[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN117035323A - 一种基于bim数据的建筑内消防资源调度分配方法及系统 - Google Patents

一种基于bim数据的建筑内消防资源调度分配方法及系统 Download PDF

Info

Publication number
CN117035323A
CN117035323A CN202311019758.5A CN202311019758A CN117035323A CN 117035323 A CN117035323 A CN 117035323A CN 202311019758 A CN202311019758 A CN 202311019758A CN 117035323 A CN117035323 A CN 117035323A
Authority
CN
China
Prior art keywords
fire
resource allocation
data
building
fighting
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202311019758.5A
Other languages
English (en)
Inventor
辛业洪
郑永康
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Jiarui Construction Information Technology Co ltd
Original Assignee
Shenzhen Jiarui Construction Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Jiarui Construction Information Technology Co ltd filed Critical Shenzhen Jiarui Construction Information Technology Co ltd
Priority to CN202311019758.5A priority Critical patent/CN117035323A/zh
Publication of CN117035323A publication Critical patent/CN117035323A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Graphics (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及数字化信息技术领域，揭露了一种基于BIM数据的建筑内消防资源调度分配方法及系统，包括：将BIM数据及传感器数据进行数据融合，得到多维融合数据；根据多维融合数据构建目标建筑物的三维建筑模型，对三维建筑模型进行火灾模拟，得到火灾数据图像；提取火灾数据图像的火灾因子特征，根据火灾因子特征生成目标建筑物的疏散路径，按照疏散路径进行消防资源分配，得到疏散路径的消防资源分配向量；计算消防资源分配向量的资源分配分值；当资源分配分值大于预设的资源分配阈值时，根据消防资源分配向量生成消防资源调度策略，根据消防资源调度策略对消防资源进行分配。本发明可以提高建筑内消防资源调度分配时的准确度。

Description

一种基于BIM数据的建筑内消防资源调度分配方法及系统
技术领域
本发明涉及数字化信息技术领域，尤其涉及一种基于BIM数据的建筑内消防资源调度分配方法及系统。
背景技术
近年来，随着城市化进程的不断加快，规模的不断扩大，城市建筑的结构越来越复杂，建筑内火灾风险威胁着人员安全和财产安全，一旦建筑内出现火灾情况，基于较复杂的建筑内部结构调度消防资源和应对火情变得困难，因此，需要实现精细化管理消防资源，以进行消防资源准确的调度分配。
现有的建筑消防资源调度技术是预先设定消防设备的固定位置，以应对火灾发生的情况。实际应用中，建筑内的空间结构、设备分布等信息可能会改变，仅仅考虑固定位置的消防资源分配，可能导致建筑信息了解不足，从而对进行建筑内消防资源调度分配时的准确度较低。
发明内容
本发明提供一种基于BIM数据的建筑内消防资源调度分配方法及系统，其主要目的在于解决进行建筑内消防资源调度分配时的准确度的问题。
为实现上述目的，本发明提供的一种基于BIM数据的建筑内消防资源调度分配方法，包括：
S1、获取目标建筑物的BIM数据及传感器数据，利用预设的多维数据融合算法将所述BIM数据及所述传感器数据进行数据融合，得到多维融合数据；
S2、根据所述多维融合数据构建所述目标建筑物的三维建筑模型，通过预先构建的建筑火灾数值模型对所述三维建筑模型进行火灾模拟，得到火灾数据图像；
S3、通过预设的双重视觉算法提取所述火灾数据图像的火灾因子特征，根据所述火灾因子特征生成所述目标建筑物的疏散路径，利用预设的资源分配算法按照所述疏散路径进行消防资源分配，得到所述疏散路径的消防资源分配向量；
S4、利用预设的资源分配评估算法计算所述消防资源分配向量的资源分配分值，当所述资源分配分值小于或等于预设的资源分配阈值时，并返回至所述利用预设的资源分配算法按照所述疏散路径进行消防资源分配的步骤，直至所述资源分配分值大于预设的资源分配阈值，其中所述利用预设的资源分配评估算法计算所述消防资源分配向量的资源分配分值，包括：
S41、通过预设的层次分析法确定所述消防资源分配向量中消防资源的资源分配权重；
S42、利用所述资源分配评估算法根据所述资源分配权重计算所述消防资源分配向量的资源分配分值，其中所述资源分配评估算法为：
其中，S为所述资源分配分值，pu,v为第u个离散路径点中消防资源分配向量中第v个向量值灭火概率，为在t时刻第u个离散路径点中消防资源分配向量中第v个向量值的分配数量，yu,v为第u个离散路径点中消防资源分配向量中第v个向量值的分配约束值，mod为取余函数，U为离散路径点的数量，V为消防资源分配向量的向量维数，Wu,v为第u个离散路径点中消防资源分配向量中第v个向量值的资源分配权重；
S5、当所述资源分配分值大于预设的资源分配阈值时，根据所述消防资源分配向量生成消防资源调度策略，根据所述消防资源调度策略对消防资源进行分配。
可选地，所述利用预设的多维数据融合算法将所述BIM数据及所述传感器数据进行数据融合，得到多维融合数据，包括：
提取所述BIM数据中的建筑数据因子，根据所述建筑数据因子生成所述BIM数据的建筑数据矩阵；
按照预设的时间区间提取所述传感器数据中的传感数据因子，根据所述传感数据因子生成所述传感器数据的传感数据矩阵；
利用所述多维数据融合算法将所述建筑数据矩阵及所述传感数据矩阵进行数据融合，得到多维融合数据，其中所述多维数据融合算法为：
其中，R为所述多维融合数据，An为所述建筑数据矩阵中第n个建筑数据因子，B1t为在第t时刻时所述传感器数据矩阵中第一个传感器数据，C2t为在第t时刻时所述传感器数据矩阵中第二个传感器数据，Nnt为在第t时刻时所述传感器数据矩阵中第N个传感器数据。
