一种基于大数据的消防报警巡检系统的制作方法

1.本发明涉及消防报警技术领域，具体为一种基于大数据的消防报警巡检系统。


背景技术：

2.随着我国经济的飞速发展，我国国民的生活水平也在不断的提升，我国对国民安全也更加的重视，其中最为重视的就是消防系报警系统的使用，然而，消防设备在投入使用后，其性能会随着使用时间的推移而发生变化，渐渐不能符合消防要求。甚至在消防设备出现故障时，无法发挥消防作用，造成严重灾患，使人们的生命和财产安全受到严重的威胁。为了及时发现消防设备隐患，使消防设备保持良好运行状态，需要提高巡检的效率。
3.现有的巡检方式中，为了防止出现漏检的情况，采用的是点名巡检，对消防设备按顺序进行逐个巡检，但是在消防设备及对应的传感器较多时，该方式巡检一轮花费的时间较长，在发生灾情时，会大大延误报警的时间，导致灾情蔓延，对人们的财产安全造成影响。
4.同时，现有技术对传感器的报警阈值限制比较单一，现有技术可能会因环境因素造成误报警的情况发生，如：雾霾较大时，可能会超出感烟传感器的报警阈值，导致报警。
5.针对上述情况，我们需要一种基于大数据的消防报警巡检系统及方法，不仅能够根据天气情况调整传感器的报警阈值，还能够对超过阈值的数据进行处理，调整数据的排列位置，实现对异常数据的快速巡检。


技术实现要素：

6.本发明的目的在于提供一种基于大数据的消防报警巡检系统及方法，以解决上述背景技术中提出的问题。
7.为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的消防报警巡检系统及方法，包括：信息映射模块、气象预测模块、数据采集处理模块、中央处理模块和报警模块，
8.所述信息映射模块，用于将传感器的编号与传感器类型、型号、监测范围、所属部件位置及所属传感器优先级构成映射，形成一对多的映射关系；
9.所述气象预测模块，用于根据接收本地区当天的天气情况，根据天气情况计算相应的对比阈值；
10.所述数据采集处理模块，用于获取传感器采集的数据，将获取的传感器数据根据传感器类型与气象预测模块传递的相应的对比阈值进行对比，并根据对比结果数据进行组装，将组装的数据传递给中央处理模块；
11.所述中央处理模块，用于实时接收数据采集处理模块上传的各传感器数据，对数据逐个进行点名巡检，查询具体数据，并根据异常数据对受灾区域进行优先级划分，快速锁定受灾源头，对于未上传数据的传感器，则判定该传感器已损坏；
12.所述报警模块，用于接收中央处理模块处理的数据，并对异常数据及未上传数据对应的传感器进行报警。
13.本发明通过各个模块的协同合作，共同实现对消防传感器的巡检，通过信息映射模块，将传感器编号与传感器的各个数据构成映射，实现通过传感器的编号快速查找各传感器对应的各个传感器数据，比如通过传感器的编号能够快速查询该传感器映射的部件位置等；通过气象预测模块主要是对各类型传感器的对比阈值进行确定，相同天气情况下，不同的传感器类型的对比阈值不同，有效避免了因自然因素对传感器监测数据造成的影响；通过数据采集处理模块对传感器数据进行采集并处理，根据传感器数据类型、编号及是否超过对比阈值对采集到的各个传感器数据进行组装，方便中央处理模块快速处理并进行相应控制；中央处理模块会对接收到的数据进行逐个巡检，同时也对接收到的组合数据进行快速筛选排序，不仅能够对异常数据进行快速巡检报警，快速锁定数据异常的传感器，同时能够对各个传感器进行确认，避免因传感器损坏未上传数据导致的漏检行为，快速锁定损坏的传感器，报警模块则是将异常的巡检结果通过报警的形式反应出来，对人们进行提醒。
14.进一步的，所述传感器类型包括感烟传感器、感温传感器和消防栓水压传感器。
15.本发明中传感器的类型包括感烟传感器、感温传感器和消防栓水压传感器，但是不仅限于这些类型的传感器。
16.进一步的，所述报警模块包括物理报警和文字报警，所述物理报警包括声音报警和灯光报警，所述文字报警是将与传感器成映射关系的所属部件位置、传感器采集数据及对应的对比阈值传递到显示端，所述显示端还包括手机显示端，以短信的形式进行通知。
17.本发明报警模块中物理报警通过声光的形式对人们进行提醒，达到及时性的效果，主要用与近距离的报警，而文字报警以文字形式将报警信息传递到显示端上，此方式还可以进行远程报警，同时该文字报警信息对传感器情况进行详细描述，能够帮助人们快速锁定相应的传感器位置，达到有效性的效果。
18.一种基于大数据的消防报警巡检方法，具体步骤如下：
19.s1、将传感器的编号与传感器类型、型号、监测范围、所属部件位置及所属传感器优先级构成映射，形成一对多的映射关系，并保存到信息映射模块；
20.s2、获取本地区当天的天气情况，根据天气情况计算相应的对比阈值；
21.s3、获取传感器采集的数据，将获取的传感器数据根据传感器类型与气象预测模块传递的相应的对比阈值进行对比，并根据对比结果数据进行组装，将组装的数据传递给中央处理模块；
22.s4、中央处理模块实时接收数据采集处理模块上传的各传感器数据，对数据逐个进行点名巡检，查询具体数据，并根据异常数据对受灾区域进行优先级划分，快速锁定受灾源头，对于未上传数据的传感器，则判定该传感器已损坏；
23.s5、所述报警模块，用于接收中央处理模块处理的数据，并对异常数据及未上传数据对应的传感器进行报警。
24.进一步的，所述气象预测模块中天气情况包括空气中的温度x、湿度y、固体颗粒物含量z和本地区绿化占比系数d，相应的还需分别获取前七天空气中的温度的平均值湿度的平均值固体颗粒物含量的平均值
25.当时，则对比阈值为
26.当时，则对比阈值为
27.所述m为初始标准值，即不受温度、湿度、固体颗粒物含量和本地区绿化占比系数影响时，对比阈值的数值；
28.所述a为温度影响系数，即不考虑其他因素且当天温度x与前七天温度平均值的差值为1时，对比阈值数值的变化量；
29.所述b为湿度影响系数，即不考虑其他因素且当天湿度y与前七天湿度平均值的差值为1时，对比阈值数值的变化量；
30.所述c为固体颗粒物含量影响系数，即不考虑其他因素且当天固体颗粒物含量z与前七天固体颗粒物含量平均值的差值为1时，对比阈值数值的变化量；
31.针对同一天气情况不同类型的传感器，m、a、b和c的预设值也不相同，相应的，同一天气情况下对比阈值有多个，针对不同类型的传感器求取的对比阈值不同，
32.所述接收本地区当天的天气情况可直接通过天气预报官方网站获取。
33.本发明气象预测模块通过获取当天空气中的温度x、湿度y、固体颗粒物含量z和本地区绿化占比系数d，判断这四个因素对传感器阈值的综合影响，同时，相应的还需分别获取前七天空气中的温度的平均值湿度的平均值固体颗粒物含量的平均值选取前七天的平均值是为了防止因某一天天气的偶然性导致数据的误差较大，将当天空气中的温度、湿度、固体颗粒物含量分别与前七天空气中的温度的平均值、湿度的平均值、固体颗粒物含量的平均值相减，得到的差值越大，则相应的当天天气情况对传感器的影响越大，需要在传感器原对比阈值的基础上进行相应调节，防止因天气因素造成传感器报警；本地区绿化占比系数d则反应出本地区天气自身的调节能力，当d的值越大，则本地区的昼夜温差越小，对自身的调节能力越强；m、a、b和c的预设值则是根据传感器的类型变化而变化，反馈出不同类型传感器分别受温度、湿度、固体颗粒物含量的变化数，不同类型的传感器对应的m、a、b和c的值可能不同。
