基于多源数据融合的大型公共建筑火灾自动报警方法

摘 要：【目的】在大型公共建筑火灾自动报警场景中，现行报警方法所采集的信息存在滞后性且错误数据较多，导致误警率较高，无法到达预期效果。为此，提出基于多源数据融合的大型公共建筑火灾自动报警方法。【方法】首先，利用无线传感器自动感知建筑火灾温度信号与烟雾信号，并通过LoRa技术对火灾信号进行传输。其次，分析火灾数据置信度，从原始数据中提取到有效数据，采用多源数据融合算法对火灾信号融合处理，确定火灾风险系数，对识别出的火灾进行自动报警。【结果】实验证明，该方法对大型公共建筑火灾的误警率不超过1%，报警精度较高。【结论】该方法能提高大型公共建筑火灾报警的可靠性和智能化水平，有助于更好预防和遏制建筑火灾，保护人们生命和财产安全。

关键词：多源数据融合；大型公共建筑；火灾；自动报警；LoRa技术；无线传感器

中图分类号：TP277" " "文献标志码：A" " "文章编号：1003-5168（2025）02-0034-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2025.02.007

Abstract：[Purposes] In the scene of automatic fire alarm in large public buildings， because the information captured by the existing alarm methods is lagging， there are many wrong data， and the 1 alarm rate is high， resulting in failing to meet the expected effect. Therefore， an automatic fire alarm method for large public buildings based on multi-source data fusion is proposed. [Methods] The temperature signal and smoke signal of building fire are automatically sensed by wireless sensor， and the fire signal is transmitted by LoRa technology. After analyzing the confidence of fire data， effective data is extracted from the original data， and the fire signal is fused by multi-source data fusion algorithm to determine the fire risk coefficient and automatically alarm the identified fire. [Findings] Experiments show that the 1 alarm rate of this method for large public building fires does not exceed 1%， and the alarm accuracy is high. [Conclusions] The research in this paper can improve the reliability and intelligence level of fire alarm in large public buildings， which will help to better prevent and contain building fires and protect people's lives and property safety.

Keywords： multi-source data fusion; large public buildings; fire; automatic alarm; LoRa technology; wireless sensor

0 引言

火灾作为一种常见灾害，不仅会造成人员伤亡和财产损失，还会对社会秩序和经济发展产生深远影响。因此，火灾防控工作显得尤为重要，而火灾自动报警系统作为火灾防控的重要组成部分，对其进行研究与应用具有重要意义。大型公共建筑（如商场、医院、学校、办公楼等）因人员密集、建筑结构复杂，一旦发生火灾，疏散和救援工作的开展难度极大。因此，在大型公共建筑中安装火灾自动报警系统，能及早发现火灾，并采取相应措施，对保障人民生命财产安全具有重要意义。火灾自动报警系统会实时监测火灾特征（如烟雾、温度、火焰等），一旦检测到异常，便立即发出报警信号，提醒相关人员及时采取应对措施，从而有效减少火灾带来的损失。近年来，相关学者与专家对大型公共建筑火灾自动化报警技术展开研究，并取得一定研究成果。

田野［1］提出基于LoRa技术的报警方法，通过LoRa无线通信模块，将温度传感器、漏电电流传感器等探测器采集到的异常数据实时传输至监控中心，实现火灾的早期预警；岳云涛等［2］提出基于NB-IoT的报警方法，通过NB-IoT网络将采集到的火灾信息实时传输至云平台，并对信息进行处理和分析，从而识别火灾特征并报警。虽然现行方法已得到广泛应用，但仍存在一些不足之处，且误警率较高，无法达到预期效果。针对上述问题，本研究提出基于多源数据融合的大型公共建筑火灾自动报警方法。

1 公共建筑火灾信号智能感知与传输

当发生火灾时，火源点会产生大量烟雾，且周围温度会升高。因此，可将温度、烟雾作为识别建筑火灾的变量，通过在大型公共建筑内安装温度传感器和烟雾传感器，以此采集建筑内的温度信号与烟雾信号。根据需求，本研究选择JGHFA-A45F8温度传感器、JZAHSF-A4F4烟雾传感器。此外，为避免传感器互相干扰，两个传感器的安装间距在2 m以上。为确保无线传感器采集的火灾信号能稳定且有效地传输，采用LoRa技术实现火灾信号的无线接收与发送［3］。在建筑内部署LoRa节点，一个无线传感器可视为一个LoRa节点，在LoRa技术的应用中，选择型号为Sx1785的LoRa芯片作为火灾信号传输控制芯片，通过IYFA串口实现无线传感器与LoRa芯片的无线连接。当传感器检测到电气火灾信号时，LoRa芯片立即启动扩频通信，将信号通过天线发送至数据接收终端。根据LoRa技术理论，无线传感器信号传输信道容量的计算见式（1）。

通过扩频因子将原始的火灾电气信号传输信道容量扩充，通常将火灾信号扩展成多位的数据序列。当LoRa芯片从标准工作模式切换到信号发送模式时，会将生成的发送序列写入发送队列，并通过天线将信号发送至接收端［5］。在发送完一组信号后，LoRa芯片进行判断，如果有新的信号需要发送，则继续发送下一组信号；如果没有新的信号，则返回标准工作模式，以此实现对无线传感器采集的火灾信号传输，用于后续火灾识别报警。

