[发明专利]一种基于物联网的建筑火灾风险实时动态定量评估方法

说明书

本发明涉及消防火灾预防维保技术领域，且公开了一种基于物联网的建筑火灾风险实时动态定量评估方法，在初始评估阶段，对社会单位各种现场类型进行规范化分类，分为商场市场、“多合一”场所、工业企业、公共娱乐场所、群租房、宾馆饭店、高层建筑、医院、养老院、学校、幼儿园、施工工地、文物建筑、地铁等14种不同场所模型，建立每种场所模型的指标体系。为社会单位落实国家主管部门“三自主两公开一承诺”的要求提供了必要的支撑工具。按照要求“承诺本场所不存在突出风险或者已落实防范措施”也有了真实风险指数的根据。也为形成以动态量化的风险指标为控制目标的创新应急管理模式提供创新手段。

技术领域

本发明涉及消防火灾预防维保技术领域，具体为一种基于物联网的建筑火灾风险实时动态定量评估方法，用于商场市场、“多合一”场所、工业企业、公共娱乐场所、群租房、宾馆饭店、高层建筑、医院、养老院、学校、幼儿园、施工工地、文物建筑、地铁等不同场所，通过物联网采集与检测指定场所静态及动态参数，通过评估模型算法计算并适时定量输出该场所火灾风险指数，从而实现不同场所的火灾风险辨识和在线动态评估，便于及时消除隐患。

背景技术

火灾是燃烧在时间和(或)空间上失去控制而发生的灾害。火灾对人类和社会造成的破坏非常巨大，其造成的损失大大超过其直接财产损失；直接、间接财产损失，人员伤亡损失，扑救消防费用、保险管理费用以及投入的火灾防护工程费用等统称为火灾代价。根据联合国“世界火灾统计中心”(WFSC)以及欧盟(EU)研究的结果，大多数发达国家每年火灾损失占国民经济总产值约2‰，而整个火灾代价约占1％。火灾风险评估是预防及减小火灾风险的基本环节，预测和控制等防灾环节只有建立在对火灾风险进行正确评估的基础上才有实际意义，而且火灾防治技术的有效性及合理性也与火灾风险的正确评估相辅相成。

从已公开的发明专利可以看到，对火灾风险的评估方法在不断创新。专利“一种综合火灾风险评估方法、装置及服务器”(CN201810811079.4)，将城市综合体划分为不同功能分区，建立每一类功能分区的消防安全评估模型，获得每个功能分区的评估结果；根据城市综合体的区域参数，结合专家调查法，获得城市综合体每个功能分区的权重，所述区域参数包括火灾危险性、人员密度、分区面积和重要度；根据城市综合体中每个功能分区的评估结果和每个功能分区的权重，建立区域风险评估模型，获取城市综合体火灾风险评估结果。专利“一种基于基准值的城市火灾风险评估方法”(CN201711202623.7)，它针对整个城市的火灾风险，包括以下步骤，第一步建立城市火灾风险评估指标体系，它包括目标层、一级指标、二级指标和三级指标四个层次；第二步计算各级指标相对上一级指标的权重，计算各指标对于目标层的总权重；第三步各级指标的具体得分；第四步确定目标层即城市火灾风险的等级。专利“基于智慧城市的区域火灾风险评估方法”(CN2018112615081)，包括如下步骤：S1，确定评估范围，划分评估单元；S2，构建火灾风险评估指标体系；S3，计算各级因素指标权重；S4，构建火灾风险评估参数量化模型，对三级指标中的火灾风险评估参数进行量化；S5，计算各评估单元的火灾风险指数，对各评估单元进行火灾风险评估；S6，根据各评估单元的火灾风险评估结果，绘制城市火灾风险水平分布地图，对评估范围进行火灾风险评估。专利“一种火灾风险评估方法、装置及服务器”(CN2018113775849)，包括：获取一组以上的消防统计数据，其中，每组消防统计数据包括指标分值和火灾危害等级，将指标分值作为条件属性，将火灾危害等级作为决策属性，建立决策表，对决策表进行属性约简，以获得最佳约简集；根据最佳约简集建立简化后的决策表；通过简化后的决策表对机器学习模型进行训练，以获取训练机器学习模型；根据最佳约简集获取采样数据，将采样数据输入训练机器学习模型，以获得训练机器学习模型输出的火灾风险的评估结果。专利“动态火灾风险评估方法、装置、服务器及存储介质”(CN201811033980X)，包括如下步骤：利用专家打分法建立区域风险评估模型，所述区域风险评估模型具有多个指标及指标权重；建立多元线性回归模型，利用指标权重对多元线性回归模型进行初始化；当出现异常报警时执行模型调整步骤对多元线性回归模型进行调整；利用经过调整的多元线性回归模型进行火灾风险评估。专利“基于机器学习的动态火灾风险评估方法、装置及服务器”(CN2018109472415)，包括如下步骤：利用专家打分法建立区域风险评估模型；利用区域风险评估模型获取训练样本集；建立softmax回归模型，利用训练样本集对模型进行训练；当出现异常报警时执行模型调整步骤对softmax回归模型进行调整；利用经过调整的softmax回归模型进行火灾风险评估。该发明能够在学习专家经验的同时根据实际火情对模型作出动态的调整。专利“基于机器学习的动态火灾风险评估方法、装置及服务器”(CN2018109462076)，与前一专利类似，包括如下步骤：利用专家打分法建立区域风险评估模型，所述区域风险评估模型具有多个指标及指标权重；建立多元线性回归模型，利用指标权重对多元线性回归模型进行初始化；当出现异常报警时执行模型调整步骤对多元线性回归模型进行调整；利用经过调整的多元线性回归模型进行火灾风险评估。专利“基于大数据的多元线性回归火灾风险评估方法”(CN2018109452074)，包括如下步骤：(1)构建火灾风险因素层级结构模型：(2)划分建筑火灾风险等级；(3)确立评估模型R＝WTX；(4)构建风险评估机器学习数据样本；(5)根据样本计算权重W，完成消防安全火灾风险评估模型建立R＝WTX；用以评估民用建筑中的公共建筑的火灾风险：(6)计算得出待评估建筑的属性值，再以步骤(5)建立的模型计算出风险值与步骤(2)中划分的风险等级进行对比，进而得出建筑物的风险等级。该方法采用多属性评估方法，实现火灾风险等级定量化评价，全方位综合评估社会单位消防安全管理风险。专利“一种耦合确定性与不确定分析的火灾风险评估方法”(CN2017110881860)，包括以下步骤：S1.识别风险因素，建立火灾风险评估体系；S2.运用模糊层次分析法确定各风险因素的指标权重；S3.运用模糊理论结合置信度来计算各单因素的火灾风险；S4.运用证据推理算子来合成各单因素的火灾风险；S5.运用期望效用值来获得明晰的评估结果；S6.运用敏感性分析方法验证模型的可行性。专利“考虑人因失误和组织缺陷的海洋平台火灾风险评估方法”(CN2016112460359)，包括根据海洋平台火灾事故的特征，建立适用于海洋平台人因失误分析的HFACS模型，确定导致海洋平台火灾发生的技术因素、人因组织因素，构建海洋平台火灾动态贝叶斯网络模型；计算动态贝叶斯网络模型中人因组织因素的先验概率；基于三角模糊函数和等级节点距离公式，计算动态贝叶斯网络模型中描述火灾事故发生、发展过程的所有变量的条件概率；基于马尔科夫模型，计算动态贝叶斯网络模型中描述火灾事故发生、发展过程的所有变量的转移概率：根据计算的先验概率、条件概率和转移概率，采用Netica软件计算海洋平台火灾发生的概率。专利“基于控制力分析的火灾高危单位火灾风险评估方法”(CN2013100952151)，该发明将因子评定计算方法IR的方法中与财产损失有关的因子整合入GR中，将火灾造成的风险分为建筑物固有风险A和建筑物内人员风险B两个方面，还考虑到人对潜在火灾事件的控制能力C，包含了采用防火设计和配备消防设施来增强建筑自身抵御风险的能力和消防部队的救援能力两个方面，分别用建筑自身控制风险的能力E和消防队控制风险的能力γ·∑Z·H·L来表示；(A+B)/C得到的值为建筑物实际火灾风险，都是偏重于有形损失方面，因此使用建筑物对周边的影响因子ε来体现建筑火灾可能带来的无形损失。专利“一种电力变电站火灾风险评估方法”(CN2011104219368)，涉及一种封闭式/半封闭式楼宇变电站火灾风险评估方法，采用层次分析法构建一种封闭式/半封闭式楼宇变电站的火灾风险评估方法体系，包括5个二级指标共28个三级指标，采用专家打分的形式确定各指标权重，并依据所描述的评估工作流程，通过最终评估得分得到封闭式/半封闭式楼宇变电站进行火灾风险评估等级，并给出整改办法。专利“基于传感带的动态火灾风险评估方法与系统”(CN2011102468559)，包括：沿着进入火灾现场的路径，将传感带固定在火灾现场的建筑物墙壁上，所述传感带被分成多个探测段，每个探测段上设置有多种类型的传感器；每个探测段上的多种传感器实时采集火灾现场数据，并将所采集的数据发送给终端计算机；所述终端计算机接收所述火灾现场数据，对所述火灾现场数据进行处理，生成所述传感带上各个探测段的风险等级，并提示所述风险等级。本发明实施例的方法与系统，通过传感带实时采集火灾现场数据，判断火灾发生后各种风险因素的变化情况以及存在的风险，可以对现场火灾进行合理判断，为指挥人员决策提供依据。专利“一种基于准则的城市火灾风险评估方法”(CN2010102090057)，该方法：(1)提出了城市火灾风险评估指标体系框架；(2)可按各指标计算方法计算指标值，并根据指标值分级准则确定各指标因子值；(3)根据各指标因子值和相应计算方法，分别计算城市固有火灾风险水平、城市消防保护水平、城市可接受火灾风险水平和城市火灾风险水平；(4)对城市火灾风险水平可接受性进行判定。