，用于将当年的数字日历作为基准日历，获取非周末节假日的相对位置；所述相对位置用百分比表示；
位置配准单元，用于基于获取到的相对位置对含有历史访客数据的数字日历进行配准；
均值计算单元，用于统计所有配准后的数字日历的历史访客数据，计算每天的平均访客数据；
预测单元，用于基于计算出的每天的平均访客数据实时预测访问人员数量。
作为本发明进一步的方案：所述电流监测模块包括：
电流获取单元，用于实时监控各电器的电流数据，生成以电器名称为索引的电流数组；
图像生成单元，用于根据所述以电器名称为索引的电流数组生成波动图像；其中，所述波动图像中含有若干条以电器名称为标签的波动曲线；
取样单元，用于根据预设的步长截取各波动曲线上的点，得到取样点；
偏差计算单元，用于计算相邻取样点的偏差率，生成偏差数组；
比对单元，用于比对所述偏差数组与预设的参考数组，计算设备的稳定值；
其中，所述稳定值的计算过程为：
；
式中，S为稳定值，为数组中的元素数量，/>为数组中第i个元素的评价值；
；
其中，为偏差数组中的第i个元素，/>为参考数组中的第i个元素；
；
是预设的权重系数，取值范围为/>，/>为预设的差值阈值。
作为本发明进一步的方案：所述风险区确定模块包括：
数值累计单元，用于以设备为中心，基于稳定值计算管控区域中各位置的累计风险值；
修正单元，用于根据预测的访问人员数量确定修正系数，计算修正系数和累计风险值的乘积，得到各位置的风险概率；
标记聚合单元，用于标记风险概率达到预设的概率阈值的位置，对标记的位置进行聚合，得到风险区；
其中，累计风险值的计算过程为：
；
式中，F为累计风险值，M为设备总数，为第j个设备的稳定值，d为当前位置与第j个设备的距离。
与现有技术相比，本发明的有益效果是：本发明通过电流检测仪实时对各个电力设备进行风险检测，确定整个管控区域内各个位置的风险概率，由风险概率确定风险区，借助现有的导航技术，为每个工作人员生成避开风险区的应急路径，使得工作人员在应急过程中更加安全。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。
图1为基于物联网的应急安全智能管控方法的流程框图。
图2为基于物联网的应急安全智能管控方法的第一子流程框图。
图3为基于物联网的应急安全智能管控方法的第二子流程框图。
图4为基于物联网的应急安全智能管控方法的第三子流程框图。
图5为基于物联网的应急安全智能管控系统的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，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。
图1为基于物联网的应急安全智能管控方法的流程框图，本发明实施例中，一种基于物联网的应急安全智能管控方法，所述方法包括：
步骤S100：获取管控区域的访客数据，根据所述访客数据实时预测访问人员数量；
管控区域是需要进行安全管控的环境的代称，一般为生产车间；虽然随着科技的进步，无人化车间越来越多，但是在目前的社会背景下，有人化车间还是主流，通过门禁（安检环节）记录管控区域的访客数据，可以对未来的访问人员进行预测，本申请提到的预测并不对身份进行预测，仅预测访问人员的数量。
步骤S200：实时监控各电器的电流数据，根据所述电流数据实时计算设备的稳定值；
本发明技术方案的管理区域主要是生产车间，生产车间中会有大量的电力设备，这些电力设备就是最大的风险源，由安装在各电力设备上的电流检测仪实时获取电流数据，对电流数据进行识别，可以判断各个电力设备的稳定性，所述稳定性由稳定值这一参数表示，稳定值越高，代表稳定性越好。
步骤S300：基于预测的访问人员数量和计算出的稳定值确定管控区域中各位置的风险概率，基于风险概率对各位置进行聚合，确定风险区；
稳定值一方面反映了各电力设备的稳定性，另一方面，也能够表示可能带来的风险，对所有电力设备的稳定值进行分析，可以确定管控区域内部不同位置处出现风险的可能性；距离稳定值较小的设备越近，风险概率越高；对风险概率足够高的位置进行聚合，可以得到一个区域，称为风险区。
具体的，本申请与现有技术的很大的一个区别点在于，在确定风险区的过程中，本申请还考虑了访问人员数量的因素，访问人员数量主要用于评价风险概率达到多少，才算足够高，访问人员数量越多，这一阈值就会越小，风险概率就会更容易达到高值，风险区的数量便会增多，后续的基于风险区的应急措施将会更加安全。
