云计算支持的火灾调查与勘测系统的制作方法

本发明涉及火灾勘测，尤其涉及云计算支持的火灾调查与勘测系统。

背景技术：

1、火灾勘测技术领域涉及使用各种方法和系统来评估和分析火灾现场，以确定火灾的原因、影响和损失，利用先进的技术，包括但不限于远程感应技术、图像分析、数据采集和建模技术，有助于快速准确地收集火灾现场数据，实现对火灾现场的精确重建，以支持后续的保险理赔、法律诉讼和安全改进措施。火灾勘测不仅需要硬件设备来执行现场作业，还依赖于强大的软件支持，如数据库管理和分析工具，以处理和解释收集到的大量数据。

2、其中，火灾调查勘测系统指执行火灾数据处理和存储的系统。系统的主要用途是提高火灾数据处理的效率和可靠性，通过云技术实现数据的远程存储、分享和分析，能够实时收集火灾现场的各种数据，如温度、烟雾分布和结构损坏情况，然后将数据上传至云端。云服务器处理数据，帮助调查人员远程分析火灾原因、评估损失并制定恢复计划。此外，系统也支持多方协作，使得保险公司、消防部门和其他相关方能够实时访问和利用火灾数据。

3、现有火灾勘测技术在处理和分析关键数据方面存在明显的延迟和不足，尤其是在火源定位和蔓延预测的实时性与精确性方面。传统方法往往无法快速整合和处理分布在不同地点的传感器数据，导致火灾信息更新不及时，无法为决策者提供即时的火灾动态。此外，现有技术在经济影响分析和行为模式识别方面缺乏有效的工具，难以从庞大的数据集中迅速提取关键信息，限制了火灾后果分析的深度和广度。这种处理能力的不足，特别是在大规模火灾事件中，可能导致救援资源的误配和调度不当，增加了人员伤亡和财产损失的风险。

技术实现思路

1、本发明的目的是解决现有技术中存在的缺点，而提出的云计算支持的火灾调查与勘测系统。

2、为了实现上述目的，本发明采用了如下技术方案：云计算支持的火灾调查与勘测系统包括：

3、数据接收与初步分析模块采集温度传感器和烟雾检测器数据，进行时间同步并校准风向数据，对摄像头和卫星图像数据进行预处理，调整分辨率和对比度，与校准数据进行数据融合，生成同步环境数据；

4、动态火灾映射模块基于所述同步环境数据，将环境数据与gis数据整合，对火源位置进行定位，根据定位结果对火灾蔓延边界进行描绘，进行地理编码，更新区域地图，生成动态火灾地图；

5、火灾蔓延预测模块基于所述动态火灾地图，收集风速、地形和植被类型数据，进行参数运算，模拟火势蔓延路径，根据模拟结果预测差异蔓延场景，分析潜在火灾风险区域，生成火灾蔓延预测结果；

6、损失评估与原因分析模块基于所述火灾蔓延预测结果，收集经济活动数据进行经济影响分析，分析人员和车辆的行为数据进行行为模式分析，区分正常与异常行为模式，生成火灾原因及损失调查记录。

7、作为本发明的进一步方案，所述风向数据的校准步骤为：

8、从温度传感器和烟雾检测器采集数据，设定时间戳，应用公式，

9、tsensor＝treal-δt

10、计算数据的采集时间tsensor，生成具有时间戳的传感器数据，其中，treal表示实际采集时间，δt表示数据从传感器到处理单元的传输延迟；

11、对所述具有时间戳的传感器数据进行时间同步，应用公式，

12、tsync＝tsensor+δtsync

13、计算同步后的时间点tsync，生成同步时间数据，其中，δtsync为从本地时间到协调世界时间的偏移量；

14、使用所述同步时间数据调整风向数据，应用公式，

15、wcal＝wraw+k(tsync-twind)2

16、计算校准后的风向wcal，生成校准后的风向数据，其中，wraw为原始风向数据，twind为风向数据采集时间，k为校准系数，用于调整风向数据校准的敏感度。

17、作为本发明的进一步方案，所述同步环境数据的获取步骤为：

18、对摄像头和卫星图像数据进行预处理，调整分辨率和对比度，应用公式，

19、

20、计算经过对比度和亮度调整后的像素值iprep，生成预处理后的图像数据，其中，iraw为原始图像数据的平均原始像素值，ai、bi、ci为调整系数，ai用于调整对比度，bi用于调整亮度，ci用于用于规范化处理结果；

21、将所述预处理后的图像数据与校准后的风向数据进行时间对齐，应用公式，

22、

23、计算综合图像值ialigned，生成时间对齐的图像数据，其中，max(wcal)表示校准后的最大风向；

24、将所述时间对齐的图像数据与所述同步时间数据进行数据融合，应用公式，

25、

26、计算融合后的环境数据值dfusion，生成同步环境数据，其中，ialigned为时间对齐的图像数据，tsync为同步时间数据，m表示采集时间点，m表示采集时间点总数。

27、作为本发明的进一步方案，所述对火源位置进行定位的步骤为：

28、基于所述同步环境数据，提取温度t和烟雾浓度s，采用公式，

29、escore＝ω1t+ω2s

30、计算环境得分escore，生成环境得分数据，其中，ω1，ω2为权重系数，分别用于调整温度、烟雾浓度的权重；

31、利用所述环境得分数据，检查数据有效性，应用公式，

32、

33、计算火源概率pfire，生成火源概率数据，其中，ke表示敏感度系数，ethresh为环境得分阈值；

34、根据所述火源概率数据，选择概率高于阈值θ的地点作为火源位置，采用公式，

35、lfire＝{x∣x∈pfire,x>y}

36、确定最终火源位置lfire，生成火源位置定位数据，其中，y为概率阈值。

37、作为本发明的进一步方案，所述动态火灾地图的获取步骤为：

38、根据所述火源位置定位数据，结合风速w和地形坡度g，应用公式，

39、bspread＝lfire+αwcos(θ)+βg

40、计算火灾蔓延距离值bspread，生成火灾蔓延边界数据，其中，α表示风速影响系数，β表示地形坡度系数，lfire、w和g分别代表火源位置、风速和地形坡度，θ表示风向与火源位置的角度；

41、利用所述火灾蔓延边界数据，采用地理编码技术在gis系统中更新区域地图，使用公式，

42、

43、计算更新后的地图评估值mupdated，得到更新后的区域地图，其中，mcurrent表示当前地图评估值，d(bspread,x)表示bspread到地图上点x的距离，λ为衰减系数；

44、基于所述更新后区域地图，创建动态显示的火灾地图，采用公式，

45、

46、计算时间变化对火灾影响的累积效应值dfiremap，生成动态火灾地图，其中，td表示时间参数，σ为时间影响系数。

47、作为本发明的进一步方案，所述火势蔓延路径的模拟步骤为：

48、收集风速w，地形高度h和植被类型指数v数据，使用公式，

49、

50、计算整合指数ienv，生成环境综合指数，其中，ωw，ωh和ωv是归一化的权重系数，分别对应风速、地形高度和植被类型指数的权重；

51、利用所述环境综合指数，进行火势蔓延潜力估算，采用公式，

52、

53、计算火势蔓延潜力值pspread，得到火势蔓延潜力数据，其中，kp为调整系数，用于调节环境综合指数的影响，tp为基准阈值，为火势蔓延潜力的敏感阈值。

54、基于所述火势蔓延潜力数据，结合所述动态火灾地图，模拟火势蔓延路径，采用公式，

55、spath＝pspread·ln(1+dfiremap)

56、计算火势蔓延路径模拟得分spath，生成火势蔓延路径模拟结果。

57、作为本发明的进一步方案，所述火灾蔓延预测结果的获取步骤为：

58、分析所述火势蔓延路径模拟结果，预测差异环境条件下的蔓延场景，使用公式，

59、

60、计算差异蔓延场景分数cdiff，生成差异蔓延场景分析数据，其中，w，h为风速和地形高度数据，αc，βc为环境条件敏感度系数；

61、根据所述差异蔓延场景分析数据，检查数据完整性并分析潜在火灾风险区域，采用公式，

62、rrisk＝∫cdiff·dx

63、计算火灾区域风险得分rrisk，生成潜在火灾风险区域数据，其中，dx表示整合区域长度；利用所述潜在火灾风险区域数据，采用公式，

64、

65、计算火灾蔓延风险总分pfinal，生成火灾蔓延预测结果。

66、作为本发明的进一步方案，所述火灾原因及损失调查记录的获取步骤为：

67、基于所述火灾蔓延预测结果，从地区经济统计部门收集整合经济活动数据，利用公式，

68、

69、计算经济活动指标eactivity，生成经济活动数据，其中，ai表示第i类活动的经济量，qi是对应的权重，n表示经济活动的数量；

70、利用所述经济活动数据，调查火灾对地区经济的影响。采用公式，

71、

72、计算经济损失估算值leconomic，生成经济损失数据，其中，δl表示最大潜在损失，ξl为火灾敏感性参数，用于调整经济活动指标的影响；

73、收集火灾发生时人员和车辆行为数据，进行行为分析，区分正常与异常模式，采用公式，

74、

75、计算行为模式分析值，生成模式识别结果，其中，bdata为平均行为评分，θb和μb分别为响应敏感性参数和行为偏移阈值；

76、整合所述经济活动数据、经济损失数据和模式识别结果，编制并输出火灾原因及损失调查记录。

77、与现有技术相比，本发明的优点和积极效果在于：

78、本发明中，将环境数据与gis整合，为火灾勘测提供了精准的实时更新能力，使得动态火灾地图能够实时反映火源位置和蔓延状况，确保应急响应基于最新、最准确的数据执行，通过对风速、地形及植被类型数据的深度分析与模拟，能够预测不同的火势蔓延场景，明确识别高风险区域，提高预防措施的针对性，优化资源的分配和使用，经济分析综合评估火灾带来的直接与间接损失，明确火灾原因，极大地增强了火灾管理的效率和有效性。