一种消防演习虚拟训练方法

1.本发明涉及消防训练技术领域，特别涉及一种消防演习虚拟训练方法。


背景技术：

2.目前，随着全球气候变暖森林大火层出不穷，而且城市火灾和化工厂的不安全事故也时有发生，造成了很多的财产损失，对于人民的生命安全也具有巨大的威胁，通常情况下都是消防员进行救火救灾，但是不管是森林火灾还是城市火灾，消防员都是根据临时环境去救援，城市中不同的户型、不同的厂房其消防设施的设置的地点不同，而且特别是一些工厂等地方，其存在化学物质，消防员在火灾救援的时候很可能会不注意这些化学物质。而这些化学物质，消防员只可能听说过应该怎么注意，不会存在具体的训练场景中出现这些化学物质去训练。消防员的训练只是技能的训练，在不同的环境，很可能因为环境问题导致自身受到伤害，或者因为户型问题，环境不清楚问题导致救援的时候少救人，或者错失最佳救援时间。所以无法进行场景训练是现有消防员技能升级的一种障碍。


技术实现要素：

3.本发明提供一种消防演习虚拟训练方法，以解决消防员无法进行场景训练的问题。
4.一种消防演习虚拟训练方法，包括：
5.获取历史消防数据档案，根据所述历史消防数据档案，确定消防步骤，并根据每一步的消防步骤，生成一一对应的消防节点；
6.获取消防演练数据，并根据所述消防演练数据，对所述消防节点进行预演，生成模拟消防演习节点；
7.连接不同的模拟消防演习节点，进行模拟消防预演，并构建对应训练节点的模拟场景；
8.将所述模拟场景导入预设的vr设备，通过vr设备内置的模拟场景对消防人员进行训练。
9.优选的：所述获取历史消防数据档案，根据所述历史消防数据档案，确定消防步骤，并根据每一步的消防步骤，生成一一对应的消防节点，包括：
10.获取历史消防数据档案，并采集所述获取历史演习数据档案的历史消防数据；其中，
11.历史消防数据包括：场景数据、火情数据和人员数据；
12.提取所述历史消防数据的历史消防特征，并根据所述历史消防特征，生成历史消防特征数据；其中，
13.所述历史消防特征数据包括：工具操控特征数据、救援步骤特征数据和救援效率特征数据；
14.将所述历史消防特征数据传输至预设的大数据中心，确定历史消防数据档案的消
防步骤；
15.基于预设的分布式存储系统，获取存储节点；
16.按照所述消防步骤，将所述历史消防特征数据一一传输并存储至存储节点中进行消防预演，生成消防演习节点。
17.优选的：所述获取消防演练数据，并根据所述消防演练数据，对所述消防节点进行预演，生成模拟消防演习节点，包括：
18.获取历史消防特征数据，并根据所述历史消防特征数据，生成训练数据；
19.基于所述消防步骤，划分所述训练数据，确定层次训练数据；其中，
20.所述层次训练数据是按照消防步骤的数量，将训练数据划分为不同的层级，每个层级包含预设数量的相邻消防步骤的数据；
21.根据所述层次训练数据和消防演习步骤，确定训练演化结构；
22.根据所述训练演化结构，将历史消防特征数据传输至存储节点，建立消防演习节点。
23.优选的：所述获取消防演练数据，并根据所述消防演练数据，对所述消防节点进行预演，生成模拟消防演习节点，还包括：
24.在历史消防数据档案中，采集所述消防演习节点的消防数据；
25.将所述消防数据传输至预设的大数据中心，确定概率事件，并计算概率事件的预测概率；
26.获取消防演习步骤，根据所述消防演习步骤和概率事件，建立概率事件树；
27.基于所述概率事件树，通过所述预测概率，对消防演习节点进行模拟演练，并生成模拟消防演习节点。
28.其中，
29.所述概率事件包括：火情发展概率、事故点消防设施损坏概率、救援人员不足概率和事故人员无法救援概率。
30.优选的：所述将所述消防演习数据传输至预设的大数据中心，确定概率事件，并计算概率事件的预测概率，包括：
