基于物联边缘计算网关的房屋安全预警系统、方法及终端与流程

1.本发明属于房屋安全预警技术领域，尤其涉及一种基于物联边缘计算网关的房屋安全预警系统、方法及终端。


背景技术：

2.目前，房屋安全动态监测是近年来危旧房屋监测的一种新方式，该方式是以物联网技术为基础，实时对房屋的结构进行监测和跟踪，掌握房屋状态，全面了解建筑物的长期变化过程，通过数据处理实现自动预警，对结构安全进行评估，以便及时采取措施，减少突发事件的发生，防止发生人员伤亡等恶性事件。从世界范围内来看，建筑结构的健康监测预警系统常见于桥梁、隧道等大型结构的管理中，而在危房监测领域则十分鲜见。这不仅是因为危房监测专项资金有限，还由于多种智能传感器技术的应用需要较高的开发成本。而借助物联网支持下的云平台则可以降低传统智能传感器的使用量，利用先进的数据算法实现传感信息的高效采集和分析，从而满足了市场对于危房监测的强烈需求。构建基于物联边缘计算的房屋安全预警系统不仅对于建筑业本身有着重要意义，对维护社会稳定和国民的生命财产安全同样至关重要。
3.目前在房屋建筑安全设计、监测、分析、管理各环节等方面仍有不足，建筑行业监管覆盖面仍有不足，注重建设阶段的监管，对房屋建筑的服役阶段，尤其是对于老化阶段缺乏标准化管理手段；具体场景的监测方案、数据分析及决策支撑的专业性不足，缺乏专业的技术平台及团队作为支撑；对于海量监测数据的利用度不足，大部分监测数据及信息仅仅用于超限报警，缺乏深度挖掘；各传感器采集大量单一维度数据，缺乏多维度监测数据的实时联动分析，难以准确、实时的监测房屋建筑的真实状态及成因；行业目前使用传感器多为工业通用传感器，针对房屋建筑监测的特征敏感性及长期服役稳定性不足。
4.随着云计算的深入应用，5g、物联网、人工智能技术的快速发展，高带宽、低时延、海量连接的新型应用不断涌现，传统的“云－端”业务服务、管理和部署模式，正逐步走向“云－边－端”业务服务、管理和部署模式，在网络侧边缘的云和网的关联性越来越紧密。
5.多接入边缘计算(mec)是5g时代融合业务和网络的关键技术。边缘计算通过将云计算中心的计算、存储等资源和能力平台下沉延伸到运营商网络侧边缘，在靠近移动用户的位置上提供网络能力开放以及it服务、环境和云计算能力。边缘计算的就近服务特点满足了业务层面实时数据处理的需求以及客户层面数据安全可靠的要求。
6.房屋建筑安全监测边缘计算网关通过各类房屋体征传感器终端进行自适应组网，实现房屋体征数据的模型计算和信息传输。产品采用多传感器融合技术，实现物联网终端快速组网及多源传感器数据采集、传输功能；内置降噪处理、特征提取、事件触发、安全研判等算法。定时分析房屋建筑体征，为房屋建筑安全提供分析、管理、决策。南威基于房屋建筑安全场景的边缘计算盒子支持裂缝传感器、震动传感器、角度传感器、沉降传感器和气象传感器等终端设备接入和算法模型赋能。
7.通过上述分析，现有技术存在的问题及缺陷为：
8.(1)现有方法使用传感器多为工业通用传感器，针对房屋建筑监测的特征敏感性及长期服役稳定性不足。
9.(2)现有方法缺乏专业的技术平台及团队作为支撑；对于海量监测数据的利用度不足，大部分监测数据及信息仅仅用于超限报警，缺乏深度挖掘。
10.解决以上问题及缺陷的难度为：
11.目前在对房屋的安全性进行客观评定时，需通过房屋倾斜变形的程度和建筑物主体的裂缝分布情况判断其具体的房屋安全等级。而为了提升房屋安全鉴定过程的准确性和时效性，就必须在前期加强房屋安全的状态监测与管理。鉴于房屋安全存在着极大的不确定性，何时倒塌及相应的倒塌风险也无法根据现有样本进行客观评定。
