一种基于阵列光栅的隧道火灾报警方法、装置及电子设备

1.本发明涉及火灾报警技术领域，尤其涉及一种基于阵列光栅的隧道火灾报警方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.火灾发生于隧道内会产生严重后果，因此对隧道内发生的火灾进行及时有效定位的相关技术亟待发展，现有技术中大多采用的火灾探测器都是传统的光纤光栅感温火灾探测器，出于成本考虑，布设间距较大，使得对火灾着火点位置的感知过于粗糙。
3.目前还通过采用线型感温火灾报警系统在隧道内对火灾进行报警，但存在如下两个问题：第一，隧道内会由于空气流动、车辆快速通过等多种情况形成较高风速的风，因此会导致线型感温火灾探测器感知到的温度变化较小，使火灾报警系统响应时间发生延迟；第二，即使着火点静止，但由于风的原因使着火点的温度场发生变化，造成火灾报警系统无法准确定位着火点的位置，而偏差过大的报警区域使得消防喷淋位置错误，延误灭火时间，造成严重后果。


技术实现要素：

4.有鉴于此，有必要提供一种基于阵列光栅的隧道火灾报警方法、装置、电子设备及计算机可读存储介质，用以解决现有技术中隧道火灾报警不及时、着火点定位不准确的问题。
5.为了解决上述问题，本发明提供一种基于阵列光栅的隧道火灾报警方法，包括：
6.获取火灾数据和非火灾数据，对所述火灾数据和非火灾数据进行训练，得到训练结果；
7.获取实时数据，根据所述训练结果判断所述实时数据是否为着火数据，若为着火数据，则根据所述着火数据得到初始着火点。
8.进一步地，对所述火灾数据和非火灾数据进行训练，得到训练结果，包括：
9.对所述火灾数据和非火灾数据分别进行标记，得到标记结果，利用svm算法对所述火灾数据、所述非火灾数据及所述标记结果进行训练，得到超平面、权重向量及偏置参数。
10.进一步地，根据所述训练结果判断所述实时数据是否为着火数据，包括：
11.利用svm算法计算公式及所述训练结果对所述实时数据进行判断是否为着火数据。
12.进一步地，利用svm算法计算公式及所述训练结果对所述实时数据进行判断是否为着火数据，包括：
13.利用svm算法计算公式和所述训练结果对所述实时数据进行计算，得到计算结果，所述计算结果为1则表示着火，所述计算结果为-1则表示未着火；
14.所述svm算法计算公式为
[0015][0016]
其中，x为实时数据，xi为超平面上的数据，wi为权重向量，b为偏置参数，k(x,xi)为核函数，n为超平面上数据的总个数，y(x)为计算结果。
[0017]
进一步地，还包括：
[0018]
利用svm算法对所述火灾数据对应的风速值进行训练，得到高风速火灾分类面和低风速火灾分类面；
[0019]
根据所述高风速火灾分类面和低风速火灾分类面得到风速修正值，利用所述风速修正值对所述初始着火点进行修正，得到最终着火点。
[0020]
进一步地，根据所述高风速火灾分类面和低风速火灾分类面得到风速修正值，包括：
[0021]
取位于所述高风速火灾分类面上的火灾数据对应的着火点与所述初始着火点的距离差值的平均值作为高风速修正值；
[0022]
取位于所述低风速火灾分类面上的火灾数据对应的着火点与所述初始着火点的距离差值的平均值作为低风速修正值。
[0023]
进一步地，利用所述风速修正值对所述初始着火点进行修正，包括：
[0024]
将所述初始着火点与所述风速修正值相加。
[0025]
本发明还提供了一种基于阵列光栅的隧道火灾报警装置，包括数据训练模块及初始着火点确定模块；
[0026]
所述数据训练模块，用于获取火灾数据和非火灾数据，对所述火灾数据和非火灾数据进行训练，得到训练结果；
[0027]
所述初始着火点确定模块，用于获取实时数据，根据所述训练结果判断所述实时数据是否为着火数据，若为着火数据，则根据所述着火数据得到初始着火点。
[0028]
本发明还提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如上述任一技术方案所述的基于阵列光栅的隧道火灾报警方法。
[0029]
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机该程序被处理器执行时，实现如上述任一技术方案所述的基于阵列光栅的隧道火灾报警方法。
[0030]
采用上述实施例的有益效果是：本发明提供的基于阵列光栅的隧道火灾报警方法，通过获取火灾数据和非火灾数据，对所述火灾数据和非火灾数据进行训练，得到训练结果，获取实时数据，根据所述训练结果判断所述实时数据是否为着火数据，若为着火数据，则根据所述着火数据得到初始着火点，能够及时进行隧道火灾报警，保证着火点的定位精度。
附图说明
[0031]
图1为本发明提供的基于阵列光栅的隧道火灾报警方法一实施例的流程示意图；
[0032]
图2为本发明实施例中提供的svm算法分类逻辑的示意图；
[0033]
图3为本发明提供的基于阵列光栅的隧道火灾报警装置一实施例的结构框图；
[0034]
图4为本发明提供的电子设备一实施例的结构框图。
具体实施方式
[0035]
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本技术一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
[0036]
本发明提供了一种基于阵列光栅的隧道火灾报警方法、装置、电子设备及计算机可读存储介质，以下分别进行详细说明。
[0037]
本发明实施例提供的基于阵列光栅的隧道火灾报警装置的应用场景，可以包括服务器，服务器中集成基于阵列光栅的隧道火灾报警装置。
[0038]
本发明实施例中服务器主要用于：
[0039]
获取火灾数据和非火灾数据，对所述火灾数据和非火灾数据进行训练，得到训练结果；
[0040]
获取实时数据，根据所述训练结果判断所述实时数据是否为着火数据，若为着火数据，则根据所述着火数据得到初始着火点。
[0041]
本发明实施例中，该服务器可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本发明实施例中所描述的服务器，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(cloud computing)的大量计算机或网络服务器构成。
[0042]
可以理解的是，本发明实施例中所使用的终端可以是既包括接收和发射硬件的设备，即具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的终端可以是台式机、便携式电脑、网络服务器、掌上电脑(personal digital assistant，pda)、移动手机、平板电脑、无线终端设备、通信设备、嵌入式设备等，本实施例不限定终端的类型。
[0043]
本领域技术人员可以理解，本发明实施例提供的基于阵列光栅的隧道火灾报警装置的应用场景，仅仅是与本发明方案一种应用场景，并不构成对本发明方案应用场景的限定，其他的应用环境还可以包括更多或更少的终端，可以理解的，该基于阵列光栅的隧道火灾报警装置还可以包括一个或多个其他终端，具体此处不作限定。
[0044]
需要说明的是，本发明实施例提供的基于阵列光栅的隧道火灾报警装置的应用场景仅仅是一个示例，本发明实施例描述的基于阵列光栅的隧道火灾报警装置以及场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着基于阵列光栅的隧道火灾报警装置的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。
[0045]
本发明实施例提供了一种基于阵列光栅的隧道火灾报警方法，其流程示意图，如图1所示，所述基于阵列光栅的隧道火灾报警方法包括：
[0046]
步骤s101、获取火灾数据和非火灾数据，对所述火灾数据和非火灾数据进行训练，得到训练结果；
[0047]
步骤s102、获取实时数据，根据所述训练结果判断所述实时数据是否为着火数据，
若为着火数据，则根据所述着火数据得到初始着火点。
[0048]
一个具体的实施例中，在隧道顶部中间以x米的间距敷设阵列光栅，0.1≤x≤3，利用所述阵列光栅以1hz的采样率获取实时火灾数据，实时火灾数据包括多个具有温度变动的光栅上的升温速度数据。
[0049]
作为一个优选的实施例，对所述火灾数据和非火灾数据进行训练，得到训练结果，包括：
[0050]
对所述火灾数据和非火灾数据分别进行标记，得到标记结果，利用svm算法对所述火灾数据、所述非火灾数据及所述标记结果进行训练，得到超平面、权重向量及偏置参数。
[0051]
一个具体的实施例中，将所述火灾数据标记为1，将所述非火灾数据标记为-1，svm算法分类逻辑的示意图，如图2所示，图2中h为最优分类面，h1、h2为超平面。
[0052]
作为一个优选的实施例，根据所述训练结果判断所述实时数据是否为着火数据，包括：
[0053]
利用svm算法计算公式及所述训练结果对所述实时数据进行判断是否为着火数据。
[0054]
需要说明的是，svm算法对数据的处理能力较好，计算快速，能够保证隧道内火灾报警的及时性。
[0055]
作为一个优选的实施例，利用svm算法计算公式及所述训练结果对所述实时数据进行判断是否为着火数据，包括：
[0056]
利用svm算法计算公式和所述训练结果对所述实时火灾数据进行计算，得到计算结果，所述计算结果为1则表示着火，所述计算结果为-1则表示未着火；
[0057]
所述svm算法计算公式为
[0058][0059]
其中，x为实时数据，xi为超平面上的数据，wi为权重向量，b为偏置参数，k(x,xi)为核函数，n为超平面上数据的总个数，y(x)为计算结果。
[0060]
可以理解的是，核函数可以采用线性核函数、多项式核函数及高斯核函数。
[0061]
一个具体的实施例中，x为当前需要进行判断的实时数据对应的特征向量，xi具体为支撑矢量，n为支撑矢量的个数。
[0062]
作为一个优选的实施例，还包括：
[0063]
利用svm算法对所述火灾数据对应的风速值进行训练，得到高风速火灾分类面和低风速火灾分类面；
[0064]
根据所述高风速火灾分类面和低风速火灾分类面得到风速修正值，利用所述风速修正值对所述初始着火点进行修正，得到最终着火点。
[0065]
一个具体的实施例中，风速值大于5米/秒的火灾数据记为-1位于高风速火灾分类面，风速值小于5米/秒的火灾数据记为1位于低风速火灾分类面。
[0066]
作为一个优选的实施例，根据所述高风速火灾分类面和低风速火灾分类面得到风速修正值，包括：
[0067]
取位于所述高风速火灾分类面上的火灾数据对应的着火点与所述初始着火点的
距离差值的平均值作为高风速修正值；
[0068]
取位于所述低风速火灾分类面上的火灾数据对应的着火点与所述初始着火点的距离差值的平均值作为低风速修正值。
[0069]
作为一个优选的实施例，利用所述风速修正值对所述初始着火点进行修正，包括：
[0070]
将所述初始着火点与所述风速修正值相加。
[0071]
需要说明的是，利用高风速火灾分类面和低风速火灾分类面得到修正值，利用修正值对初始着火点进行修正得到的最终着火点，提高了着火点的定位精度。
[0072]
本发明实施例提供了一种基于阵列光栅的隧道火灾报警装置，其结构框图，如图3所示，所述基于阵列光栅的隧道火灾报警装置包括数据训练模块301及初始着火点确定模块302；
[0073]
所述数据训练模块301，用于获取火灾数据和非火灾数据，对所述火灾数据和非火灾数据进行训练，得到训练结果；
[0074]
所述初始着火点确定模块302，用于获取实时数据，根据所述训练结果判断所述实时数据是否为着火数据，若为着火数据，则根据所述着火数据得到初始着火点。
[0075]
如图4所示，上述基于阵列光栅的隧道火灾报警方法，本发明还相应提供了一种电子设备，该电子设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该电子设备包括处理器100、显示器200及存储器300。
[0076]
存储器300在一些实施例中可以是计算机设备的内部存储单元，例如计算机设备的硬盘或内存。存储器300在另一些实施例中也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，存储器300还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器300用于存储安装于计算机设备的应用软件及各类数据，例如安装计算机设备的程序代码等。存储器300还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器300上存储有基于阵列光栅的隧道火灾报警程序400，该基于阵列光栅的隧道火灾报警程序400可被处理器100所执行，从而实现本发明各实施例的基于阵列光栅的隧道火灾报警方法。
[0077]
处理器100在一些实施例中可以是一中央处理器(central processing unit,cpu)，微处理器或其他数据处理芯片，用于运行存储器300中存储的程序代码或处理数据，例如执行基于阵列光栅的隧道火灾报警程序等。
[0078]
显示器200在一些实施例中可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。显示器200用于显示在计算机设备的信息以及用于显示可视化的用户界面。计算机设备的部件100-300通过系统总线相互通信。
[0079]
在一实施例中，当处理器100执行存储器300中基于阵列光栅的隧道火灾报警程序400时实现以下步骤：
[0080]
获取火灾数据和非火灾数据，对所述火灾数据和非火灾数据进行训练，得到训练结果；
[0081]
获取实时数据，根据所述训练结果判断所述实时数据是否为着火数据，若为着火数据，则根据所述着火数据得到初始着火点。
[0082]
本实施例还提供了一种计算机可读存储介质，其上存储有基于阵列光栅的隧道火灾报警程序，该基于阵列光栅的隧道火灾报警程序被处理器执行时实现以下步骤：
[0083]
获取火灾数据和非火灾数据，对所述火灾数据和非火灾数据进行训练，得到训练结果；
[0084]
获取实时数据，根据所述训练结果判断所述实时数据是否为着火数据，若为着火数据，则根据所述着火数据得到初始着火点。
[0085]
本发明公开的一种基于阵列光栅的隧道火灾报警方法、装置、电子设备及计算机可读存储介质，通过获取火灾数据和非火灾数据，对所述火灾数据和非火灾数据进行训练，得到训练结果，获取实时数据，根据所述训练结果判断所述实时数据是否为着火数据，若为着火数据，则根据所述着火数据得到初始着火点，能够及时进行隧道火灾报警，保证着火点的定位精度。
[0086]
本技术方案采用阵列光栅采集数据，能够降低设备成本，结合风速值训练，利用高风速火灾分类面和低风速火灾分类面得到修正值，利用修正值对初始着火点进行修正得到的最终着火点，提高了着火点的定位精度，采用svm算法处理数据计算快，保证了隧道火灾报警的及时性。
[0087]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0088]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。