31.获取消防数据；
32.基于预设的大数据中心，对所述消防数据进行贝叶斯概率计算，并确定消防演习的概率事件；其中，
33.所述概率事件表示对消防演习过程中正影响和负影响的环境概率事件；
34.根据所述概率事件，对所述消防演习数据进行拟合处理，确定概率事件的影响概率；
35.基于预设的深度神经学习算法，获取历史影响概率，自动根据所述历史影响概率和影响概率学习，计算概率事件的预测概率。
36.优选的：所述连接所述模拟消防演习节点，进行模拟消防预演，并构建对应训练节点的模拟场景，包括：
37.连接所述模拟消防演习节点，确定消防演习步骤的连接顺序；
38.根据所述模拟消防演习节点，生成模拟消防演习图片；
39.根据所述模拟消防演习图片和连接顺序，确定模拟消防演习顺序树图；
40.将模拟消防演习图片传输至预设的仿真模拟设备中，并根据所述模拟消防演习顺序树图，生成对应的目标模拟消防训练场景模型；
41.基于所述目标模拟消防训练场景模型，进行模拟消防预演，并构建对应训练节点的模拟场景。
42.优选的：所述将模拟消防演习图片传输至预设的仿真模拟设备中，并根据所述模拟消防演习顺序树图，生成对应的目标模拟消防训练场景模型，包括：
43.获取仿真模拟数据，并根据所述仿真模拟数据，对所述模拟消防演习图片进行降噪和孤立处理，确定仿真消防演习图片；
44.基于预设的定时频率，动态演绎所述仿真消防演习图片，并转换所述仿真消防演习图片的格式，建设动态模拟仿真演绎机制；
45.根据所述模拟消防演习顺序树图，将所述仿真消防演习图片传输至动态模拟仿真演绎机制，生成目标模拟消防训练场景模型。
46.优选的：所述建设动态模拟仿真演绎机制，还包括：
47.选取消防演习虚拟训练的虚拟演绎数据；其中，
48.所述虚拟演绎数据用于根据预设的环境数据和消防数据，模拟出的训练数据；其中，
49.所述环境数据用于提前录入的建筑数据，地形数据和路线数据；
50.根据所述虚拟训练数据，生成模拟消防训练方案，并根据所述模拟消防训练方案，确定最优消防训练方案；
51.将所述仿真模拟图片导入最优消防训练方案，建设动态模拟仿真演绎机制。
52.优选的：所述训练方法还包括：
53.步骤1：获取历史仿真模拟消防演习数据，根据所述历史仿真模拟消防演习数据，确定历史演习数据曲率；
[0054][0055]
其中，k代表历史演习数据曲率，x代表历史仿真模拟消防演习数据,n代表采集到的历史仿真模拟消防演习数据的总个数，i代表采集到的历史仿真模拟消防演习数据的第i个数，t代表采集的历史仿真模拟消防演习数据对应的时间，x
i
′
代表采集到第i个历史仿真模拟消防演习数据的一阶导数，x
′
i
‑1采集到第i
‑
1个历史仿真模拟消防演习数据的一阶导数，x
i
″
代表采集到第i个历史仿真模拟消防演习数据的二阶导数，t
i
′
代表第i个历史仿真模拟消防演习数据的对应时间的一阶导数，t
i
″
代表第i个历史仿真模拟消防演习数据的对应时间的二阶导数，t
′
i
‑1代表第i
‑
1个历史仿真模拟消防演习数据的对应时间的一阶导数；
[0056]
步骤2：获取目标仿真模拟消防演习数据x0，并根据所述目标仿真模拟消防演习数据，确定目标演习数据曲率；
[0057][0058]
其中，k0代表目标演习数据曲率，m代表采集到的历史仿真模拟消防演习数据的总个数，j代表采集到的目标仿真模拟消防演习数据的第j个数，t代表采集的目标仿真模拟消防演习数据对应的时间，x
j
′
代表采集到第j个目标仿真模拟消防演习数据的一阶导数，x
′
j
‑1采集到第j
‑
1个目标仿真模拟消防演习数据的一阶导数，x
j
″
代表采集到第j个目标仿真模拟消防演习数据的二阶导数，t
j
′
代表第j个目标仿真模拟消防演习数据的对应时间的一阶导数，t
j
″