可选地，所述根据所述多维融合数据构建所述目标建筑物的三维建筑模型，包括：
提取所述多维融合数据中的建筑几何属性、空间属性及信息属性；
按照所述建筑几何属性生成所述目标建筑物的几何形状；
根据所述空间属性将所述几何形状进行空间关联，得到目标建筑几何形状；
将所述信息属性添加及所述多维融合数据中的传感器数据添加至所述目标建筑几何形状中，得到所述目标建筑物的三维建筑模型。
可选地，在所述通过预先构建的建筑火灾数值模型对所述三维建筑模型进行火灾模拟，得到火灾数据图像之前，还包括：
获取所述三维建筑模型中建筑构件物理参数及火源物理参数；
根据所述建筑构件物理参数及所述火源物理参数构建所述建筑火灾数值模型，其中所述建筑火灾数值模型为：
其中，T表示所述火源物理参数中温度，t表示所述火源物理参数中火源燃烧时间，α表示热扩散系数，表示拉普拉斯算子，表示温度的二阶空间导数，E表示所述火源物理参数中物质的浓度，F表示化学反应速率项，Q表示辐射传递的能量密度，δ表示散度算子，κ表示所述建筑构件物理参数中物体热导率，ε表示所述建筑构件物理参数中物体表面辐射率，σ表示斯特藩-玻尔兹曼常数，T0表示环境温度。
可选地，所述通过预先构建的建筑火灾数值模型对所述三维建筑模型进行火灾模拟，得到火灾数据图像，包括：
对所述三维建筑模型进行火灾区域划分，得到三维建筑火灾区域；
将所述三维建筑火灾区域进行模拟参数转换，得到三维建筑火灾转换参数；
通过所述建筑火灾数值模型对所述三维建筑火灾转换参数进行火灾模拟，得到火灾模拟参数；
根据所述火灾模拟参数及预设的火灾模拟时间生成火灾数据图像。
可选地，所述通过预设的双重视觉算法提取所述火灾数据图像的火灾因子特征，包括：
利用所述双重视觉算法提取所述火灾数据图像中的燃烧区域；
对所述燃烧区域进行形态学操作，得到增强燃烧区域；
对所述增强燃烧区域中的区域颜色进行编码，得到燃烧颜色编码；
根据所述燃烧颜色编码确定所述火灾数据图像的火灾因子特征。
可选地，所述根据所述火灾因子特征生成所述目标建筑物的疏散路径，包括：
根据所述火灾因子特征确定所述目标建筑物的着火位置及着火环境；
利用预设的信息素浓度算法根据预设的初始信息素浓度计算所述着火位置的实时信息素浓度，其中所述信息素浓度算法为：
其中，τij(s+1)为在s+1时刻时所述着火位置(i,j)的实时信息素浓度，Δτij(s)为在s时刻时所述着火位置(i,j)的初始信息素浓度，τij(s)为在s+1时刻时所述着火位置(i,j)的实时信息素浓度，e为常数，ρmin为信息素挥发因子最小值，max为最大值函数，log为对数函数，N为信息素浓度更新总时间；
提取所述着火环境中环境影响因子，根据所述环境影响因子选取所述实时信息素浓度最高的着火位置为目标路径位置；
通过如下的最短路径算法根据所述目标路径位置及预设的消防出口属性生成所述目标建筑物的疏散路径：
其中，L为所述疏散路径，min为最小值函数，c为被困人员属性，f为所述消防出口属性，ω为实时环境权重参数，l为实时疏散路径。
可选地，所述利用预设的资源分配算法按照所述疏散路径进行消防资源分配，得到所述疏散路径的消防资源分配向量，包括：
对所述疏散路径进行路径点离散，得到离散路径点；
利用所述资源分配算法根据所述离散路径点的火灾特征对所述离散路径点进行消防资源分配，得到所述离散路径点的离散消防资源分配向量，其中所述资源分配算法为：
{φu}→{ζu,ηu,Ωu}
其中，φa为第u个离散路径点的火灾特征，ζa为第u个离散路径点的消防人员分配数量，ηa为第u个离散路径点的消防设备分配数量,Ωa为第u个离散路径点的消防装备种类分配数量；
根据所述离散路径点的离散消防资源分配向量生成所述疏散路径的消防资源分配向量。
可选地，所述根据所述消防资源分配向量生成消防资源调度策略，包括：
根据所述消防资源分配向量中的资源数量确定资源调度优先级；
按照所述资源调度优先级确定目标建筑的关键调度区域；
逐一根据所述关键调度区域及所述消防资源分配向量生成消防资源调度策略。
为了解决上述问题，本发明还提供一种基于BIM数据的建筑内消防资源调度分配系统，所述系统包括：
数据融合模块，用于获取目标建筑物的BIM数据及传感器数据，利用预设的多维数据融合算法将所述BIM数据及所述传感器数据进行数据融合，得到多维融合数据；
火灾数据图像生成模块，用于根据所述多维融合数据构建所述目标建筑物的三维建筑模型，通过预先构建的建筑火灾数值模型对所述三维建筑模型进行火灾模拟，得到火灾数据图像；
消防资源分配向量生成模块，用于通过预设的双重视觉算法提取所述火灾数据图像的火灾因子特征，根据所述火灾因子特征生成所述目标建筑物的疏散路径，利用预设的资源分配算法按照所述疏散路径进行消防资源分配，得到所述疏散路径的消防资源分配向量；
资源分配分值计算模块，用于利用预设的资源分配评估算法计算所述消防资源分配向量的资源分配分值，当所述资源分配分值小于或等于预设的资源分配阈值时，并返回至所述利用预设的资源分配算法按照所述疏散路径进行消防资源分配的步骤，直至所述资源分配分值大于预设的资源分配阈值；
消防资源分配模块，用于当所述资源分配分值大于预设的资源分配阈值时，根据所述消防资源分配向量生成消防资源调度策略，根据所述消防资源调度策略对消防资源进行分配。
本发明实施例通过将BIM数据与传感器数据进行数据融合，得到多维融合数据，有利于提高对目标建筑物的整体理解和感知能力；根据多维融合数据构建目标建筑物的三维建筑模型，基于建筑火灾数值模型对三维建筑模型进行火灾模拟，有利于评估建筑物火灾的严重程度，为消防人员提供重要的信息，从而制定更精确的应急预案和疏散方案；提取火灾数据图像的火灾因子特征，进而根据火灾因子特征生成疏散路径，基于疏散路径进行消防资源分配，有利于提高建筑消防安全管理的效率和效果；计算消防资源分配向量的资源分配分值，有利于评估消防资源分配方案的好坏；基于资源分配分值生成消防资源调度策略，根据消防资源调度策略实现消防资源的分配，确保资源的及时响应和全面覆盖。因此本发明提出的基于BIM数据的建筑内消防资源调度分配方法及系统，可以解决建筑内消防资源调度分配时的准确度较低的问题。
附图说明
图1为本发明一实施例提供的基于BIM数据的建筑内消防资源调度分配方法的流程示意图；
图2为本发明一实施例提供的数据融合的流程示意图；
图3为本发明一实施例提供的提取火灾因子特征的流程示意图；
图4为本发明一实施例提供的基于BIM数据的建筑内消防资源调度分配系统的功能模块图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于BIM数据的建筑内消防资源调度分配方法。所述基于BIM数据的建筑内消防资源调度分配方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于BIM数据的建筑内消防资源调度分配方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于BIM数据的建筑内消防资源调度分配方法的流程示意图。在本实施例中，所述基于BIM数据的建筑内消防资源调度分配方法包括：
S1、获取目标建筑物的BIM数据及传感器数据，利用预设的多维数据融合算法将所述BIM数据及所述传感器数据进行数据融合，得到多维融合数据。
