人工智能驅(qū)動(dòng)的多源數(shù)據(jù)融合消防指揮調(diào)度優(yōu)化模型

一、前言

作為現(xiàn)代社會(huì)管理系統(tǒng)的一項(xiàng)基本內(nèi)容，城鄉(xiāng)火災(zāi)事故的發(fā)生與蔓延對(duì)我國(guó)居民的人身財(cái)產(chǎn)、社會(huì)的安定與發(fā)展有著重大的影響。由于我國(guó)城鎮(zhèn)規(guī)模日益擴(kuò)大，建筑結(jié)構(gòu)日趨復(fù)雜化，火災(zāi)風(fēng)險(xiǎn)呈現(xiàn)多樣化和隱蔽性的特點(diǎn)，給傳統(tǒng)的消防指揮調(diào)度方式帶來(lái)了極大的挑戰(zhàn)。人工智能的快速發(fā)展為上述問(wèn)題的研究開辟了新途徑。尤其是在多源數(shù)據(jù)融合方面取得了重大突破，實(shí)現(xiàn)了對(duì)大量、多源信息的深人挖掘與智能化分析。在此背景下，研究人工智能驅(qū)動(dòng)的多源數(shù)據(jù)融合消防指揮調(diào)度優(yōu)化模型具有重要的理論意義和實(shí)踐價(jià)值。

二、多源數(shù)據(jù)融合在消防指揮調(diào)度中的需求分析

（一）消防數(shù)據(jù)的多源異構(gòu)特征

從數(shù)據(jù)源上劃分，可分為三種類型：物聯(lián)網(wǎng)傳感數(shù)據(jù)、業(yè)務(wù)系統(tǒng)數(shù)據(jù)和外部關(guān)聯(lián)數(shù)據(jù)。消防數(shù)據(jù)的多源異構(gòu)特征見表1?；跍囟?、濕度、煙霧、視頻監(jiān)控等傳感器的物聯(lián)網(wǎng)傳感數(shù)據(jù)，數(shù)據(jù)量大且更新迅速，但也存在噪音多、價(jià)值密度低等問(wèn)題[1。業(yè)務(wù)系統(tǒng)數(shù)據(jù)主要是歷史火災(zāi)案例、消防設(shè)施記錄和應(yīng)急預(yù)案等，具有很高的信息價(jià)值，但是需要不斷地進(jìn)行更新。而外部關(guān)聯(lián)數(shù)據(jù)（包括氣象、空間、人口分布等）在消防裝備和物資調(diào)配等方面都有很大的借鑒意義。在數(shù)據(jù)種類上，火災(zāi)現(xiàn)場(chǎng)數(shù)據(jù)包括結(jié)構(gòu)化（如數(shù)據(jù)庫(kù)記錄）、半結(jié)構(gòu)化（XML）以及監(jiān)控視頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)。不同類型的數(shù)據(jù)在格式、準(zhǔn)確性、時(shí)效性上都有很大的不同，對(duì)數(shù)據(jù)的集成與分析提出很大的挑戰(zhàn)。尤其是在日益增多的非結(jié)構(gòu)化數(shù)據(jù)中，如何有效地抽取其中的有用信息已是一個(gè)迫切需要解決的問(wèn)題。

