智慧消防落地难在哪里?
据消防产业智库观察研究，主要体现在数据、算法和标准三个方面。
一、概率预测
首先，我们来看美国一个关于犯罪概率预测的案例。
在美国大城市里，犯罪是让市民和警方都挠头的大问题，解决这个问题最好的办法不是在犯罪发生后去破案，而是提前制止犯罪行为。
于是，美国加州大学建立了一个基于条件随机场的数学模型。
训练这个模型需要大量的数据，因此洛杉矶警方将80多年里发生的1300多万个案例都提供出来，经过训练得到一个比较好的模型。
事实证明，使用这个模型可以使该地区的犯罪率降低13%，这项发明在2011年被《时代》周刊誉为年度最优秀的发明之一。
这个犯罪的预测模型和火灾的预防有着很大的相似性，如“提前制止犯罪”类似“提前预防火灾”，“预测犯罪”类似“预测火灾”，其背后的逻辑是一样的：
海量的数据以及数学模型，是智慧消防应用落地，能够发挥实际作用不可缺少的关键因素。
二、获取海量数据
丁宏军说，未来5年是消防物联网的天下。
建设消防物联网，除表面的铺设智能终端、实现物联之外，最根本的是获取数据。
从人工智能的演进中可以知道，行业智能化发展首先在于获取大数据，进而借助架构与技术，才能拓展垂直领域的应用。
以此类推，在智慧消防建设过程中，谁获取了场景化的海量数据，谁就掌握了进入该领域的通行证。
从行业发展来看，智慧消防企业可以通过与各级应急管理部消防救援局合作，获取大数据支撑，或者是在某一领域不断深耕，不断积累。
当有效的数据达到一定的量级，才能充分验证模型与算法的准确性，智慧消防建设才可能真正落地。
三、模型与算法
汇聚了量级的大数据，接下来最关键的就是算法与模型。
前段时间，天津消防研究所和国家消防工程技术研究中心研制开发的“火眼”可视图像早期火灾报警系统亮相。
“火眼”采用先进的视频图像分析技术，从安防系统局域网接入，最快可在火灾图像出现的10秒之内，准确发现火焰或烟雾并同时发出火灾报警信号。
“火眼”比传统感温、感烟报警速度提高5倍以上，背后最关键的支撑因素是模型与算法。
因为涉及到商业机密，这部分在大会上没有过多介绍。当然，产品虽然已经发布，但距离真正走向市场还有一段距离。
所以说，收集了海量的数据，如何利用模型与算法，对数据进行分析，实现预测性和研判性，这才是关键所在。
四、标准化问题
获取海量数据的一个很重要的前提，就是接入标准与数据融合问题。
“大产业，小市场”是消防行业长久以来存在的一个特点，中国有成千上万多家消防厂商，多以中小企业为主。
每家厂商都有自己的“地盘”，政府不会用同一家的产品，重点防火单位用的产品也不尽相同。
目前，消防设施设备的编码标准，消防系统的交付标准，数据存储标准等不尽相同，智慧消防应用可以说层出不穷。
导致了整个数据内容、数据结构和数据格式也不尽相同，对于智慧消防建设来说，标准化就成为一个难题。
建设智慧消防，需要有机融合，需要从不同层面、以标准的方式进行规范和统一，尽快建立适应不同应用业态和智慧城市接口的智慧消防业务标准体系。
目前，智慧消防建设绝大部分还是停留在基础层面，如实现数据的信息化，实现了数据的呈现等等，距离真正的智能化还有很长一段距离。
智慧消防应用落地，只有攻破数据、算法、标准三大关键问题，后期贴近实战的产品、场景化应用解决方案等才可能真正行之有效。
京公网安备 11010502049343号