代表第j个目标仿真模拟消防演习数据的对应时间的二阶导数，t
′
j
‑1代表第j
‑
1个目标仿真模拟消防演习数据的对应时间的一阶导数；
[0059]
步骤3：根据所述历史演习数据曲率和目标演习数据曲率，计算演习数据曲率误差；
[0060][0061]
其中，所述δδ代表演习数据曲率误差，γ代表以m和n中小的那个数作为介质范围的界限数；
[0062]
步骤4：根据所述演习曲率误差，通过下式宁优化演习数据；
[0063][0064]
其中，所述τ代表方差波动累计函数，所述代表针对演习曲率误差生成的动态优化参数，代表针对演习曲率动态变化参数；
[0065]
步骤5：将所述优化演习数据传输并存储至仿真模拟设备，更新历史演习数据。
[0066]
优选的：所述步骤4，还包括：
[0067]
步骤300：当所述演习数据曲率误差大于预设的误差阈值时，触发预设的警告窗口，弹跳到初始页面；
[0068]
步骤301：当所述演习数据曲率误差小于预设的误差阈值时，计算所述演习数据曲率的方差波动：
[0069][0070]
其中，s代表所述演习数据曲率的方差波动；
[0071]
步骤302：根据所述方差波动，确定演习数据曲率误差的方差波动累计函数：
[0072][0073]
其中，τ代表方差波动累计函数,所述代表针对演习曲率误差生成的动态优化参数。
[0074]
本发明有益效果在于：本技术方案通过消防演习虚拟训练，不仅通过历史消防档案数据进行一个消防演练步骤架构的提取，能够基于历史消防的场景、状况和经验，进行灵活的针对不同的场景，进行不同的训练模拟，减少了消防训练的人力成本，大大提高了训练的效率，而且，能够模拟各种场景进行训练，能够增加消防员对不同场景的认知，进而更好的进行救援。
[0075]
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
[0076]
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0077]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0078]
图1为本发明实施例中一种消防演习虚拟训练方法的方法流程图。
具体实施方式
[0079]
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
[0080]
需说明的是，当部件被称为“固定于”或“设置于”另一个部件，它可以直接在另一个部件上或者间接在该另一个部件上。当一个部件被称为是“连接于”另一个部件，它可以是直接或者间接连接至该另一个部件上。
[0081]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0082]
本发明提供的一种消防演习虚拟训练方法，针对消防演习，进行预测演练，不仅减少人力成本，增加演习效率，还通过虚拟演练使用户注意平时的细枝末节，减少错误，并提高消防的速度。
[0083]
实施例1：
[0084]
根据图1所示，本发明实施例提供了一种消防演习虚拟训练方法，包括：
[0085]
步骤100：获取历史消防数据档案，根据所述历史消防数据档案，确定消防步骤，并根据每一步的消防步骤，生成一一对应的消防节点；
[0086]
步骤101：获取消防演练数据，并根据所述消防演练数据，对所述消防节点进行预演，生成模拟消防演习节点；
[0087]
步骤102：连接不同的模拟消防演习节点，进行模拟消防预演，并构建对应训练节点的模拟场景；
[0088]
步骤103：将所述模拟场景导入预设的vr设备，通过vr设备内置的模拟场景对消防人员进行训练。
[0089]
上述技术方案的工作原理为：
[0090]
