(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211068707.7 (22)申请日 2022.09.02 (71)申请人 长沙银河众创科技信息有限公司 地址 410205 湖南省长 沙市高新 开发区麓 天路15号银河科技园 (72)发明人 梁璟　戴燎元　詹蕴学　邹耀增　 刘文用　韩声利　李灿红　刘宇　 刘熙　 (74)专利代理 机构 长沙大珂知识产权代理事务 所(普通合伙) 4323 6 专利代理师 王琼琦 (51)Int.Cl. H04W 4/38(2018.01) H04W 16/18(2009.01) H04W 40/32(2009.01)H04L 67/10(2022.01) H04L 67/12(2022.01) G08B 17/10(2006.01) G08B 17/12(2006.01) G06V 10/74(2022.01) G06F 9/50(2006.01) G06Q 50/26(2012.01) H04W 84/18(2009.01) (54)发明名称 一种基于物联网的智慧园区快速消防应急 处理方法和系统 (57)摘要 本发明涉及智慧园区消防应急处理的技术 领域， 揭露了一种基于物联网的智慧园区快速消 防应急处理方法和系统， 方法步骤包括： 构建智 慧园区的物联网网络蜂窝拓扑结构， 确定无线传 感设备在物联网网络蜂窝拓扑结构中的位置； 将 物联网网络蜂窝拓扑结构划分为若干网络簇， 从 网络簇的路由节点中选取影响因子最大的路由 节点作为该网络簇的雾计算节 点； 无线传感设备 采集所感知区域的环境信息以及火灾信息， 将所 采集的信息数据发送到所属网络簇的雾计算节 点； 雾计算节 点根据接收到的信息数据计算得到 无线传感器所感知区域在着火后的危急程度， 根 据危急程度提供消防建议。 本发 明建立多指标的 火灾区域危急程度量化模型， 并根据量化结果提 供有效的消防建议。 权利要求书6页 说明书17页 附图2页 CN 115175126 A 2022.10.11 CN 115175126 A 1.一种基于物联网的智慧园区快速消防应急处 理方法， 其特 征在于， 所述方法包括： S1： 在智慧园区部署无线传感设备， 其中所述无线传感设备包括温度传感器、 烟雾传感 器、 热量传感器以及摄 像头； S2： 构建智慧园区的物联网网络蜂窝拓扑结构， 确定无线传感设备在物联网网络蜂窝 拓扑结构中的位置； S3： 基于无线传感设备的位置将物联网网络蜂窝拓扑结构划分为若干网络簇， 从网络 簇的路由节点中选取影响因子最大的路由节点作为该网络 簇的雾计算节点； S4： 无线传感设备采集所感知区域的环境信息以及火灾信息， 将所采集的信息数据发 送到所属网络 簇的雾计算节点； S5： 雾计算节点根据接收到的信 息数据计算得到无线传感器所感知区域在着火后的危 急程度， 并将感知区域在着火后的危急程度发送到云平台， S6： 云平台根据感知区域在着火后的危急程度为消防救援人员提供消防建议。 2.