本发明实施例中，所述BIM数据是在BIM(Building Information Modeling，基于数字模型的建筑信息管理)过程中产生、收集和存储的各种信息，包括建筑几何数据、建筑构件属性、物料信息及设备信息；所述传感器数据包括各种环境参数的测量数据，如温度、湿度、烟雾浓度、气体、光照等。
详细地，可通过具有数据抓取功能的计算机语句(如Java语句、Python语句等)从预先存储目标建筑物的BIM数据及传感器数据的存储区域获取BIM数据及传感器数据，其中存储区域包括但不限于数据库、区块链。
进一步地，为了提高数据的完整性和准确性，可以通过融合多个数据源，以获得更全面、准确的信息，有利于提高对目标建筑物的整体理解和感知能力。
本发明实施例中，所述多维融合数据是将不同来源的数据整合到一个综合的数据集中，以获取更全面、准确的信息。
本发明实施例中，参照图2所示，所述利用预设的多维数据融合算法将所述BIM数据及所述传感器数据进行数据融合，得到多维融合数据，包括：
S21、提取所述BIM数据中的建筑数据因子，根据所述建筑数据因子生成所述BIM数据的建筑数据矩阵；
S22、按照预设的时间区间提取所述传感器数据中的传感数据因子，根据所述传感数据因子生成所述传感器数据的传感数据矩阵；
S23、利用所述多维数据融合算法将所述建筑数据矩阵及所述传感数据矩阵进行数据融合，得到多维融合数据，其中所述多维数据融合算法为：
其中，R为所述多维融合数据，An为所述建筑数据矩阵中第n个建筑数据因子，B1t为在第t时刻时所述传感器数据矩阵中第一个传感器数据，C2t为在第t时刻时所述传感器数据矩阵中第二个传感器数据，Nnt为在第t时刻时所述传感器数据矩阵中第N个传感器数据。
详细地，所述建筑数据因子是指目标建筑的几何数据、构建属性、物料属性及设备信息，进而根据建筑数据因子中的属性数量生成BIM数据的建筑数据矩阵；同样地，所述传感数据因子是指目标建筑中传感器产生的数据，如温度、湿度、烟雾浓度、气体、光照等，进而根据传感数据因子中的属性数量生成传感器数据的传感数据矩阵，其中可通过计算机语句(Python语句)提取BIM数据中的建筑数据因子及传感数据因子。
具体地，所述建筑数据矩阵为[A1,A2,…,An]，所述传感数据矩阵为将建筑数据矩阵的矩阵维数与传感数据矩阵的矩阵维数统一化，并将建筑数据矩阵与传感数据矩阵进行矩阵拼接，得到多维融合数据，其中所述传感数据矩阵中每一行表示的是任一传感器在不同时刻收集到数据，如第一行表示温度传感器在不同时刻的温度数据，第二行表示烟雾浓度传感器在不同时刻的烟雾浓度数据。
进一步地，为了可以为消防资源分配提供更具体、可视化的参考和决策支持，需要构建三维建筑模型，三维建筑模型提供了更全面、准确的建筑信息和环境参数，从而增强了决策支持能力。
S2、根据所述多维融合数据构建所述目标建筑物的三维建筑模型，通过预先构建的建筑火灾数值模型对所述三维建筑模型进行火灾模拟，得到火灾数据图像。
本发明实施例中，所述三维建筑模型是通过多维融合数据构建的，它呈现了建筑物的外观、结构和环境特征，该模型可以用于可视化、分析和决策支持。
本发明实施例中，所述根据所述多维融合数据构建所述目标建筑物的三维建筑模型，包括：
提取所述多维融合数据中的建筑几何属性、空间属性及信息属性；
按照所述建筑几何属性生成所述目标建筑物的几何形状；
根据所述空间属性将所述几何形状进行空间关联，得到目标建筑几何形状；
将所述信息属性添加及所述多维融合数据中的传感器数据添加至所述目标建筑几何形状中，得到所述目标建筑物的三维建筑模型。
详细地，所述多维融合数据中的建筑数据矩阵中包含目标建筑的建筑几何属性、空间属性及信息属性，其中几何属性包括建筑物的外形轮廓、墙体位置、窗户和门的位置、建筑物的高度、立面、屋顶形状、楼层等；空间属性包括建筑物的平面图形和三维坐标信息，提取建筑物的空间位置关系、建筑物内部的温度、湿度、光照等空间属性信息；信息属性包括建筑物的基本信息、建筑物的用途、建筑类型、安全等级等信息，其中可从预先存储多维融合数据中存储区域通过计算机语句提取建筑几何属性、空间属性及信息属性。
具体地，通过预设的三维建筑模型软件按照所述建筑几何属性生成目标建筑物的外观几何形状，进而根据空间属性中的空间位置关系将外观几何形状进行空间关联，从而得到目标建筑整体的几何形状，并将目标建筑的信息数据及多维融合数据中的传感器数据及其他建筑属性补充至目标建筑几何形状中，从而得到目标建筑物的三维建筑模型。
进一步地，为了基于三维建筑模型能够模拟建筑中火灾发生时的火势发展、烟气传播、热辐射等，有利于评估建筑物火灾的严重程度，为消防人员提供重要的信息，从而制定更精确的应急预案和疏散方案，需要构建建筑火灾数值模型。
本发明实施例中，所述建筑火灾数值模型是使用计算机模拟和计算技术来描述和预测建筑物火灾过程的一种模型。它基于物理原理和数学模型，通过建立一系列方程和计算方法，模拟和分析火灾的发展和蔓延过程。
本发明实施例中，在所述通过预先构建的建筑火灾数值模型对所述三维建筑模型进行火灾模拟，得到火灾数据图像之前，还包括：
获取所述三维建筑模型中建筑构件物理参数及火源物理参数；
根据所述建筑构件物理参数及所述火源物理参数构建所述建筑火灾数值模型，其中所述建筑火灾数值模型为：
其中，T表示所述火源物理参数中温度，t表示所述火源物理参数中火源燃烧时间，α表示热扩散系数，表示拉普拉斯算子，表示温度的二阶空间导数，E表示所述火源物理参数中物质的浓度，F表示化学反应速率项，Q表示辐射传递的能量密度，δ表示散度算子，κ表示所述建筑构件物理参数中物体热导率，ε表示所述建筑构件物理参数中物体表面辐射率，σ表示斯特藩-玻尔兹曼常数，T0表示环境温度。
详细地，所述建筑构件物理参数包括构件的尺寸、形状和位置、构件材质的密度、导热系数、热容、热传导系数、透光系数等物理参数；所述火源物理参数包括火源的温度、大小、形状、持续时间、燃烧物质的燃烧速率、火焰传播速度、燃烧产生物质的释放速率等物理参数，其中，可通过实验测量或工程实践经验获取建筑构建物理参数以及通过火灾实际情况和燃烧实验结果获取火源物理参数。
具体地，所述建筑火灾数值模型包括热传导方程质量守恒方程/>能量守恒方程/>通过求解热传导方程可以得到建筑构件内部温度在空间和时间上的分布变化情况，质量守恒方程描述烟气中各组分质量的守恒关系。它考虑了燃烧物质的生成和消耗，以及烟气中其他组分的迁移和转化，能量守恒方程描述烟气流动和建筑构件中温度的守恒关系。它考虑了热传导、对流和辐射传热等因素。通过热传导方程、质量守恒方程及能量守恒方程可以获得燃烧物质的分布、浓度和变化情况，从而更好地理解火灾过程并采取适当的措施。
进一步地，通过建筑火灾数值模型对目标建筑物进行火灾模拟，可以提供对火灾发展和烟气传播的预测，以及燃烧物质分布、温度和压力等参数的评估。这样可以更好地理解火灾的行为，预测火灾的发展趋势和潜在危险区域，从而帮助制定火灾应对措施和逃生计划。