34.进一步的，所述步骤s3中获取传感器数据并进行数据处理时采用多线程方式，同时对多个传感器数据进行处理。
35.本发明中数据采集处理模块在将数据与相应的对比阈值进行对比及对数据进行组装时，采用多线程方式，能够同时处理多个传感器数据，这样能够有效节省传感器数据处理的时间，快速为中央处理模块提供巡检数据。
36.进一步的，所述根据对比结果数据进行组装的方式为：
37.组装结果包括三部分：左端部分为抢占位数据，中间部分为编号位数据，右端部分为传感器采集数据位，三部分依次连接构成一组数据，完成组装，
38.所述抢占位数据包括字符位和数字位，所述字符位根据不同的字符代替不同传感器类型，所述数字位只有两种结果吗，当传感器采集的数据超过对比阈值时，数字位位为1，当传感器采集的数据未超过对比阈值时，数字位为0；
39.编号位数据为传感器的具体编号；
40.传感器采集数据位为编号位中对应传感器采集的数据。
41.本发明数据采集处理模块在数据组装过程中，将传感器数据与对比阈值对比的结
果以“0”与“1”的形式表示出来，并作为抢占位的一部分，组装后的数据包括传感器的类型、编号、数值及对比结果，只通过一组数据就能够较为直观的反馈出传感器的具体情况，再通过传感器编号映射的部件位置，能够快速的查找并锁定到异常数据对应的传感器位置，实现快速且精确的巡检及报警。
42.进一步的，所述中央处理模块对接收的数据进行逐个点名巡检，
43.当接收数据中抢占位数据的数字位为0时，将对应数据按照接收时间先后的顺序等待点名巡检，
44.当接收数据中抢占位数据的数字位为1时，将对应数据进行前置，调整到未点名巡检的数据中数字位为0的前方，进行抢占位置，提前进行巡检。
45.本发明将抢占位数据的数字位作为评判标准，“0”与“1”不仅作为数据采集处理模块中传感器数据与对比阈值的对比结果，还作为数据优先巡检的评判标准，由于数字位为“0”的数据均为数据采集处理模块处理后的正常数据，其巡检的先后顺序对巡检的结果影响不大，而数字位为“1”的数据均为数据采集处理模块处理后的异常数据，其对应数据预示着相应的传感器异常，代表着该传感器对应区域出现灾情或者该传感器损坏，上述两者情况均需及时处理，所以需要对数字位为“1”的数据进行抢占位置，提前进行巡检。
46.进一步的，所述接收数据中抢占位数据的数字位为1且未进行巡检的数据为多个时，还可对数字位为1的未巡检数据进行优先级排序，
47.所述优先级排序需调取历史火灾中火灾情况、各传感器数据及各数据对应的时间，从传感器响应时间t、火灾中同类型传感器单位时间报警数的最大增长率s0和火灾中火势蔓延面积的平均增长率s1这三个因素考虑，代入计算公式求得传感器优先数k，当s0≠s1时，当s0＝s1时，所述l为传感器优先数系数，
48.将分别计算出每场火灾中各类型传感器的传感器优先数k，将所有历史火灾中同类型传感器的传感器优先数k进行累加，并求取平均数，将所得的平均数按从大到小进行排序，根据平均数的排序结果对传感器类型进行优先级排序，平均数大的传感器类型优先级靠前，
49.若数字位为1的未巡检数据中传感器类型优先级不同，则传感器类型优先级较高的数据排在前面，
50.若数字位为1的未巡检数据中传感器类型优先级相同，则进一步比较传感器采集数据的大小，传感器采集数据中数值较大的排在前面。
