基于物联网的住宅小区火险评估系统的设计

摘 要：为了快速评估住宅小区火险等级，应用物联网和神经网络技术，开发了火险评估系统。无线传感网实现了环境因子参数的采集，短信技术支持了数据远程传递，云计算中心应用神经网络智能算法，集中受理各小区的查询请求，降低了系统运营成本。神络网络设计为双隐层的BP神经网络，各层神经元结点分别为15，27，9，1，训练后，神经网络成功地实现了对专家思维的仿真。该系统计算效率高，火险评估准确，适用于各类住宅小区。

关键词：移动通信；小区火险；火险评估

随着城市化进程的发展，城市住宅小区数量越来越多，小区内建筑物结构日趋复杂，具有楼层高，地下车库深的特点。发生火灾后，救援较为困难。因此预防比扑火更加重要。海恩法则指出：“一次重大事故的背后，有29次轻微事故、300起未遂事故和1000起事故隐患。”如果能够观测火险隐患数量的变化，找到火险隐患和火灾的内在联系，即可建立一个住宅小区火险评估系统。在火险较高的时期，提醒小区安防人员提高警戒力度，加强巡视。并且保证在火灾发生后，安防人员能够有条不紊地按预案展开救援，降低火灾造成的损失。

1 神经网络技术的开发

1.1 火险等级划分

本系统把小区火险等级分为5个等级[1]。1）1级，绿色表示，火灾风险较小，小区安防人员的任务是加强火险指标的观测和统计；2）2级，蓝色表示，已存在已知火灾隐患，但是发展成火灾事故的条件不足，小区安防人员的任务是加强事故隐患的检查；3）3级，黄色表示，此时可能出现轻微火灾事故，小区安防人员应当尽力减小各项指标值；4）4级，橙色表示，上级物业主管部门开始介入，督促小区安防人员应加强安全宣传，检修消防器材；5）5级，红色表示，上级物业主管部门制定整改计划，加设消防工程，从建筑结构上降低火灾风险。

1.2 确定15个评价指标

通过调查国内外小区防火资料，确定火险等级和15个指标有一定的关系，15个指标为：建筑物耐火等级、建筑物装修材料耐火等级、建筑物功能类型、单位面积可燃物数量、单位面积防火隔离装置数量、小区居民类型、消防设施检查合格率、单位面积火灾智能传感器安装数量、近期物业管理水平、近期消防演练水平、昨日降雨量、昨日平均气温、昨日小区总用电量、当日风俗节日类型、昨日居民生产活动频繁等级。

1.3 神经网络技术的应用

目前无法判断15个指标对火险的影响权重，难以建立精准的数学模型从已知指标来推算火险等级。因此在小区安防工作中，通常聘请消防部门的专家实地考察指标，凭经验判断。但是专家属于稀缺资源，无法每日对所有小区逐个评估，因此拟建立一种神经网络，通过对专家案例的学习，仿真专家的推理逻辑。

神经网络选择BP神经网络，BP神经网络是一种多层前馈网络，按误差逆传播训练，其神经元结构见图1[2]。BP神经网络能够逼近各种复杂函数，即只要火险指标和火险等级存在着数学关系，即使无数学模型的支持，也能够通过学习历史数据，仿真函数的行为。

因为需要评判的指标多，求解问题很模糊，因此选用双隐层的BP神经网络，采用数学专业语言Matlab做为神经网络的开发工具[3]。

1.4 收集训练数据

选取60个小区，调查每个小区的15个指标，专家查阅指标，实地分析给出火险评价等级，填写专家评价表，见表1。前50组数据做为神经网络的训练数据，后10组做为神经网络的检验数据。

1.5 建立神经网络

调整神经网络各层传递函数和各层神经元节点个数，多次实验，采用“MSE（均方差）”检验精度，找到精度最好的网络结构，其结构形式见图2。输入层神经元节点15个，用于承接15个指标的输入；隐藏层的第1层神经元节点27个，采用“tansig”传递函数；隐藏层的第2层神经元节点9个，采用“logsig”传递函数；输出层神经元节点1个，用于输出火险等级，采用“purelin”传递函数。

1.6 训练神经网络

在第70次训练时，神经网络快速收敛，并达到预设精度要求，训练结束。训练过程见图3。

1.7 自检训练精度

需要对训练精度自检，从而判定训练数据是否有效。把50组训练数据提供给神经网络独立评价，计算网络评价结果和专家结论之间误差，两者误差见图4。图4中，专家结论用“”表示，网络评价结果用“+”表示，“”与“+”吻合，则表示网络评价和专家结论一至，不吻合时，两者距离表示误差大小。图4表明50组训练数据中存在9个样本误差，误差范围很小，训练精度达到了要求。

1.8 检验评估精度

最后10个样本没有参加训练，用于判定神经网络对未知指标的评估能力，神经网络独立评价的结果和专家结论完全吻合。说明本次构建的神经网络已能模拟专家逻辑，可以取代专家，对小区火险做出独立评价。

2 物联网架构的设计

成熟的物联网架构通常划分为三层：感知层、网络层、智慧层。在本系统的设计中，感知层用传感器网来实现，网络层采用了短信技术[4]，智慧层建设为云计算中心，智慧层的核心计算逻辑采用训练好的神经网络[5]。

2.1 传感器网的建设

15个评价指标可分为三类，第1类为长期指标，包括“建筑物耐火等级、建筑物装修材料耐火等级、建筑物功能类型、单位面积可燃物数量、单位面积防火隔离装置数量、小区居民类型”；第2类为中期指标，包括“消防设施检查合格率、单位面积火灾智能传感器安装数量、近期物业管理水平、近期消防演练水平”；第3类为短期指标，包括“昨日降雨量、昨日平均气温、昨日小区总用电量、当日风俗节日类型、昨日居民生产活动频繁等级”。

其中长期指标一年设定一次，中期指标一月设定一次，短期指标除了“当日风俗节日类型”可以从日历数据库中查询外，其它四个指标为环境因子，需要每日观测和采集。在小区建立小型气象站[6]，设置传感器采集每日的降雨量和气温。在小区各楼电表安装用电量无线传感器，各楼的每日用电量将被汇兑，计算获得小区总用电量。在小区出入口处的车辆道闸安装门磁传感器，记录车辆进出的频次[7]。同时在小区出入口处的人行道上安装热释电红外传感器，记录小区居民进出的频次。对各出入口的车辆进出频次和居民进出频次求和，作为居民生产活动频次，换算成居民生产活动频繁等级。各传感器用无线通讯的方式组成无线传感器网，传感器处理模块负责接收各传感器发来的检测参数，换算成火险评价中的第3类指标。

2.2 短信平台的建设

选择“Microsoft Visual FoxPro 9.0”开发短信平台，短信平台负责将15个评价指标组成一条短信，发送给云计算中心。构建短信平台需要一台GSM MODEM（短信猫），GSM MODEM和计算机之间采用串口通讯。调用MSCOMM控件，采用“CREATEOBJECT”函数建立了名称为“SMS”的串口对象，一切短信控制都是基于该对象并调用对象各项方法实现。短信平台的架构见图5。

向串口发送“AT+CMGS=138（0x0D）”，在本文中非可显示字符用括号加16进制码表示。该AT指令命令GSM设备作好准备，即将发送一个总长度为138的短信，约0.02秒后GSM设备回应：“AT+CMGS=138（0x0D）（0x0D）（0x0A）>（0x20）”，其中 “AT+CMGS=138”是AT指令回显。“>（0x20）”是设备进入待接收短信主体状态的标志。从串口读到这个标志后，可继续发送短信主体。短信主体必须进行PDU编码，PDU编码表如下：

当GSM MODEM成功接收到这一短信主体时，先是立即向串口回显原文，约5S后如果发送成功，设备再次向串口返回：“（0x0D）（0x0A）+CMGS 27（0x0D）（0x0A）（0x0D）（0x0A）OK（0x0D）（0x0A）”；如果设备无法执行短信发送，例如短信主体格式或编码错误、手机资费不足、无信号等原因，则将向串口返回“（0x0D）（0x0A） ERROR（0x0D）（0x0A）”，故查询设备返回信息是否有“OK”或“ERROR”的标志就可以判断本次短信是否发送成功。至此短信发送模块开发完成。短信接收模块的编码和通讯开发类似于短信发送模块。短信接收的方式采用每60s循环接收的方式。

2.3 云计算中心的建设

在物流集团总部架设一个小型的云计算中心，并建设一个短信平台，用于接收各小区发来的指标短信。目前云计算有三种类型：公有云、私有云、混合云，本课题选择私有云类型。私有云是指企业自己使用的云，它所有的服务不是供别人使用，而是供自己内部人员或分支机构使用。待时机成熟后，可以演变成混合云。混合云是指云计算提供的服务既供自己内部使用，也可供第三方系统使用。在未来，小区火险评价将纳入城市安防的总架构，系统采集的指标和计算结果将提供给智慧城市的其它系统共享[8]。

3 系统应用实效

系统在某物业集团投入了试用，每天晚上零点过后，各小区结束一天的环境因子采集工作，拼接成携带15个指标的短信，例如：“凯丽花园，4，1，2，1，2，2，1，2，1，2，2，1，3，4，5”。把指标短信通过小区短信平台发送给云计算中心的短信平台[9]。

云计算中心接收到各住宅小区发来的火险因子短信后，对短信解码，取出15个指标，调用训练好的神经网络评估火险等级，并以短信的形式将计算结果发给小区所有安防人员。整个接收、计算与发送工作过程，约耗时15s[10]。

小区安防人员收到小区火险等级后，即可按预案执行应对措施，加强巡逻和演练。并根据火险等级的标识色，在小区大门安放红、橙、黄三种醒目的警示牌，告诫过往的居民，宣传消防注意事项，提高居民火灾防范意识。当一个小区的火险等级一直居高不降时，物业集团可以及时发现并介入管理工作，安排专家对小区的消防工作加以整改，治理小区环境，增设消防器械，减少火灾带来的经济损失。

4 总结

本系统的物联网架构能够实现环境因子的自动采集和指标短信的自动上传，云计算中心能够集中受理多个小区的查询请求，将计算结果以短信的形式群发给全部安防人员。本系统计算延时小，火险评价准确，适用于各类住宅小区。

[参考文献]

[1]林宇洪，景锐，景林.森林防火手机短信平台的设计与实现[J].西南林学院学报，2009，29（4）：59-62.

[2]张英才.基于模糊神经网络的企业人力资源风险评价[J].河南理工大学学报（社会科学版），2005，6（1）：21-23.

[3]刘娜，赵永乐，邵光成.基于遗传神经网络的企业人力资源结构预测[J].统计与决策，2007，（1）：144-146.

[4]汤丽芝.大学校园“短信文化”的正负效应及其对策研究[J].福建高教研究，2005，（3）：49.

[5]林宇洪.南方林区林产品物流监管系统的研究[D].福建农林大学硕士研究生论文，2010.

[6]周屹，孔宪军.GSM 短信方式的自动气象站的维护[J].林业机械与设备，2004，32（4）：28-29，39.

[7]齐建东，蒋禧，赵燕东.基于无线多媒体传感器网络的森林病虫害监测系统[J].北京林业大学学报，2010，32（4）：186-190.

[8]林宇洪，林玉英，胡喜生，等.后林改时期的林权WebGIS管理系统的设计[J].中南林业科技大学学报，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，沈嵘枫，邱荣祖.南方林区林产品运输监管系统的研究[J].北京林业大学学报，2011，33（5）：130-135.