CN118171179B 基于多模态融合的地铁站火灾应急响应救援决策系统及方法 （南京江北新区建设和交通工程质量安全监督站(南京江北新区建设和交通工程安装管理站、南京江北新区建设和交通工程质量检测中心)）

US2023176550A1,2023.06.08基于多模态融合的地铁站火灾应急响应救本发明公开了一种基于多模态融合的地铁22.如权利要求1所述的基于多模态融合的地铁站火灾应急响应救援决策方法，其特征步骤S15、获取至少三个连续时间段内与地铁站内的通信基站连接的终端数量和连接33.如权利要求2所述的基于多模态融合的地铁站火灾应急响应救援决策方法，其特征4.如权利要求3所述的基于多模态融合的地铁站火灾应急响应救援决策方法，其特征步骤S43、综合物理模型和数据驱动模型的预测结果，通过加权平均生成最终预测结5.如权利要求4所述的基于多模态融合的地铁站火灾应急响应救援决策方法，其特征传感器的频率响应影响，再采用基于Mel频率倒谱系数的特征归一化方法实现不同通道间4步骤S215、统一上述步骤S211至步骤S214中各个数6.如权利要求4所述的基于多模态融合的地铁站火灾应急响应救援决策方法，其特征步骤S312、采用空间图卷积层通过聚合节点邻居信息更新节7.如权利要求4所述的基于多模态融合的地铁站火灾应急响应救援决策方法，其特征步骤S321、读取红外热成像数据和地铁建筑体群落布局类型的火灾风险等级，根据火灾风险等级计算节点的脆弱性，并绘制火灾风险分布热力8.如权利要求4所述的基于多模态融合的地铁站火灾应急响应救援决策方法，其特征5样到与原图相同的尺寸，并进行逐像素的softmax运算，得到每个像素属于火焰区域的概步骤S133、在获得精细分割后的火焰区域基础上，将火焰运动建模为匀速直线运动，状态变量包括位置和速度，观所述存储器存储有可被所述处理器执行的指令，所述指令用于被所现权利要求1至8任一项所述的基于多模态融合的地铁站火灾应急响6[0005]发明目的，提供一种基于多模态融合的地铁站火灾应急响应救援决策系统及方7方案采用了深度循环卷积神经网络进行特征自动提取，通过引入注意力机制和门控单元，8[0034]步骤S15、获取至少三个连续时间段内与地铁站内的通信基站连接的终端数量和9割"的热图分析流程，运用偏微分方程驱动的图像修复技术滤除图像噪声，并通过区域生习算法实现了站厅区域人员聚集状态的无感知测。这一思路不仅规避了视频分析的瓶颈，焰区域的纹理结构，利用灰度共生矩阵提取区域内的包括对比度和熵在内的高阶统计特焰区域在不同帧间的亮度变化，通过光照补偿和光流反馈机制自适应更新火焰光照模板，[0046]在本实施例中，引入了局部加权回归散点平滑(LOESS)等高阶插值技术修复数据[0047]准确分割视频帧中的火焰区域对于火情研判至关重要，但由于火焰区域在颜色、可进一步提升分割结果的空间一致性和边界准确性。与传统的基于RGB阈值或浅层纹理特可作为复杂网络统计分析的有力补充，为量化节点的结构_功能关键性提供了新视角。此优化网络结构与事实知识间的一致性；然后，通过矩阵求导计算每条边的Granger因果强这类异常事件对于快速响应和科学决策至关重要。本方案提出了一种自编码器+孤立森林消除传感器的频率响应影响，再采用基于Mel频率倒谱系数的特征归一化方法实现不同通[0080]根据本申请的一个方面，所述步骤S32中分析节点的脆弱性，进一步包括如下步速度空间上的相似度，使用巴氏系数度量两个目标外接矩形框内火焰区域掩模的重叠率；角对站内画面进行无死角监控；20个RFID采集器实时统计站内人员的密度分布与疏散状势分析引擎实时计算拓扑中心性指标，快速锁定出B1层中部通道、2号疏散出口等关键节