51.本发明中接收数据中抢占位数据的数字位为1且未进行巡检的数据为多个时，需要对数据进行优先级排序，其包含两部分：传感器类型不同和传感器类型相同，所以需要进一步对传感器类型优先级进行限定，并在传感器类型相同时根据传感器编号的不同进行划分；在对传感器类型优先级进行限定时，考虑到数据的及时性及有效性问题，从传感器响应时间t、火灾中同类型传感器单位时间报警数的最大增长率s0和火灾中火势蔓延面积的平均增长率s1这三个因素考虑，传感器的响应时间越短，则数据的及时性越强，而火灾中同类型传感器单位时间报警数的最大增长率s0和火灾中火势蔓延面积的平均增长率s1这两个值越接近，则传感器数据对灾情的反馈情况越精确、越有效，从这三个因素考虑，能够快速筛选出对灾情就进行及时、有效反馈的传感器类型，从而对传感器类型的优先级进行有效
划分，从对灾情反馈情况的及时性、有效性发明综合考虑，反馈的数据越及时、有效，其对应的传感器类型优先级越高。
52.进一步的，所述中央处理模块将巡检到的异常数据罗列出来，按传感器类型进行数据对比，分别将各类型传感器数据进行灾情排序，即对受灾区域进行优先级划分，快速锁定灾情最严重区域。
53.本发明中央处理模块根据接收的异常数据，将同类型传感器数据按从大到小顺序进行排序，各个类型的传感器数据均进行此种方式排序，数值越大，排名越靠前，然后按顺序为传感器数据对应的区域进行灾情优先级划分，然后根据各类型传感器划分的灾情优先级数据进行综合对比，帮助人们快速锁定灾情最严重的区域。
54.与现有技术相比，本发明所达到的有益效果是：本发明不仅能够根据天气情况调整传感器的报警阈值，还能够对超过阈值的数据进行处理，将处理后结果与传感器及数值进行组装绑定，仅通过一组数据就能快速且直观的了解到数据是否异常且异常数据对应的传感器编号、类型及对应的部件位置，还能够调整异常数据的排列位置，实现对异常数据的快速巡检，达到及时且高效的目的。
附图说明
55.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
56.图1是本发明一种基于大数据的消防报警巡检系统的组成示意图；
57.图2是本发明一种基于大数据的消防报警巡检系统天气预测模块计算对比阈值的流程示意图；
58.图3是本发明一种基于大数据的消防报警巡检系统数据采集处理模块中组装数据的结构示意图；
59.图4是本发明一种基于大数据的消防报警巡检系统中央处理模块计算各类型传感器优先级的流程示意图。
具体实施方式
60.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
61.请参阅图1-4，本发明提供技术方案：一种基于大数据的消防报警巡检系统及方法，包括：信息映射模块、气象预测模块、数据采集处理模块、中央处理模块和报警模块，
62.所述信息映射模块，用于将传感器的编号与传感器类型、型号、监测范围、所属部件位置及所属传感器优先级构成映射，形成一对多的映射关系；
63.所述气象预测模块，用于根据接收本地区当天的天气情况，根据天气情况计算相应的对比阈值；
64.所述数据采集处理模块，用于获取传感器采集的数据，将获取的传感器数据根据传感器类型与气象预测模块传递的相应的对比阈值进行对比，并根据对比结果数据进行组
装，将组装的数据传递给中央处理模块；
65.所述中央处理模块，用于实时接收数据采集处理模块上传的各传感器数据，对数据逐个进行点名巡检，查询具体数据，并根据异常数据对受灾区域进行优先级划分，快速锁定受灾源头，对于未上传数据的传感器，则判定该传感器已损坏；
66.所述报警模块，用于接收中央处理模块处理的数据，并对异常数据及未上传数据对应的传感器进行报警。
