基于物聯網的住宅小區火險評估系統的設計

摘 要：為了快速評估住宅小區火險等級，應用物聯網和神經網絡技術，開發了火險評估系統。無線傳感網實現了環境因子參數的采集，短信技術支持了數據遠程傳遞，云計算中心應用神經網絡智能算法，集中受理各小區的查詢請求，降低了系統運營成本。神絡網絡設計為雙隱層的BP神經網絡，各層神經元結點分別為15，27，9，1，訓練后，神經網絡成功地實現了對專家思維的仿真。該系統計算效率高，火險評估準確，適用于各類住宅小區。

關鍵詞：移動通信；小區火險；火險評估

隨著城市化進程的發展，城市住宅小區數量越來越多，小區內建筑物結構日趨復雜，具有樓層高，地下車庫深的特點。發生火災后，救援較為困難。因此預防比撲火更加重要。海恩法則指出：“一次重大事故的背后，有29次輕微事故、300起未遂事故和1000起事故隱患。”如果能夠觀測火險隱患數量的變化，找到火險隱患和火災的內在聯系，即可建立一個住宅小區火險評估系統。在火險較高的時期，提醒小區安防人員提高警戒力度，加強巡視。并且保證在火災發生后，安防人員能夠有條不紊地按預案展開救援，降低火災造成的損失。

1 神經網絡技術的開發

1.1 火險等級劃分

本系統把小區火險等級分為5個等級[1]。1）1級，綠色表示，火災風險較小，小區安防人員的任務是加強火險指標的觀測和統計；2）2級，藍色表示，已存在已知火災隱患，但是發展成火災事故的條件不足，小區安防人員的任務是加強事故隱患的檢查；3）3級，黃色表示，此時可能出現輕微火災事故，小區安防人員應當盡力減小各項指標值；4）4級，橙色表示，上級物業主管部門開始介入，督促小區安防人員應加強安全宣傳，檢修消防器材；5）5級，紅色表示，上級物業主管部門制定整改計劃，加設消防工程，從建筑結構上降低火災風險。

1.2 確定15個評價指標

通過調查國內外小區防火資料，確定火險等級和15個指標有一定的關系，15個指標為：建筑物耐火等級、建筑物裝修材料耐火等級、建筑物功能類型、單位面積可燃物數量、單位面積防火隔離裝置數量、小區居民類型、消防設施檢查合格率、單位面積火災智能傳感器安裝數量、近期物業管理水平、近期消防演練水平、昨日降雨量、昨日平均氣溫、昨日小區總用電量、當日風俗節日類型、昨日居民生產活動頻繁等級。

1.3 神經網絡技術的應用

目前無法判斷15個指標對火險的影響權重，難以建立精準的數學模型從已知指標來推算火險等級。因此在小區安防工作中，通常聘請消防部門的專家實地考察指標，憑經驗判斷。但是專家屬于稀缺資源，無法每日對所有小區逐個評估，因此擬建立一種神經網絡，通過對專家案例的學習，仿真專家的推理邏輯。

神經網絡選擇BP神經網絡，BP神經網絡是一種多層前饋網絡，按誤差逆傳播訓練，其神經元結構見圖1[2]。BP神經網絡能夠逼近各種復雜函數，即只要火險指標和火險等級存在著數學關系，即使無數學模型的支持，也能夠通過學習歷史數據，仿真函數的行為。

因為需要評判的指標多，求解問題很模糊，因此選用雙隱層的BP神經網絡，采用數學專業語言Matlab做為神經網絡的開發工具[3]。

1.4 收集訓練數據

選取60個小區，調查每個小區的15個指標，專家查閱指標，實地分析給出火險評價等級，填寫專家評價表，見表1。前50組數據做為神經網絡的訓練數據，后10組做為神經網絡的檢驗數據。

1.5 建立神經網絡

調整神經網絡各層傳遞函數和各層神經元節點個數，多次實驗，采用“MSE（均方差）”檢驗精度，找到精度最好的網絡結構，其結構形式見圖2。輸入層神經元節點15個，用于承接15個指標的輸入；隱藏層的第1層神經元節點27個，采用“tansig”傳遞函數；隱藏層的第2層神經元節點9個，采用“logsig”傳遞函數；輸出層神經元節點1個，用于輸出火險等級，采用“purelin”傳遞函數。