本发明实施例中，所述火灾数据图像包括烟气传播图像、温度图像、烟雾透明度图像及烟雾排除路径图像，其中烟气传播图像是指通过火灾数值模拟或现场实测数据，可以生成显示烟雾或气体传播的图像。这些图像通常以色彩编码的方式显示烟气或气体浓度分布；温度图像可以显示火源或火灾影响的区域中不同部位的温度变化，通常使用颜色编码来反映温度梯度，例如通过热力图或彩虹色图显示温度变化；烟雾透明度图像显示烟雾或气体对可见光的透明度分布。透明度图像通常使用颜色编码来表示烟雾的浓度或密度，从而可视化烟雾对能见度的影响；烟雾排除路径图像显示烟雾在建筑物内或大型空间中传播的路径。烟雾排除路径图像通常通过将建筑物或空间划分为不同区域，并绘制出烟雾传播和传递的路径来呈现。
本发明实施例中，所述通过预先构建的建筑火灾数值模型对所述三维建筑模型进行火灾模拟，得到火灾数据图像，包括：
对所述三维建筑模型进行火灾区域划分，得到三维建筑火灾区域；
将所述三维建筑火灾区域进行模拟参数转换，得到三维建筑火灾转换参数；
通过所述建筑火灾数值模型对所述三维建筑火灾转换参数进行火灾模拟，得到火灾模拟参数；
根据所述火灾模拟参数及预设的火灾模拟时间生成火灾数据图像。
详细地，对所述三维建筑模型进行不同区域的划分，可得到用于火灾模拟的不同三维建筑火灾区域，进而将三维建筑火灾区域进行火灾模拟的区域火灾参数转换为可进行火灾模拟的三维建筑火灾转换参数，从而将三维建筑火灾转换参数对建筑火灾数值模型进行参数赋值，得到火灾模拟参数，其中所述火灾模拟参数包括火源位置、尺寸、燃烧速率和燃烧温度；所述三维建筑火灾转换参数包括材料的热导率、燃烧速率、燃烧热释放率和烟气生成率等参数。
具体地，根据所述火灾模拟参数中的火源位置、尺寸、燃烧速率和燃烧温度及在预设的火灾模拟时间内可生成烟气传播图像、温度图像、烟雾透明度图像及烟雾排除路径图像，从而得到火灾数据图像。
进一步地，为了更准确地掌握火灾的特性、程度和烟气传播情况，需要提取火灾数据图像中的火灾因子特征。
S3、通过预设的双重视觉算法提取所述火灾数据图像的火灾因子特征，根据所述火灾因子特征生成所述目标建筑物的疏散路径，利用预设的资源分配算法按照所述疏散路径进行消防资源分配，得到所述疏散路径的消防资源分配向量。
本发明实施例中，所述火灾因子特征包括燃烧区域位置、燃烧强度、燃烧温度、燃烧范围及烟雾密度，基于火灾因子特征可以提供关于火灾数据图像中火灾因子的定量或定性信息。通过火灾因子特征，可以了解火灾的特性、程度和烟气传播情况，进一步促进火灾分析和应急响应工作。
本发明实施例中，参照图3所示，所述通过预设的双重视觉算法提取所述火灾数据图像的火灾因子特征，包括：
S31、利用所述双重视觉算法提取所述火灾数据图像中的燃烧区域；
S32、对所述燃烧区域进行形态学操作，得到增强燃烧区域；
S33、对所述增强燃烧区域中的区域颜色进行编码，得到燃烧颜色编码；
S34、根据所述燃烧颜色编码确定所述火灾数据图像的火灾因子特征。
详细地，所述双重视觉算法可以更准确地识别火灾数据图像中的燃烧区域，则双重视觉算法包括图像处理算法和温度分布图像，即使用图像处理技术，如边缘检测、颜色分割等方法，提取燃烧区域中的火焰区域和烟雾区域，通过目标检测或图像分割算法，提取燃烧物体的轮廓和区域，并且通过温度分布图像中的颜色编码来提取温度峰值，从而得到更加准确的燃烧区域，并应用形态学操作，如膨胀、腐蚀等，对提取的燃烧区域中的火焰和烟雾区域进行增强及去噪处理，以得到增强燃烧区域。
具体地，对增强燃烧区域进行颜色编码，即可以使用颜色渐变来表示燃烧的强度或温度变化。可以定义一个色谱范围，例如从黄色到红色，从表示低温或较弱的燃烧区域到高温或较强的燃烧区域。通过在燃烧区域中使用不同比例的颜色，可以表示不同程度的燃烧，通过对燃烧区域的区域颜色进行编码，可以直观地展示燃烧的特性和强度，帮助观察者理解火灾事件的情况和程度。
进一步地，通过检测燃烧颜色编码的区域，可以确定火灾数据图像中的燃烧区域的位置和形状，可以帮助确定火焰的位置和火灾的范围；通过燃烧颜色编码的亮度或饱和度，可以确定火灾数据图像中不同区域的燃烧强度，较亮或较饱和的颜色可能表示更强的燃烧；通过检测燃烧颜色编码的区域的面积、周长或边界，可以确定火灾数据图像中燃烧区域的范围和形态，可以帮助评估火灾的规模和烟气的扩散范围；如果燃烧颜色编码也与烟雾密度相关，可以通过颜色的亮度或颜色密度来估计烟雾的浓度或密度，较亮或较浓的颜色可能表示更高的烟雾密度；如果燃烧颜色编码与温度相关，可以通过颜色的色彩映射或色温来估计燃烧区域的温度，较暖色调的颜色可能表示较高的燃烧温度。从而可得到火灾因子特征，进而根据火灾因子特征了解火灾的特性、程度和烟气传播情况，进一步促进火灾分析和应急响应工作。
本发明实施例中，所述疏散路径是指在火灾或其他紧急情况下，人员能够从建筑物或场所中安全撤离的路径。
本发明实施例中，所述根据所述火灾因子特征生成所述目标建筑物的疏散路径，包括：
根据所述火灾因子特征确定所述目标建筑物的着火位置及着火环境；
利用预设的信息素浓度算法根据预设的初始信息素浓度计算所述着火位置的实时信息素浓度，其中所述信息素浓度算法为：
其中，τij(s+1)为在s+1时刻时所述着火位置(i,j)的实时信息素浓度，Δτij(s)为在s时刻时所述着火位置(i,j)的初始信息素浓度，τij(s)为在s+1时刻时所述着火位置(i,j)的实时信息素浓度，e为常数，ρmin为信息素挥发因子最小值，max为最大值函数，log为对数函数，N为信息素浓度更新总时间；
提取所述着火环境中环境影响因子，根据所述环境影响因子选取所述实时信息素浓度最高的着火位置为目标路径位置；
通过如下的最短路径算法根据所述目标路径位置及预设的消防出口属性生成所述目标建筑物的疏散路径：
Lmin＝min(L(ωc,flc,f))
其中，L为所述疏散路径，min为最小值函数，c为被困人员属性，f为所述消防出口属性，ω为实时环境权重参数，l为实时疏散路径。
详细地，根据所述火灾因子特征中的燃烧区域位置、燃烧强度、燃烧温度、燃烧范围及烟雾密度确定目标建筑物的着火位置及着火环境，对每个着火位置设定初始信息素浓度，基于初始信息素浓度不断对着火位置的信息素浓度进行更新，以得到着火位置的实时信息素浓度，根据信息素浓度的高低进行路径的选取，信息素浓度越高，则此着火位置越是关键区域，其中所述信息素浓度算法中信息素挥发因子ρ是影响整体信息素浓度的计算性能和收敛速率的最直接因素，如果ρ的值过大，那么整体信息素浓度的计算性能就会减弱；如果ρ的值过小，那么整体信息素浓度的计算收敛速度就会变慢，因此需要减小ρ值，使信息素浓度的计算性能得到提升。
具体地，所述环境影响因子是指在着火环境下，着火位置的燃烧区域的强度、烟雾浓度，将着火区域的强度及烟雾浓度按照从大到小进行排序，进而根据信息素浓度最高的着火位置确定为目标路径位置，并将选取的多个目标路径位置及消防出口属性选取最优的疏散路径，其中所述消防出口属性是指火灾现场进出口，为了有效地避开着火点及障碍物的位置，由当时距离救援人员最近的起点开始寻找受困人员，再将寻找到的受困人员从当时最近的出口疏散出去，这样便可以找到有效且最短的距离，从而实现灭火救援疏散路径的合理规划。
进一步地，选取最优地疏散路径后，需要基于疏散路径实现消防资源的有效分配，以提高建筑消防安全管理的效率和效果。