67.本发明通过各个模块的协同合作，共同实现对消防传感器的巡检，通过信息映射模块，将传感器编号与传感器的各个数据构成映射，实现通过传感器的编号快速查找各传感器对应的各个传感器数据，比如通过传感器的编号能够快速查询该传感器映射的部件位置等；通过气象预测模块主要是对各类型传感器的对比阈值进行确定，相同天气情况下，不同的传感器类型的对比阈值不同，有效避免了因自然因素对传感器监测数据造成的影响；通过数据采集处理模块对传感器数据进行采集并处理，根据传感器数据类型、编号及是否超过对比阈值对采集到的各个传感器数据进行组装，方便中央处理模块快速处理并进行相应控制；中央处理模块会对接收到的数据进行逐个巡检，同时也对接收到的组合数据进行快速筛选排序，不仅能够对异常数据进行快速巡检报警，快速锁定数据异常的传感器，同时能够对各个传感器进行确认，避免因传感器损坏未上传数据导致的漏检行为，快速锁定损坏的传感器，报警模块则是将异常的巡检结果通过报警的形式反应出来，对人们进行提醒。
68.所述传感器类型包括感烟传感器、感温传感器和消防栓水压传感器。
69.本发明中传感器的类型包括感烟传感器、感温传感器和消防栓水压传感器，但是不仅限于这些类型的传感器。
70.所述报警模块包括物理报警和文字报警，所述物理报警包括声音报警和灯光报警，所述文字报警是将与传感器成映射关系的所属部件位置、传感器采集数据及对应的对比阈值传递到显示端，所述显示端还包括手机显示端，以短信的形式进行通知。
71.本发明报警模块中物理报警通过声光的形式对人们进行提醒，达到及时性的效果，主要用与近距离的报警，而文字报警以文字形式将报警信息传递到显示端上，此方式还可以进行远程报警，同时该文字报警信息对传感器情况进行详细描述，能够帮助人们快速锁定相应的传感器位置，达到有效性的效果。
72.一种基于大数据的消防报警巡检方法，具体步骤如下：
73.s1、将传感器的编号与传感器类型、型号、监测范围、所属部件位置及所属传感器优先级构成映射，形成一对多的映射关系，并保存到信息映射模块；
74.s2、获取本地区当天的天气情况，根据天气情况计算相应的对比阈值；
75.s3、获取传感器采集的数据，将获取的传感器数据根据传感器类型与气象预测模块传递的相应的对比阈值进行对比，并根据对比结果数据进行组装，将组装的数据传递给中央处理模块；
76.s4、中央处理模块实时接收数据采集处理模块上传的各传感器数据，对数据逐个进行点名巡检，查询具体数据，并根据异常数据对受灾区域进行优先级划分，快速锁定受灾源头，对于未上传数据的传感器，则判定该传感器已损坏；
77.s5、所述报警模块，用于接收中央处理模块处理的数据，并对异常数据及未上传数据对应的传感器进行报警。
78.所述气象预测模块中天气情况包括空气中的温度x、湿度y、固体颗粒物含量z和本地区绿化占比系数d，相应的还需分别获取前七天空气中的温度的平均值湿度的平均值固体颗粒物含量的平均值
79.当时，则对比阈值为
80.当时，则对比阈值为
81.所述m为初始标准值，即不受温度、湿度、固体颗粒物含量和本地区绿化占比系数影响时，对比阈值的数值；
82.所述a为温度影响系数，即不考虑其他因素且当天温度x与前七天温度平均值的差值为1时，对比阈值数值的变化量；
83.所述b为湿度影响系数，即不考虑其他因素且当天湿度y与前七天湿度平均值的差值为1时，对比阈值数值的变化量；
84.所述c为固体颗粒物含量影响系数，即不考虑其他因素且当天固体颗粒物含量z与前七天固体颗粒物含量平均值的差值为1时，对比阈值数值的变化量；
85.针对同一天气情况不同类型的传感器，m、a、b和c的预设值也不相同，相应的，同一天气情况下对比阈值有多个，针对不同类型的传感器求取的对比阈值不同，
86.所述接收本地区当天的天气情况可直接通过天气预报官方网站获取。
