地基之上，是中间层，包括前端智能消防产品、后端存储设备、显示屏供应商、系统集成商、运营服务商等。这一层赛道宽阔，热闹非凡，BAT将其视作关键要塞，是他们搭建生态系统的核心。

297号文发布以后，智慧消防建设进入发展期，各大企业纷纷跨界进入消防行业。

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) 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 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、 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，建立多维度分析评估模型，提供可视化 展示结果，区域消防业务科学化管理。

在 2016 年消防局在湖北宜昌召开的“全国创新社会消防管理工作会议”上，与会人员讨论提出了积构建“一库三网”新格局的“智慧消防”
体系。2017 年 10 月 10 日，消防局印发的《关于全面推进“智慧消防”建设的意见》 指出，综合运用物联网、云计算、大数据、移动互联网等新兴信息技术，加快推进“智慧消防”建设，全面促进信息化与消防业务工作的深度融合，全面提升社会火灾防控能力、灭火应急救援能力和队伍管理水平，实现“传统消防”向“现代消防”的转变。由此可见，“智慧消防”作为一种全新的消防管理运行模式，将是消防领域下一阶段变革的重中之重。本文根据“智慧消防”研究与实际建设情况，结合防火监督业务工作特点，对“智慧消防”建设与防火安全方面工作的深度融合进行了分析探讨，展望了未来建设的发展方向。
一、“智慧消防”体系概述
“智慧消防” 概念脱胎于“智慧地球”这一理念，即通过现代化智能信息技术，收集、分析、整合各领域信息来改变个人、和公司相互之间的交互
方式，以提高响应速度与效率。IBM 公司作为这一理念的开创者，随即提出了建设“智慧城市”的具体举措，以城市为单元，对城市行政、商业、安全等领域的管理做出智能响应与处理，促进城市的可持续发展，创造人类美好的生活。而“智慧消防”即是“智慧城市”建设中城市公共安全领域的重要组成部分，即通过信息化平台与手段实现对城市消防安全、应急救援、力量调度指挥的智能化控制管理，本质上革新作运行模式，全面提升城市安全管理水平。“智慧消防”是一个全新的理念，目前尚处于起步发展阶段，对于具体建设上还没有形成统一的布局。从功能方面分析，大致可分为以下三个方面:
m.gdliontech.b2b168.com