融合BIM技术和物联网的消防安全数据管理方法

近年随着国家智慧城市理念的诞生，建筑运维管理阶段的安全性和科学性也越来越受各方重视。建筑的消防安全管理就是其中一项重要内容。但是，目前我国消防形势依然严峻，尤其是不断复杂的建筑布局和不断突破的建筑高度，促使建筑中一旦发生火灾，就会造成严重的人员伤亡和经济损失。目前的消防管理系统存在以下不足：（1）普遍应用的二维平面消防管理模式不能实现有效的空间管理、设备管理和人员管理；（2）在这种模式下，一旦发生火灾对及时确定和处理起火点位置和周围环境极为困难；（3）消防监测系统数据反馈不及时、不精确，也不具备直观性；（4）仅依赖视频监控系统对室内情况进行查看，会在一定程度上消耗人力资源。

由于现今普遍使用的消防安全管理方法不能满足信息时代建筑功能的使用要求，需结合先进的信息技术手段进行调整完善，解决大型公共建筑火灾管控困难的问题。但是，目前将BIM的三维可视化功能、传感监测还有视频监控相融合进行消防数据管理的研究还很少。针对这一研究现状，本文提出一种融合BIM、传感监测和视频监控的消防安全管理方法。该法以互联网与物联网的结合为核心，可通过耦合BIM三维信息化模型、传感器监测和视频监控系统，实时监管建筑内部的物理信息和动态图像信息，实现消防信息的三维可视、实时监测的目标。

1　融合BIM与物联网的消防安全监测管理系统框架

BIM 技术、传感监测以及视频监控分别具有以下特点见表1。

表1　3种技术对比分析

基于这3种技术手段自身的优势和局限性，本文将三者交互融合，弱化缺陷，在最大程度上发挥各自优势。提出一种新型消防安全数据管理办法。

该管理系统分为4个层级（图1），分别为采集层、数据层、应用层和反馈层。

图1　模型管理应用系统架构

采集层负责采集与火灾有关的参数信息、建筑信息及视频信息，并将其传递给数据层；数据层负责储存各种数据；应用层利用数据层中的数据实现可视化消防数据监测、火灾定位及报警、三维漫游与视频监测等功能；最后通过反馈层的Web端和移动端将以上内容传递给消防管理人员，以便其做出及时、有序的应急反应。整个系统的核心在于将BIM模型、LoRa窄带广域物联网和视频监控相结合，进行优势互补。

1.1　采集层

采集层主要采集建筑布局、室内火灾参数（包括温度、湿度、烟雾浓度及一氧化碳浓度）和室内实时视频信息。先通过建立BIM模型，以三维模型的形式储存建筑布局信息，然后将BIM模型进行轻量化处理，便于将其搭载在互联网网页端进行展示。利用传感器对数据的变化进行实时采集，以实时监测消防参数。再加上视频监控对现场情况的实时反映，实现采集层对三方信息的采集，形成多元化的消防信息采集体系。

1.2　数据层

数据层包含平台的大部分数据，如模型数据、传感数据和视频数据等。这些数据经采集整合后以更全面直观的方式上传不同类型、不同维度的火灾信息并存储到云服务平台，通过应用层与用户交互。

1.3　应用层

在应用层，消防管理人员可在BIM模型中找到传感器的所在位置，查看实时监测到的消防数据。火灾发生时可根据异常的数据找到对应的传感器，进而通过BIM漫游功能查看其周围的三维布局场景。

另外，结合视频监测管理人员还可了解对应区域的现场情况，实现了三维数据漫游与视频监控的有效结合。

1.4　反馈层

消防管理人员在反馈层通过电脑、智能手机和其他智能移动设备浏览网页端信息，从而实现对现场消防信息的监测，结合专业知识和经验解决现场消防安全问题，提升了消防管理人员对建筑消防安全的管理水平和处理效率。

2　BIM模型在消防管理系统中的应用

目前BIM技术已被广泛用于城市建设中，越来越多的建筑物拥有与实际建筑一致的三维数字化模型。BIM模型可实现对空间信息的三维化描绘，也能实现对防火卷帘门位置、疏散指示灯分布、消防栓、传感器等消防设施的三维动态展示。本研究对目标建筑建立BIM模型，将传感器模型建立在建筑BIM模型中，以保证传感器模型在BIM模型中的位置与传感器在实际建筑物中的位置一致，然后再对整个模型进行轻量化处理，通过WebGL技术将BIM模型搭载在网页端，实现在网页端的三维布局漫游浏览，解决了传统模式体量较大、搭建网页端浏览难度大的问题。

3　消防数据监测物联网的搭建

本文利用低功耗广域物联网实现对消防数据的监测。低功耗广域物联网简称LPWAN（Low Power Wide Area Network），是一种比传统物联网功耗更低、传输范围更广的物联网形式。本研究采用的LoRa（Long Range Radio）技术本质上是一种扩频调制技术。扩频调制技术在军事和航空领域的应用已相对成熟，其中LoRa技术是便利人类生产活动的低成本无线通讯方案。LoRa技术具有功耗低、穿透力强、电池寿命长的特点，即使面对远距离、大容量的传输也能保持稳定，其电池续航理论约10年/AA电池，传输距离城市1~2 km，郊区可达15 km，穿透能力强，网关容纳节点数数以千计，工作频段为433, 470, 868, 915（MHz）等免费频段，芯片成本较低，可满足室内布置多个传感器的监测要求。