步骤S400：基于风险区确定指向应急出口的通行路径；
风险区确定好后，借助现有的导航技术即可自动生成指向应急出口的通行路径；需要说明的是，这一过程仅限定了终点，其起点是当前时刻管控区域中的人员的位置，这一位置是随机的，本申请不做限定，本申请实现的功能是，为管控区域内的各个人员提供指定应急出口的通行路径。
具体的，所述基于风险区确定指向应急出口的通行路径的步骤包括：
读取管控区域的地图；
计算风险区中的平均风险概率，根据平均风险概率确定扩充半径；
在地图中标记风险区，并基于扩充半径对其进行扩充，将扩充得到的区域作为非通行区；
基于含有非通行区的地图生成指向应急出口的通行路径；其中，通行路径的起点为管控区域内各人员的当前位置。
上述内容对通行路径的确定过程进行了具体的描述，首先，读取管理区域的地图，地图中含有通行区（道路）和非通行区（设备或墙体），然后，计算风险区中各位置的风险概率的平均值，将平均值作为风险区的风险评判标准，进而确定扩充半径，平均值越大，扩充半径越大，采用一次函数即可限定这一关系；总结地说，所述扩充半径与所述平均风险概率呈正比；最后，将扩充后的风险区插入地图，应用现有的导航技术，即可为管控区域内各人员提供指向应急出口的路径。
值得一提的是，管控区域内各人员可以由随身设备获取，应急出口的数量也不唯一，对每个应急出口，都需要生成一条路径，这一过程属于导航技术的应用，本申请不再赘述。
图2为基于物联网的应急安全智能管控方法的第一子流程框图，所述获取管控区域的访客数据，根据所述访客数据实时预测访问人员数量的步骤包括：
步骤S101：构建数字日历，由数字日历获取历史访客数据；
步骤S102：将当年的数字日历作为基准日历，获取非周末节假日的相对位置；所述相对位置用百分比表示；
步骤S103：基于获取到的相对位置对含有历史访客数据的数字日历进行配准；
步骤S104：统计所有配准后的数字日历的历史访客数据，计算每天的平均访客数据；
步骤S105：基于计算出的每天的平均访客数据实时预测访问人员数量。
在本发明技术方案的一个实例中，对人员数量的预测过程进行了限定，预测过程的原理为，计算历史访客数据的平均值，对当年的每一天的访客数据进行预测；所述历史访客数据是一年内的访客数据。
进一步的，如果直接计算每一天的访客数据的均值，可能存在较大的偏差，因为实际生产过程本质上是以节假日为基准的，大都以放假的时间点对生产过程进行调整，因此，本申请以节假日对不同年份的日历进行配准，然后根据配准后的数据计算每一天的平均人员数量。
具体的，所述基于获取到的相对位置对含有历史访客数据的数字日历进行配准的步骤包括：
对任一含有历史访客数据的数字日历，查询非周末节假日的相对位置；
获取基准日历中非周末节假日的相对位置，根据基准日历中非周末节假日的相对位置和数字日历中非周末节假日的相对位置依次计算两个非周末节假日之间的放缩比例；
基于放缩比例对各时间段进行放缩，在放缩时，同步对历史访客数据进行调节；
获取当年的日历，查询当年的非周末节假日的时间，以百分比形式进行表示，比如，0位置处是元旦，26%处是清明等；以当年的日历为基准，对其他年份的历史访客数据进行修正。
对任一年份，查询当年的非周末节假日，以当年的日历为基准，“对准”各个非周末节假日的相对位置，“对准”过程就是对两个非周末节假日之间的天数进行放缩；举例说明为：每年的元旦是相同的，但是春节是不同的，有的年份在2月初过春节，有的年份在2月中旬，还有些年份在1月，将春节“对准”的含义就是将元旦与春节之间的时间放缩成相同的，比如，当年的春节的相对位置为10%，那么将其作为基准后，前一年的春节的相对位置为6%，那么就要将前一年元旦至春节的天数扩充为一年时间的10%；在此基础上，扩充后的每一天的访客数据也需要进行调节，调节规则为：
将需要放缩的时间段的历史访客数据转换为曲线，对曲线进行傅里叶变换，并保留前三项，作为访客函数，计算放缩后的时间跨度，将时间跨度输入访客函数，得到放缩后的历史访客数据。
调节过程的说明为：由于实际工作过程中，工作日与日常休息日（周末）间隔出现，因此，将一个时段内的访客数据视为周期函数进行拟合，根据拟合出的周期函数确定放缩后的访客数据，可以尽量保存原有访客数据的特征。
图3为基于物联网的应急安全智能管控方法的第二子流程框图，所述实时监控各电器的电流数据，根据所述电流数据实时计算设备的稳定值的步骤包括：
步骤S201：实时监控各电器的电流数据，生成以电器名称为索引的电流数组；