本发明实施例中，所述消防资源分配向量是指基于疏散路径对消防人员、消防装备及消防装备种类进行数量分配之后所组成的资源分配向量。
本发明实施例中，所述利用预设的资源分配算法按照所述疏散路径进行消防资源分配，得到所述疏散路径的消防资源分配向量，包括：
对所述疏散路径进行路径点离散，得到离散路径点；
利用所述资源分配算法根据所述离散路径点的火灾特征对所述离散路径点进行消防资源分配，得到所述离散路径点的离散消防资源分配向量，其中所述资源分配算法为：
{φu}→{ζu,ηu,Ωu}
其中，φa为第u个离散路径点的火灾特征，ζa为第u个离散路径点的消防人员分配数量，ηa为第u个离散路径点的消防设备分配数量,Ωa为第u个离散路径点的消防装备种类分配数量；
根据所述离散路径点的离散消防资源分配向量生成所述疏散路径的消防资源分配向量。
详细地，根据目标路径位置对疏散路径中的路径点进行离散，即对疏散路径进行路径分割，可得到离散路径点，通过将疏散路径离散化为路径点，可以更容易地进行路径规划、路径分析和导航等操作，并逐一计算每个离散路径点中基于路径点周围的火灾特征对离散路径点进行消防资源分配，即根据离散路径点上燃烧区域的强度，优先在燃烧较强的区域分配灭火器；根据路径点的位置和燃烧特征，优先分配消防栓资源；如果离散路径点上出现大量烟雾或有毒气体释放的情况，可以在该点附近分配环境控制设备；据离散路径点的火灾特征，将救援队伍分配到可能需要更多帮助和支援的区域。这些区域可能是燃烧强度很高、出口受阻或人员密度较高的地方；根据离散路径点的位置和火灾特征，在路径上安装指示标识和提供照明设备，以帮助人员找到正确的疏散路径并确保途中的可见性和安全。
具体地，根据每个离散路径点的周围环境的火灾特征，如燃烧区域的强度、烟雾浓度、则燃烧区域的轻度越高、烟雾浓度越高表示其离散路径点所需的消防人员数量、消防设备数量及消防装备种类数量就分配较多，则可按照燃烧区域的强度、烟雾浓度的大小，自定义分配消防人员数量、消防设备数量及消防装备种类数量。进而汇集所有的离散路径点的离散消防资源分配向量为所述疏散路径的消防资源分配向量。
进一步地，为了能够评估消防资源分配向量的分配效果，找到最优的资源分配方案，最大程度地提高消防资源的利用效率，确保资源得到最佳分配，需要对消防资源分配向量进行分配评估。
S4、利用预设的资源分配评估算法计算所述消防资源分配向量的资源分配分值，当所述资源分配分值小于或等于预设的资源分配阈值时，并返回至所述利用预设的资源分配算法按照所述疏散路径进行消防资源分配的步骤，直至所述资源分配分值大于预设的资源分配阈值。
本发明实施例中，所述资源分配分值是通过预设的资源分配评估算法计算得出的一个数值，用于评估消防资源分配方案的好坏。
本发明实施例中，所述利用预设的资源分配评估算法计算所述消防资源分配向量的资源分配分值，包括：
通过预设的层次分析法确定所述消防资源分配向量中消防资源的资源分配权重；
利用所述资源分配评估算法根据所述资源分配权重计算所述消防资源分配向量的资源分配分值，其中所述资源分配评估算法为：
其中，S为所述资源分配分值，pu,v为第u个离散路径点中消防资源分配向量中第v个向量值灭火概率，为在t时刻第u个离散路径点中消防资源分配向量中第v个向量值的分配数量，yu,v为第u个离散路径点中消防资源分配向量中第v个向量值的分配约束值，mod为取余函数，U为离散路径点的数量，V为消防资源分配向量的向量维数，Wu,v为第u个离散路径点中消防资源分配向量中第v个向量值的资源分配权重。
详细地，所述层次分析法是一种常用的决策分析法，用于确定不同因素之间的权重，如可以根据人员数量、装备数量、培训水平确定准则层；进而构建层次结构，如人员数量可以细分为消防员数量、队伍数量等，从而构建判断矩阵，评估准则层和子准则层之间的两两比较，根据判断矩阵，计算每个因素的特征向量，特征向量代表每个因素的权重，从而确定消防资源分配向量中消防资源的资源分配权重，进而根据资源分配权重评估消防资源分配向量中消防资源分配好坏。
具体地，所述资源分配评估算法中pu,v是指基于消防资源分配向量中对消防人员数量、消防设备数量及消防装备种类数量的数量自定义评估在此着火位置的灭火概率，并对每个着火位置的消防人员数量、消防设备数量及消防装备种类数量进行约束，以节约消防成本，进而得到疏散路径中整体消防资源分配向量的资源分配分值，因此，可以根据资源分配权重和实际的资源数量，计算出消防资源分配向量的资源分配分值，用于评估资源的分配情况。其中，可寻找t时刻可行的消防资源分配向量，则消防资源分配向量为则所有的消防资源分配数量为/>并将所有的消防资源分配数量与资源分配约束值进行比较，从而确保灭火的有效性。
进一步地，当所述资源分配分值小于或等于预设的资源分配阈值时，并返回至利用预设的资源分配算法按照所述疏散路径进行消防资源分配的步骤，重新对消防资源进行分配，得到更新的消防资源分配向量，并重新计算更新消防资源分配向量的消防资源分配分值，直至资源分配分值大于预设的资源分配阈值。
S5、当所述资源分配分值大于预设的资源分配阈值时，根据所述消防资源分配向量生成消防资源调度策略，根据所述消防资源调度策略对消防资源进行分配。
本发明实施例中，当所述资源分配分值大于预设的资源分配阈值时，表示消防资源分配向量能够满足目标建筑的消防资源调度，基于此消防资源分配向量能够高效、准确地对目标建筑进行火灾情况处理。进而可以根据消防资源分配向量生成消防资源调度策略，其中所述消防资源调度策略旨在优化和协调消防资源的分配和运用，以应对火灾和其他紧急情况。
本发明实施例中，所述根据所述消防资源分配向量生成消防资源调度策略，包括：
根据所述消防资源分配向量中的资源数量确定资源调度优先级；
按照所述资源调度优先级确定目标建筑的关键调度区域；
逐一根据所述关键调度区域及所述消防资源分配向量生成消防资源调度策略。
详细地，根据火灾和紧急情况的优先级，对消防资源进行调度。高优先级的情况将获得更多的资源和支援，以确保最关键区域得到及时响应和有效支援，因此，可以根据消防资源分配向量中的资源数量确定资源调度优先级，并将资源调度优先级为高级的区域确定为关键调度区域，则根据火灾蔓延的区域和扩散速度，调度消防力量和物资。将资源集中在火灾蔓延最快、人员密度最高或危害程度最大的区域，以有效控制火势并保护人员安全。
具体地，根据每个关键调度区域对应的消防资源分配向量可生成消防资源调度策略，并可以利用不同来源的消防力量和物资，包括消防队、消防车辆、消防栓、灭火器等，根据需求和实际情况进行协调调度，以最大限度地提供支援和保障。
进一步地，可以根据目标建筑物中每个建筑区域的消防资源分配向量实现对目标建筑物的消防资源分配，确保消防资源的合理调配和最优化利用，以最大程度地保护人员生命和财产安全。
本发明实施例中，所述根据所述消防资源调度策略对消防资源进行分配，包括：
逐一提取所述消防资源调度策略中关键调度区域对应的消防资源分配向量；
根据所述消防资源分配向量中的消防资源分配数量对消防资源进行分配。
详细地，逐一提取所述消防资源调度策略中关键调度区域对应的消防资源分配向量，进而根据消防资源分配向量中的消防人员分配数量、消防设备分配数量及消防装备种类分配数量实现每个调度区域的消防资源的分配。