在LoRa技术的支持下搭建的消防安全监测网络结构是以LoRa为核心的星型架构（图2）。架构的底端是由LoRa芯片和传感器集成的采集终端。只要传感器监测到室内的温湿度或烟雾浓度发生变化，就会将数据反馈给LoRa芯片。这些主动式传输芯片在接受到信息后通过LoRa协议将数据传输到网关，再由网关将数据转化为4G网络上传到互联网中，在网页端实现数据查看。

本研究利用LoRa技术开发了室内消防数据采集终端，该终端将温湿度传感器、烟雾传感器分别与LoRa模块集成，结构如图3所示，实现对室内消防数据信息的采集和无线传输。

图2　基于LoRa的消防信息监测网络架构

图3　传感终端与其结构示意

4　BIM与物联网信息融合方法

为实现建筑消防功能的需求，融合物联网、互联网和BIM技术等，提出融合BIM、传感监测和视频监控的消防安全数据管理方法。

该方法需通过3种方式采集数据：（1）利用传感器采集的消防参数，包括温度、湿度、烟雾浓度、一氧化碳气体浓度等，该部分主要采取无线传输的形式实现；（2）利用视频监控设备采集到建筑物内的实时视频，该部分主要采取有限传输的形式实现；（3）建立建筑物的BIM模型，同时也建立传感器和视频监控设备的对应模型，使其在BIM模型中的位置与实际位置相一致，并为其定义单独的编码标明具体位置，使模型中的传感器和视频监控设备与对应设备采集到的各类信息相关联，即可实现信息与空间测点的对应。

对整个模型进行轻量化处理及模型渲染后加载在网页平台上，通过编码关联，即可实现物联网采集的消防信息与对应设备模型的互相调取。基于这种结合方式，传感器和视频监控的实时监测特点弥补了BIM模型难以及时更新数据的不足，BIM模型也将消防参数和视频统一集成在三维的模型当中，实现了数据、视频与三维布局的融合。功能实现的流程如图4所示。

图4　系统搭建流程

5　开发及实现方案

5.1　BIM模型的应用网络架构和漫游实现

建筑BIM三维数字模型建立过程如图5所示。

图5  BIM模型建立框架与应用流程

具体流程如下。

（1）对建筑进行信息采集，参照建筑设计图纸在Revit2016软件中建立相应BIM模型；

（2）根据实际建筑外观及其内部装饰装修（尤其是消防设备和传感器芯片位置）完善初步建立的BIM模型，使其与实际建筑保持一致；

（3）通过Web GL（Web Graphics Library）技术（一种借助系统显卡实现轻量化处理，实现在网页端流畅展示3D模型目标的技术）将完善后的BIM模型搭载在网页端，实现可视化展现及信息查询功能。

5.2　物联网信息监测模块的传感部署方案

物联网信息监测模块是以LoRa为核心的星形网络架构通过传感器采集建筑内部的消防信息数据，再将这些数据通过LoRa协议传输到LoRa网关，网关将数据转化为4G数据后上传到平台端实现数据的实时更新与反馈。

本应用方案需利用LoRa技术开发一套室内消防数据采集终端，将其安装在建筑内部的建模对应监测点上，从而实现数据的监控与传输。将传感器与视频监控及BIM模型相耦合，即可通过调取网页端模型实时监控建筑物内各个空间的消防信息，同时进行观察记录。

传感器的安装以房间为单位逐层展开，最终实现对整个建筑室内消防安全信息（CO浓度、温度、湿度等）的监测。若监测所得的数据值超过预先设定的危险阈值，网页终端监控系统将发出报警（各参数的危险阈值设定依据人体对各消防参数值的生理反应而定）。

5.3　BIM与IoT联动监测管理框架的工作流程

在平台运行过程中，需对传感数据进行收集和分析并将其反映在网页端。消防管理人员通过使用移动智能设备访问网页，实现对建筑物的消防管理。整个工作流程具有部署方式灵活，三维化呈现清晰及不受地域限制的特点。具体流程如图6所示。

图6　平台工作流程

本应用使消防监测数据模型与视频监控相结合，在一个界面中同时实现了室内消防数据、视频监控画面和建筑三维布局的一体化查看，展示效果直观，如图7所示。

图7　消防数据监测和视频监测的融合展示效果（计算机截图）

6　结束语

本文的关键在于BIM精确模型的建立，以及其与传感器和视频监控系统的融合，三者的融合使系统具有如下优越性。

（1）系统中的传感监测具有很强的灵敏性、能容纳较大体量的数据，且便于数据的自动化处理，可以有效地节省人力资源。

（2）系统模型具有轻量化的特点，便于查看。整个监测管理系统可搭载在Web端进行各项操作，具有良好的应用潜力。

（3）系统可及时收集各项数据。传感器采集的消防数据信息（温度、湿度、烟雾浓度、CO气体浓度等）和视频监控所得的图像信息均可通过BIM模型实时直观地展现在使用者面前。为消防研究领域提供了一种多方位、场景化的监测思路。