1.6 訓練神經網絡

在第70次訓練時，神經網絡快速收斂，并達到預設精度要求，訓練結束。訓練過程見圖3。

1.7 自檢訓練精度

需要對訓練精度自檢，從而判定訓練數據是否有效。把50組訓練數據提供給神經網絡獨立評價，計算網絡評價結果和專家結論之間誤差，兩者誤差見圖4。圖4中，專家結論用“○”表示，網絡評價結果用“+”表示，“○”與“+”吻合，則表示網絡評價和專家結論一至，不吻合時，兩者距離表示誤差大小。圖4表明50組訓練數據中存在9個樣本誤差，誤差范圍很小，訓練精度達到了要求。

1.8 檢驗評估精度

最后10個樣本沒有參加訓練，用于判定神經網絡對未知指標的評估能力，神經網絡獨立評價的結果和專家結論完全吻合。說明本次構建的神經網絡已能模擬專家邏輯，可以取代專家，對小區火險做出獨立評價。

2 物聯網架構的設計

成熟的物聯網架構通常劃分為三層：感知層、網絡層、智慧層。在本系統的設計中，感知層用傳感器網來實現，網絡層采用了短信技術[4]，智慧層建設為云計算中心，智慧層的核心計算邏輯采用訓練好的神經網絡[5]。

2.1 傳感器網的建設

15個評價指標可分為三類，第1類為長期指標，包括“建筑物耐火等級、建筑物裝修材料耐火等級、建筑物功能類型、單位面積可燃物數量、單位面積防火隔離裝置數量、小區居民類型”；第2類為中期指標，包括“消防設施檢查合格率、單位面積火災智能傳感器安裝數量、近期物業管理水平、近期消防演練水平”；第3類為短期指標，包括“昨日降雨量、昨日平均氣溫、昨日小區總用電量、當日風俗節日類型、昨日居民生產活動頻繁等級”。

其中長期指標一年設定一次，中期指標一月設定一次，短期指標除了“當日風俗節日類型”可以從日歷數據庫中查詢外，其它四個指標為環境因子，需要每日觀測和采集。在小區建立小型氣象站[6]，設置傳感器采集每日的降雨量和氣溫。在小區各樓電表安裝用電量無線傳感器，各樓的每日用電量將被匯兌，計算獲得小區總用電量。在小區出入口處的車輛道閘安裝門磁傳感器，記錄車輛進出的頻次[7]。同時在小區出入口處的人行道上安裝熱釋電紅外傳感器，記錄小區居民進出的頻次。對各出入口的車輛進出頻次和居民進出頻次求和，作為居民生產活動頻次，換算成居民生產活動頻繁等級。各傳感器用無線通訊的方式組成無線傳感器網，傳感器處理模塊負責接收各傳感器發來的檢測參數，換算成火險評價中的第3類指標。

2.2 短信平臺的建設

選擇“Microsoft Visual FoxPro 9.0”開發短信平臺，短信平臺負責將15個評價指標組成一條短信，發送給云計算中心。構建短信平臺需要一臺GSM MODEM（短信貓），GSM MODEM和計算機之間采用串口通訊。調用MSCOMM控件，采用“CREATEOBJECT”函數建立了名稱為“SMS”的串口對象，一切短信控制都是基于該對象并調用對象各項方法實現。短信平臺的架構見圖5。

向串口發送“AT+CMGS=138（0x0D）”，在本文中非可顯示字符用括號加16進制碼表示。該AT指令命令GSM設備作好準備，即將發送一個總長度為138的短信，約0.02秒后GSM設備回應：“AT+CMGS=138（0x0D）（0x0D）（0x0A）>（0x20）”，其中 “AT+CMGS=138”是AT指令回顯。“>（0x20）”是設備進入待接收短信主體狀態的標志。從串口讀到這個標志后，可繼續發送短信主體。短信主體必須進行PDU編碼，PDU編碼表如下：

當GSM MODEM成功接收到這一短信主體時，先是立即向串口回顯原文，約5S后如果發送成功，設備再次向串口返回：“（0x0D）（0x0A）+CMGS 27（0x0D）（0x0A）（0x0D）（0x0A）OK（0x0D）（0x0A）”；如果設備無法執行短信發送，例如短信主體格式或編碼錯誤、手機資費不足、無信號等原因，則將向串口返回“（0x0D）（0x0A） ERROR（0x0D）（0x0A）”，故查詢設備返回信息是否有“OK”或“ERROR”的標志就可以判斷本次短信是否發送成功。至此短信發送模塊開發完成。短信接收模塊的編碼和通訊開發類似于短信發送模塊。短信接收的方式采用每60s循環接收的方式。

2.3 云計算中心的建設

在物流集團總部架設一個小型的云計算中心，并建設一個短信平臺，用于接收各小區發來的指標短信。目前云計算有三種類型：公有云、私有云、混合云，本課題選擇私有云類型。私有云是指企業自己使用的云，它所有的服務不是供別人使用，而是供自己內部人員或分支機構使用。待時機成熟后，可以演變成混合云。混合云是指云計算提供的服務既供自己內部使用，也可供第三方系統使用。在未來，小區火險評價將納入城市安防的總架構，系統采集的指標和計算結果將提供給智慧城市的其它系統共享[8]。

3 系統應用實效

系統在某物業集團投入了試用，每天晚上零點過后，各小區結束一天的環境因子采集工作，拼接成攜帶15個指標的短信，例如：“凱麗花園，4，1，2，1，2，2，1，2，1，2，2，1，3，4，5”。把指標短信通過小區短信平臺發送給云計算中心的短信平臺[9]。

云計算中心接收到各住宅小區發來的火險因子短信后，對短信解碼，取出15個指標，調用訓練好的神經網絡評估火險等級，并以短信的形式將計算結果發給小區所有安防人員。整個接收、計算與發送工作過程，約耗時15s[10]。

小區安防人員收到小區火險等級后，即可按預案執行應對措施，加強巡邏和演練。并根據火險等級的標識色，在小區大門安放紅、橙、黃三種醒目的警示牌，告誡過往的居民，宣傳消防注意事項，提高居民火災防范意識。當一個小區的火險等級一直居高不降時，物業集團可以及時發現并介入管理工作，安排專家對小區的消防工作加以整改，治理小區環境，增設消防器械，減少火災帶來的經濟損失。

4 總結

本系統的物聯網架構能夠實現環境因子的自動采集和指標短信的自動上傳，云計算中心能夠集中受理多個小區的查詢請求，將計算結果以短信的形式群發給全部安防人員。本系統計算延時小，火險評價準確，適用于各類住宅小區。

[參考文獻]

[1]林宇洪，景銳，景林.森林防火手機短信平臺的設計與實現[J].西南林學院學報，2009，29（4）：59-62.

[2]張英才.基于模糊神經網絡的企業人力資源風險評價[J].河南理工大學學報（社會科學版），2005，6（1）：21-23.

[3]劉娜，趙永樂，邵光成.基于遺傳神經網絡的企業人力資源結構預測[J].統計與決策，2007，（1）：144-146.

[4]湯麗芝.大學校園“短信文化”的正負效應及其對策研究[J].福建高教研究，2005，（3）：49.

[5]林宇洪.南方林區林產品物流監管系統的研究[D].福建農林大學碩士研究生論文，2010.

[6]周屹，孔憲軍.GSM 短信方式的自動氣象站的維護[J].林業機械與設備，2004，32（4）：28-29，39.

[7]齊建東，蔣禧，趙燕東.基于無線多媒體傳感器網絡的森林病蟲害監測系統[J].北京林業大學學報，2010，32（4）：186-190.

[8]林宇洪，林玉英，胡喜生，等.后林改時期的林權WebGIS管理系統的設計[J].中南林業科技大學學報，2012，32（7）：146-150.

[9]Mohammad S Sharawi， Dennis M. Akos， Daniel N Aloi. GPS C/N0 estimation in the presence of interference and limited quantization levels [J]. IEEE transactions on aerospace and electronic systems（S0018-9251）， 2007， 43（1）： 227-238.

[10]林宇洪，沈嶸楓，邱榮祖.南方林區林產品運輸監管系統的研究[J].北京林業大學學報，2011，33（5）：130-135.