进一步地，根据消防资源调度策略中规定的消防资源分配方案，将消防力量和物资分配到预定的区域和路径点，确保资源的及时响应和全面覆盖。
本发明实施例通过将BIM数据与传感器数据进行数据融合，得到多维融合数据，有利于提高对目标建筑物的整体理解和感知能力；根据多维融合数据构建目标建筑物的三维建筑模型，基于建筑火灾数值模型对三维建筑模型进行火灾模拟，有利于评估建筑物火灾的严重程度，为消防人员提供重要的信息，从而制定更精确的应急预案和疏散方案；提取火灾数据图像的火灾因子特征，进而根据火灾因子特征生成疏散路径，基于疏散路径进行消防资源分配，有利于提高建筑消防安全管理的效率和效果；计算消防资源分配向量的资源分配分值，有利于评估消防资源分配方案的好坏；基于资源分配分值生成消防资源调度策略，根据消防资源调度策略实现消防资源的分配，确保资源的及时响应和全面覆盖。因此本发明提出的基于BIM数据的建筑内消防资源调度分配方法及系统，可以解决建筑内消防资源调度分配时的准确度较低的问题。
如图4所示，是本发明一实施例提供的基于BIM数据的建筑内消防资源调度分配系统的功能模块图。
本发明所述基于BIM数据的建筑内消防资源调度分配系统100可以安装于电子设备中。根据实现的功能，所述基于BIM数据的建筑内消防资源调度分配系统100可以包括数据融合模块101、火灾数据图像生成模块102、消防资源分配向量生成模块103、资源分配分值计算模块104及消防资源分配模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述数据融合模块101，用于获取目标建筑物的BIM数据及传感器数据，利用预设的多维数据融合算法将所述BIM数据及所述传感器数据进行数据融合，得到多维融合数据；
所述火灾数据图像生成模块102，用于根据所述多维融合数据构建所述目标建筑物的三维建筑模型，通过预先构建的建筑火灾数值模型对所述三维建筑模型进行火灾模拟，得到火灾数据图像；
所述消防资源分配向量生成模块103，用于通过预设的双重视觉算法提取所述火灾数据图像的火灾因子特征，根据所述火灾因子特征生成所述目标建筑物的疏散路径，利用预设的资源分配算法按照所述疏散路径进行消防资源分配，得到所述疏散路径的消防资源分配向量；
所述资源分配分值计算模块104，用于利用预设的资源分配评估算法计算所述消防资源分配向量的资源分配分值，当所述资源分配分值小于或等于预设的资源分配阈值时，并返回至所述利用预设的资源分配算法按照所述疏散路径进行消防资源分配的步骤，直至所述资源分配分值大于预设的资源分配阈值；
所述消防资源分配模块105，用于当所述资源分配分值大于预设的资源分配阈值时，根据所述消防资源分配向量生成消防资源调度策略，根据所述消防资源调度策略对消防资源进行分配。
详细地，本发明实施例中所述基于BIM数据的建筑内消防资源调度分配系统100中所述的各模块在使用时采用与上述图1至图3中所述的基于BIM数据的建筑内消防资源调度分配方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或系统也可以由一个单元或系统通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于BIM数据的建筑内消防资源调度分配方法，其特征在于，所述方法包括：
S1、获取目标建筑物的BIM数据及传感器数据，利用预设的多维数据融合算法将所述BIM数据及所述传感器数据进行数据融合，得到多维融合数据；
S2、根据所述多维融合数据构建所述目标建筑物的三维建筑模型，通过预先构建的建筑火灾数值模型对所述三维建筑模型进行火灾模拟，得到火灾数据图像；
S3、通过预设的双重视觉算法提取所述火灾数据图像的火灾因子特征，根据所述火灾因子特征生成所述目标建筑物的疏散路径，利用预设的资源分配算法按照所述疏散路径进行消防资源分配，得到所述疏散路径的消防资源分配向量；
S4、利用预设的资源分配评估算法计算所述消防资源分配向量的资源分配分值，当所述资源分配分值小于或等于预设的资源分配阈值时，并返回至所述利用预设的资源分配算法按照所述疏散路径进行消防资源分配的步骤，直至所述资源分配分值大于预设的资源分配阈值，其中所述利用预设的资源分配评估算法计算所述消防资源分配向量的资源分配分值，包括：
S41、通过预设的层次分析法确定所述消防资源分配向量中消防资源的资源分配权重；
S42、利用所述资源分配评估算法根据所述资源分配权重计算所述消防资源分配向量的资源分配分值，其中所述资源分配评估算法为：
其中，S为所述资源分配分值，pu,v为第u个离散路径点中消防资源分配向量中第v个向量值灭火概率，为在t时刻第u个离散路径点中消防资源分配向量中第v个向量值的分配数量，yu,v为第u个离散路径点中消防资源分配向量中第v个向量值的分配约束值，mod为取余函数，U为离散路径点的数量，V为消防资源分配向量的向量维数，Wu,v为第u个离散路径点中消防资源分配向量中第v个向量值的资源分配权重；
S5、当所述资源分配分值大于预设的资源分配阈值时，根据所述消防资源分配向量生成消防资源调度策略，根据所述消防资源调度策略对消防资源进行分配。
2.如权利要求1所述的基于BIM数据的建筑内消防资源调度分配方法，其特征在于，所述利用预设的多维数据融合算法将所述BIM数据及所述传感器数据进行数据融合，得到多维融合数据，包括：
提取所述BIM数据中的建筑数据因子，根据所述建筑数据因子生成所述BIM数据的建筑数据矩阵；
按照预设的时间区间提取所述传感器数据中的传感数据因子，根据所述传感数据因子生成所述传感器数据的传感数据矩阵；
利用所述多维数据融合算法将所述建筑数据矩阵及所述传感数据矩阵进行数据融合，得到多维融合数据，其中所述多维数据融合算法为：
其中，R为所述多维融合数据，An为所述建筑数据矩阵中第n个建筑数据因子，B1t为在第t时刻时所述传感器数据矩阵中第一个传感器数据，C2t为在第t时刻时所述传感器数据矩阵中第二个传感器数据，Nnt为在第t时刻时所述传感器数据矩阵中第N个传感器数据。
3.如权利要求1所述的基于BIM数据的建筑内消防资源调度分配方法，其特征在于，所述根据所述多维融合数据构建所述目标建筑物的三维建筑模型，包括：
提取所述多维融合数据中的建筑几何属性、空间属性及信息属性；
按照所述建筑几何属性生成所述目标建筑物的几何形状；
根据所述空间属性将所述几何形状进行空间关联，得到目标建筑几何形状；
将所述信息属性添加及所述多维融合数据中的传感器数据添加至所述目标建筑几何形状中，得到所述目标建筑物的三维建筑模型。
4.如权利要求1所述的基于BIM数据的建筑内消防资源调度分配方法，其特征在于，在所述通过预先构建的建筑火灾数值模型对所述三维建筑模型进行火灾模拟，得到火灾数据图像之前，还包括：
获取所述三维建筑模型中建筑构件物理参数及火源物理参数；
根据所述建筑构件物理参数及所述火源物理参数构建所述建筑火灾数值模型，其中所述建筑火灾数值模型为：
其中，T表示所述火源物理参数中温度，t表示所述火源物理参数中火源燃烧时间，α表示热扩散系数，表示拉普拉斯算子，表示温度的二阶空间导数，E表示所述火源物理参数中物质的浓度，F表示化学反应速率项，Q表示辐射传递的能量密度，δ表示散度算子，κ表示所述建筑构件物理参数中物体热导率，ε表示所述建筑构件物理参数中物体表面辐射率，σ表示斯特藩-玻尔兹曼常数，T0表示环境温度。
5.如权利要求4所述的基于BIM数据的建筑内消防资源调度分配方法，其特征在于，所述通过预先构建的建筑火灾数值模型对所述三维建筑模型进行火灾模拟，得到火灾数据图像，包括：
对所述三维建筑模型进行火灾区域划分，得到三维建筑火灾区域；
将所述三维建筑火灾区域进行模拟参数转换，得到三维建筑火灾转换参数；
通过所述建筑火灾数值模型对所述三维建筑火灾转换参数进行火灾模拟，得到火灾模拟参数；
根据所述火灾模拟参数及预设的火灾模拟时间生成火灾数据图像。
6.如权利要求1所述的基于BIM数据的建筑内消防资源调度分配方法，其特征在于，所述通过预设的双重视觉算法提取所述火灾数据图像的火灾因子特征，包括：
利用所述双重视觉算法提取所述火灾数据图像中的燃烧区域；
对所述燃烧区域进行形态学操作，得到增强燃烧区域；
对所述增强燃烧区域中的区域颜色进行编码，得到燃烧颜色编码；
根据所述燃烧颜色编码确定所述火灾数据图像的火灾因子特征。
7.如权利要求1所述的基于BIM数据的建筑内消防资源调度分配方法，其特征在于，所述根据所述火灾因子特征生成所述目标建筑物的疏散路径，包括：
根据所述火灾因子特征确定所述目标建筑物的着火位置及着火环境；
利用预设的信息素浓度算法根据预设的初始信息素浓度计算所述着火位置的实时信息素浓度，其中所述信息素浓度算法为：
其中，τij(s+1)为在s+1时刻时所述着火位置(i,j)的实时信息素浓度，Δτij(s)为在s时刻时所述着火位置(i,j)的初始信息素浓度，τij(s)为在s+1时刻时所述着火位置(i,j)的实时信息素浓度，e为常数，ρmin为信息素挥发因子最小值，max为最大值函数，log为对数函数，N为信息素浓度更新总时间；
提取所述着火环境中环境影响因子，根据所述环境影响因子选取所述实时信息素浓度最高的着火位置为目标路径位置；
通过如下的最短路径算法根据所述目标路径位置及预设的消防出口属性生成所述目标建筑物的疏散路径：
Lmin＝min(L(ωc,flc,f))
其中，L为所述疏散路径，min为最小值函数，c为被困人员属性，f为所述消防出口属性，ω为实时环境权重参数，l为实时疏散路径。
8.如权利要求1所述的基于BIM数据的建筑内消防资源调度分配方法，其特征在于，所述利用预设的资源分配算法按照所述疏散路径进行消防资源分配，得到所述疏散路径的消防资源分配向量，包括：
对所述疏散路径进行路径点离散，得到离散路径点；
利用所述资源分配算法根据所述离散路径点的火灾特征对所述离散路径点进行消防资源分配，得到所述离散路径点的离散消防资源分配向量，其中所述资源分配算法为：
{φu}→{ζu,ηu,Ωu}
其中，φa为第u个离散路径点的火灾特征，ζa为第u个离散路径点的消防人员分配数量，ηa为第u个离散路径点的消防设备分配数量,Ωa为第u个离散路径点的消防装备种类分配数量；
根据所述离散路径点的离散消防资源分配向量生成所述疏散路径的消防资源分配向量。
9.如权利要求1所述的基于BIM数据的建筑内消防资源调度分配方法，其特征在于，所述根据所述消防资源分配向量生成消防资源调度策略，包括：
根据所述消防资源分配向量中的资源数量确定资源调度优先级；
按照所述资源调度优先级确定目标建筑的关键调度区域；
逐一根据所述关键调度区域及所述消防资源分配向量生成消防资源调度策略。
10.一种基于BIM数据的建筑内消防资源调度分配系统，其特征在于，所述系统包括：
数据融合模块，用于获取目标建筑物的BIM数据及传感器数据，利用预设的多维数据融合算法将所述BIM数据及所述传感器数据进行数据融合，得到多维融合数据；
火灾数据图像生成模块，用于根据所述多维融合数据构建所述目标建筑物的三维建筑模型，通过预先构建的建筑火灾数值模型对所述三维建筑模型进行火灾模拟，得到火灾数据图像；
消防资源分配向量生成模块，用于通过预设的双重视觉算法提取所述火灾数据图像的火灾因子特征，根据所述火灾因子特征生成所述目标建筑物的疏散路径，利用预设的资源分配算法按照所述疏散路径进行消防资源分配，得到所述疏散路径的消防资源分配向量；
资源分配分值计算模块，用于利用预设的资源分配评估算法计算所述消防资源分配向量的资源分配分值，当所述资源分配分值小于或等于预设的资源分配阈值时，并返回至所述利用预设的资源分配算法按照所述疏散路径进行消防资源分配的步骤，直至所述资源分配分值大于预设的资源分配阈值；
消防资源分配模块，用于当所述资源分配分值大于预设的资源分配阈值时，根据所述消防资源分配向量生成消防资源调度策略，根据所述消防资源调度策略对消防资源进行分配。
CN202311019758.5A 2023-08-14 2023-08-14 一种基于bim数据的建筑内消防资源调度分配方法及系统 Pending CN117035323A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311019758.5A CN117035323A (zh) 2023-08-14 2023-08-14 一种基于bim数据的建筑内消防资源调度分配方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311019758.5A CN117035323A (zh) 2023-08-14 2023-08-14 一种基于bim数据的建筑内消防资源调度分配方法及系统

Publications (1)

Publication Number Publication Date
CN117035323A true CN117035323A (zh) 2023-11-10

Family

ID=88638698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311019758.5A Pending CN117035323A (zh) 2023-08-14 2023-08-14 一种基于bim数据的建筑内消防资源调度分配方法及系统

Country Status (1)

Country Link
CN (1) CN117035323A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117495311A (zh) * 2023-12-15 2024-02-02 浙大启真未来城市科技(杭州)有限公司 一种区域消防安全体检方法
CN118229041A (zh) * 2024-05-24 2024-06-21 辽宁通安消防安全技术工程有限公司 一种基于共享物联网的消防数据资源调度方法
CN118333359A (zh) * 2024-06-14 2024-07-12 武汉中科坤程信息产业有限公司 基于人工智能的智慧政务大数据分析系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111832811A (zh) * 2020-06-24 2020-10-27 北京工业大学 一种基于数字孪生的智能化消防疏散方法
