智慧消防商业化是建立在产品使用率上的，目前AI+消防这个赛道上的大多数公司依然处在初级实验阶段，和商业化落地还有一段距离。
消防安全网格化管理的概念是根据各级政府所辖 地域，在城市街道办事处以社区为单元，在农村以村屯 为单元，划分网格。在城镇，对各类小场所、居民小区、 实施消防安全动态管理，形成“全覆盖、无盲区”的消 防管理网络［1-2］。开展消防安全网格化工作以来，各地 结合实际情况，划分辖区内网格，制定管理工作制度， 明确职责，制定各类小场所消防安全标准，开展日常消 防隐患排查，实现了网格化消防管理工作常态化。 但是，城镇社区内存在各类小场所数量多、情况复 杂，一些老旧居民住宅楼消防设施无物业管理，各级网 格员往往不具备专业消防知识，且人员数量不足，导致消防信息采集难、防火信息不共享、联勤联动不及时 等［3］。如何依托互联网，建立“智慧消防”网格化工作 模式，对消防管理辖区内场所实现网络全覆盖、火灾隐 患动态监控，提高消防管理工作水平，值得深入探讨。 1 消防网格化工作模式的优势与存在 的问题 1. 1 现有消防网格化工作模式 消防网格化的工作模式主要是明确各级管理主 体、职责及隐患排查工作流程［4］。各级管理主体职责 见表 1，网格化日常工作开展流程见图 1。
低功耗广域网（Low Power Wide Area Network，LPWAN） 技术是一种革命性的物联网无线接入技术， 与 WiFi、 蓝牙、 ZigBee 等现有成熟的技术相比，具有远距离、低功耗、低成本、 广覆盖等优点。 LoRa 作为非授权频段（433 MHz/470 MHz/ 780 MHz） 的一种 LPWAN 技术， 其产业化加成熟， 商业 化加完善 [4]。表 1所列为采用 LoRa技术的智能烟感的特点。 LoRaWAN 是为 LoRa 远距离通信网络设计的一套通信 协议和系统架构，一个 LoRaWAN网络架构包含了终端、网关、 网络及应用服务器四个部分， 标准化设计可确保它们之间的 互操作性。 与网状网络相比， LoRaWAN 的网络结构是较为系统主要功能 消防设备日常管理包括对智能烟感等设备的检查、 维修、 换电池等， 现有管理手段为通过专职人员进行管理和记录 并新数据， 工作量巨大， 导致设备状态无法被消防管理人 员全面获悉， 存在大的消防隐患 [6]。 通过对前端智能报警设备集成 LoRa 通信模块， 即可将 报警设备接入 LoRa 网络系统中。 每一个前端设备都是一个 节点， 每片区域的节点将信息传输至相应的网关， 再由网关 接入通信公网中与监控平台进行实时通信。 网关可以通过有 线、 无线 WiFi， 3G/4G 网络等方式接入公网中。 LoRa 的网 络结构如图 2 所示。
2. 2. 2 数据融合 通过数据融合分析工具，提供完备的数据融合方 法模型，以多业务应用数据为对象，建立跨业务、跨组 织的数据融合与关联，变离散数据为关联数据，实现跨 行业智慧应用的数据基础，有效整合城市消防数据资 源，完美融合割裂的数据资源，助力“智慧消防”建设。 2. 2. 3 数据库建设 把数据资源中的“智慧消防”相 关 大 数 据 进 入 HDFS 分布式文件系统进行存储，其他数据将存储到 数据库中，作为系统应用的补充，相关数据库包括消防 基础信息、实时监测数据、消防业务管理数据、消防资 源装备管理数据、消防公共服务数据等。 2. 3 大数据平台技术 由于数据来源渠道众多、种类多样、体量庞大，传 统技术难以处理， 目前“智慧消防”领域主要采用 Hadoop 和 Spark 技术来构建高效的大数据平台，实现 了对消防大数据资源的统一标准的高效管理。 2. 3. 1 Hadoop 关键技术应用 Hadoop 是一个非常可靠的、高效的并且具有可扩 展性的分布式软件开发框架，其可以在一个相对较短 的时间内接受并完成大量的数据处理任务。主要技术 包括以下内容: ( 1) 基于 HDFS 分布式文件系统的大数据组织存 储。传统的消防信息管理平台一般采用实时历史数据 库或者普通的关系型数据库作为数据存储方案。基于 关系型数据库的存储方案除了不能支持半结构化和非 结构化的存储之外，其扩展能力差和扩展相应的昂贵 价格都是不符合期望的。针对消防大数据容量、来源 广、结构多样的特点，采用 Hadoop 分布式文件系统 ( HDFS) 进行数据存储，实现对多维异构多维消防信 息的高效存储。 ( 2) 基于 Yarn 的资源管理任务调度。YAＲN 通 过层级化队列的方式组织和划分资源，并提供了多种 多租户资源调度器，这种调度器允许管理员按照应用 需求对用户或者应用程序分组，并为不同的分组分配 不同的资源量，同时通过添加各种约束防止单个用户
http://www.xf-119.com