步骤S202：根据所述以电器名称为索引的电流数组生成波动图像；其中，所述波动图像中含有若干条以电器名称为标签的波动曲线；
步骤S203：根据预设的步长截取各波动曲线上的点，得到取样点；
步骤S204：计算相邻取样点的偏差率，生成偏差数组；
步骤S205：比对所述偏差数组与预设的参考数组，计算设备的稳定值；
其中，所述稳定值的计算过程为：
；
式中，S为稳定值，为数组中的元素数量，/>为数组中第i个元素的评价值；
；
其中，为偏差数组中的第i个元素，/>为参考数组中的第i个元素；
；
是预设的权重系数，取值范围为/>，/>为预设的差值阈值。
上述内容提供了一种具体的设备稳定性评价标准，电器种类有很多，每个电器都有着自己的供电端口，基于供电端口获取电流数据，根据这些电流数据生成波动曲线，然后在波动曲线上取样，计算偏差率，最终确定风险率。
值得一提的是，偏差数组中，如果都是10%偏差，那么尾部元素与头部元素之间的偏差将会非常的大，所以，参考数组一般是一个动态数组，在比对所述偏差数组与预设的参考数组时，如果某一个数值超出了范围，那么参考数组的其它数值都需要下调一个档位。
关于稳定值的计算过程，其说明如下：
按顺序比对各个位置上的元素，如果偏差在参考范围内，就视为稳定，如果偏差超出参考范围，就视为不稳定，稳定为1，不稳定为0；由于偏差是相邻两个电流数据的偏差，当前一个偏差过高时，后续的参考范围就要适当的限缩，也即，的取值范围为(0,1)，比如90%；/>就是预设的用于评价偏差是否过高的标准。
图4为基于物联网的应急安全智能管控方法的第三子流程框图，所述基于预测的访问人员数量和计算出的稳定值确定管控区域中各位置的风险概率，基于风险概率对各位置进行聚合，确定风险区的步骤包括：
步骤S301：以设备为中心，基于稳定值计算管控区域中各位置的累计风险值；
步骤S302：根据预测的访问人员数量确定修正系数，计算修正系数和累计风险值的乘积，得到各位置的风险概率；
步骤S303：标记风险概率达到预设的概率阈值的位置，对标记的位置进行聚合，得到风险区；
其中，累计风险值的计算过程为：
；
式中，F为累计风险值，M为设备总数，为第j个设备的稳定值，d为当前位置与第j个设备的距离。
在本发明技术方案的一个实例中，以设备为中心，基于稳定值计算管控区域中各位置的累计风险值，这一过程的具体说明为，每个设备对周围都会造成一定的影响，每个位置又会同时受到周围设备的影响，先确定每个设备对周围的影响程度，然后再对每个位置进行分析，叠加各个设备对其造成的影响即可，所述影响由累计稳定值表示。
然后，根据预测的访问人员数量确定修正系数，修正系数的功能是对累计风险值进行放大，使其更容易达到概率阈值，相当于变相地调节概率阈值；所述修正系数与预测的访问人员数量呈正比；当修正后的风险概率足够高时，标记对应的位置，并对位置进行聚合，得到多个风险区。
其中，所述对标记的位置进行聚合的步骤包括：
依次以各个标记的位置为中心，计算预设范围内标记的位置的数量；
当数量达到预设的数量阈值时，将中心的位置与相邻的位置相连。
在本发明技术方案的一个实例中，提供了一种简单的位置聚合方案，对每个位置，计算其周围的被标记的位置的数量，当数量较多时，可以认为该位置与周围的位置属于同一类，也即，可以聚合；其中，预设范围一般不会太大，比如33区域或5/>5区域。
需要说明的是，本申请中提到的位置，可以类比于像素点，由工作人员预先设定相邻位置的距离，进而在管控区域中确定多个位置，然后对每个位置进行处理分析。
关于累计风险值的计算过程，它的含义是稳定值的倒数比上距离的平方，稳定值的倒数表示风险程度，距离越大，影响程度越小。
值得一提的是，本申请中所有的值，都可以再嵌套一些规范化函数，使其落入预设的区间内，便于处理分析。
图5为基于物联网的应急安全智能管控系统的组成结构框图，本发明实施例中，一种基于物联网的应急安全智能管控系统，所述系统10包括：
人员预测模块11，用于获取管控区域的访客数据，根据所述访客数据实时预测访问人员数量；
电流监测模块12，用于实时监控各电器的电流数据，根据所述电流数据实时计算设备的稳定值；
风险区确定模块13，用于基于预测的访问人员数量和计算出的稳定值确定管控区域中各位置的风险概率，基于风险概率对各位置进行聚合，确定风险区；
路径导航模块14，用于基于风险区确定指向应急出口的通行路径；
所述基于风险区确定指向应急出口的通行路径的内容包括：