2 火灾数据筛选

考虑到无线传感器感知的火灾信号中含有大量无效信号，为保证火灾报警精度，对火灾数据置信度进行分析，从原始数据中提取有效数据，完成对火灾数据的筛选。为了描述火灾数据的特性，采用高斯分布曲线作为每个传感器的特征函数。为了量化第[i]个传感器和第[j]个传感器观测值之间的相似程度，引入置信距离测度，通过计算两个传感器观测值对应的高斯分布曲线下的面积差得到。置信距离测度的计算见式（4）。

本研究设定支持度阈值为0.8，即只有当两个传感器之间的支持度大于或等于0.8时，认为二者之间的数据是有效的，并将这些数据保留下来；反之，如果支持度小于0.8，则认为这些数据可能是不可靠的，并将其删除，以此筛选出有效的火灾数据，用于后续多源数据融合。

3 基于多源数据融合的火灾识别报警

综上所述，采用多源数据融合算法对筛选出的火灾数据进行融合处理，提取建筑火灾特征，并对识别出的火灾进行自动报警。根据多源数据融合理论，多源数据具有量纲差异化特征，由于烟气浓度与温度这两个关键参数各自具有不同的量纲，为了确保火灾自动报警的准确性，对多源数据进行标准化处理，见式（6）。

4 实验验证

4.1 实验准备与设计

为了验证本研究提出的基于多源数据融合的大型公共建筑火灾自动报警方法的可靠性与可行性，开展对比实验。以田野［1］提出的基于LoRa技术的报警方法、岳云涛等［2］提出的基于NB-IoT的报警方法为对照组，与本研究提出的方法进行对比。以某大型公共建筑为实验环境，该建筑共8层，建筑面积为2 564.62 m²。根据该建筑实际情况，准备8台温度传感器和8台烟雾传感器，在建筑每层楼梯口上方各安装1台温度传感器和1台烟雾传感器，并在建筑安全通道安装1台报警器。温度传感器与烟雾传感器参数设置如下：无线信号发射频率设置为1.62 Hz，采样周期设置为0.05 s，采样频率设置为5.62 Hz，采样时间设置为24 h。实验中，在每层布设1个模拟火源，无线传感器共采集到100个样本，通过以上三种方法对信号进行处理和融合，对识别的火灾进行报警。

对建筑火灾自动报警方法性能评价，选择误警率来表征火灾报警精度，见式（9）。

误警率=错误报警次数/总报警次数" " "（9）

误警率越高，表示报警精度越低。通过对比上述三种方法的误警率，来评价本研究设计的方法在实际场景中的应用效果。

4.2 实验结果与讨论

实验共设4组，每组实验有200个火灾报警样本，上述三种方法在实验中的火灾误警率如图1所示。

由图1可知，在大型公共建筑火灾自动报警场景中，基于NB-IoT的报警方法的误警率最高（6%～7%），而本研究设计的方法在四组实验中的误警率均最低（不超过1%）。由此可知，本研究设计的方法更适用于大型公共建筑火灾自动报警，且具有良好的可行性与可靠性。

5 结语

基于多源数据融合的大型公共建筑火灾自动报警方法通过整合来自不同传感器和系统的数据，利用先进的算法和技术，实现对火灾风险精准识别和快速响应。这一方法不仅能提高火灾报警的准确性和可靠性，还能为大型公共建筑的火灾防控提供新的思路和解决方案。未来，随着物联网、大数据和人工智能等技术的不断发展，多源数据融合技术将在火灾自动报警领域发挥更加重要的作用。通过深入研究，不断优化算法和模型，提高火灾报警系统的智能化水平，为大型公共建筑的安全提供更加全面和有效的保障。同时，也期待与更多的合作伙伴携手共进，共同推动火灾防控技术的进步和发展，为构建更加安全、和谐的社会环境贡献力量。

参考文献：

［1］田野.基于LoRa技术的装配式高层建筑电气火灾自动报警方法［J］.绿色建造与智能建筑，2024（5）：60-63.

［2］岳云涛，潘鑫，李炳华，等.基于NB-IoT的文物建筑无线火灾报警系统研究［J］.建筑电气，2021，40（8）：18-21.

［3］倪谢鸿.木业板材生产厂房建筑火灾自动报警系统探讨研究［J］.中国建筑金属结构，2024，23（8）：124-126.

［4］刘理.基于建筑智能化实训平台的无线火灾自动报警系统设计［J］.阜阳职业技术学院学报，2023，34（3）：47-50.

［5］程茜.高层建筑火灾自动报警设备探测器安装施工方法［J］.安装，2023（3）：68-71.

［6］王骁.数据机房火灾报警设计中与民用建筑的异同分析［J］.消防界（电子版），2023，9（4）：69-71.

［7］田纯.基于LoRa的智能建筑电气火灾自动报警系统设计［J］.自动化技术与应用，2022，41（11）：65-68，91.