近年來，“智慧消防”領域的發(fā)展如火如荼，與“智慧”二字相對應的人工智能技術在消防安全領域也變的炙手可熱。

　　2017年10月18日，當人工智能被寫進十九大：“推動互聯網、大數據、人工智能和實體經濟深度融合”的報告中；2017年10月10日，當《關于全面推進“智慧消防”建設的指導意見》的發(fā)布更是帶來了國內一波又一波圍繞著“人工智能AI”技術的智慧消防建設高潮。

領域創(chuàng)新—人工智能技術在消防管網檢測的應用

　　當建筑物火災發(fā)生時，自動噴水滅火系統(tǒng)和室內消火栓系統(tǒng)是前期控制火情蔓延和后期火災撲救的重要依仗，管網內要隨時保證足夠的水量以及整套系統(tǒng)的正常運轉。但是，供水不足、無水的現象在滅火救援中層出不窮。

　　在消防管理中，需定期對消防管網進行檢測，然而受限于傳統(tǒng)的以人為驅動的管理機制，消防管網檢測的重要性往往發(fā)生在火災事故發(fā)生之后才會被關注，而且行業(yè)內的管網檢測手段通常僅會以通過外觀性檢查的方式來判斷異常，無法確保系統(tǒng)功能完好，人工智能技術的發(fā)展，帶來了更快捷、更準確判斷手段。

　　基于機器學習“iFOREST”等一系列異常檢測算法的智慧消防平臺人工智能判斷體系。對于建筑物自動噴水滅火系統(tǒng)和室內消火栓系統(tǒng)，平臺可通過前端安裝的物聯網感知設備上傳的若干消防設施設備數據，判斷出未監(jiān)測設施設備的實時狀態(tài)，如管網的漏水情況，閥門的開閉情況等，同時可精確的判斷出異常設備和異常情況出現的位置，幫助用戶快速、便捷的發(fā)現、處理消防安全隱患，提升建筑物安全性。

　　2016年8月，首次將基于機器學習“iFOREST”算法的人工智能技術在上海市黃浦區(qū)89棟民用建筑智慧消防系統(tǒng)建設項目中應用于對建筑物消防給水系統(tǒng)的檢測。系統(tǒng)通過檢測判斷出89棟建筑物中有13棟建筑物的消防管網閥門關閉，10棟建筑物消防管網存在多處漏水情況，在隱患情況對用戶進行上報后得到了用戶的高度重視，經現場排查，隱患判斷準確率為85.61%。

技術革命—異常檢測算法帶來人工智能技術的新突破

　　人工智能技術的特點為：從聚焦個體的智能到基于大數據體系的群體智能，能夠通過廣泛的數據來源保障判斷結果準確性；可通過機器學習算法自行調整判斷依據的權重，讓判斷結果愈加準確。

　　從數學模型的觀點上看，消防管網系統(tǒng)發(fā)生故障的是存在前兆的。那么如何刻畫異常狀態(tài)以及對異常狀態(tài)及時預警，這是兩個最基本的問題。

　　與大多數領域一樣，消防領域中的大數據基本是無標簽的。因此異常檢測中最核心的問題是如何來識別異常，以及如何利用異常檢測中的常見算法進行識別預警。基于統(tǒng)計的傳統(tǒng)異常點檢測模型是一些較好的工具，但是針對高維數據的統(tǒng)計分析往往表現不佳，將機器學習領域的一些異常檢測算法納入考慮之中。

“iForest”—基于集成學習策略的非參數無監(jiān)督異常檢測方法

　　該機器學習算法具有線性時間復雜度和高準確率。iForest與RandomForest都是基于Bagging的集成學習方法，在大數據上該策略具有天然的并行運算優(yōu)勢，高效地得到結果。

iForest決策面示意圖

　　One-Class-SVM：假設所有非異常點落在高維空間中的超球體內（kernel方法），通過極小化超球體的體積來得到最優(yōu)的超球面，進而得異常點的判定方法。

One-Class-SVM的決策超球面

“DBSCAN”一種基于密度的聚類檢測方式

　　基于聚類的異常點檢測方式被廣泛使用，密度聚類的聚類過程自然地可以得到異常點，并且針對非凸的數據集表現優(yōu)越。

DBSCAN的聚類結果，類別數量小于閾值是異常點

　　實時監(jiān)測建筑物消防管網的傳感器歷史時序數據結合建筑物參數和管網參數等作為訓練集建立相應的異常點檢驗模型以及趨勢檢測模型。在管網系統(tǒng)頻繁起泵前，對消防管網漏水做出精準的預警，進而由傳感器之間水壓反饋的延遲性，基于故障定位算法預測漏水點的位置信息。最后，對上述模型的結果進行集成，給出更加穩(wěn)健的預測，減少誤報引起的損失。

某消防管網的檢漏結果（綠色點為代表檢測到漏水）

智能設定安全壓力標準

　　傳統(tǒng)的消防給水系統(tǒng)中，主管網傳感器壓力閾值根據國家相關標準進行設定，而對于安裝于管網末端的傳感器設備，需根據建筑物實際情況和管網參數設置安全壓力閾值，這些設備的數據往往直接被忽視。利用上述模型，在非異常點的數據給出上述傳感器的智能壓力的標準，提高管網系統(tǒng)中壓力傳感器的使用效率，能夠更加精準地對管網的異常進行預警。

不斷完善—人工智能技術在實戰(zhàn)中成長

　　2018年，通過基于異常檢測算法的人工智能技術對智慧消防系統(tǒng)采集到的數據進行分析，判斷出的黃浦區(qū)89棟中部分建筑物的消防水系統(tǒng)管網閥門情況及管網情況無一誤報，系統(tǒng)及時的通知到相應人員對隱患位置進行查看、整修，及時消除了消防隱患。

　　隨著人工智能技術的不斷優(yōu)化以及長時間對物聯網數據的學習，系統(tǒng)判定的結果越來越精準，在黃浦區(qū)89棟民用建筑智慧消防系統(tǒng)建設項目中，已經達到了95%以上的準確率。同時，人工智能技術的成熟使得應用在其他的項目上的學習時間大大縮短。

總結

　　人工智能技術及理念的持續(xù)滲透逐漸改變了行業(yè)從業(yè)者和用戶對智慧消防的理解，從傳統(tǒng)的城市消防報警中心到智慧消防云服務平臺，從傳統(tǒng)的消防數據遠程監(jiān)控到利用人工智能AI技術賦能消防管理，基于異常檢測算法的人工智能技術擁有對消防設施數據的感知、分析、處理的主導權，推動消防管理體系中決策機制從“業(yè)務驅動”向“數據預測”轉變，管理機制從“死看死守”向“預知預警”轉變，行動機制從“經驗主義”向“科學決策、智能調度”轉變，把人工智能分析轉變?yōu)闉樾袆恿?yōu)勢。