读取管控区域的地图；
计算风险区中的平均风险概率，根据平均风险概率确定扩充半径；
在地图中标记风险区，并基于扩充半径对其进行扩充，将扩充得到的区域作为非通行区；
基于含有非通行区的地图生成指向应急出口的通行路径；其中，通行路径的起点为管控区域内各人员的当前位置。
进一步的，所述人员预测模块11包括：
历史数据获取单元，用于构建数字日历，由数字日历获取历史访客数据；
相对位置获取单元，用于将当年的数字日历作为基准日历，获取非周末节假日的相对位置；所述相对位置用百分比表示；
位置配准单元，用于基于获取到的相对位置对含有历史访客数据的数字日历进行配准；
均值计算单元，用于统计所有配准后的数字日历的历史访客数据，计算每天的平均访客数据；
预测单元，用于基于计算出的每天的平均访客数据实时预测访问人员数量。
具体的，所述电流监测模块12包括：
电流获取单元，用于实时监控各电器的电流数据，生成以电器名称为索引的电流数组；
图像生成单元，用于根据所述以电器名称为索引的电流数组生成波动图像；其中，所述波动图像中含有若干条以电器名称为标签的波动曲线；
取样单元，用于根据预设的步长截取各波动曲线上的点，得到取样点；
偏差计算单元，用于计算相邻取样点的偏差率，生成偏差数组；
比对单元，用于比对所述偏差数组与预设的参考数组，计算设备的稳定值；
其中，所述稳定值的计算过程为：
；
式中，S为稳定值，为数组中的元素数量，/>为数组中第i个元素的评价值；
；
其中，为偏差数组中的第i个元素，/>为参考数组中的第i个元素；
；
是预设的权重系数，取值范围为/>，/>为预设的差值阈值。
更进一步的，所述风险区确定模块13包括：
数值累计单元，用于以设备为中心，基于稳定值计算管控区域中各位置的累计风险值；
修正单元，用于根据预测的访问人员数量确定修正系数，计算修正系数和累计风险值的乘积，得到各位置的风险概率；
标记聚合单元，用于标记风险概率达到预设的概率阈值的位置，对标记的位置进行聚合，得到风险区；
其中，累计风险值的计算过程为：
；
式中，F为累计风险值，M为设备总数，为第j个设备的稳定值，d为当前位置与第j个设备的距离。
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 (10)
1.一种基于物联网的应急安全智能管控方法，其特征在于，所述方法包括：
获取管控区域的访客数据，根据所述访客数据实时预测访问人员数量；
实时监控各电器的电流数据，根据所述电流数据实时计算设备的稳定值；
基于预测的访问人员数量和计算出的稳定值确定管控区域中各位置的风险概率，基于风险概率对各位置进行聚合，确定风险区；
基于风险区确定指向应急出口的通行路径；
所述基于风险区确定指向应急出口的通行路径的步骤包括：
读取管控区域的地图；
计算风险区中的平均风险概率，根据平均风险概率确定扩充半径；
在地图中标记风险区，并基于扩充半径对其进行扩充，将扩充得到的区域作为非通行区；
基于含有非通行区的地图生成指向应急出口的通行路径；其中，通行路径的起点为管控区域内各人员的当前位置。
2.根据权利要求1所述的基于物联网的应急安全智能管控方法，其特征在于，所述获取管控区域的访客数据，根据所述访客数据实时预测访问人员数量的步骤包括：
构建数字日历，由数字日历获取历史访客数据；
将当年的数字日历作为基准日历，获取非周末节假日的相对位置；所述相对位置用百分比表示；
基于获取到的相对位置对含有历史访客数据的数字日历进行配准；
统计所有配准后的数字日历的历史访客数据，计算每天的平均访客数据；
基于计算出的每天的平均访客数据实时预测访问人员数量。
3.根据权利要求2所述的基于物联网的应急安全智能管控方法，其特征在于，所述基于获取到的相对位置对含有历史访客数据的数字日历进行配准的步骤包括：
对任一含有历史访客数据的数字日历，查询非周末节假日的相对位置；
获取基准日历中非周末节假日的相对位置，根据基准日历中非周末节假日的相对位置和数字日历中非周末节假日的相对位置依次计算两个非周末节假日之间的放缩比例；
基于放缩比例对各时间段进行放缩，在放缩时，同步对历史访客数据进行调节；
其中，同步对历史访客数据进行调节的规则为：
将需要放缩的时间段的历史访客数据转换为曲线，对曲线进行傅里叶变换，并保留前三项，作为访客函数，计算放缩后的时间跨度，将时间跨度输入访客函数，得到放缩后的历史访客数据。