如权利要求1所述的一种基于物联网的智慧园区快速消防应急处理方法， 其特征在 于， 所述S2步骤中构建智慧园区的物联网 网络蜂窝拓扑 结构， 包括： 所述智慧园区的物联网 网络蜂窝拓扑 结构构建流程为： 智慧园区内的网络控制中心向路由节点以及无线传感设备广播消息， 接收到广播消息 的节点向网络控制中心发送自身的位置， 其中所述节点包括路由节点以及无线传感设备； 以智慧园区内的网络控制中心作为物联网网络蜂窝拓扑结构的起始点， 以起始点为 圆 心， 在半径为s的圆形通信范围内， 选取最接近圆内接正六边形的六个节点， 对于所述六个 节点， 相邻节点之间的距离与半径s的差在预设范围内； 为相 邻的节点以及圆心创建网络链 路； 分别以六个节点作为 圆心， 在半径为s的圆形通信范围内， 选取最接近圆内接正六边形 的六个节点， 为相 邻的节点以及圆心创建 网络链路， 重复该步骤， 直到创建完成整个物联网 网络的蜂窝拓扑结构； 在物联网网络蜂窝拓扑结构的构建过程中， 若 出现找不到6个内接正 六边形的节点， 则将缺少节点的内接正六边形顶点设置为虚拟节点。 3.如权利要求2所述的一种基于物联网的智慧园区快速消防应急处理方法， 其特征在 于， 所述计算得到无线传感器所感知区域在着火后的危急程度， 包括： 在雾计算节点构建计算无线传感器所感知区域在着火后危急程度的目标函数： 其中： 为智慧园区的历史火灾消防数据， e为其中的任意第e组历史火灾消防数据； 为 对火灾图像 的火灾严重程度判断， ， 数值越高表明火灾越严重， 采 集并标记不同火灾严重程度的火灾图像作为基准图像， 利用图像相似度计算方法确定火灾 图像 与基准图像的相似度， 相似度最高的基准图像所标记的火灾严重程度即为火灾 图像 的火灾严重程度；权　利　要　求　书 1/6 页 2 CN 115175126 A 2为烟雾量 的火灾严重程度判断， ， 为 对温度 的火灾严重程度判断， ， 为对发热量 的火灾严 重程度判断， 对于上述指标， 通过设置不同火灾严重程度的指标阈值， 将若各指标达到指标 的相应火灾 严重程度的阈值， 则将达 到的火灾 严重程度设置为该指标的火灾 严重程度； 为易燃物 的火灾扩散值， 将充电桩区域易燃品的火灾扩散值设置为3， 将工 业厂房内易燃品的火灾扩散值设置为6， 将物流仓库内易燃品的火灾扩散值设置为2， 将光 伏发电站内易燃品的火灾扩散值设置为5； 为将火灾扩 散值转换为危 急程度的函数， 通过设置危 急程度Ⅰ、Ⅱ、Ⅲ， 其中Ⅰ表示危急程度最大， Ⅲ表示 危急程度最小， 危急程度 Ⅰ的阈值为 ， 危急程度 Ⅱ的阈值为 ， 危急程度 Ⅲ的阈值为 ， 若函数内的值大于等于 且小于 ， 则表示危急程度为 Ⅲ， 若函数内的值大于等于 且小 于 ， 则表示危急程度为 Ⅱ， 若函数内的值大于等于 ， 则说明危急程度为 Ⅰ； 为第e组历史火灾消防数据的真实火灾 危急程度； 表示各指标的影响权 重； 所述图像相似度计算方法流 程为： 统一基准图像以及火灾图像的尺寸， 将基准图像以及火灾图像转换为灰度图， 并分别 计算每张图像的像素均值； 对于每张图像， 初始化hash列表为空， 从左到右一行行遍历图像像素， 若图像像素大于 等于该图像的像素均值， 则向hash列表中填字符1， 否则填字符0； 计算火灾图像hash列表与基准图像hash列表的汉明距离， 将汉明距离最小的基准图像 作为火灾图像相似度最高的图像； 雾计算节点对目标函数进行求解， 得到不同指标的影响权重以及危急程度阈值， 所述 目标函数的求 解流程为： 1） 初始化 只蜗牛的位置以及速度， 并初始化当前算法迭代次数为v  ， v的初始值为0， 算法最大迭代次数为Max， 则第v次迭代时任意第 只蜗牛的位置   和速度  为： 其中： 每只蜗牛的位置对应一组目标函数的解， 位置坐标的维数为8； 对应目标函数中的影响权重 ，  分别对应 ， 为对应位置的更新速度； 2） 将每只蜗牛的位置代入到目标函数中， 将目标函数值作为蜗牛的适应度值； 3） 更新蜗牛的位置和速度：权　利　要　求　书 2/6 页 3 CN 115175126 A 3