本发明实施例提供了一种消防演习虚拟训练方法，通过获取历史消防演习数据档案，可以预先将成功消防或者较好消防的经验进行采集，也能对消防的场景环境、工具、人员、状况和随机事件(随机事件包括消防中没水、消防车被挡住等随机事件)进行统计，并上传至终端，根据所述历史消防演习数据档案，建立消防演习节点，节点是基于分布式存储网络获取的节点，通过分布式网络，保证整个操作过程的严密和灵活，根据所述消防演习节点，生成演练数据，并根据所述演练数据，进行节点预演，生成模拟消防演习节点，对不同的节点，划分整个消防演练的步骤，把不同步骤的消防演练步骤存储到不同的节点中，连接所述模拟消防演习节点，确定模拟消防演习图片，所述模拟消防演习图片，一般而言是一个带有时间逻辑顺序的模拟流程图，用来规范化、流程化整个消防操作的步骤，将所述模拟消防演习图片传输至预设的仿真模拟设备中，并生成目标仿真模拟消防演习视频，这个视频便是仿真模拟的消防演习虚拟训练场景，用以帮助用户更好的进行消防模拟演练。
[0091]
上述技术方案的有益效果为：
[0092]
本技术方案通过消防演习虚拟训练，不仅通过历史消防档案数据进行一个消防演练步骤架构的提取，能够基于历史消防的场景、状况和经验，进行灵活的针对不同的场景，进行不同的训练模拟，减少了消防训练的人力成本，大大提高了训练的效率，而且，能够模拟各种场景进行训练，能够增加消防员对不同场景的认知，进而更好的进行救援。
[0093]
实施例2：
[0094]
本技术方案提供了一种实施例，所述获取历史消防数据档案，根据所述历史消防数据档案，确定消防步骤，并根据每一步的消防步骤，生成一一对应的消防节点，包括：
[0095]
获取历史消防数据档案，并采集所述获取历史演习数据档案的历史消防数据；其中，
[0096]
历史消防数据包括：场景数据、火情数据和人员数据；
[0097]
提取所述历史消防数据的历史消防特征，并根据所述历史消防特征，生成历史消防特征数据；其中，
[0098]
所述历史消防特征数据包括：工具操控特征数据、救援步骤特征数据和救援效率特征数据；
[0099]
将所述历史消防特征数据传输至预设的大数据中心，确定历史消防数据档案的消防步骤；
[0100]
基于预设的分布式存储系统，获取存储节点；
[0101]
按照所述消防步骤，将所述历史消防特征数据一一传输并存储至存储节点中进行消防预演，生成消防演习节点。
[0102]
上述技术方案的工作原理为：
[0103]
本技术方案通过获取历史消防数据档案，根据所述历史消防数据档案，建立消防演习节点，这些消防演习节点含有消防过程中，每个步骤的消防状态，首先获取历史消防数
据档案，也就是输入的消防案例，并采集所述获取历史消防数据档案的历史消防数据，采集数据一般是对的地形数据、消防的工具、消防的人员等或者其他环境数据进行数据提取，确定所述历史消防数据的历史消防特征，并根据所述历史消防特征，生成历史消防特征数据，这些历史消防特征数据是表现出消防演绎训练主要特征的数据，例如如何操控水枪、如何攀登、如何进行云梯架设，将所述历史消防特征数据传输至预设的大数据中心，确定训练数据，训练数据是进行消防员的训练，让消防员在特定场景下进行动作或者操作，或者决策的训练数据。它是基于卷积神经网络提取，在模拟场景的网络中，将这些节点像大脑神经一样的连接起来，让它自己进行联想推理，基于预设的分布式系统，将场景存储在这些节点；根据训练数据，训练所述存储节点，确定训练节点，训练的节点就像人大脑中的神经节点，有着非常多的训练步骤中的场景，这些所有的训练节点通过顺序连接建立起来，进行场景模拟的消防演习训练，而这些节点统称为消防演习节点。
[0104]
上述技术方案的有益效果为：
[0105]
本技术方案通过在分布式网路的分布式技术，通过分布式节点获取并训练数据的场景和动作。进行消防训练，不仅能够让消防员体验不同消防场景的消防操作步骤，使得训练数据更加贴合实际，生成场景模型也更加贴合实际，更是大大的增强了每个节点训练的真实度，同时提高了消防员的救援效率。
[0106]
实施例3：
[0107]
本技术方案提供了一种实施例，获取消防演练数据，并根据所述消防演练数据，对所述消防节点进行预演，生成模拟消防演习节点，包括：
[0108]
获取历史消防特征数据，并根据所述历史消防特征数据，生成训练数据；
[0109]
基于所述消防步骤，划分所述训练数据，确定层次训练数据；其中，
[0110]
所述层次训练数据是按照消防步骤的数量，将训练数据划分为不同的层级，每个层级包含预设数量的相邻消防步骤的数据；
[0111]
根据所述层次训练数据和消防演习步骤，确定训练演化结构；
[0112]
根据所述训练演化结构，将历史消防特征数据传输至存储节点，建立消防演习节点。
[0113]
上述技术方案的工作原理为：
[0114]
本技术方案根据所述训练数据，确定训练节点，并根据所述训练节点，建立消防演习节点，整个历史消防演习数据档案中包含着消防演习步骤，每一步骤都需要动作特征提取，包括：获取历史消防演习数据档案的消防演习步骤；按照这些消防演习步骤划分所述训练数据，确定消防演习的消防演习步骤的划分训练数据；对于不同消防演习步骤的数据要不同训练，其中，所述划分训练数据是针对不同消防演习步骤提炼的训练数据；根据所述划分训练数据，确定消防演习步骤的层次演习顺序，层次是对划分数据划分的，针对消防不同的步骤划分为第一层、第二层，每一层包括多个必须连续执行的消防操作步骤等等，若希望仿真出来的越精细，则划分的层次和等级也便越多，但计算量响应的也就会越大；针对所述层次演习结构，驯化历史消防演习数据档案的历史消防演习数据，确定训练演化结构；根据所述训练演化结构，建立消防演习节点。
[0115]
上述技术方案的有益效果为：
[0116]
本技术方案通过对消防演习步骤划分和分等次训练，可以让用户自行选择驯化演
练的复杂度，针对用户的时间紧急，可以分不同层次来划分训练演化的精细度，灵活多变，方便敏捷。
[0117]
实施例4：
[0118]
本技术方案提供了一种实施例，所述获取消防演练数据，并根据所述消防演练数据，对所述消防节点进行预演，生成模拟消防演习节点，还包括：
[0119]
在历史消防数据档案中，采集所述消防演习节点的消防数据；
[0120]
将所述消防数据传输至预设的大数据中心，确定概率事件，并计算概率事件的预测概率；
[0121]
获取消防演习步骤，根据所述消防演习步骤和概率事件，建立概率事件树；
[0122]
基于所述概率事件树，通过所述预测概率，对消防演习节点进行模拟演练，并生成模拟消防演习节点。
[0123]
上述技术方案的工作原理为：
[0124]
本技术方案根据消防演习节点，生成演练数据，演练数据包括着演练时的用户消防路线，路长和速度计算，还包括环境数据，如环境温度、环境烟雾浓度，包括采集消防演习节点的消防演习数据，对所述消防演习数据进行贝叶斯概率计算，确定消防演习的概率事件，也就是消防演习中的干扰因素导致的可变影响，概率事件可能为火情发展增大概率、事故点消防设施损坏概率、救援人员不足概率和事故人员无法救援概率基于所述概率事件，对所述消防演习数据进行拟合处理，将理想状态，电脑自生的无因素干扰的消防演习数据和干扰因素拟合，拟合出更精确的，更贴合环境的消防演习演练数据，确定预测概率事件；根据所述预测概率事件，生成演练数据。
[0125]
上述技术方案的有益效果为：
[0126]
本技术方案通过对大量节点采集消防演习数据，进行概率演练，从而对节点进行真实的数据拟合模拟，为后面的仿真模拟训练提供精确的，更贴合实际的原始数据。
[0127]
实施例5：
[0128]