4.根据权利要求1所述的基于物联网的应急安全智能管控方法，其特征在于，所述实时监控各电器的电流数据，根据所述电流数据实时计算设备的稳定值的步骤包括：
实时监控各电器的电流数据，生成以电器名称为索引的电流数组；
根据所述以电器名称为索引的电流数组生成波动图像；其中，所述波动图像中含有若干条以电器名称为标签的波动曲线；
根据预设的步长截取各波动曲线上的点，得到取样点；
计算相邻取样点的偏差率，生成偏差数组；
比对所述偏差数组与预设的参考数组，计算设备的稳定值；
其中，所述稳定值的计算过程为：
；
式中，S为稳定值，为数组中的元素数量，/>为数组中第i个元素的评价值；
；
其中，为偏差数组中的第i个元素，/>为参考数组中的第i个元素；
；
是预设的权重系数，取值范围为/>，/>为预设的差值阈值。
5.根据权利要求1所述的基于物联网的应急安全智能管控方法，其特征在于，所述基于预测的访问人员数量和计算出的稳定值确定管控区域中各位置的风险概率，基于风险概率对各位置进行聚合，确定风险区的步骤包括：
以设备为中心，基于稳定值计算管控区域中各位置的累计风险值；
根据预测的访问人员数量确定修正系数，计算修正系数和累计风险值的乘积，得到各位置的风险概率；
标记风险概率达到预设的概率阈值的位置，对标记的位置进行聚合，得到风险区；
其中，累计风险值的计算过程为：
；式中，F为累计风险值，M为设备总数，/>为第j个设备的稳定值，d为当前位置与第j个设备的距离。
6.根据权利要求5所述的基于物联网的应急安全智能管控方法，其特征在于，所述对标记的位置进行聚合的步骤包括：
依次以各个标记的位置为中心，计算预设范围内标记的位置的数量；
当数量达到预设的数量阈值时，将中心的位置与相邻的位置相连。
7.一种基于物联网的应急安全智能管控系统，其特征在于，所述系统包括：
人员预测模块，用于获取管控区域的访客数据，根据所述访客数据实时预测访问人员数量；
电流监测模块，用于实时监控各电器的电流数据，根据所述电流数据实时计算设备的稳定值；
风险区确定模块，用于基于预测的访问人员数量和计算出的稳定值确定管控区域中各位置的风险概率，基于风险概率对各位置进行聚合，确定风险区；
路径导航模块，用于基于风险区确定指向应急出口的通行路径；
所述基于风险区确定指向应急出口的通行路径的内容包括：
读取管控区域的地图；
计算风险区中的平均风险概率，根据平均风险概率确定扩充半径；
在地图中标记风险区，并基于扩充半径对其进行扩充，将扩充得到的区域作为非通行区；
基于含有非通行区的地图生成指向应急出口的通行路径；其中，通行路径的起点为管控区域内各人员的当前位置。
8.根据权利要求7所述的基于物联网的应急安全智能管控系统，其特征在于，所述人员预测模块包括：
历史数据获取单元，用于构建数字日历，由数字日历获取历史访客数据；
相对位置获取单元，用于将当年的数字日历作为基准日历，获取非周末节假日的相对位置；所述相对位置用百分比表示；
位置配准单元，用于基于获取到的相对位置对含有历史访客数据的数字日历进行配准；
均值计算单元，用于统计所有配准后的数字日历的历史访客数据，计算每天的平均访客数据；
预测单元，用于基于计算出的每天的平均访客数据实时预测访问人员数量。
9.根据权利要求7所述的基于物联网的应急安全智能管控系统，其特征在于，所述电流监测模块包括：
电流获取单元，用于实时监控各电器的电流数据，生成以电器名称为索引的电流数组；
图像生成单元，用于根据所述以电器名称为索引的电流数组生成波动图像；其中，所述波动图像中含有若干条以电器名称为标签的波动曲线；
取样单元，用于根据预设的步长截取各波动曲线上的点，得到取样点；
偏差计算单元，用于计算相邻取样点的偏差率，生成偏差数组；
比对单元，用于比对所述偏差数组与预设的参考数组，计算设备的稳定值；
其中，所述稳定值的计算过程为：
；
式中，S为稳定值，为数组中的元素数量，/>为数组中第i个元素的评价值；
；
其中，为偏差数组中的第i个元素，/>为参考数组中的第i个元素；
；
是预设的权重系数，取值范围为/>，/>为预设的差值阈值。
10.根据权利要求7所述的基于物联网的应急安全智能管控系统，其特征在于，所述风险区确定模块包括：
数值累计单元，用于以设备为中心，基于稳定值计算管控区域中各位置的累计风险值；
修正单元，用于根据预测的访问人员数量确定修正系数，计算修正系数和累计风险值的乘积，得到各位置的风险概率；
标记聚合单元，用于标记风险概率达到预设的概率阈值的位置，对标记的位置进行聚合，得到风险区；