12.只有通过密切的监察和管控才能够彻底排除安全隐患。对建筑物进行状态监测和安全评估的方法中，主要采用传统的全站仪、水准仪、千分表等人工方法来观察测量建筑物的变形、位移、沉降、倾斜等，通常是人员定期前往危房周边进行检查，并重点关注和记录其在指定周期内的变化情况，尽量减少监测过程中的局限性。人工方式难以做到24h不间断的监测，而仅能够间隔一段时间去对建筑物的主体结构及局部关键受力点进行周期性观察。采取的监测方式，如射线法、冲击回波法等由于其数据量有限且随机性较大，也难以代表危房的真实情况。在后期的统计分析和危险级别分类时极易造成较大的误差，由其导致的项目后期工作量无法确定。同时，传统方式需要消耗的人力物力等监察成本巨大，负责房屋安全监察的人员还必须具备专业的知识和丰富的经验。人工监察主要依赖于主观判断的结果，这期间的人为因素也可能对房屋安全管控的效果造成影响或引发预警不及时等问题。


技术实现要素：

13.针对现有技术存在的问题，本发明提供了一种基于物联边缘计算网关的房屋安全预警系统。
14.本发明是这样实现的，一种基于物联边缘计算网关的房屋安全预警系统，所述系统包括房屋安全传感器物联设备、房屋安全边缘计算网关、云端房屋安全预警系统，房屋安全传感器物联设备将采集的数据传入房屋安全边缘计算网关，房屋安全边缘计算网关得到相关预警数据，将数据传入云端房屋安全预警系统进行综合分析。
15.进一步，所述房屋安全传感器物联设备包括角度传感器、沉降传感器、气象传感器、振动传感器、裂缝传感器等设备，针对房屋进行沉降监测、房屋倾斜角监测、风速和气象环境监测、振动监测以及裂缝监测，实现对房屋的实时数据采集和数字化监控。
16.本发明的另一目的在于提供一种房屋安全边缘计算网关处理数据方法包括如下步骤：
17.s1：采用mqtt、coap、tcp、udp、http、l2wm2m等传输协议实现房屋安全传感器设备接入、数据获取、解析和封装；
18.s2：将结构化数据发送到mq队列进行数据异步处理与分析；
19.s3：通过协议规则引擎提供按规则和条件进行数据订阅和数据转发的服务；
20.s4：对边缘端设备管理和配置管理；
21.s5：转发数据到授权中心进行统一授权管理；
22.s6：将数据转发到房屋安全边缘算法模型部分进行分析与管理。
23.进一步，所述s6中对数据进行分析与管理包括内置降噪处理、特征提取、事件触发、安全研判等算法及多种自主研发的动、静态房屋建筑体征分析模型部署与管理。
24.进一步，所述s6中数据处理方法包括如下步骤：
25.s61：首先要对于传感网络采集的房屋状态数据进行预处理，每周期变形观测结束后，对获得的观测数据进行清洗，并计算各种变形量；
26.s62：沉降数据清洗通常用平差计算，以基准点为起算点，使用严密平差方法，剔除含有粗差的观测数据，最后根据沉降量，计算出累计沉降量和沉降速率；
27.s63：倾角测量数据通常进行中值滤波的方法剔除异常点，振动测量数据通常采用特征值提取的方法对振动量的大小、一次频、二次频进行计算和阈值判定。
28.进一步，所述云端房屋安全预警系统通过获取边缘计算网关房屋安全相关预警数据，实现云端态势感知、分析决策和联动指挥等应用功能，支持房屋安全算法模型云端管理、算法模型训练、边缘计算网关算法部署等功能，房屋安全预警系统通过对建筑结构数据、传感器采集数据的综合分析，挖掘房屋倒塌与各种检测数据之间的相关关系，进行预警预测，并通过三维交互进行展示。
29.本发明的另一目的在于提供一种所述基于物联边缘计算网关的房屋安全预警系统的信息数据处理终端。
30.本发明的另一目的在于提供一种所述基于物联边缘计算网关的房屋安全预警系统的移动设备。
31.本发明的另一目的在于提供一种一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述基于物联边缘计算网关的房屋安全预警的系统。
32.结合上述的所有技术方案，本发明所具备的优点及积极效果为：
33.基于物联边缘计算网关的房屋安全动态监测是近年来房屋安全监测的一种新方式，该方式是以物联网技术为基础，实时对房屋的结构进行监测和跟踪，掌握房屋状态，全面了解建筑物的长期变化过程，通过数据处理实现自动预警，对结构安全进行评估，以便及时采取措施，减少突发事件的发生，防止发生人员伤亡等恶性事件。