本技术方案提供了一种实施例，所述将所述消防演习数据传输至预设的大数据中心，确定概率事件，并计算概率事件的预测概率，包括：
[0129]
获取消防数据；
[0130]
基于预设的大数据中心，对所述消防数据进行贝叶斯概率计算，并确定消防演习的概率事件；其中，
[0131]
所述概率事件表示对消防演习过程中正影响和负影响的环境概率事件；
[0132]
根据所述概率事件，对所述消防演习数据进行拟合处理，确定概率事件的影响概率；
[0133]
基于预设的深度神经学习算法，获取历史影响概率，自动根据所述历史影响概率和影响概率学习，计算概率事件的预测概率。
[0134]
上述技术方案的工作原理为：
[0135]
本技术方案根据所述演练数据，进行节点预演，节点预演即是对消防演习进行的模拟训练，模拟训练后生成模拟消防演习节点，整个步骤包括：获取演练数据，将所述演练数据传输至预设的大数据中心，大数据中心会对演练数据进行处理，进行环境拟合、特征函数提取、包括正因子特征和负因子特征，通过不同特征的提取，进行节点演练，确定演练节
点；获取演练节点的演练步骤；按照所述演练步骤，对演练节点进行模拟演练，并生成模拟消防演习节点。
[0136]
上述技术方案的有益效果为：
[0137]
本技术方案通过按照演练步骤对演练节点进行模拟演练，基于贝叶斯概率的仿真模拟，在贴合理想情况下，还包容了不同时间的概率，更加真实、精确。
[0138]
实施例6：
[0139]
本技术方案提供了一种实施例，所述连接所述模拟消防演习节点，进行模拟消防预演，并构建对应训练节点的模拟场景，包括：
[0140]
连接所述模拟消防演习节点，确定连接顺序；
[0141]
根据所述模拟消防演习节点，生成模拟消防演习图片；
[0142]
根据所述模拟消防演习图片和连接顺序，确定模拟消防演习顺序树图；
[0143]
将模拟消防演习图片传输至预设的仿真模拟设备中，并根据所述模拟消防演习顺序树图，生成对应的目标模拟消防训练场景模型；
[0144]
基于所述目标模拟消防训练场景模型，进行模拟消防预演，并构建对应训练节点的模拟场景。
[0145]
上述技术方案的工作原理为：
[0146]
本技术方案通过连接模拟消防演习节点，确定模拟消防演习图片，整个模拟消防演习图片代表消防流程的整个过程，将模拟消防演习图片传输至预设的仿真模拟设备中，并生成目标仿真模拟消防演习视频，包括：连接所述模拟消防演习节点，确定连接顺序；根据所述模拟消防演习节点和连接顺序，生成模拟消防演习图片；压缩所述模拟消防演习图片，生成模拟压缩图；将模拟压缩图传输至预设的仿真模拟设备中，生仿真模拟数据；基于所述仿真模拟数据，生成目标仿真模拟消防演习场景，整个消防演习场景需要数不计数的图片动态运行，需要精确准确的进行判断，这是一个巨大的工程，需要分不同步骤进行精细的分层。
[0147]
上述技术方案的有益效果为：
[0148]
本技术方案通过消防演习的仿真模拟数据对消防演习视频进行演练，从而确定精准的模拟训练数据，让消防员的训练体验更加真实。
[0149]
实施例7：
[0150]
本技术方案提供了一种实施例，所述将模拟消防演习图片传输至预设的仿真模拟设备中，并根据所述模拟消防演习顺序树图，生成对应的目标模拟消防训练场景模型，包括：
[0151]
获取仿真模拟数据，并根据所述仿真模拟数据，对所述模拟消防演习图片进行降噪和孤立处理，确定仿真消防演习图片；
[0152]
基于预设的定时频率，动态演绎所述仿真消防演习图片，并转换所述仿真消防演习图片的格式，建设动态模拟仿真演绎机制；
[0153]
根据所述模拟消防演习顺序树图，将所述仿真消防演习图片传输至动态模拟仿真演绎机制，生成目标模拟消防训练场景模型。
[0154]
本发明具体还包括：
[0155]
将模拟的消防演习场景传输至预设的仿真模拟设备中，让消防员通过仿真模拟设
