运用消防大数据的全新管理新模式，通过信息处理、数据挖掘和态势分析，为防火监督管理和灭火救援提供信息支撑，提高社会化消防监督与管理水平，增强消防灭火救援能力；结合APP实时信息，实现从"补救式"向"预警式"的智慧消防管理模式的升级。
通过物联网、大数据等信息化手段对检查人员与检查样本进行抽选，强化科学抽样、收集汇总与统计分析过程，增强抽取样本代表性，实现对检查人员选择的客观性与公平性，对抽样单位消防安全形势的准确分析与科学研判，进一步掌握相关行业与附近区域的防火安全特征，提高发现问题、预见火灾风险的能力。对分析后风险相对较高的行业或地区，通过“智慧消防”平台调整提高适当的抽选比例与频次，做到科学分析，精确抽查，不断加强对监督检查数据信息的高效利用，确实提高防火监督工作对火灾事故的预警与预控能力。
“智慧消防”在新兴产业领域的建设随着我国经济发展，国民收入增加，人们消费模式、生活方式发生巨大变化，娱乐、旅游业得到空前发展，民宿、房车营地成为新兴的人员密集场所; 另一方面，经济社会发展，“互联网 + ”、物联网、大数据、云计算广泛运用，生产经营、仓储物流、商业运营模式发生巨大变化。这其中，公共消防安全设施、消防管理滞后问题突出，使火灾防控面临新的问题和压力。比较有代表性的如近些年迅速崛起
的电商行业事故频发、受到社会广泛关注的养老服务行业消防安全问题，二者在防火监督业务工作中都具有各自的特殊性与复杂性，在现行规范与防火
监督模式下难以获取全面系统的相关信息，检查指导的针对性较弱。
对于新兴行业防火监督业务工作的有效开展，应充分利用“智慧消防”系统的多样性与灵活性，设计建立适用于不同具体的新兴行业物联网消防安全
系统。在电商物流中心中，重点考虑其大空间与火灾荷载大的防火特点，对火灾探测预警传感器的灵敏度、信息采集点分布等参数进行调整; 而对于养老
服务机构建筑，则需考虑老年人对信号反应滞后与疏散行动缓慢的特点，在报警响应时间及相关疏散设施完好畅通的监督方面提高要求。随着社会经济
的不断发展，未来还会面对多的新事物新情况，只有对症下药才能充分发挥“智慧消防”体系的巨大优势，凸显其在火灾预防与预警上的强大功能。
着力推动“智慧消防”标准化规范化进程我国目前“智慧消防”的建设与推广已取得了阶段性成果，一些防火监督检查信息共享与反馈平台已初步建立并投入运行，大大提高了防火检查的效率。但发展的过程中也发现，各地区经济社会条件差别巨大，地方消防安全问题与隐患各不相同，因此“智慧消防”建设水平参差不齐，标准不一，难以统筹管理。对此，可以借鉴美国的发展道路，首先从顶层设计层面科学论证，进一步具体丰富“一库三网”内
容与内涵，明确各领域、各阶段的重点技术突破方向。从我国“智慧消防”现状来看，除前文所说新型传感器的开发外，还应大力研发智能化程度高的、与“智慧消防”大数据分析与决策相适应的数据处理器与工作系统，建立符合我国国情的物联网行业标准，为整合各地区“智慧消防”平台，建立全国统一管理的信息处理决策系统打下坚实的行业规范基础。
国家的**取得巨大成绩，面对中美贸易战，实体经济和制造业仍在处在寒冬，如何过冬？十九大报告提出了七个发展战略，即：科教兴国战略、人才强国战略、创新驱动发展战略、乡村振兴战略、区域协调发展战略、可持续发展战略和军民融合发展战略。如何弯道车？十九大报告给出了答案：加快建设制造强国，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合。加快建设创新型国家，强化基础研究，加强应用基础研究，突出关键共性技术、*引领技术、现代工程技术、颠覆性技术创新，为建设科技强国、质量强国、航天强国、网络强国、交通强国、数字中国、智慧社会提供有力支撑。
2.标准云端协议对接，支持 GPRS、LoRa，NB-IoT 等多种通讯方式
实现对消防水源管网水压的准确、实时多点并发监测，通过对水压值动态分析，保证消防水箱和消防水池的水位处于正常水平范围内，保证消防管网系统通畅。当水位或管网系统发生异常时，能够迅速发出报警信息，及时排查消防水源隐患。
（2）如何分析？我们有什么样的数据， 我们有什么样的分析技术，要建立什么样的数据分析模型，会得出什么样的分析结果……
（1）智慧消防是信息化充分发展阶段的产物。基础的信息化如果都搞不好，时时事事还要依靠人工，那不可能有智慧。
从技术到产品到商品，这是完全三种不同的阶段。
或者应用程序占资源，进而能够满足各种 QoS( 服务 质量) 需求。 ( 3) 基于 Map /Ｒeduce 的并行计算。Map /Ｒeduce 是设计用来处理消防大数据的批量处理方法，具有性 价比高，持续可扩展和高吞吐量等特点。Map /Ｒeduce 是以批处理的模式来运算的，这种批处理模式在处理 离线数据时具有非常大的优势。 ( 4) 基于 Hive 的数据清洗。Hive 是 Hadoop 一个 的数据仓库框架，能够在 Hadoop 的分布式文件系统上 建立智慧消防数据仓库，来存储，组织和管理数据，并 为决策支持系统提供数据支持。 ( 5) 基于 HBase 的数据查询。HBase 是一个适合 于非结构化数据存储的数据库，可以实现大数据内容 的读写。HBase 支持范围查询，可以直接写入 Hadoop 处理后的数据。 2. 3. 2 Spark 关键技术应用 Spark 适合用来作需要多次迭代的计算，特别是消 防大数据挖掘和机器学习算法。Spark 立足于内存计 算，其性能和速度都优于 MapＲeduce，对于用户来说 易于使用，符合低延时、迭代计算的大数据应用。 其中用于处理特定场景定制四个 Spark 高层模 块: Spark SQL，MLlib，GraphX 和 Spark Streaming。这 四个模块基于 Spark ＲDD 进行了专门的封装和定制。 ①Spark SQL 用于分布式 SQL 查询的工作; ②MLlib 化 是分 布 式 机 器 学 习 库， 它 基 于 Spark 进 行 编 写; ③GraphX是一个负责对大规模图进行处理和计算的 模块; ④Spark Streaming 负责实时大数据的流式计算。 这四个模块可以无缝结合，互相配合。Spark 生态环 境，如图 1 所示。
-/gjighh/-
http://www.xf-119.com