87.本发明气象预测模块通过获取当天空气中的温度x、湿度y、固体颗粒物含量z和本地区绿化占比系数d，判断这四个因素对传感器阈值的综合影响，同时，相应的还需分别获取前七天空气中的温度的平均值湿度的平均值固体颗粒物含量的平均值选取前七天的平均值是为了防止因某一天天气的偶然性导致数据的误差较大，将当天空气中的温度、湿度、固体颗粒物含量分别与前七天空气中的温度的平均值、湿度的平均值、固体颗粒物含量的平均值相减，得到的差值越大，则相应的当天天气情况对传感器的影响越大，需要在传感器原对比阈值的基础上进行相应调节，防止因天气因素造成传感器报警；本地区绿化占比系数d则反应出本地区天气自身的调节能力，当d的值越大，则本地区的昼夜温差越小，对自身的调节能力越强；m、a、b和c的预设值则是根据传感器的类型变化而变化，反馈出不同类型传感器分别受温度、湿度、固体颗粒物含量的变化数，不同类型的传感器对应的m、a、b和c的值可能不同。
88.本实施例中若本地区当天的温度为11度，湿度为71％，固体颗粒物含量为53，本地区绿化占比系数为0.46，相应的，本地区前七天空气中的温度的平均值为13、湿度的平均值为52％、固体颗粒物含量的平均值65，某一类型的感烟传感器，对应的m、a、b和c的预设值分别为100、1、0.8和0.5，由于则相应的该感烟传感器的对比阈值为：
89.90.所述步骤s3中获取传感器数据并进行数据处理时采用多线程方式，同时对多个传感器数据进行处理。
91.本发明中数据采集处理模块在将数据与相应的对比阈值进行对比及对数据进行组装时，采用多线程方式，能够同时处理多个传感器数据，这样能够有效节省传感器数据处理的时间，快速为中央处理模块提供巡检数据。
92.所述根据对比结果数据进行组装的方式为：
93.组装结果包括三部分：左端部分为抢占位数据，中间部分为编号位数据，右端部分为传感器采集数据位，三部分依次连接构成一组数据，完成组装，
94.所述抢占位数据包括字符位和数字位，所述字符位根据不同的字符代替不同传感器类型，所述数字位只有两种结果吗，当传感器采集的数据超过对比阈值时，数字位位为1，当传感器采集的数据未超过对比阈值时，数字位为0；
95.编号位数据为传感器的具体编号；
96.传感器采集数据位为编号位中对应传感器采集的数据。
97.本发明数据采集处理模块在数据组装过程中，将传感器数据与对比阈值对比的结果以“0”与“1”的形式表示出来，并作为抢占位的一部分，组装后的数据包括传感器的类型、编号、数值及对比结果，只通过一组数据就能够较为直观的反馈出传感器的具体情况，再通过传感器编号映射的部件位置，能够快速的查找并锁定到异常数据对应的传感器位置，实现快速且精确的巡检及报警。
98.本实施例中某一感温传感器，所述抢占位数据中字符位为ax，数字位1，编号位数据为18203，感温传感器采集数据位为120度，那么组装后的数据为ax118203120。
99.所述中央处理模块对接收的数据进行逐个点名巡检，
100.当接收数据中抢占位数据的数字位为0时，将对应数据按照接收时间先后的顺序等待点名巡检，
101.当接收数据中抢占位数据的数字位为1时，将对应数据进行前置，调整到未点名巡检的数据中数字位为0的前方，进行抢占位置，提前进行巡检。
102.本发明将抢占位数据的数字位作为评判标准，“0”与“1”不仅作为数据采集处理模块中传感器数据与对比阈值的对比结果，还作为数据优先巡检的评判标准，由于数字位为“0”的数据均为数据采集处理模块处理后的正常数据，其巡检的先后顺序对巡检的结果影响不大，而数字位为“1”的数据均为数据采集处理模块处理后的异常数据，其对应数据预示着相应的传感器异常，代表着该传感器对应区域出现灾情或者该传感器损坏，上述两者情况均需及时处理，所以需要对数字位为“1”的数据进行抢占位置，提前进行巡检。