34.本发明综合应用大数据、云计算、人工智能等技术，结合裂缝传感器、倾角传感器，融合多种监测数据源，对房屋建筑安全进行动态监测及管控，及时对异常情况产生预警，为各类建筑的防危解危提供基于“一房一档”和“预警、巡检、处置”闭环联动的信息平台和管理手段。未来应用范围可扩展到建筑边坡、高空避难层、违章建筑、消防管理等。以房屋建筑安全为主要突破口，打造“云－边－端”模式下的房屋建筑安全云边端协同系统，最终形成全网统一管理、灵活部署、高度自动化运维的全网性经营性资源；通过增强智能协同提升ai易用性和房屋建筑安全场景适应性，增强服务协同实现跨边云服务发现和流量转发，以及增强数据协同提升南向服务能力；通过增强智能协同提升ai易用性和房屋建筑安全场景适应性，增强服务协同实现跨边云服务发现和流量转发，以及增强数据协同提升南向服务能力。
35.从世界围内来看，建筑结构的健康监测系统常见于桥梁、隧道等大型结构的管理中，而在房屋安全监测域则十分鲜见。不仅是因为房屋安全监测专项资源有限，还由于多种智传感器技术的应用需要较高的开发成本。借助物联网支持下的房屋安全预警系统则可以降低传统传感器的使用；利用先进的数据算法实现传感信息的高效和分析从而满足了市场
对于房屋安全监测的强烈求。构建基于物联网边缘计算网关的房屋安全预警系统不仅对于建筑业本有着意义对维护社会稳定和国民的生命财产安全同样至关重要。
附图说明
36.图1是本发明实施例的基于物联边缘计算的房屋安全预警系统的网络拓扑示意图；
37.图2是本发明实施例提供的基于物联边缘计算的房屋安全预警系统中房屋安全边缘计算网关处理方法流程示意图；
38.图3是本发明实施例提供的基于物联边缘计算的房屋安全预警系统中数据处理方法流程示意图；
具体实施方式
39.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
40.针对现有技术存在的问题，本发明提供了一种基于物联边缘计算的房屋安全预警系统，下面结合附图对本发明作详细的描述。
41.本发明实施例提供的预警模型方案是整个房屋安全监测的后台软件服务端。后台软件服务的主要功能包括：
42.(1)数据融合系统模块
43.对部署在房屋不同位置的多个同类或不同类传感器所提供的局部数据资源加以综合，对其进行分析，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，降低其不确实性，获得被测对象的一致性解释与描述，从而提高系统决策、规划、反应的快速性和正确性，使系统获得更充分的信息。
44.(2)房屋结构建模模块
45.老旧建筑中，设计模式相对固定，对于房屋的倒塌风险，通过板梁有限元建模，对典型的几类建筑建构进行模态分析，通过振动、热传导、结构受力等分析，对正常情况下建筑结构的结构变形、结构强度、自振频率等安全性范围进行确认，并结合传感器采集数据作为预警预测的基础数据。
46.(3)关键点测点位置选取模块
47.沉降和倾斜的监测精度与传感器数量密切相关，但随之带来的监测成本也增加，因此针对不同类型的房屋结构，如何选取测量点进行部署是工程实施的关键。本方案中，采用现场勘查与结构建模结合的方式，对基准点，沉降监测点与倾斜角监测点进行选取，基于模型对所选倾角传感器位置的合理性进行仿真确认，通过勘查对基准点、工作基点、沉降监测点布设，基准点在变形影响区域之外稳固可靠的位置，一般3个组成基准网进行相互校核。工作基点可选在比较稳定方便使用的位置，在观测过程中应保持稳定。沉降监测点选在建筑物的地基、基础、场地及上部结构的敏感位置。其它风速及气象传感器和振动传感器一般安置与楼顶。
48.(4)预警模型参数分析及多因素预测模块
49.数据分析模型分为两个子模块：1)灰度理论及趋势相关性分析模型：基于数据的变化趋势，对与倒塌有关的数据相关性进行分析，并对预警参数的阈值进行回归分析，实现基于参数阈值的报警预测；2)基于机器学习的倒塌预测系统，建筑周围建筑物、地面、管线等都可能产生引起沉降，温度变化、强降雨、大风等气象、气候因素均可能引起建筑损伤和倒塌。因此，在机器学习模型中，引入地址、水文数据以及建筑结构工程设计图纸、周围管线等信息，通过机器学习建模，提供机器学习框架和自学习模型，随着实时数据的不断积累提升预测预警的准确性。
50.(5)基于gis的三维交互界面模块
51.构建可视化界面对监测系统的全局、局部进行灵活监测与查看，采用无人机三维激光扫描方式建立建筑结构的3d成像，支持旋转和角度调整，并在成像基础上进行测点标记和数据展示，提升交互效果。
52.如图1所示，本发明实施例的基于物联边缘计算的房屋安全预警系统的网络拓扑图，步骤1：如图所述房屋安全传感器物联设备数据采集：包含：角度传感器、沉降传感器、气象传感器、振动传感器、裂缝传感器等设备，采用边缘计算网关实现物联网终端快速组网及多源传感器数据采集、传输功能。传感器检测采集系统主要实现沉降监测、房屋倾斜角监测、风速和气象环境监测、振动监测以及裂缝监测，实现对房屋的实时数据采集和数字化监控。
53.步骤2：如图所述基于mqtt、coap、tcp、udp、http、l2wm2m等传输协议实现房屋安全传感器设备接入、数据获取、解析和封装。支持将结构化数据发送到mq队列进行数据异步处理与分析。
54.步骤3：如图所述协议规则引擎提供按规则和条件进行数据订阅和数据转发的服务。包括数据流转、场景联动服务；支持按特定规则实现故障报警推送等功能；支持转发数据到授权中心进行统一授权管理；支持边缘端设备管理和配置管理等。部分数据可以持久化保存到边缘本地存储，通过数据同步与管理模块与云端进行通信。提供针对房屋建筑环境、结构及材料在内的六大类建筑体征分析模型。
55.步骤4：如图所述将数据转发到房屋安全边缘算法模型部分进行分析与管理；内置降噪处理、特征提取、事件触发、安全研判等算法及多种自主研发的动、静态房屋建筑体征分析模型部署与管理。数据处理，一般在预测预警中，首先要对于传感网络采集的房屋状态数据进行预处理，每周期变形观测结束后，对获得的观测数据进行清洗，并计算各种变形量。沉降数据清洗通常用平差计算，以基准点为起算点，使用严密平差方法，剔除含有粗差的观测数据，最后根据沉降量，计算出累计沉降量和沉降速率。倾角测量数据通常进行中值滤波的方法剔除异常点，振动测量数据通常采用特征值提取的方法对振动量的大小、一次频、二次频进行计算和阈值判定。
56.结构模型，建筑结构模型目前常用的方式是有限元建模和bim。有限元建模主要用于结构的模态分析和仿真，bim主要用于建筑结构的分层展示和模拟。目前在危房监测中，较少采用bim的方式。
57.步骤5：如图所述云端房屋安全预警系统通过获取边缘计算网关房屋安全相关预警数据。实现云端态势感知、分析决策和联动指挥等应用功能。支持房屋安全算法模型云端管理、算法模型训练、边缘计算网关算法部署等功能。房屋安全预警系统通过对建筑结构数
据、传感器采集数据的综合分析，挖掘房屋倒塌与各种检测数据之间的相关关系，进行预警预测，并通过三维交互进行展示。
58.预警预测，简单的预警方法可以通过趋势判断做出预警预测。1))统计各观测点的沉降、倾斜曲线图，进行曲线拟合。2)利用线性回归等数学方法，对沉降和倾斜等现象进行分析，从众多影响因素(荷载、气象、地质、地下水位等)中找出各种因素随沉降变化的规律和趋势。建筑物风险状态预测方法很多，有线性回归法、灰色理论法等。灰色理论法相对于其他数学模型较为简单，需要的原始数据较少，计算简单，精度可靠，因此目前一般采用灰色理论法进行建筑物风险预测。
59.如图2所示，所述房屋安全边缘计算网关处理数据方法包括如下步骤：
60.s1：采用mqtt、coap、tcp、udp、http、l2wm2m等传输协议实现房屋安全传感器设备接入、数据获取、解析和封装；
61.s2：将结构化数据发送到mq队列进行数据异步处理与分析；
62.s3：通过协议规则引擎提供按规则和条件进行数据订阅和数据转发的服务；
63.s4：对边缘端设备管理和配置管理；
64.s5：转发数据到授权中心进行统一授权管理；
65.s6：将数据转发到房屋安全边缘算法模型部分进行分析与管理。
66.进一步，所述s6中对数据进行分析与管理包括内置降噪处理、特征提取、事件触发、安全研判等算法及多种自主研发的动、静态房屋建筑体征分析模型部署与管理。
67.如图3所述，所述s6中数据处理方法包括如下步骤：
68.s61：首先要对于传感网络采集的房屋状态数据进行预处理，每周期变形观测结束后，对获得的观测数据进行清洗，并计算各种变形量；
69.s62：沉降数据清洗通常用平差计算，以基准点为起算点，使用严密平差方法，剔除含有粗差的观测数据，最后根据沉降量，计算出累计沉降量和沉降速率；
70.s63：倾角测量数据通常进行中值滤波的方法剔除异常点，振动测量数据通常采用特征值提取的方法对振动量的大小、一次频、二次频进行计算和阈值判定。
71.工作原理部分：基于物联边缘计算网关的房屋安全预警系统，综合应用大数据、云计算、人工智能等技术，结合裂缝传感器、倾角传感器，融合多种监测数据源，对房屋建筑安全进行动态监测及管控，及时对异常情况产生预警，为各类建筑的防危解危提供基于“一房一档”和“预警、巡检、处置”闭环联动的信息平台和管理手段。未来应用范围可扩展到建筑边坡、高空避难层、违章建筑、消防管理等。以房屋建筑安全为主要突破口，打造“云－边－端”模式下的房屋建筑安全云边端协同系统，最终形成全网统一管理、灵活部署、高度自动化运维的全网性经营性资源。
72.基于物联边缘计算网关的房屋安全预警系统具备边云应用统一管理和发放等基础能力，并将通过增强智能协同提升ai易用性和房屋建筑安全场景适应性，增强服务协同实现跨边云服务发现和流量转发，以及增强数据协同提升南向服务能力。
73.基于物联边缘计算网关的房屋安全预警系统用于各类房屋体征传感终端进行自适应组网，并实现房屋体征数据的模型计算和信息传输。采用多传感器融合技术，实现物联网终端快速组网及多源传感器数据采集、传输功能；内置降噪处理、特征提取、事件触发、安全研判等算法及多种自主研发的动、静态房屋建筑体征分析模型；产品兼容多种物联网通
信协议，特别适用于各类建筑的长期监测，为房屋建筑安全管理提供全生命周期的信息感知、采集和分析能力。
74.通过边缘算法(环境、模态、沉降、姿态、裂痕、时频分析、能量谱、功率谱、趋势图等)及模型(荷载、环境、材料、结构、部件等)针对感知数据进行分析处理，形成有效数据发送给“云”侧；可有效实现设备管理、数据管理、算法模型管理及(设备与数据)安全防护等。
75.基于物联边缘计算网关的房屋安全预警系统可通过机理模型、数据模型、实验模型等，对传感器感知上报数据进行处理，通过基于“云边端”架构的“全面感知、精准分析、快速决策、专业管理”房屋建筑安全物联网体系，实现建筑安全全生命周期的精益化、智能化管控。
76.房屋建筑振动模型，在台风、地震、冲击等外在动态加载环境下，与静态姿态智能感知系统形成联动，采集分析楼宇三轴振动信号，提供频谱、模态分析及其与静态姿态信息映射关系，研判楼宇主结构损伤程度并形成智慧诊断及预警能力。
77.房屋建筑沉降模型，针对楼体地基长期服役情况下出现整体下沉、斜拉下沉、边角下沉等多种形式沉降进行分布式感知及计算，通过刚体结构物理模型及力学分析算法，实现对整体楼宇安危程度进行智能化诊断及预警。
78.房屋建筑裂缝模型，持续检测楼宇已有裂痕扩散速率及延展深度，预测奖惩裂痕产生时间及影响程度，分析、计算裂痕群对墙体承重及楼宇结构损伤程度。
79.房屋建筑倾斜角度模型，楼宇3d姿态超高精度感知，具备全天候、多工况、宽温度范围补偿功能。融合内置自适应量程处理算法、事件触发模式及边缘智能处理，具备楼宇姿态感知及危险程度智能诊断及预警功能。
80.房屋建筑位移模型，基于超高精度同步授时系统，在大视角、宏观性方面对楼宇体在水平、垂直两个维度上的偏移进行超高精度检测及研判，综合测量精度达到毫米级，为楼宇安全信息提供基础判据。