其中，累计风险值的计算过程为：
；
式中，F为累计风险值，M为设备总数，为第j个设备的稳定值，d为当前位置与第j个设备的距离。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410361619.9A CN117974070A (zh) | 2024-03-28 | 2024-03-28 | 基于物联网的应急安全智能管控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410361619.9A CN117974070A (zh) | 2024-03-28 | 2024-03-28 | 基于物联网的应急安全智能管控方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117974070A true CN117974070A (zh) | 2024-05-03 |
Family
ID=90863377
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410361619.9A Pending CN117974070A (zh) | 2024-03-28 | 2024-03-28 | 基于物联网的应急安全智能管控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117974070A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN112446406A (zh) * | 2019-09-05 | 2021-03-05 | 中移信息技术有限公司 | 应急点确定方法、装置以及存储介质 |
| CN115829337A (zh) * | 2023-02-23 | 2023-03-21 | 南京和电科技有限公司 | 一种存储区风险预警方法及系统 |
| CN115964503A (zh) * | 2021-12-28 | 2023-04-14 | 北方工业大学 | 基于社区设备设施的安全风险预测方法及系统 |
| WO2023061039A1 (zh) * | 2021-10-13 | 2023-04-20 | 中通服和信科技有限公司 | 基于物联网的尾矿库风险监测预警系统 |
| CN116665409A (zh) * | 2023-05-18 | 2023-08-29 | 三峡金沙江川云水电开发有限公司 | 一种地震预警应急疏散方法及系统 |
-
2024
- 2024-03-28 CN CN202410361619.9A patent/CN117974070A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112446406A (zh) * | 2019-09-05 | 2021-03-05 | 中移信息技术有限公司 | 应急点确定方法、装置以及存储介质 |
| 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 |
| WO2023061039A1 (zh) * | 2021-10-13 | 2023-04-20 | 中通服和信科技有限公司 | 基于物联网的尾矿库风险监测预警系统 |
| CN115964503A (zh) * | 2021-12-28 | 2023-04-14 | 北方工业大学 | 基于社区设备设施的安全风险预测方法及系统 |
| CN115829337A (zh) * | 2023-02-23 | 2023-03-21 | 南京和电科技有限公司 | 一种存储区风险预警方法及系统 |
| CN116665409A (zh) * | 2023-05-18 | 2023-08-29 | 三峡金沙江川云水电开发有限公司 | 一种地震预警应急疏散方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 方来华;闫露璐;吴宗之;魏利军;: "液碳生产企业安全监控与自控系统开发", 中国安全生产科学技术, no. 09, 30 September 2013 (2013-09-30) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shaban et al. | Urban air pollution monitoring system with forecasting models | |
