一种基于人工智能的消防应急广播系统及方法与流程

本发明涉及应急广播，更具体地说，本发明涉及一种基于人工智能的消防应急广播系统及方法。

背景技术：

1、近年来，随着我国城市化进程迅速，许多城市人口与建筑密度不断增加；高层建筑因地狭人众而成为主流，各大都市的摩天巨塔林立，但同时也带来安全隐患；

2、一方面，高层建筑内部结构复杂，消防通道狭隘，大量人员疏散难度大；同时高空作业费时耗力，给消防救援带来极大挑战，一旦进入弥漫浓烟的高层，维生供氧设施使用时间有限，大大增加了救援人员和被困人员的生命安全隐患；另一方面，传统的应急广播设备布置在较低楼层，在火灾高层难以覆盖到全貌和指导；并且手动触发和广播内容更新较为繁琐；一旦火情延伸，疏散顺序和疏散路线的迅速更新尤为重要；但人工操作难以及时调整，稍有延误就可能导致人员被困，危害人员的生命安全；

3、当然也存在智能化的应急广播系统，例如公开号为cn112735075a的中国专利公开了一种基于人工智能的消防管理系统；包括消防传感模块、消防监控模块、火情采集模块、智能分析模块、室内分析模块、消防分析模块、智能处理模块、自动喷洒模块、智能警报模块、智能导航模块和智能广播模块、消防中心模块、卫星监测模块、交通信息模块和线路规划模块；其中，消防传感模块包括温度传感器、烟雾传感器和体感传感器；此发明在自动喷淋灭火的同时还能通过广播喇叭对房间内的人员进行疏散指导，从而有利于最大程度上减少或避免人员伤亡；

4、但在上述技术中，仅描述了通过智能导航模块根据室内分析结果形成逃生线路导航信息，广播喇叭根据逃生线路导航信息对房间内的人员进行疏散指导；然而并未说明形成逃生线路导航信息的具体过程，同时室内分析结果的获取过程也无法得知；因此无法保证逃生线路导航信息的可靠度，在发生火灾的紧急时刻，对于人员的生命安全保障存在不确定性；

5、鉴于此，本发明提出一种基于人工智能的消防应急广播系统及方法以解决上述问题。

技术实现思路

1、为了克服现有技术的上述缺陷，为实现上述目的，本发明提供如下技术方案：一种基于人工智能的消防应急广播方法，包括：

2、将建筑划分为n个区域，n为大于1的整数；

3、采集n个区域的检测参数；检测参数包括烟雾浓度、氧气浓度和环境温度；

4、计算n个区域对应的判断系数，判断是否生成火灾疑似指令，将火灾疑似指令对应的区域标记为疑似区域；

5、采集疑似区域的区域图像；

6、对区域图像进行分析，判断是否生成火灾发生指令，将火灾发生指令对应的疑似区域标记为火灾区域；

7、将建筑内通道所在区域标记为疏散区域，将建筑内未标记为疏散区域的区域标记为人员区域；将多个相邻且中间不存在障碍物的人员区域作为一个聚集区域，获取每个聚集区域对应的m条逃生路线；

8、对每个聚集区域的m条逃生路线进行分析，获取每个聚集区域的最佳逃生路线；

9、将与火灾区域相邻的疏散区域标记为蔓延区域；

10、根据蔓延区域，重新获取每个聚集区域对应的m条逃生路线；

11、将每个聚集区域的最佳逃生路线通过消防应急广播设备进行播放。

12、进一步地，n个区域对应的判断系数的计算方法包括：

13、

14、式中，pxi为第i个区域的判断系数，wni为第i个区域的烟雾浓度，hwi为第i个区域的环境温度，yni为第i个区域的氧气浓度，i∈[1，n]，ω1、ω2、ω3为预设权重系数。

15、进一步地，判断是否生成火灾疑似指令的方法包括：

16、获取风速和人员密度；

17、人员密度的获取方法包括：

18、在建筑的出入口处设置两条平行的探测线，将靠近建筑出入口处的探测线标记为一线，将远离建筑出入口处的探测线标记为二线；探测线即为二极管管线，当人体经过探测线时，探测线会生成数字信号；

19、若一线先生成数字信号，二线后生成数字信号，则生成进入指令；

20、若二线先生成数字信号，一线后生成数字信号，则生成离开指令；

21、分别统计进入指令和离开指令的数量，并计算人员数量；

22、人员数量的表达式为：rs＝js-ls；

23、式中，rs为人员数量，js为进入指令数量，ls为离开指令数量；

24、获取每个区域的区域面积；根据每个区域的区域面积，计算区域总面积；

25、区域总面积的表达式为：

26、式中，zm为区域总面积，qmi为第i个区域的区域面积；

27、通过人员数量和区域总面积的比值，获取人员密度；

28、人员密度的表达式为：

29、式中，rm为人员密度；

30、根据人员密度和风速计算火灾阈值；

31、火灾阈值的表达式为：

32、式中，hz为火灾阈值，fs为风速，ε1、ε2为预设比例系数；

33、分别将n个区域对应的判断系数与火灾阈值进行对比；

34、若pxi＜hz，则不生成火灾疑似指令；

35、若pxi≥hz，则生成火灾疑似指令。

36、进一步地，对区域图像进行分析的方法包括：

37、使用训练好的火灾分析模型，对区域图像进行识别，输出识别结果，识别结果包括火灾和正常；

38、火灾分析模型训练过程包括：

39、预先收集多张区域图像，将每张区域图像标记为训练图像，对每张训练图像中的环境进行标注，标注包括火灾和正常；将火灾和正常分别转换为数字标注；将标注后的训练图像分为训练集和测试集；使用训练集对火灾分析模型进行训练，使用测试集对火灾分析模型进行测试；预设误差阈值，当测试集中所有训练图像的预测误差的均值小于误差阈值时，输出火灾分析模型；所述火灾分析模型为卷积神经网络模型。

40、进一步地，判断是否生成火灾发生指令的方法包括：

41、若识别结果为正常，则不生成火灾发生指令；

42、若识别结果为火灾，则生成火灾发生指令。

43、进一步地，获取每个聚集区域对应的m条逃生路线的方法包括：

44、步骤1：随机选择一个聚集区域定义为初始区域，将逃生出口所在区域定义为目标区域；从初始区域开始深度优先搜索；

45、步骤2：从初始区域开始，将初始区域标记为已访问区域，搜索初始区域的相邻区域，并选择初始区域的其中一个相邻区域作为下一区域，并标记下一区域为已访问区域；搜索下一区域的相邻区域，并选择下一区域的其中一个未标记为已访问区域的相邻区域作为新的下一区域，并标记新的下一区域为已访问区域；其中进行搜索的相邻区域为疏散区域，且不为火灾区域；

46、步骤3：循环步骤2，直至下一区域的相邻区域均已标记为已访问区域，循环结束，此时检测当前所在区域是否为目标区域；

47、若当前所在区域为目标区域，则本次深度优先搜索结束，且将本次深度优先搜索出的路线作为逃生路线；

48、若当前所在区域不为目标区域，则本次深度优先搜索也结束，但不将本次优先深度搜索出的路线作为逃生路线；

49、步骤4：循环步骤2～步骤3，获取进行本次循环的聚集区域对应的m条逃生路线，将进行本次循环的聚集区域标记为完成区域；

50、步骤5：重复步骤1～步骤4，获取每个聚集区域对应的m条逃生路线，且步骤1中随机选择的聚集区域为未标记为完成区域的聚集区域。

51、进一步地，获取每个聚集区域的最佳逃生路线的方法包括：

52、步骤a：预设初始化温度tmax、最低温度tmin、降温系数δ以及最大迭代次数并令当前温度t＝tmax；

53、步骤b：随机选择一个未获取最佳逃生路线的聚集区域，并标记为模拟区域，随机设置一个可行解χ，可行解χ即为模拟区域的一条逃生路线，可行解χ的范围即为模拟区域的m条逃生路线；

54、步骤c：确定适应度函数；

55、适应度函数的表达式为：

56、式中，f为适应度，y为逃生路线中疏散区域的数量，jlx为逃生路线中第x个疏散区域与最近的火灾区域之间的疏散区域数量，x∈[1，y]，ψ1、ψ2为预设权重系数且均大于0；

57、逃生路线中疏散区域的数量和逃生路线中每个疏散区域与最近的火灾区域之间的疏散区域数量均通过对应的逃生路线获取；

58、步骤d：计算可行解χ对应的适应度f；以可行解χ为当前点，在当前点的邻域内进行随机扰动，获取新的可行解χ′，并计算新的可行解χ′对应的适应度f′；

59、步骤e：计算适应度差值f″，适应度差值f″的表达式为f″＝f-f′；

60、若适应度差值f″＞0，则令χ＝χ′，即将新的可行解χ′的值赋予可行解χ；若适应度差值f″≤0，则计算概率p′，根据概率p′令χ＝χ′；概率p′的表达式为：式中，e为自然常数；

61、步骤f：循环步骤d～步骤e，直至循环次数达到最大迭代次数时，循环结束，并进入步骤g；

62、步骤g：令当前温度t＝t×δ，即将步骤a中的当前温度进行降温，将降温后的数值赋予当前温度；令最大迭代次数即将减小后的最大迭代次数的数值赋予最大迭代次数；若减小后的最大迭代次数不为整数，则将减小后的最大迭代次数向上取整，使得减小后的最大迭代次数为整数；

63、步骤h：循环步骤d～步骤g，直至当前温度t＜tmin时，循环结束，获取可行解χ对应的逃生路线，并标记为最佳逃生路线；

64、步骤i：循环步骤b～步骤h，直至每个聚集区域均获取对应的最佳逃生路线，循环结束。

65、进一步地，在人员逃生过程中，采集蔓延区域的检测参数，并进行分析；若蔓延区域生成火灾疑似指令，即蔓延区域被标记为疑似区域，则将与被标记为疑似区域的蔓延区域相邻的疏散区域，标记为蔓延区域。

66、进一步地，重新获取每个聚集区域对应的m条逃生路线的方法，与上述获取每个聚集区域对应的m条逃生路线的方法的不同之处在于，在搜索相邻区域作为下一区域时，相邻区域不为火灾区域，同时也不为蔓延区域；重新获取每个聚集区域对应的m条逃生路线中的其余步骤均与所述获取每个聚集区域对应的m条逃生路线的步骤一致。

67、一种基于人工智能的消防应急广播系统，实施所述的一种基于人工智能的消防应急广播方法，其特征在于，包括：

68、区域划分模块，用于将建筑划分为n个区域，n为大于1的整数；

69、数据采集模块，用于采集n个区域的检测参数；

70、火灾判断模块，用于计算n个区域对应的判断系数，判断是否生成火灾疑似指令，将火灾疑似指令对应的区域标记为疑似区域；

71、图像采集模块，用于采集疑似区域的区域图像；

72、火灾确定模块，用于对区域图像进行分析，判断是否生成火灾发生指令，将火灾发生指令对应的疑似区域标记为火灾区域；

73、路线规划模块，用于将建筑内通道所在区域标记为疏散区域，将建筑内未标记为疏散区域的区域标记为人员区域；将多个相邻且中间不存在障碍物的人员区域作为一个聚集区域，获取每个聚集区域对应的m条逃生路线；

74、路线选择模块，用于对每个聚集区域的m条逃生路线进行分析，获取每个聚集区域的最佳逃生路线；

75、路线播放模块，用于将每个聚集区域的最佳逃生路线通过消防应急广播设备进行播放。

76、本发明一种基于人工智能的消防应急广播系统及方法的技术效果和优点：

77、1.利用传感器对不同区域进行实时监测，通过图像识别、深度学习等技术对火灾进行自动判断和确认，并根据实时火情情况调整每个聚集区域的最佳逃生路线，通过消防应急广播设备进行智能指导；利用人工智能技术赋能了传统消防应急广播系统不仅提高了火灾监测和判断的准确性，还能保证建筑内人员获得最新的逃生信息并选择最安全的路线撤离，从而实现全自动高效的消防应急广播指导，最大限度地保障人员在火灾突发时的生命财产安全。

78、2.本实施例考虑火势蔓延的动态因素，可以实时监测和判断火势蔓延情况，根据火势蔓延变化动态识别出蔓延区域，并基于蔓延区域重新优化各聚集区域的逃生路线，从而保证指导的逃生路线实时调整并绕开发生火灾的区域，最大限度避免人员在逃生过程中误入高危区域而威胁人员的人身安全。