81.根据多例房屋安全事故的研究分析，总结出房屋倒塌是由多个危险因素共同作用造成的，前期受潜在危险及病害的影响，房屋产生较大变形，在变形累积到一定程度后，由主导因素为主体，多种因素共同作用导致倒塌发生。早年房屋设计和建造没有进行合理的规划，甚至存在材料质量不合格、业主随意拆改承重构件的情况，因此对于所产生的具体的危险因素，需要进行深入分门别类进行量化分析。危险因素主要包括墙体变形裂缝、材料收缩与膨胀、房屋倾斜及地基沉降不均匀等，需根据危险因素确定具体的监测指标并对其进行监控，为房屋安全预警系统的报警等指标提供依据。
82.基于多起案例及数据分析，房屋倒塌原因主要分为以下几个方面，主要包括：
83.(1)倾斜沉降：
84.在房屋鉴定的监控标准中，用于衡量房屋安全等级的倾斜指标是评估房屋危险程度的重要依据。承载力结构的倾斜和变形程度往往直接关联楼房建筑物失稳倒塌的可能性。
85.(2)建筑裂缝：
86.在房屋安全监测过程中关注裂缝的形成及变化规律能够及时发现建筑物潜在的安全隐患，并为相应补救措施的制定提供依据。
87.(3)应力应变：
88.对建筑物各主要构件进行应力和应变的测量与评价，便能够及时有效地掌握房屋内部的受力变化情况，并由此判断未来一段时间内房屋可能出现的结构变化，从而有效预防倒塌等危险事故的发生。
89.(4)动力学特性：
90.从建筑动力学的角度对房屋内部的主体结构建模分析，可通过对物理模型的估计和测算，直观地模拟出在建筑结构内部存在异常或受损的部位。针对其动力特性，结合基频、阻尼、模态等指标的变化规律总结出动力特性的异常变化范围和趋势。通过对动力特性的监测，并经过理论分析后，再将其与标准数据进行对比，便能从中判断出建筑物的主体结构是否发生损伤以及损伤的程度。
91.在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
92.应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体，或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
93.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所做的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

技术特征：
1.一种基于物联边缘计算网关的房屋安全预警系统，其特征在于，所述系统包括房屋安全传感器物联设备、房屋安全边缘计算网关、云端房屋安全预警系统，房屋安全传感器物联设备将采集的数据传入房屋安全边缘计算网关，房屋安全边缘计算网关得到相关预警数据，将数据传入云端房屋安全预警系统进行综合分析。2.如权利要求1所述的基于物联边缘计算网关的房屋安全预警系统，其特征在于，所述房屋安全传感器物联设备包括角度传感器、沉降传感器、气象传感器、振动传感器、裂缝传感器等设备，针对房屋进行沉降监测、房屋倾斜角监测、风速和气象环境监测、振动监测以及裂缝监测，实现对房屋的实时数据采集和数字化监控。3.如权利要求1所述的基于物联边缘计算网关的房屋安全预警系统，其特征在于，所述房屋安全预警系统进一步包括：(1)数据融合模块用于对部署在房屋不同位置的多个同类或不同类传感器所提供的局部数据资源加以综合，对其进行分析，消除多传感器信息之间可能存在的冗余和矛盾；(2)房屋结构建模块用于对正常情况下建筑结构的结构变形、结构强度、自振频率等安全性范围进行确认，并结合传感器采集数据作为预警预测的基础数据。(3)关键点测点位置选取模块用于采用现场勘查与结构建模结合的方式，对基准点，沉降监测点与倾斜角监测点进行选取，基于模型对所选倾角传感器位置的合理性进行仿真确认，通过勘查对基准点、工作基点、沉降监测点布设，基准点在变形影响区域之外稳固可靠的位置，3个组成基准网进行相互校核；工作基点可选在比较稳定方便使用的位置，在观测过程中应保持稳定；沉降监测点选在建筑物的地基、基础、场地及上部结构的敏感位置；其它风速及气象传感器和振动传感器一般安置与楼顶；(4)预警模型参数分析及多因素预测模块用于：1)灰度理论及趋势相关性分析模型：基于数据的变化趋势，对与倒塌有关的数据相关性进行分析，并对预警参数的阈值进行回归分析，实现基于参数阈值的报警预测；2)基于机器学习的倒塌预测系统，建筑周围建筑物、地面、管线等都可能产生引起沉降，温度变化、强降雨、大风等气象、气候因素均可能引起建筑损伤和倒塌。因此，在机器学习模型中，引入地址、水文数据以及建筑结构工程设计图纸、周围管线等信息，通过机器学习建模，提供机器学习框架和自学习模型；(5)基于gis的三维交互界面模块用于构建可视化界面对监测系统的全局、局部进行灵活监测与查看，采用无人机三维激光扫描方式建立建筑结构的3d成像，支持旋转和角度调整，并在成像基础上进行测点标记和数据展示。4.一种如权利要求1～3任意一项所述基于物联边缘计算网关的房屋安全预警系统的房屋安全边缘计算网关处理数据方法，其特征在于，所述房屋安全边缘计算网关处理数据方法包括如下步骤：s1：采用mqtt、coap、tcp、udp、http、l2wm2m等传输协议实现房屋安全传感器设备接入、数据获取、解析和封装；
s2：将结构化数据发送到mq队列进行数据异步处理与分析；s3：通过协议规则引擎提供按规则和条件进行数据订阅和数据转发的服务；s4：对边缘端设备管理和配置管理；s5：转发数据到授权中心进行统一授权管理；s6：将数据转发到房屋安全边缘算法模型部分进行分析与管理。5.如权利要求4所述的房屋安全边缘计算网关处理数据方法，其特征在于，所述s6中对数据进行分析与管理包括内置降噪处理、特征提取、事件触发、安全研判等算法及多种自主研发的动、静态房屋建筑体征分析模型部署与管理。6.如权利要求4所述的房屋安全边缘计算网关处理数据方法，其特征在于，所述s6中数据处理方法包括如下步骤：s61：首先要对于传感网络采集的房屋状态数据进行预处理，每周期变形观测结束后，对获得的观测数据进行清洗，并计算各种变形量；s62：沉降数据清洗通常用平差计算，以基准点为起算点，使用严密平差方法，剔除含有粗差的观测数据，最后根据沉降量，计算出累计沉降量和沉降速率；s63：倾角测量数据通常进行中值滤波的方法剔除异常点，振动测量数据通常采用特征值提取的方法对振动量的大小、一次频、二次频进行计算和阈值判定。7.如权利要求1所述的房屋安全边缘计算网关处理数据方法，其特征在于，所述云端房屋安全预警系统通过获取边缘计算网关房屋安全相关预警数据，实现云端态势感知、分析决策和联动指挥等应用功能，支持房屋安全算法模型云端管理、算法模型训练、边缘计算网关算法部署等功能，房屋安全预警系统通过对建筑结构数据、传感器采集数据的综合分析，挖掘房屋倒塌与各种检测数据之间的相关关系，进行预警预测，并通过三维交互进行展示。8.一种实现权利要求1～3任意一项所述基于物联边缘计算网关的房屋安全预警系统功能的信息数据处理终端。9.一种实现权利要求1～3任意一项所述基于物联边缘计算网关的房屋安全预警系统功能的移动设备。10.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1～3任意一项所述基于物联边缘计算网关的房屋安全预警的系统的功能。

技术总结
本发明属于房屋安全预警技术领域，公开了一种基于物联边缘计算网关的房屋安全预警系统、方法及终端，系统包括房屋安全传感器物联设备、房屋安全边缘计算网关、云端房屋安全预警系统，房屋安全传感器物联设备将采集的数据传入房屋安全边缘计算网关，房屋安全边缘计算网关得到相关预警数据，将数据传入云端房屋安全预警系统进行综合分析；综合应用大数据、云计算、人工智能等技术，结合裂缝传感器、倾角传感器，融合多种监测数据源，对房屋建筑安全进行动态监测及管控，及时对异常情况产生预警，为各类建筑的防危解危提供基于一房一档和预警、巡检、处置闭环联动的信息平台和管理手段。处置闭环联动的信息平台和管理手段。处置闭环联动的信息平台和管理手段。


技术研发人员：吴志雄 蔡新
受保护的技术使用者：南威软件股份有限公司
技术研发日：2022.09.07
技术公布日：2023/6/27