（二）傳統(tǒng)消防系統(tǒng)的數(shù)據(jù)融合瓶頸

當(dāng)前消防指揮調(diào)度系統(tǒng)在數(shù)據(jù)融合方面存在著四方面“瓶頸”問(wèn)題。一是由于不同時(shí)期、不同廠家所建立的系統(tǒng)，其所遵從的標(biāo)準(zhǔn)規(guī)范也不盡相同，導(dǎo)致不同系統(tǒng)之間的數(shù)據(jù)交互難度較大。二是現(xiàn)有的方法無(wú)法應(yīng)對(duì)大規(guī)模的、實(shí)時(shí)的、高密度的數(shù)據(jù)，而現(xiàn)有的方法在運(yùn)算速度、內(nèi)存等方面均無(wú)法適應(yīng)要求。三是信息相關(guān)性研究不強(qiáng)，各個(gè)系統(tǒng)之間的相互獨(dú)立性較差，缺少跨系統(tǒng)和跨層次的集成研究[2]。四是智能化的運(yùn)用程度不高，大多數(shù)系統(tǒng)還處于數(shù)據(jù)表示的層次，無(wú)法進(jìn)行深層數(shù)據(jù)挖掘。指揮員常常無(wú)法得到全面、準(zhǔn)確、及時(shí)的信息，從而使滅火救援工作的有效性受到很大的限制。尤其是在發(fā)生重大火災(zāi)事故時(shí)，由于信息的非對(duì)稱性，往往會(huì)引起決策延遲或錯(cuò)誤，從而帶來(lái)無(wú)法彌補(bǔ)的損失。

表1消防數(shù)據(jù)的多源異構(gòu)特征

（三）多源數(shù)據(jù)融合的核心需求

在建設(shè)新一代智慧消防指揮與調(diào)度的過(guò)程中，應(yīng)著重解決以下四個(gè)問(wèn)題。第一個(gè)方面是實(shí)時(shí)性要求，要求該平臺(tái)具有毫秒級(jí)的信息收集與分析功能，以保證滅火救援過(guò)程中的及時(shí)響應(yīng)。第二個(gè)方面是精度要求，即對(duì)多源信息進(jìn)行交互校驗(yàn)與智能化篩選，以提升其可信度與精度。第三個(gè)方面是關(guān)聯(lián)性要求，通過(guò)對(duì)多個(gè)領(lǐng)域間的數(shù)據(jù)進(jìn)行關(guān)聯(lián)建模，從中發(fā)現(xiàn)隱含的規(guī)則與知識(shí)。第四個(gè)方面是智能化要求，即在整個(gè)數(shù)據(jù)處理流程中引入人工智能，實(shí)現(xiàn)由“數(shù)據(jù)”向“知識(shí)”的轉(zhuǎn)化。在服務(wù)層次上，多源信息的融合必須支撐災(zāi)害預(yù)警、災(zāi)害推演、預(yù)案設(shè)置、指揮決策四方面應(yīng)用。災(zāi)害預(yù)警要將歷史數(shù)據(jù)與實(shí)時(shí)監(jiān)控相結(jié)合，建立準(zhǔn)確的火災(zāi)危險(xiǎn)預(yù)報(bào)模型。災(zāi)害推演情景要將視頻數(shù)據(jù)、傳感器數(shù)據(jù)與環(huán)境數(shù)據(jù)進(jìn)行融合，以達(dá)到對(duì)火災(zāi)情況的全方位認(rèn)知。預(yù)案設(shè)置要對(duì)消防力量分布、交通狀況及火災(zāi)發(fā)展情況進(jìn)行全面分析，并對(duì)其進(jìn)行最優(yōu)分配。指揮決策要對(duì)各種不同的分析成果進(jìn)行綜合，以便給指揮員提出更好的決策意見。滿足這些需求的關(guān)鍵在于構(gòu)建統(tǒng)一的數(shù)據(jù)融合平臺(tái)，打破數(shù)據(jù)壁壘，實(shí)現(xiàn)信息的無(wú)縫流動(dòng)和智能處理[3]。

三、人工智能驅(qū)動(dòng)的多源數(shù)據(jù)融合技術(shù)框架

（一）系統(tǒng)整體架構(gòu)設(shè)計(jì)

人工智能驅(qū)動(dòng)的多源數(shù)據(jù)融合消防指揮調(diào)度系統(tǒng)采用分層架構(gòu)設(shè)計(jì)，自下而上分為信息獲取層、數(shù)據(jù)融合層、智能分析層、應(yīng)用服務(wù)層的結(jié)構(gòu)體系。信息獲取層主要是對(duì)物聯(lián)網(wǎng)感知設(shè)備、視頻監(jiān)控系統(tǒng)、業(yè)務(wù)數(shù)據(jù)庫(kù)等進(jìn)行實(shí)時(shí)獲取與預(yù)處理。數(shù)據(jù)融合層主要是針對(duì)異構(gòu)設(shè)備訪問(wèn)、數(shù)據(jù)標(biāo)準(zhǔn)化，邊界計(jì)算等方面進(jìn)行研究，為高層數(shù)據(jù)的共享和管理提供一個(gè)通用的平臺(tái)。數(shù)據(jù)融合層是對(duì)多源信息進(jìn)行深層次集成和信息價(jià)值發(fā)掘的關(guān)鍵，該層采用分布式計(jì)算架構(gòu)，實(shí)現(xiàn)海量數(shù)據(jù)的高效處理。數(shù)據(jù)融合層關(guān)鍵技術(shù)包括數(shù)據(jù)清洗、特征提取、關(guān)聯(lián)分析和知識(shí)發(fā)現(xiàn)等[4。通過(guò)建立統(tǒng)一的數(shù)據(jù)模型和融合規(guī)則，將分散的、異構(gòu)的數(shù)據(jù)轉(zhuǎn)化為一致的、可用的信息，為智能分析提供高質(zhì)量的數(shù)據(jù)基礎(chǔ)。

智能分析層利用人工智能技術(shù)（如機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等）對(duì)多源信息進(jìn)行深度挖掘與分析。這一層包括火災(zāi)預(yù)報(bào)模型、態(tài)勢(shì)推理引擎和資源優(yōu)化算法等多個(gè)功能模塊，各個(gè)功能模塊都是基于微業(yè)務(wù)的體系結(jié)構(gòu)，能夠根據(jù)具體的應(yīng)用需要進(jìn)行靈活組裝與擴(kuò)充。應(yīng)用服務(wù)層為終端使用者提供了視覺(jué)化展示、預(yù)警發(fā)布、指揮調(diào)度、輔助決策等各種商業(yè)功能，在保證AI在運(yùn)算優(yōu)越性的同時(shí)，保持專家在決策中的主導(dǎo)地位，從而達(dá)到最佳的指揮部署。

（二）多源數(shù)據(jù)融合關(guān)鍵技術(shù)

數(shù)據(jù)級(jí)融合技術(shù)解決原始數(shù)據(jù)的整合問(wèn)題，主要包括數(shù)據(jù)清洗、格式轉(zhuǎn)換、時(shí)空對(duì)齊等。由于火災(zāi)現(xiàn)場(chǎng)的特點(diǎn)，在采集過(guò)程中必須建立相應(yīng)的監(jiān)測(cè)系統(tǒng)，利用多個(gè)不同類型的圖像進(jìn)行有效處理。尤其是對(duì)于非結(jié)構(gòu)化的視頻、圖像等，更是迫切地要求利用機(jī)器視覺(jué)方法來(lái)實(shí)現(xiàn)特征的抽取與分析。利用模糊積分等技術(shù)能較好地解決系統(tǒng)中存在的不確定因素，增強(qiáng)了系統(tǒng)的穩(wěn)定性。知識(shí)圖譜技術(shù)則通過(guò)構(gòu)建消防領(lǐng)域的本體模型，實(shí)現(xiàn)知識(shí)的結(jié)構(gòu)化表示和智能推理。將上述各種方法有機(jī)地結(jié)合在一起，同時(shí)發(fā)揮深度學(xué)習(xí)在多源數(shù)據(jù)融合領(lǐng)域的優(yōu)勢(shì)、卷積神經(jīng)網(wǎng)絡(luò)（CNN）在圖像及視頻等數(shù)據(jù)處理方面的優(yōu)勢(shì)、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）在時(shí)序數(shù)據(jù)分析方面的優(yōu)勢(shì)、圖神經(jīng)網(wǎng)絡(luò)（GNN）在處理關(guān)系型數(shù)據(jù)方面的優(yōu)勢(shì)，構(gòu)成一套較為完善的多源數(shù)據(jù)融合方法。本項(xiàng)目擬通過(guò)構(gòu)建多模態(tài)深度學(xué)習(xí)模型，對(duì)多源數(shù)據(jù)進(jìn)行端到端的融合和分析，提升系統(tǒng)的智能程度。多模態(tài)數(shù)據(jù)融合公式見式（1）：

