基于实时计算和人工智能的消防报警及预测系统的制作方法

1.本发明属于消防系统技术领域，涉及一种基于实时计算和人工智能的消防报警及预测系统。


背景技术：

2.消防系统是指消防联动控制系统，主要是指一种通过传感器、通信与信息、消防设施等技术，实现监测火灾险情、通知消防人员、疏散人群、联动消防设备扑灭火灾等功能的系统。
3.既有的消防系统一般是基于电子通信技术实现，报警器、消防设施等有线连接连接到火灾报警控制器，通过信号来实现通信，进而实现系统的功能。
4.这种系统是较为复杂的，需要专业技术人员根据建筑结构进行详细设计，通过大量工程建设、合理安排配套设施才能建设完成，且后续难以进行进一步维护和拓展。另外，这种系统中的数据是临时存储的，需要单独设置数据存储、分析设备才可以进行数据分析，难以从数据中获取到消防隐患等隐含信息。
5.目前市面上已有使用nb
‑
iot技术的消防报警器，已经能够较好地解决上面提到的装维困难问题，但是在数据分析方面没有提供解决方案。


技术实现要素：

6.有鉴于此，本发明的目的在于提供一种基于实时计算和人工智能的消防报警及预测系统，在既有的基于nb
‑
iot的消防告警系统的基础上，通过使用实时计算和机器学习技术，对流式传输的消防传感器数据进行实时分析，得到消防设备所在场地的火灾发生概率等信息，从而帮助用户更好地排查火灾隐患。
7.为达到上述目的，本发明提供如下技术方案：
8.一种基于实时计算和人工智能的消防报警及预测系统，包括消防报警设备、云平台、服务器、用户端设备；
9.所述消防报警设备用于实时采集环境信息，并通过云平台上传至服务器中；
10.所述云平台用于接收消防报警设备的底层信号，并且转换为用户端设备所能接收的标准格式数据；
11.所述服务器用于实时数据分析计算、数据存储，在接收到火情信息时发送消防报警信息至用户端设备；所述服务器还通过告警预测算法，对已有传感器数据集进行训练，得到告警预测模型，对火灾发生概率进行预测，并将预测结果发送到用户端设备；
12.所述用户端设备包括手持智能终端和告警分析预测大盘。
13.进一步，所述消防报警设备包括烟雾报警器、声光报警器，通过物联网通信协议nb
‑
iot上传至云平台。
14.进一步，所述服务器通过短信及系统消息发送消防报警信息，所述消防报警信息中包括告警消防设备的地理信息。
15.进一步，所述告警预测算法是针对消防传感器数据的具有85％准确率以上的机器学习算法。
16.进一步，还包括数据库，消防报警设备与服务器之间通过规定好的数据包格式进行通信，服务器通过数据包的内容判断消防报警设备处于何种状态，包括正常状态或发生告警，同时将信息记录于数据库中，供用户端设备查看。
17.进一步，包括多台服务器，分别搭建flink/spark、hbase、kafka集群，负责处理、存储、运输设备传来的海量传感器数据。
18.进一步，所述服务器还用于管理消防报警设备和个人信息；用户进入服务器系统后，选择想要查询的时间段来查询自己的历史告警信息；修改用户自身基本信息；通过扫描消防报警设备上的二维码，获取消防报警设备编号和imei号，再自行添加消防报警设备地理位置信息，将消防报警设备信息上传服务器，完成消防报警设备激活。
19.进一步，所述告警分析预测大盘通过使用可视化框架echarts展示分析计算后的设备传感器数据和消防隐患优化意见数据。
20.本发明的有益效果在于：在消防设备将传感器数据发送到系统时，本系统可以对日常数据进行实时计算和分析，使用已有模型预测该地区发生火灾的概率，自动提出消除该地区消防隐患的建议。同时本系统将数据分析和业务告警等功能结合在一起，提升了系统的使用价值，降低了以往单独建立数据分析平台的成本。
21.本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
22.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优选的详细描述，其中：
23.图1为基于实时计算和人工智能的消防报警及预测系统结构示意图。
具体实施方式
24.以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
25.其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
26.本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描
述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
27.请参阅图1，为一种基于实时计算和人工智能的消防报警及预测系统，整套系统包括消防报警设备、服务器、运营商云平台、用户端设备和告警预测算法。
28.消防报警设备是具有探测火情等功能的传感器终端。用于实时采集环境信息并上传至服务器。消防报警设备可替换为任意采用nb
‑
iot及其他物联网通信协议作为通信方式的消防设备，包括但不限于烟雾报警器、声光报警器。
29.服务器是多台具有通用计算功能的高性能计算机。用于实时数据分析计算、数据存储、和云平台进行通信、在接收到火情信息时发送消防报警信息至用户处等业务作用，服务器可通过短信以及在系统内发送消息提醒用户。服务器还用于在发送消防报警信息时，可以实时标识出告警的消防设备的地理信息。
30.云平台是运营商提供的能够和设备进行直接通信的服务端。云平台是业务和设备间的中间人，能够接收设备的底层信号，并且转换为业务所能接收的标准格式数据。云平台本身可以是中国移动、中国联通和中国电信等运营商提供的。
31.用户端设备包括供购买报警器的用户使用的微信小程序和供用户和数据分析人员使用的告警分析预测大盘。微信小程序可以使用web网页、其他小程序和原生app来实现、告警分析预测大盘可以用echarts、highcharts等基于web的可视化框架和其他可视化框架来实现。
32.告警预测算法是采用某种模型的预测算法，对已有传感器数据集进行训练，得到模型，用于系统预测发生火灾概率。告警预测算法可以是任何针对消防传感器数据的具有较高准确率(>＝85％)的机器学习算法。
33.本系统由设备信息采集、设备数据分析处理、设备管理、设备告警分析预测大盘等四部分组成。
34.设备信息采集。设备与服务器之间有规定好的数据包格式。通过传来的数据包的内容，服务器可判断该设备处于何种状态，如正常或发生告警。同时将相应的信息记录于数据库中，这样用户可在系统中实时看见设备状态。
35.设备数据处理分析。在多台服务器上搭建flink/spark、hbase、kafka集群，负责处理、存储、运输设备传来的海量传感器数据。
36.设备管理。包括个人信息管理、设备异常告警等子功能。
37.个人信息管理：用户进入系统后，可以通过系统，选择想要查询的时间段来查询自己的历史告警信息。还可以修改自己的基本信息，例如告警通知电话、所在地区和详细地址等。设备在线激活。通过调用微信扫一扫接口，扫描设备上事先准备好的二维码，即可获取设备编号和imei号，用户再自行添加设备地理位置信息，完成设备激活。
38.设备异常告警：当服务器监测到设备传回来的信息包信息出现异常时，服务器会调用第三方云平台的接口，将相关设备的地理位置与异常时间以短信和语音电话形式发送给用户。除此以外，用户还可在系统内直接查看和响应异常信息。
39.设备告警分析预测大盘。通过使用echarts等可视化框架展示分析计算后的设备传感器数据和消防隐患优化意见等数据。
40.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，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。