备进行训练，这些仿真模拟设备属于ar设备，主要是辅助消防员进行训练，模拟一些场景下具体的状况，而消防员会佩戴专门的ar眼镜去感受场景。
[0156]
上述技术方案的工作原理为：
[0157]
本技术方案的仿真模拟数据，生成目标仿真模拟消防演习视频，包括基于所述仿真模拟数据，采集仿真模拟图片；将所有的仿真模拟图片动态的运行，按照一定的时率，动态演绎仿真模拟图片，并转换所述仿真模拟图片的格式，建设动态模拟仿真演绎机制，图像和动态演绎的机制完全不同；基于所述动态模拟仿真演绎机制，生成目标仿真模拟消防演场景。
[0158]
上述技术方案的有益效果为：
[0159]
本技术方案通过对仿真模拟场景的演绎，进而进行消防员的仿真消防演习训练，减少成本资源。
[0160]
实施例8：
[0161]
本技术方案提供了一种实施例，所述建设动态模拟仿真演绎机制，还包括：
[0162]
选取消防演习虚拟训练的虚拟演绎数据；其中，
[0163]
所述虚拟演绎数据用于根据预设的环境数据和消防数据模拟出的训练数据；其中，
[0164]
所述环境数据用于提前录入的建筑数据，地形数据和路线数据；
[0165]
根据所述虚拟训练数据，生成模拟消防训练方案，并根据所述模拟消防训练方案，确定最优消防训练方案；
[0166]
将所述仿真模拟图片导入最优消防训练方案，建设动态模拟仿真演绎机制。
[0167]
上述技术方案的工作原理为：
[0168]
本技术方案通过建设动态模拟仿真演绎机制，选取消防演习虚拟训练的虚拟演绎数据；其中，所述虚拟演绎数据用于根据预设的环境数据和消防数据模拟出的训练数据；其中，所述环境数据用于提前录入的建筑数据，地形数据和路线数据；根据所述虚拟训练数据，生成模拟消防训练方案，并根据所述模拟消防训练方案，确定最优消防训练方案；将所述仿真模拟图片导入最优消防训练方案，建设动态模拟仿真演绎机制。
[0169]
上述技术方案的有益效果为：
[0170]
本技术方案通过对仿真模拟视频的演绎，确定目标仿真消防演习训练，进行最优化的方案演绎，减少人力资源和设备追求精准的成本，提高了消防演习虚拟训练的效率。
[0171]
实施例9：
[0172]
本技术方案提供了一种实施例，所述训练方法还包括：
[0173]
步骤1：获取历史仿真模拟消防演习数据，根据所述历史仿真模拟消防演习数据，确定历史演习数据曲率；
[0174][0175]
其中，k代表历史演习数据曲率，x代表历史仿真模拟消防演习数据,n代表采集到的历史仿真模拟消防演习数据的总个数，i代表采集到的历史仿真模拟消防演习数据的第i
个数，t代表采集的历史仿真模拟消防演习数据对应的时间，x
i
′
代表采集到第i个历史仿真模拟消防演习数据的一阶导数，x
′
i
‑1采集到第i
‑
1个历史仿真模拟消防演习数据的一阶导数，x
i
″
代表采集到第i个历史仿真模拟消防演习数据的二阶导数，t
i
′
代表第i个历史仿真模拟消防演习数据的对应时间的一阶导数，t
i
″
代表第i个历史仿真模拟消防演习数据的对应时间的二阶导数，t
′
i
‑1代表第i
‑
1个历史仿真模拟消防演习数据的对应时间的一阶导数；
[0176]
步骤2：获取目标仿真模拟消防演习数据x0，并根据所述目标仿真模拟消防演习数据，确定目标演习数据曲率；
[0177][0178]
其中，k0代表目标演习数据曲率，m代表采集到的历史仿真模拟消防演习数据的总个数，j代表采集到的目标仿真模拟消防演习数据的第j个数，t代表采集的目标仿真模拟消防演习数据对应的时间，x
j
′
代表采集到第j个目标仿真模拟消防演习数据的一阶导数，x
′
j
‑1采集到第j
‑
1个目标仿真模拟消防演习数据的一阶导数，x
j
″
代表采集到第j个目标仿真模拟消防演习数据的二阶导数，t
j
′
代表第j个目标仿真模拟消防演习数据的对应时间的一阶导数，t
j
″
代表第j个目标仿真模拟消防演习数据的对应时间的二阶导数，t
′
j
‑1代表第j
‑
1个目标仿真模拟消防演习数据的对应时间的一阶导数；
[0179]
步骤3：根据所述历史演习数据曲率和目标演习数据曲率，计算演习数据曲率误差；
[0180][0181]
其中，所述δδ代表演习数据曲率误差，γ代表以m和n中小的那个数作为介质范围的界限数；
[0182]
步骤4：根据所述演习曲率误差，计算优化演习数据；
[0183][0184]
其中，所述τ代表方差波动累计函数，所述代表针对演习曲率误差生成的动态优化参数，代表针对演习曲率误差；
[0185]
步骤5：将所述优化演习数据传输并存储至仿真模拟设备，更新历史优化演习数据。
[0186]
上述技术方案的工作原理为：
[0187]
本技术方案的训练方法通过获取历史仿真模拟消防演习数据，根据所述历史仿真模拟消防演习数据，确定历史演习数据曲率；获取目标仿真模拟消防演习数据，并根据所述目标仿真模拟消防演习数据，确定目标演习数据曲率；根据所述历史演习数据曲率和目标演习数据曲率，计算演习数据曲率误差；根据所述演习曲率误差，计算优化演习数据；将所
述优化演习数据传输并存储至仿真模拟设备，更新历史优化演习数据，整个过程是通过对历史演习数据曲率是对整个历史演习数据进行一种虚拟场景真实度的场景验证系数，若曲率近乎k＝1，则说明曲率差越小，说明误差越少，模拟的场景越真实，根据这个曲率，也可以对模拟的场景进行不断地优化。
[0188]
上述技术方案的有益效果为：
[0189]
本技术方案通过对曲率计算，从而进行优化，可以及时反馈曲率的误差，从而要么进行及时的维修或者设置补正装置，获取到精确的、更加精准的消防训练演习的模拟场景。
[0190]
实施例10：
[0191]
本技术方案提供了一种实施例，所述步骤3，还包括：
[0192]
步骤300：当所述演习数据曲率误差大于预设的误差阈值时，触发预设的警告窗口，弹跳到初始页面；
[0193]
步骤301：当所述演习数据曲率误差小于预设的误差阈值时，计算所述演习数据曲率的方差波动：
[0194][0195]
其中，s代表所述演习数据曲率的方差波动；
[0196]
步骤302：根据所述方差波动，确定演习数据曲率误差的方差波动累计函数：
[0197][0198]
其中，τ代表方差波动累计函数,所述代表针对演习曲率误差生成的动态优化参数。
[0199]
上述技术方案的工作原理和有益效果为：
[0200]
本技术方案在当所述演习数据曲率误差大于预设的误差阈值时，触发预设的警告窗口，弹跳到初始页面，当所述演习数据曲率误差小于预设的误差阈值时，计算所述演习数据曲率的方差波动s，方差波动越大，代表误差越大，越不稳定，根据所述方差波动，确定演习数据曲率误差的方差波动累计函数τ，从分布函数中便可以根据误差数据做出优化参数的动态计算，更加精确，校准值更加灵活。
[0201]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
[0202]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实
现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0203]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0204]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0205]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。