表2消防資源規(guī)劃的動(dòng)態(tài)優(yōu)化

F（x）=∝CNN（I）+βRNN（T）+γGNN（G）

其中， F（Ω_x） 為融合后的特征表示，CNN（I）表示圖像數(shù)據(jù)的卷積神經(jīng)網(wǎng)絡(luò)特征，RNN表示時(shí)序數(shù)據(jù)的循環(huán)神經(jīng)網(wǎng)絡(luò)特征，GNN（G）表示關(guān)系型數(shù)據(jù)的圖神經(jīng)網(wǎng)絡(luò)特征， α 、 β 、 γ 為各模態(tài)的權(quán)重系數(shù)（通過(guò)訓(xùn)練優(yōu)化得到）。

（三）技術(shù)實(shí)現(xiàn)路徑

建立以人工智能為基礎(chǔ)的多源數(shù)據(jù)融合的消防指揮與調(diào)度體系應(yīng)分步實(shí)施。第一個(gè)階段為構(gòu)建感知網(wǎng)絡(luò)，主要包括感知網(wǎng)絡(luò)部署、計(jì)算資源準(zhǔn)備，以及數(shù)據(jù)規(guī)范建立。第二個(gè)階段為搭建多源數(shù)據(jù)平臺(tái)，建立分布式的數(shù)據(jù)存儲(chǔ)與處理體系，對(duì)多源數(shù)據(jù)進(jìn)行統(tǒng)一管理與初步分析。在此過(guò)程中，數(shù)據(jù)質(zhì)量控制和實(shí)時(shí)計(jì)算是一個(gè)亟待解決的問(wèn)題。第三個(gè)階段為智能化建模，根據(jù)火場(chǎng)實(shí)際情況，研究相應(yīng)的算法模型。主要研究?jī)?nèi)容有火災(zāi)風(fēng)險(xiǎn)預(yù)測(cè)、火災(zāi)蔓延仿真和資源調(diào)配優(yōu)化三個(gè)方面[5]。所提出的方法應(yīng)以實(shí)測(cè)數(shù)據(jù)為基礎(chǔ)進(jìn)行訓(xùn)練與檢驗(yàn)，以保證所建模型的可靠性。第四個(gè)步驟為系統(tǒng)綜合和應(yīng)用，把各個(gè)功能模塊有機(jī)結(jié)合，構(gòu)成一個(gè)綜合的指揮和調(diào)度體系。在此階段，要注意人機(jī)界面的設(shè)計(jì)，使系統(tǒng)具有較強(qiáng)的智能化分析功能，而且與現(xiàn)實(shí)指揮調(diào)度工作流程一致，同時(shí)還應(yīng)建立嚴(yán)密的安全保證體系，通過(guò)對(duì)數(shù)據(jù)的加密傳輸、訪問(wèn)權(quán)限的控制、系統(tǒng)容災(zāi)備份，保證了系統(tǒng)安全性和穩(wěn)定性。

四、多源數(shù)據(jù)融合在消防指揮調(diào)度中的優(yōu)化作用

（一）火災(zāi)預(yù)警的精準(zhǔn)化提升

傳統(tǒng)的消防報(bào)警系統(tǒng)多依靠單個(gè)傳感器的信息，存在大量的虛假報(bào)警。多源數(shù)據(jù)融合可以有效地將多維監(jiān)控信息進(jìn)行融合，提升了預(yù)警的精度與時(shí)效性。在數(shù)據(jù)層次上，通過(guò)對(duì)溫度、煙氣、瓦斯等多種傳感數(shù)據(jù)的實(shí)時(shí)融合，結(jié)合視頻監(jiān)控中的可視化信息，以及氣象、建筑特征等多種環(huán)境參數(shù)，建立綜合的火災(zāi)監(jiān)控網(wǎng)絡(luò)。

利用時(shí)間一空間對(duì)齊、相關(guān)度分析等方法，實(shí)現(xiàn)了對(duì)實(shí)際火災(zāi)的準(zhǔn)確辨識(shí)，并剔除了設(shè)備失效等各種干擾因子。

在算法層次上，利用深度學(xué)習(xí)技術(shù)，建立多模態(tài)信息融合預(yù)警模型，實(shí)現(xiàn)對(duì)多源數(shù)據(jù)間復(fù)雜關(guān)聯(lián)的自動(dòng)學(xué)習(xí)，從而構(gòu)建更為準(zhǔn)確的火情判別規(guī)則。通過(guò)建立消防領(lǐng)域知識(shí)庫(kù)，結(jié)合歷史案例和消防規(guī)范等方面的專家知識(shí)，實(shí)現(xiàn)對(duì)火災(zāi)隱患的判定，并對(duì)隱患及發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)。以此為基礎(chǔ)的預(yù)警模式，可為突發(fā)事件提供更為完整的決策基礎(chǔ)。

（二）火場(chǎng)態(tài)勢(shì)推演的智能化實(shí)現(xiàn)

多源數(shù)據(jù)融合是指將實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)、BIM、GIS等數(shù)據(jù)有機(jī)結(jié)合起來(lái)，形成一種面向火災(zāi)現(xiàn)場(chǎng)的3D立體態(tài)勢(shì)感知方法。利用空間一時(shí)間數(shù)據(jù)分析技術(shù)，對(duì)火災(zāi)蔓延方向、速率實(shí)時(shí)跟蹤，并對(duì)各地區(qū)的火災(zāi)危險(xiǎn)性進(jìn)行動(dòng)態(tài)評(píng)價(jià)。尤其是將紅外與可見光圖像相結(jié)合，實(shí)現(xiàn)對(duì)隱藏火源與高溫區(qū)域的精確辨識(shí)，為滅火救援人員配置提供科學(xué)依據(jù)。以物理為基礎(chǔ)的火災(zāi)仿真和數(shù)據(jù)驅(qū)動(dòng)的方法相結(jié)合，大大提高了態(tài)勢(shì)推演的精度。通過(guò)實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)對(duì)仿真參數(shù)進(jìn)行修正，從而實(shí)現(xiàn)更接近于真實(shí)的火災(zāi)過(guò)程。采用深度學(xué)習(xí)方法，從多個(gè)典型案例中挖掘出火災(zāi)發(fā)生、發(fā)展規(guī)律，在缺少完備數(shù)據(jù)的條件下進(jìn)行合理的預(yù)測(cè)。通過(guò)對(duì)建筑物結(jié)構(gòu)、危險(xiǎn)品分布及火災(zāi)發(fā)展軌跡的分析，對(duì)建筑物倒塌、爆炸等次生災(zāi)害進(jìn)行預(yù)警，并預(yù)防，同時(shí)讓指揮員對(duì)火災(zāi)現(xiàn)場(chǎng)狀況有整體的了解，從而更科學(xué)地作出決策。

（三）消防資源規(guī)劃的動(dòng)態(tài)優(yōu)化

多源數(shù)據(jù)融合技術(shù)通過(guò)整合消防力量分布、交通路況、人口密度等多維信息，建立了動(dòng)態(tài)優(yōu)化的資源規(guī)劃模型[。消防資源規(guī)劃的動(dòng)態(tài)優(yōu)化見表2。系統(tǒng)采用運(yùn)籌學(xué)優(yōu)化算法，在考慮多重約束條件的情況下，求解最優(yōu)的資源調(diào)度方案。特別是引人了實(shí)時(shí)交通流數(shù)據(jù)和高精度地圖信息，可以準(zhǔn)確預(yù)測(cè)消防車輛的到達(dá)時(shí)間，為力量調(diào)派提供量化依據(jù)。通過(guò)建立消防資源調(diào)度的馬爾可夫決策過(guò)程模型，系統(tǒng)可自主學(xué)習(xí)在不同火災(zāi)狀態(tài)下的最優(yōu)調(diào)度策略。與傳統(tǒng)靜態(tài)規(guī)劃方法相比，這種動(dòng)態(tài)優(yōu)化方式能夠更好地適應(yīng)火場(chǎng)形勢(shì)的變化，實(shí)現(xiàn)資源的精準(zhǔn)投放[。系統(tǒng)還考慮了資源使用的協(xié)同效應(yīng)，優(yōu)化消防站點(diǎn)的布局和裝備配置，從整體上提升區(qū)域消防安全水平。通過(guò)整合周邊地區(qū)的消防資源信息，系統(tǒng)可以在重大火災(zāi)發(fā)生時(shí)快速啟動(dòng)區(qū)域聯(lián)動(dòng)機(jī)制，實(shí)現(xiàn)資源的科學(xué)調(diào)配。這種協(xié)同調(diào)度模式打破行政區(qū)域界限，形成了更加高效的應(yīng)急救援網(wǎng)絡(luò)。

（四）現(xiàn)場(chǎng)指揮決策的智能化支持

多源數(shù)據(jù)融合是一種將移動(dòng)終端、無(wú)人機(jī)和消防機(jī)器人等多種信息融合在一起的方法，可為指揮人員提供全方位的態(tài)勢(shì)感知[。尤其是利用室內(nèi)與室外相結(jié)合的定位技術(shù)，實(shí)現(xiàn)對(duì)消防隊(duì)員與被困者的實(shí)時(shí)定位，極大地提升了搜救工作的安全性。采用計(jì)算機(jī)視覺(jué)技術(shù)和傳感信息相結(jié)合的方法，對(duì)火災(zāi)現(xiàn)場(chǎng)進(jìn)行智能化分析。該系統(tǒng)能夠?qū)ㄖ锏某隹凇⑽ｋU(xiǎn)區(qū)等重要因素進(jìn)行自動(dòng)識(shí)別，從而為救援路線的規(guī)劃提供了基礎(chǔ)[。將所得到的智能分析成果通過(guò)增強(qiáng)現(xiàn)實(shí)（AR）技術(shù)向火場(chǎng)指揮人員進(jìn)行可視化展示，極大地提升了滅火指揮的效率。通過(guò)實(shí)時(shí)采集命令的實(shí)施效果，將其與預(yù)報(bào)結(jié)果進(jìn)行對(duì)比和分析，并對(duì)模型參數(shù)進(jìn)行持續(xù)修正[1]。該系統(tǒng)具有較強(qiáng)的自學(xué)習(xí)能力，可以有效地應(yīng)對(duì)多種復(fù)雜情況，不斷提高指揮決策的科學(xué)性。同時(shí)，對(duì)整個(gè)決策過(guò)程、數(shù)據(jù)變動(dòng)等進(jìn)行全面記錄，為以后的工作積累有價(jià)值的信息。

五、結(jié)語(yǔ)

隨著近年來(lái)我國(guó)城市化步伐的不斷加快，城市規(guī)模持續(xù)擴(kuò)大，人口密度日益增加，建筑結(jié)構(gòu)也愈發(fā)復(fù)雜多樣。與此同時(shí)，新材料、新業(yè)態(tài)以及新結(jié)構(gòu)在城市建設(shè)與運(yùn)營(yíng)中得到了廣泛應(yīng)用。例如，新型建筑材料（如輕質(zhì)但易燃的復(fù)合材料）被大量用于建筑裝飾，新興業(yè)態(tài)（如大型商業(yè)綜合體、超高層建筑以及地下空間開發(fā)等）不斷涌現(xiàn)，新的建筑結(jié)構(gòu)形式（如裝配式建筑、大跨度鋼結(jié)構(gòu)建筑等）也日益普及。這些變化給現(xiàn)代消防安全帶來(lái)了前所未有的挑戰(zhàn)，提出了更高的要求。傳統(tǒng)的消防指揮與調(diào)度模型在數(shù)據(jù)處理效率、決策科學(xué)性、資源配置合理性等方面，已經(jīng)很難適應(yīng)現(xiàn)代城市滅火救援的需要。本文在充分挖掘消防大數(shù)據(jù)特性與服務(wù)需求的基礎(chǔ)上，研究基于人工智能多源信息融合的消防指揮調(diào)度優(yōu)化模型，為構(gòu)建智能化、精準(zhǔn)化的現(xiàn)代化消防指揮與調(diào)度體系提供一條可行的技術(shù)途徑。

參考文獻(xiàn)

[1]杜繼成，白江，魯功強(qiáng)，等.基于人工智能的電網(wǎng)智能調(diào)度平臺(tái)構(gòu)建技術(shù)研究[J].電子器件，2023，46（02）：573-577.

[2]胡青松，張赫男，李世銀，等.基于大數(shù)據(jù)與AI驅(qū)動(dòng)的智能煤礦目標(biāo)位置服務(wù)技術(shù)[J].煤炭科學(xué)技術(shù)，2020.48（80）：121-130

[3]李剛，盧佩玲.基于數(shù)據(jù)驅(qū)動(dòng)的高速鐵路信號(hào)智能運(yùn)維技術(shù)研究[J].鐵道運(yùn)輸與經(jīng)濟(jì)，2021，43（10）：61-67.

[4]張曉華，劉道偉，李柏青，等.信息驅(qū)動(dòng)的大電網(wǎng)運(yùn)行態(tài)勢(shì)知識(shí)圖譜框架及構(gòu)建模式研究[J].中國(guó)電機(jī)工程學(xué)報(bào)，2024，44（11）：4167-4181.

[5]丁恩杰，俞嘯，廖玉波，等.基于物聯(lián)網(wǎng)的礦山機(jī)械設(shè)備狀態(tài)智能感知與診斷[J].煤炭學(xué)報(bào)，2020.45（06）：2308-2319.

[6]潘偉，劉曉明，曲偉霞，等.基于“礦石流”的三山島金礦大數(shù)據(jù)綜合管控平臺(tái)研發(fā)[J].金屬礦山，2022（05）：185-191.

[7]張森，朱志偉，湛維昭，等.廣州市“智慧地鐵”研究與實(shí)踐[J].城市軌道交通研究，2020.23（11）：19-26.

[8]苗強(qiáng)，張恒，嚴(yán)幸友.大規(guī)模制造產(chǎn)業(yè)網(wǎng)狀結(jié)構(gòu)價(jià)值鏈數(shù)字生態(tài)理論研究構(gòu)想[J].工程科學(xué)與技術(shù)，2022，54（06）：1-11.

[9]陳東東.AI技術(shù)支持下的智慧消防實(shí)時(shí)監(jiān)控與預(yù)警系統(tǒng)設(shè)計(jì)研究[J].自動(dòng)化應(yīng)用，2025.66（08）：92-95

[10]李宜輝.消防信息化技術(shù)在滅火救援指揮決策中的整合應(yīng)用[J].大眾標(biāo)準(zhǔn)化，2024（21）：149-151.

作者單位：國(guó)家消防救援局

責(zé)任編輯：王穎振 鄭凱津