103.所述接收数据中抢占位数据的数字位为1且未进行巡检的数据为多个时，还可对数字位为1的未巡检数据进行优先级排序，
104.所述优先级排序需调取历史火灾中火灾情况、各传感器数据及各数据对应的时间，从传感器响应时间t、火灾中同类型传感器单位时间报警数的最大增长率s0和火灾中火势蔓延面积的平均增长率s1这三个因素考虑，代入计算公式求得传感器优先数k，当s0≠s1时，当s0＝s1时，所述l为传感器优先数系数，
105.本实施例中若感烟传感器的响应时间为20秒、历史记录中1号火灾中该类型感烟
传感器单位时间报警数的最大增长率为300％，感温传感器的响应时间为30秒、历史记录中1号火灾中该类型感烟传感器单位时间报警数的最大增长率为240％，历史记录中1号火灾中火势蔓延面积的平均增长率270％，传感器优先数系数为80，由于300％、240％均与270％不相等，
106.则感烟传感器优先数为
107.感温传感器优先数为
108.由于13.3》8.9，则感烟传感器的优先级比感温传感器的优先级更高。
109.将分别计算出每场火灾中各类型传感器的传感器优先数k，将所有历史火灾中同类型传感器的传感器优先数k进行累加，并求取平均数，将所得的平均数按从大到小进行排序，根据平均数的排序结果对传感器类型进行优先级排序，平均数大的传感器类型优先级靠前，
110.若数字位为1的未巡检数据中传感器类型优先级不同，则传感器类型优先级较高的数据排在前面，
111.若数字位为1的未巡检数据中传感器类型优先级相同，则进一步比较传感器采集数据的大小，传感器采集数据中数值较大的排在前面。
112.本发明中接收数据中抢占位数据的数字位为1且未进行巡检的数据为多个时，需要对数据进行优先级排序，其包含两部分：传感器类型不同和传感器类型相同，所以需要进一步对传感器类型优先级进行限定，并在传感器类型相同时根据传感器编号的不同进行划分；在对传感器类型优先级进行限定时，考虑到数据的及时性及有效性问题，从传感器响应时间t、火灾中同类型传感器单位时间报警数的最大增长率s0和火灾中火势蔓延面积的平均增长率s1这三个因素考虑，传感器的响应时间越短，则数据的及时性越强，而火灾中同类型传感器单位时间报警数的最大增长率s0和火灾中火势蔓延面积的平均增长率s1这两个值越接近，则传感器数据对灾情的反馈情况越精确、越有效，从这三个因素考虑，能够快速筛选出对灾情就进行及时、有效反馈的传感器类型，从而对传感器类型的优先级进行有效划分，从对灾情反馈情况的及时性、有效性发明综合考虑，反馈的数据越及时、有效，其对应的传感器类型优先级越高。
113.所述中央处理模块将巡检到的异常数据罗列出来，按传感器类型进行数据对比，分别将各类型传感器数据进行灾情排序，即对受灾区域进行优先级划分，快速锁定灾情最严重区域。
114.本发明中央处理模块根据接收的异常数据，将同类型传感器数据按从大到小顺序进行排序，各个类型的传感器数据均进行此种方式排序，数值越大，排名越靠前，然后按顺序为传感器数据对应的区域进行灾情优先级划分，然后根据各类型传感器划分的灾情优先级数据进行综合对比，帮助人们快速锁定灾情最严重的区域。
115.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要
素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
116.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。