基于大数据分析的智慧消防管理系统的设计与应用
作者: 任丽媛
关键词:大数据;智慧消防;数据挖掘;应急管理
0 引言
随着网络技术的快速发展,各个行业的信息化程度不断提高,当今社会已经进入信息化与数字化发展的新阶段[1]。信息化已经逐渐融入行业及人们生活的方方面面,深刻改变着人们的日常生活。信息化、智能化作为21世纪发展的典型代表,国家高度重视各个行业的信息化发展,以推动信息技术向更高层次发展,进而有效提升国家的综合实力[2]。目前,许多场所按照消防要求安装了消防设备,如消防水灭火系统、烟感探测器、电气火灾监控系统、火灾报警系统等。然而,对于这些设备,一些管理和使用部门仅定期进行检查,未能实时进行网络监测,导致出现多方面问题[3],例如消防系统的顶层设计不足,各设备大多仅发挥单一作用,分系统之间缺乏有效的整合,尤其是与建筑内部的应急照明系统、门禁系统、电梯系统、广播系统等未能形成联动机制;业务数据信息难以进行二次分析,现有消防设备的数据信息多为单一的台账数据,与设备当前状态不一致,数据格式不统一,难以有效利用,更难以进行二次挖掘分析。在这样的背景下,本文将大数据分析技术应用于消防数据处理之中,对整个系统进行设计与应用,以充分发挥大数据处理技术的优势[4]。
1 关键技术
1.1 数据挖掘技术
随着业务平台中数据量的不断增长,大数据分析技术得到了迅速发展,其中数据挖掘技术尤为突出[5]。在数据挖掘过程中,主要运用统计数学、机器学习与人工智能等技术,对海量数据信息进行归纳、分类等分析与处理,从而识别有价值的数据信息。在数据挖掘分析模型的处理过程中,对于传统的消防数据信息,首先需要进行预处理操作,以完成数据信息的完备化与标准化。预处理方法主要包括距离比插值法、最优插值法与最小二乘插值法等。在数据信息的统计分析处理中,核心功能包括聚类分析、层次分析法、空间回归分析等方法,根据处理业务的不同,选择相应的方法完成数据挖掘,确定数据信息的价值,有效提升数据处理效率[6]。
1.2 大数据分析平台
为了提高消防业务的处理效率,智慧消防管理系统主要采用大数据分析处理方式[7]。因此,该系统采用了MapReduce 计算框架与Hadoop 大数据分析平台。在MapReduce计算框架的处理流程中,输入文件是各类消防数据信息,通过不同的分块模式进行存储,并作为子节点进行日常任务的处理。每个节点任务处理的状态会传送到主节点中。主节点能够对各个子节点的状态与形式进行统一控制管理。若子节点未进行有效反馈,主节点将判定子节点出现故障并采用备份的子节点进行替代。最后,处理结果将输出到文件中,通过并行处理方式提升整个消防业务数据信息的处理效率[8]。
2 系统需求分析
2.1 业务流程分析
用户可以通过电脑端、移动端方式实现对智慧消防的多种设备进行状态信息查看、远程控制、实时监控等操作。在智慧消防业务中,用户能够通过PC端与移动端进行日常的操作,通过网络对智慧消防的各类设备进行管理控制、状态查看,整个业务处理过程流程如图1所示。
从图1可以看出,智慧消防管理的主要流程是对于各类消防设备,物联网卡负责采集其中的设备状态信息,通过数据通信协议传输到系统之中,智慧消防系统负责对这些业务数据进行分析处理,及时将报警数据发送给消防使用及管理部门。
2.2 功能需求分析
在智慧消防管理系统之中,整个系统处理的业务流程是对消防设备进行巡检,记录相关数据信息,同时采用各类物联网终端对数据信息进行实时采集与传输,之后通过大数据分析平台完成数据的挖掘与分析,提升数据信息的价值,具体用例图如图2所示。
对于整个消防业务大数据分析而言,其核心管理内容在于整个智能化设备数据信息的采集、传输管理,日常需要完成设备台账、设备巡检、视频监控等事务的管理,采用大数据分析技术进行总体分析。
需求阶段是对设备台账管理的流程、功能与过程进行详细阐述,方便编码人员从这些确定的用户流程来完成整个设备台账管理功能的设计实现操作。整个设备台账管理重点需要的用例描述如表1所示。
针对整个设备台账管理之中,用例描述之中明确给出了详细的处理过程,在登录系统处理信息之前,需要对系统验证的信息进行正确录入,之后按照要求完成整个数据处理更新的过程,并对数据信息进行存储与日常的管理。
2.3 系统非功能需求
在整个智慧消防管理系统的设计中,除了重点考虑系统功能需求外,还需明确整个系统的非功能需求,以确保为用户提供良好的体验。其中,非功能需求主要聚焦于系统的性能指标和安全性指标。针对系统的性能分析,核心衡量指标包括并发性和响应时间,具体如下:
1) 系统响应时间:在设计智慧消防管理系统时,性能指标至关重要。关键在于确保各个模块对业务的处理时间能满足用户的操作需求。整个业务模块的平均处理时间应控制在3秒以内;系统内部的模型处理和数据统计时间最长不应超过5秒,以提供流畅的用户体验。
2) 系统并发性:对于整个系统而言,需要特别关注多人同时访问时的稳定性。这需要借助专业工具模拟多用户访问,并记录系统的稳定性和相关性能。系统应确保在并发访问人数达到千人时,仍能稳定可靠地响应用户的访问请求。
3 系统设计与应用
对经过技术选型分析后,确定设备巡检、应急管理、大数据分析等主要功能将采用大数据分析处理技术实现,以满足系统功能的日常操作需求。通过便捷、友好的设计体验,有效提升用户使用的便利性。整个系统的核心在于大数据分析处理,它能进一步挖掘与消防业务相关的数据,充分发挥数据信息的价值。系统的分析设计架构分为三层,从上到下依次为用户层、业务逻辑层与数据层,如图3所示。
由图3可以看出,每一层的主要工作内容如下:
1) 用户层。此层主要与消防、使用等部门的不同类型用户角色进行交互,因此系统设计的首要目标是确保系统的便利性和友好性。在整个系统的业务审批处理中,功能的快速流转处理需满足用户的操作体验。系统的核心在于消防数据信息的处理,并将大数据分析处理的结果直观地展示在系统前端,以方便用户更好地进行操作。
2) 业务逻辑层。此层是整个系统处理的逻辑核心,设备巡检、大数据分析、数据采集与传输等业务功能结合用户的操作菜单来完成管理,处理结果存储在数据库之中。整个业务逻辑层处理的核心在于大数据分析模型,以此实现消防数据信息的深度挖掘与分析。
3) 数据层。此层存储了整个业务模块处理的核心数据信息,包括设备巡检、大数据分析、数据采集与传输等主要的数据信息,这些数据均存储在系统的业务数据库之中。每一次用户操作后,存储的数据信息会进行实时更新,随后这些更新的数据将显示在系统前端页面之中。
4 结束语
整个智慧消防系统的技术架构主要基于JavaWeb与大数据分析框架,这些平台架构均采用开源方式进行开发。系统采用的数据库具备良好的安全性,能够存储和管理各类消防相关的数据,满足日常业务处理的需求。通过梳理整个系统的数据采集与传输、设备巡检、视频监控等业务功能过程,并结合当前大数据信息技术的发展水平进行综合考虑,可以得知系统在管理与操作角度是可行的,能够根据系统处理需求快速进行分析,完成数据信息的有效处理。此外,通过大数据分析模型,系统能够及时发现消防隐患,有效提升现有数据信息的价值。