大數據背景下消防實時監控之城市地鐵客流量分析
來源:用戶上傳
作者:周玉光，樊繼慧，吳果桁，李清梅
摘要：該文借助Python語言以及它的強大的第三方庫如Numpy、Pandas等技術如何處理我國不同的主要城市地鐵客流量數據，依靠Echarts這個第三方圖形庫，將經過統計、采集、清洗及分析出來的地鐵數據以大屏可視化的直觀方式向用戶呈現出來，這樣可以有效地對基于該地鐵客流量數據的各項實際功能應用需求進行深入探討。通過實時分析全國不同重點城市地鐵的實際客流量數據，用豐富多樣化直觀的圖表或圖形來集中展示出全國各城市間的城市地鐵客流量信息，可以直接讓有需求的用戶快速直觀清晰地查看在不同的重點城市或國內不同地鐵線路的真實客流情況。為消防領域實時監控災情，人流統籌安排提供出了一套高效、精準、便捷應用的科學方法，能夠快速更好地滿足大數據時代客戶的服務需求。利用物聯網、大數據、人工智能等技術讓消防變得自動化、智能化、系統化、精細化，對場所警力資源、重點部位、告警事件等消防要素進行可視化監測，有利于輔助用戶準確有力掌控微觀消防態勢。
關鍵詞：Python；消防；實時監控；地鐵客流量
中圖分類號：TP311 文獻標識碼：A
文章編號：1009-3044（2022）32-0058-03
1 研究背景
火災是危害地鐵運營安全的重要因素之一，地下空間中發生火災造成的危險性遠比在地面建筑物中發生火災更高。近年來，火災也是軌道交通中發生頻率較高、造成損失較大的事故之一。地鐵安全運營涉及眾多的設備，各種設備故障，都可能導致地鐵火災，例如1995年阿塞拜疆首都巴庫地鐵由于電路故障發生嚴重火災。行車事故主要包括列車沖突，事故可能會導致列車設備起火，從而導致火災。2005年泰國曼谷地鐵國家文化中心站發生列車相撞事故，并引發火災，造成200多人受傷。
事故發生后，地鐵比地面建筑的安全出口和疏散通道少，一些地鐵車站疏散系統不完善、列車緊急安全出口有限等問題制約著人員疏散。如果預案不完善，很容易產生踩踏事件，后果不堪設想。地鐵發生火災時產生的煙、熱不易排除，積聚的熱量會使地鐵系統內的空氣溫度迅速升高，較早地出現全面燃燒（Z燃）現象。室內溫度會從400℃猛升到800～900℃，煙氣中的一氧化碳濃度迅速增高，人們要脫離危險區域，人員的疏散非常困難。所以需要精確的地鐵站人流量控制。利用物聯網、大數據、人工智能等技術讓消防變得自動化、智能化、系統化、精細化，對場所警力資源、重點部位、告警事件等消防要素進行可視化監測，有利于輔助用戶準確有力掌控微觀消防態勢。
山東省以實現災情信息及時準確傳遞為目標，加強災害信息員隊伍建設工作，在災情管理工作的規范化和精細化方面取得成效[1]。及時快速、客觀準確的災情信息，是消防部門、政府掌握災情形勢，積極、有效應對災情的前提。遼寧省地震應急值守和災情收集系統能夠解決“值班信息上報速度慢”“人工上報信息錯誤率高”等一系列問題[2]。
2 技術分析
借助Python語言以及它的強大的第三方庫如Numpy、Pandas等技術如何處理我國不同的主要城市地鐵客流量數據;依靠Echarts這個第三方圖形庫，將經過統計、采集、清洗及分析出來的地鐵數據以大屏可視化的直觀方式向用戶呈現出來。利用數據爬蟲技術爬取相關的有效信息，并通過信息技術對數據處理分析，主要分成以下數據：
?。?）爬取數據：通過urllib模塊對網絡數據發起請求，然后利用json模塊對數據進行解析然后存入到文本中。
（2）處理和清洗數據：這里主要利用pandas對數據進行預處理，主要是包括對特殊字符的過濾以及關鍵信息的提取。
?。?）數據可視化系統：這里主要是利用flask對相關的數據進行提取展示給前臺，前端的模板通過后臺的數據渲染與echarts圖表技術相結合，展示數據。
PyCharm也同時增加了一系列其他的高級功能，用戶還將會支持在Django架構下的運行環境中實現專業Web設計。Python的開發是交互式的，在實際的開發過程中具有很好的交互式體驗。當Python程序設計語句同時也是面向對象語言時，就可以很好地采用面向對象的設計風格或將代碼包裝到面向對象的編程技術里。獲取信息的方式有多種：一種是通過人工巡檢、抽樣等的方式來進行信息收集、分析和利用，這種方式不僅可整合數據；另一種是根據大數據技術進行信息整合，通過現代通信技術，進而獲取大數據實時路況、人口熱力、視頻監控等海量數據資源，進行信息數據的有效整合，為消防管理決策等提供更加全面、系統的資源，促進消防數字化建設。以純文字表述信息獲取的體驗并不好，如果是以圖表的形式，我們不僅能快速了解每天的報警數量，而且還能看到報警數量的變化趨勢。在大數據環境下，只有推動消防信息化建設才能進一步提高消防工作效率[3]。