| Massana et al. | Short-term load forecasting in a non-residential building contrasting models and attributes | |
| Hou et al. | Repeatability and similarity of freeway traffic flow and long-term prediction under big data | |
| US10883974B2 (en) | Method for providing air quality information | |
| CN111898691B (zh) | 一种河流突发水污染预警溯源方法、系统、终端及介质 | |
| CN115600932B (zh) | 一种基于大数据的文物储藏环境异常评估方法 | |
| EP1309062A2 (en) | Apparatus and method for determining days of the week with similar utility consumption profiles | |
| EP3435301A1 (en) | System for providing air quality information | |
| CN105181898A (zh) | 基于大密度部署传感器的大气污染监控及管理方法及系统 | |
| CN111932402A (zh) | 一种基于相似日和lstm的短期电力负荷双向组合预测方法 | |
| CN109784752A (zh) | 一种三峡库区水体富营养化风险评估预警系统及其分析方法 | |
| Wang et al. | 6G-enabled short-term forecasting for large-scale traffic flow in massive IoT based on time-aware locality-sensitive hashing | |
| CN113777236B (zh) | 基于排放源的空气质量监控方法和装置 | |
| Aznarte | Probabilistic forecasting for extreme NO2 pollution episodes | |
| CN115640915B (zh) | 一种智慧燃气管网压缩机安全管理方法和物联网系统 | |
| CN115575584B (zh) | 一种大气环境镉含量监测预警方法及系统 | |
| CN111310803B (zh) | 环境数据处理方法和装置 | |
| Barthwal et al. | An IoT based sensing system for modeling and forecasting urban air quality | |
| Oprea et al. | On the development of an intelligent system for particulate matter air pollution monitoring, analysis and forecasting in urban regions | |
| CN117538503A (zh) | 一种实时智能的土壤污染监测系统及方法 | |
| CN115146484A (zh) | 一种用于检测环境参数的环保监控系统及监控方法 | |
| CN117974070A (zh) | 基于物联网的应急安全智能管控方法及系统 | |
| US20230367033A1 (en) | Automated system and method for managing weather related energy use | |
| CN116384775A (zh) | 一种污染场地监测设备的管理方法、系统及存储介质 | |
| CN116050636A (zh) | 光伏电站的出力预测方法、装置、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination |