在“智慧消防”的学术研究与工程建设上，美国处于全球领先地位。我国在近些年“智慧消防”的研究与推广中取得了丰硕成果，确立了自上而下的“一库三网”体系建设框架，初步实现了灭火救援实时信息处理决策、装备精细化管理和防火监督检查网络化办公。但在总体上，消防工作的运行还是以传统模式为主，智能化程度较低，且各地分散研发应用，没有统一的标准。涉及“智慧消防”建设的物联网构建、智能感知系统等关键技术仍有待突破。在
防火监督业务工作上，通过 B /S 系统框架建立了多种消防监督检查系统，主要实现以下功能:
建设城市物联网消防远程监控系统，依托“智慧城市”建设构建城市物联网消防远程监控系统。在传统监测火灾自动报警系统的运行状态及故障、报警信号基础上，利用图像模式识别技术对火光及燃烧烟雾进行图像分析报警。监测室内消火栓和自动喷淋系统水压、高位消防水箱和消防水池水位、消防供水管道阀门启闭状态、防火门开关状态。利用单位视频监控系统监控安全出口和疏散通道、消防控制室值班情况。接入电气火灾监控系统或装置，实时监测漏电电流、线缆温度等情况。使用手机 APP 系统，动态监控、立体呈现联网单位消防安全状态，全面提升社会单位消防安全管理水平和消防监督执法效能。
2. 4 大数据挖掘分析方法 Spark 目前支持常见的数据挖掘算法实现，包括: 相关分析、回归分析、时间序列分析、聚类分析等［3］。 ( 1) 相关分析。相关分析是研究变量间密切程度 的一种常用统计方法。线性相关分析仅研究两个变量 之间线性关系的程度。偏相关分析就是固定其他变量 不变而研究某两个变量间相关性的统计分析方法。主分量分析和因子分析研究一组变量内部的相关关系， 而典型相关分析考察两组变量之间的相互关系。 ( 2) 回归分析。回归分析研究一个变量和一组其 它变量之间相关关系的方法，按照回归变量的个数不 同可以分为一元回归分析和多元回归分析，按照回归 的形式不同可以分为线性回归分析和非线性回归分 析。通常线性回归分析法是最基本的分析方法，遇到 非线性回归问题可以通过对变量进行变换，从而转换 为线性问题来解决。 ( 3) 时间序列分析。时间序列分析是根据系统观 测得到的时间序列数据，通过曲线拟合和参数估计来 建立数学模型的理论和方法。时间序列分析主要用于 系统描述、系统分析、预测未来、决策和控制。 ( 4) 聚类分析。将物理或抽象的集合分组成由类 似的对象组成的多个类的过程被称为聚类。聚类分析 广泛应用于许多领域，例如模式识别、数据分析、图像 处理以及市场研究。通过聚类分析海量数据，从而得 到相应的数据分布形成特定的簇，并作进一步的分析。 3 基于大数据的“智慧消防”应用体系 建设 3. 1 “智慧消防”总体框架 “智慧消防”应用体系建设基于 J2EE 规范，符合 国际标准，具有良好的扩展性、跨平台性、移植性，体系 架构如图 2 所示。 ( 1) 数据资源层。通过数据的梳理整合得到的消 防大数据，包括: 装备数据、人员数据、场所数据、水源 数据、通讯数据、交通数据、物资数据、巡查数据、视频 监控等。 ( 2) 基础应用支撑层。基于 Hadoop 和 Spark 技 术进行构建，包括统一数据采集、基础数据存储和处理 中心。 ( 3) 系统应用层。构建统一的系统应用中心，通 过基于大数据技术，实现信息全面感知、风险监测预 警、作战科学指挥、装备精细管理、安全公共服务等应 用场景的应用。 3. 2 消防信息全面感知 通过消防信息感知采集系统对大数据资源的收 集、整理及融合分析，在 Hadoop 平台上进行消防信息 大数据的全面感知与管理，打通互联网、政务网、公安 网、消防网、通信网等数据通道，汇接实时路况、人口热 力、重点单位、装备实力、周边水源、物联传感、视频监 控等数据资源，建立多维度分析评估模型，提供可视化 展示结果，辅助区域消防业务科学化管理。
随着社会的发展，火灾致灾因素逐渐增多，为了进一步降低火灾的发生频率和其造成损害的程度，城市消防工作需要严格贯彻“以防为主”的消防工作方针，并通过全时段、全天候的监控来加强对城市消防安全运行状况的监管。调查显示，目前城市现有的消防工作者数量严重不足，但城市消防安全重点单位的数量却迅猛增多，二者之间矛盾的不断加剧。为了实现火灾预警“自动化”的目标，只有借助科技的力量来增加警力，构建城市互联互通的火灾监控网络，这样才能从系统上、整体上对火灾风险进行分析和研判，有针对性地提高火灾预警能力。
满足城市应急救援“智能化”的需求,近年来，城市人口急剧增加，城市建筑物高度密集，危险源广泛分布，同时，新建筑、新能源、新材料、新技术、新项目等不断新，以及人口老龄化等衍生出的“新问题”，都使消防应急救援难度日益增加。消防部门迫切需要不断提高科学施救水平，丰富和拓展处置手段，并在应急救援处置的“智能化”上下功夫，重点解决科学扁平指挥、智能辅助决策、应急救援信息支撑和灾害现场通讯等问题。
最底层是地基，包含微处理器、无线通信和芯片供应商等，这一层要求有很强的研发能力，如芯片等，相对来说门槛较高。

（2）怎么收集？当前来看，可能要半人工，半自动。从将来看，物联网收集是必由之路。不依赖人，有即时性，数据鲜活，真实。
（3）谁来收集？很显然，应该产生一批做数据收集的公司，这些公司的业务重点，就是研究数据收集，研究使用什么样的传感器来收集，收集的数据如何传输，相关数据的社会收集，核心数据的消防收集……
技术和产品是两码事，深度的技术并不意味着有价值的产品，就算找到了应用场景，产品还要做的足够好。


m.gdliontech.b2b168.com