3系統實現
本系統的核心任務是對相應的地鐵數據進行監控，然后對監控到的數據進行分析，將分析的結果展示到前面的可視化大屏上。這個項目的建設過程中在這個項目建設的過程中，主要分成以下三個部分：一是數據的爬取，二是數據的清洗和提取，三是數據的系統大屏展示。
這里在相關地鐵的客流量數據爬取過程中需要保證數據的真實性和實時性。我們對于相關地鐵的客流量數據的分析主要是針對客流總量的分析，主要是研究數據關于時間序列的相關變化、各線路的客流量占比情況以及不同城市的客流總量的對比等。所以在爬取我們在微博官方號里面的數據后，需要對其中的相關的文本數據進行數據的清洗。這里的數據清洗主要包括微博文本數據的清洗和提取，提取出來具有一定特征的數據，再進行存儲，提供給大屏數據展示系統對數據進行展示。通過這樣的整個流程，完成了數據的獲取、清洗和展示，這是一個完整的數據分析流程。
基于Python的城市地鐵交通客流量分析系統設計的過程中，我們主要使用的是PyCharm這個開發工具軟件和Python編程語言。項目在開發的過程中主要分為數據的爬取數據的清洗和數據的大屏可視化這幾個部分，項目的開發主要以Python編程語言為主。
nlc202301131400
在進行爬取數據的過程中，主要運用到的是urllib網絡數據請求庫、json網絡數據解析庫這兩個庫，通過這兩個庫可以對特定的網頁鏈接進行數據請求，并對得到的數據進行相應的解析，然后存儲到臨時文件中，以便后續的數據清理。數據清理的過程中，會處理掉異常的數據并提取相關所需要的數據進行存儲，這里我們主要使用的是pandas庫。flask 網站框架、html網頁技術以及echarts數據可視化表格技術，這三項技術模塊都是運用在數據大屏可視化的過程中。通過flask將后端的數據傳遞給前端的html網頁進行設計與渲染，在前端的數據再通過echarts圖表進行最后的可視化展示。
大屏數據可視化的前端部分主要是一個html文件與jinia2的模板功能相配合使用。它主要分成兩部分。其中，第一個部分是網頁布局，主要包括了大屏可視化過程中的各個圖表的位置排版。
數據大屏可視化是本系統的重要組成部分，也是本系統的終極展示。根據項目的技術組成我們把數據大屏可視化分成兩個部分，一個是前端HTML模板，另一個是后端Flask服務器。Flask服務器主要的功能是根據前端的網頁鏈接請求來向前臺傳遞渲染的網頁。當服務器端收到前端的網頁鏈接請求時，根據請求做出如下反應：從文件data.csv里面獲取不同城市的地鐵客流量數據，獲取城市數據。
網頁運行服務器運行在后臺，這里需要把數據進行再分析，然后進行前端的展示，這里點擊相關的本地的網址，查看大屏幕可視化結果。
可以對所監控的場景進行不間斷分析，對異常事件進行監測、報警和錄像。有效捕捉根據客流量設置合理的消防應對措施和人員疏散措施，降低誤報和漏報現象。通過可視化平臺實時提示，大大縮減查找時間。
消防專用系統通過與各個部門的相互關聯，實現信息互通，消防運作體系掌控更加具有各方面意義，將大數據進行融合、提取，實現相互聯動，將消息及時提供給消防人員，使人民群眾的生命、財產及健康得到保障。
消防部門實時監控消防系統通過對不同月份，不同日期下客流量的統計，對可能發生的災情提前部署，提前規劃。根據數據走勢進行趨勢分析。
4總結
在大數據思維背景下，基于大數據分析的消防體系已成為城市建設不可缺少的一部分，本文從大數據技術和大數據思維的含義入手，分析大數據思維下消防建設具有廣泛的信息整合、能夠實現互聯互通、可實現海量數據的集合與計算等特征，提出完善火災防控機制、預警機制，為消防建設提供有力支撐。有必要從大數據視角對我國消防信息化管理進行重新審視，構建消防信息化管理平臺，更好解Q我國消防信息化管理工作中存在的問題[4]。
參考文獻：
[1] 高文靜.提升災情管理規范化精細化水平[N].中國應急管理報，2022-03-02（6）.
[2] 張文靜，李瑩，惠楊，等.遼寧省地震應急值守和災情收集系統設計[J].防災減災學報，2021，37（4）：52-56，68.
[3] 張玄.大數據環境下消防信息化建設措施探索[J].數字通信世界，2022（4）：137-139.
[4] 李文娜.淺析大數據背景下消防信息化管理建設[J].現代企業，2022（2）：56-57.
【通聯編輯：聞翔軍】
nlc202301131400
轉載注明來源:http://www.hailuomaifang.com/8/view-15444089.htm