CN115619609A (zh) * 2022-09-27 2023-01-17 无锡布塔信息科技有限公司 一种基于三维可视化数据的消防警示方法及系统
CN115936350A (zh) * 2022-11-21 2023-04-07 安徽电信规划设计有限责任公司 一种基于大数据的区域性消防资源调配方法及系统
KR20230102342A (ko) * 2021-12-30 2023-07-07 (주)에이치브레인 스마트하우징 플랫폼 기반 화재 관리 시스템 및 방법
CN116468193A (zh) * 2023-04-18 2023-07-21 武汉正远岩土科技有限公司 一种基于bim模型的消防智能定位逃生导航方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111832811A (zh) * 2020-06-24 2020-10-27 北京工业大学 一种基于数字孪生的智能化消防疏散方法
KR20230102342A (ko) * 2021-12-30 2023-07-07 (주)에이치브레인 스마트하우징 플랫폼 기반 화재 관리 시스템 및 방법
CN115619609A (zh) * 2022-09-27 2023-01-17 无锡布塔信息科技有限公司 一种基于三维可视化数据的消防警示方法及系统
CN115936350A (zh) * 2022-11-21 2023-04-07 安徽电信规划设计有限责任公司 一种基于大数据的区域性消防资源调配方法及系统
CN116468193A (zh) * 2023-04-18 2023-07-21 武汉正远岩土科技有限公司 一种基于bim模型的消防智能定位逃生导航方法及系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117495311A (zh) * 2023-12-15 2024-02-02 浙大启真未来城市科技(杭州)有限公司 一种区域消防安全体检方法
CN117495311B (zh) * 2023-12-15 2024-03-29 浙大启真未来城市科技(杭州)有限公司 一种区域消防安全体检方法
CN118229041A (zh) * 2024-05-24 2024-06-21 辽宁通安消防安全技术工程有限公司 一种基于共享物联网的消防数据资源调度方法
CN118229041B (zh) * 2024-05-24 2024-08-02 辽宁通安消防安全技术工程有限公司 一种基于共享物联网的消防数据资源调度方法
CN118333359A (zh) * 2024-06-14 2024-07-12 武汉中科坤程信息产业有限公司 基于人工智能的智慧政务大数据分析系统及方法
CN118333359B (zh) * 2024-06-14 2024-08-23 武汉中科坤程信息产业有限公司 基于人工智能的智慧政务大数据分析系统及方法

Similar Documents

Publication Publication Date Title
CN117035323A (zh) 一种基于bim数据的建筑内消防资源调度分配方法及系统
CN112862153B (zh) 基于bim的火灾救援方法、设备、存储介质及装置
KR102348358B1 (ko) 가상현실 기반의 화재 대피 시뮬레이션 장치 및 방법
Li et al. A household-level approach to staging wildfire evacuation warnings using trigger modeling
CN112766909A (zh) 适用于舰船消防安全的智能管控系统及方法、计算机介质
CN115619609B (zh) 一种基于三维可视化数据的消防警示方法及系统
CN108765872B (zh) 一种受困对象环境参数的推测方法、系统和智能穿戴设备
CN113744108B (zh) 基于大数据的智慧消防控制方法和系统
Mitchell et al. Integrating wildfire spread and evacuation times to design safe triggers: Application to two rural communities using PERIL model
CN117221361A (zh) 一种信息化智慧园区管理系统
CN118171815B (zh) 基于深度学习的实时火灾扑救策略定制方法及系统
Huang et al. Intelligent Building Fire Safety and Smart Firefighting
CN116363825B (zh) 用于展示火情蔓延趋势的方法及装置、电子设备、介质
JP2001325686A (ja) 防災情報処理方法及びシステム
Kiranoudis et al. An operational centre for managing major chemical industrial accidents
Didar et al. Integrated evacuation and rescue management system in response to fire incidents
Гаврись et al. Software-based method of determining the necessary population evacuation zone in case of a chemical accident
Ronchi et al. Framework for an integrated simulation system for Wildland-Urban Interface fire evacuation
Hodges et al. The Role of Artificial Intelligence in Firefighting
CN116576860A (zh) 楼宇内火灾逃生引导方法及相关设备
Zhang et al. Smart Safety Design for Firefighting, Evacuation, and Rescue
Morra et al. A Fire Safety Engineering Simulation Model for Emergency Management in Airport Terminals Equipped with IoT and Augmented Reality Systems
CN116386163B (zh) 用于巡检管理的方法及系统、电子设备、存储介质
CN116402405B (zh) 用于确定消防性能的方法及装置、系统、电子设备、介质
Hadiana et al. First Responders Space Subdivision Framework for Indoor Navigation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination