基于物联网技术的多元素火灾分级速报系统设计

邢丽莉， 刘 颖， 鹿玉红， 张 兵

(1. 防灾科技学院， 河北 三河 065201； 2. 南京大学， 江苏 南京 210023； 3. 中国地震局地震预测研究所， 北京 100036)

0 引言

人类能够对火进行合理的利用和有效的控制，是文明进步的一个重要标志。最早时间内检测到火灾的发生，并将火灾控制和消灭在初期阶段至关重要。而一旦火灾形成，为救援人员提供有用的实时现场信息变得尤为关键。只有做到早发现、早消灭、实时监控，救援有序才能够真正做到减少财产损失和人员伤亡[1-3]。

目前国内外楼宇的火灾报警系统主要以单一的烟雾传感器检测结合视频传感器人为观察为主，存在检测灵敏度不高、误报率高以及报警延迟等问题[4-5]。随着传感器技术和物联网技术的发展，火灾检测报警系统正在向小型化、智能化、网络无线化的方向发展，并且功能越来越丰富，但是加入人工智能技术也在一定程度上增加了灾情预判的输出延时[6-9]。因此，运用丰富的传感器技术提高检测技术的多元素性，快速、实时、准确确定火灾灾情等级，并融入集成到计算机网络中进行智能分级速报，对消防救援的辅助决策具有重要的意义[10]。

本文基于传感器、Zigbee、WiFi、移动通信等物联网技术，运用传感器实时采集火灾现场光照度、温度、烟雾浓度、气体组分等多种元素数据，采用数据融合技术，综合分析光照度、温度、烟雾浓度和气体组分等元素的变化情况，设计了多元素火灾检测算法，精确对火灾分级预判并实时快速的报警，为消防救援提供辅助决策。

1 系统整体设计

图 2 系统功能模块设计Fig.2 Design of system function module

多元素火灾分级速报系统分为感知层、网络层、数据处理层和应用层，主要由Zigbee传感器节点、Zigbee协调器、WiFi摄像头、物联网网关、上位机、4G模块、用户手机等部分组成[11-13]。感知层主要包含光照度、温度、烟雾浓度、一氧化碳等无线传感器节点，负责采集现场相应环境数据；网络层包含Zigbee节点、Zigbee协调器、WiFi模块、4G网络模块及网络融合物联网网关，负责将采集的环境数据实时传输到上位机和用户端； 数据处理层主要是上位机，负责运用多元素火灾检测分级算法，对数据进行处理和分析并判断出火灾状态级别； 应用层主要是用户手机，接收实时的火灾状态和不同等级的危险警告的短信。系统结构如图 1所示。

多元素火灾分级速报系统的软件部分由手机端、客户端和数据网站三部分组成[14-15]，如图 2所示。

手机端主要用来接收分级的警报信息，使用APP查看现场实时视频。客户机端的软件分为前台控制显示和后台数据处理两部分。后台数据处理主要是多元素火灾检测算法的实现，包括火灾异常检测、灾情级别预判和火源推测3个模块。火灾异常检测主要进行温度、光照度、烟雾和空气组分等多元素的阈值超限检测； 灾情级别预判为融合上述4个元素的异常数据综合分析判断灾情的严重情况并设置不同的级别； 火源推测是根据对各4个元素异常数据的综合分析，预判出初始火源。后台数据处理是整个系统的核心，为其他功能的实现提供可靠的数据和信息支撑。前台控制显示负责自动报警、查看实时视频与录像回放、显示火情状态和火源信息、设置火灾检测传感器节点参数以及节点电源控制等6个功能[16-18]。

图 3 “阈值+方差”异常检测算法流程Fig.3 Flow of “threshold+variance” anomaly detection algorithm

数据网站端主要用来维护用户信息、物联网网关、ZigBee传感器节点的信息。每个节点的报警信息、火灾视频等都将形成系统日志并保存，用于统计报表。

2 多元素火灾检测分级速报算法

2.1 异常检测算法

为了避免单一元素的单一阈值检测方法存在误报的现象，基于采集的现场光照度、温度、烟雾浓度和一氧化碳4种元素数据的时间连续性，设计了“阈值+方差”的异常检测算法。阈值可以限定单一元素数值的异常检测，方差可以限定单一元素数值在固定时间内的变化幅度，两个值同时限定异常状态，可以降低误报率、提高异常检测的准确度。

将4种数据采样频率设置为10sps，即每秒采集10个数据。阈值异常检测算法为对4种元素数据分别设置上限和下限，超出阈值范围即为该元素异常， 4种元素异常通过逻辑或运算得到阈值异常的输出[19]。用A、B、C、D分别表示4种元素的异常状态， 1为异常， 0为正常，则阈值异常输出状态Yy可表示为

Yy=A∪B∪C∪D

(1)

方差异常检测算法为1s的10个4种元素数据分别求方差，并设定方差的阈值，超出阈值范围即为该元素异常， 4种元素异常通过逻辑或运算得到阈值异常的输出，运算过程与式(1)相同，设输出状态为Yf。

“阈值+方差”异常检测算法的异常输出状态为阈值异常输出状态与方差异常输出进行逻辑与运算结果，即

Y=Yf∩Yy

(2)

算法的流程如图 3所示。先对采集的温度数据进行判断是否超出阈值，如果没有超出则直接输出检测结果； 如果超出则对连续1s的数据求方差或均方差(温度为方差，其他为均方差)，判断其值是否超出阈值。如未超出，则直接输出结果，如超出，则根据式(1)与其他元素判断结果(其他元素判断过程与温度数据处理过程相同)合成输出最终检测结果[20]。

2.2 灾情级别判断

得到异常检测结果后，系统根据异常信息的不同组合预判火情严重状态并进行分级。根据不同介质的燃烧特点，将灾情等级分为6级。当气体燃烧的时候，一般是起火的初期，进而火苗越来越大造成光照度以及温度升高，当火苗大到一定程度，并且温度升高到周围固体的燃点时，会引起室内固体的燃烧，形成烟雾，当烟雾传到传感器时是火情最严重的时候，几种因素混合异常时说明更严重一些。因此，设置一氧化碳单一异常为一级，光照度单一异常为二级，温度单一异常为三级，烟雾单一异常为四级，混合异常分级设置如表 1所示。

表 1 灾情级别划分Tab.1 Classification of disaster levels

图 4 光照度实验数据Fig.4 Experimental data of illuminance

2.3 火源判断

根据不同材料燃烧的特点，系统对初始火源进行初步预判，该预判仅作为后续人为决策做初步参考。通常情况下，如果烟雾先于另外3个元素输出异常状态，说明固体最先燃烧，则初步预判初始火源为固体；如果一氧化碳先于另外3个元素输出异常状态，说明没有固体烟雾，气体最先燃烧，则初步预判初始火源为气体；如果光照度先于另外3个元素输出异常状态，说明没有气体燃烧和固体燃烧的烟雾，则初步预判初始火源为液体； 如果温度先于另外3个元素输出异常状态，说明既没有固体烟雾也没有气体泄露，则初步预判无法确定初始火源。

3 实验测试

在实验室部署该系统，离地1m并呈10cm正方形布设4个传感器节点，模拟房屋内的实际架设场景。用打火机、酒精灯和报纸分别模拟气体、液体和固体3种初始火源，放置在4个传感器节点的中间进行实验测试[21-22]。

(1)酒精灯

在白天光线稳定的环境下，点着酒精灯放置在传感器节点中间，光照度传感器节点最早报警，然后温度报警，两个节点报警均在1s内完成。一氧化碳传感器节点和烟雾传感器节点并未报警。截取光照度报警(第3点)前后共8s的数据实验数据，如图 4所示，正常光照度在68～71，均方差在0～1，在第3点时刻光照度超阈值并且在短时间内急剧升高，从而触发报警并显示为Ⅴ级灾情，初始火源显示液体，系统报警准确并有效。

(2)打火机

图 5 温度实验数据Fig.5 Experimental data of temperature

图 6 烟雾浓度实验数据Fig.6 Experimental data of smoke concentration

(3)报纸

在白天无烟雾的环境下，将报纸点燃，放置在传感器节点中间，烟雾传感器最早报警，然后是温度报警，两个节点报警均在1s内完成，其他两个节点并未报警。截取烟雾报警(第4点)前后共8s的数据实验数据，如图 6所示，正常烟雾值和均方差在0～1，在第2点时刻，烟雾浓度超阈值，同是均方差超阈值表明浓度短时间内急剧升高，从而触发报警并显示为Ⅵ级灾情，初始火源显示固体，系统报警准确并有效。

4 结论与讨论

基于物联网技术的多元素火灾检测分级速报系统打破了传统火灾检测的单一性，综合考虑光照、温度、烟雾等多种元素，在不同元素数值阈值异常检测的同时，增加方差用于限定元素数值变化速度，两个值同时限定异常状态，具有很高的敏感度和准度性。报警准确快速，各种情况下均能在1s时间报警并揭示灾情严重等级和初始火源预判结果。

目前，该系统的实验测试只初步检验了系统功能，而且实验场景为人为设定，而火灾实际现场情况要比设定场景更加复杂，根据Zigbee的组网技术特点，可将该系统布设到家庭厨房的实际场地中并进行实验测试。

通过目前的实验测试可知，该系统实现了基于物联网技术的多元素火灾分级速报系统的设计，可以帮助救援人员更加准确地把握现场情况，灾情级别低时可以自行快速灭火，级别高时可以避免盲目地前去灭火，并且能够根据初始火源预判进行有针对性地救援准备，为消防救援提供至关重要的辅助决策。