[发明专利]基于大数据和人工智能的消防站选址方法及装置

说明书

本发明公开了一种基于大数据和人工智能的消防站选址方法及装置，其中，方法包括：获取包括多个分区的待选址区域的消防警情数据、气象数据和社会数据；将消防警情数据分别与气象数据和社会数据进行多源数据融合及相关性分析，以建立时间序列模型和地理空间回归模型；根据上述模型对气象因素和社会因素进行耦合叠加，建立待选址区域中每个分区的安全风险矩阵；对时间进行分段，基于贝叶斯网络对安全风险矩阵和每段时间进行风险预测，以确定每个分区的安全风险概率，并基于安全风险概率、实时路况和消防力量在预设时间能够达到的边界，综合确定最优消防站地址。该方法可以利用大数据和人工智能的为消防选址决策赋能，提高消防站选址的合理性。

技术领域

本发明涉及大数据服务技术领域，特别涉及一种基于大数据和人工智能的消防站选址方法及装置。

背景技术

随着社会经济的飞速发展，生产新能源、新材料、新工艺等企业不断增加，在带来经济收益的同时，这些企业生产出的产品也带来了更多的火灾隐患，城市火灾发生的频率不断增高，火灾带来的损失也不断加剧，为了预防和减少城市火灾，保护城市消防安全，往往需要在城市内建设一些消防站。

然而，随着消防警情的多样化，火灾扑救在不同城市出警任务中往往只占到1/3甚至更少，且随着经济社会的发展，抢险救援和社会救助的比重日益增加，因此基于火灾扑救建设的消防站无法满足多样化的消防警情需求，消防站选址的合理性较差，消防站选址布局全局性、科学性和实用性亟待提高。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种基于大数据和人工智能的消防站选址方法，可以利用大数据和人工智能的为消防选址决策赋能，满足多样化的消防警情需求，提高选址的合理性，有效保护人民的生命财产安全。

本发明的另一个目的在于提出一种基于大数据和人工智能的消防站选址装置。

为达到上述目的，本发明一方面实施例提出了一种基于大数据和人工智能的消防站选址方法，包括以下步骤：获取待选址区域的消防警情数据、气象数据和社会数据，其中，所述待选址区域包括多个分区；对所述消防警情数据和所述气象数据进行多源时间数据融合，并进行消防警情与气象因素的相关性分析，以建立时间序列模型；对所述消防警情数据和所述社会数据进行多源空间数据融合，并进行消防警情与社会因素的相关性分析，以建立地理空间回归模型；根据所述时间序列模型和所述地理空间回归模型对所述气象因素和所述社会因素进行耦合叠加，建立所述待选址区域中每个分区的安全风险矩阵；对时间进行分段，基于贝叶斯网络对所述安全风险矩阵和每段时间进行风险预测，以确定每个分区的安全风险概率，将安全风险概率大于预设概率的分区，并以实时路况、以及预设时间内消防力量可达边界为依据，确定最优消防站地址。

本发明实施例的基于大数据和人工智能的消防站选址方法，利用大数据获取包括火灾扑救、抢险救援和社会救助的消防警情数据，并基于人工智能进行多源数据融合，将火灾、救援、救助作为整体因变量，并结合路况时间综合考虑消防站选址，从而利用大数据和人工智能的为消防选址决策赋能，满足多样化的消防警情需求，提高选址的合理性，有效保护人民的生命财产安全。

另外，根据本发明上述实施例的基于大数据和人工智能的消防站选址方法还可以具有以下附加的技术特征：

进一步地，所述对所述消防警情数据和所述气象数据进行多源时间数据融合，并进行消防警情与气象因素的相关性分析，以建立时间序列模型，包括：对融合数据进行方差分析和多源回归分析，以建立机器学习模型；按照消防接警规律对所述待选址区域四季的月度进行重新划分，分析所述气象因素对所述消防警情的滞后性影响，并按照日度、周度及月度数据对所述机器学习模型进行调整优化；基于调整优化后的机器学习模型进行十折交叉验证，并根据选取的最优解建立所述时间序列模型。