本发明涉及消防救援队伍的应急救援，尤其涉及一种消防救援预测模型的建立方法、消防救援方法及相关装置。
背景技术：
1、在灭火救援行动中，最大程度地保障消防员在执行任务时的安全，减少消防员的伤亡是关键任务之一。值得注意的是，在导致消防员伤亡的直接原因中，轰燃爆炸、迷途被困以及中毒窒息所占的比例相对较高，而发生消防员伤亡的场景主要集中在城市高层、超高层建筑、地下空间以及大型综合体等场所。由于此类场所中的建筑结构通常比较复杂，特别是火灾发生时常伴有浓烟、昏暗等情况，更容易发生由于迷途被困导致的人员伤亡事故发生。如何实现复杂建筑环境内部消防单兵遇险救援、搜救与导航长期以来一直是国内外公共安全领域的重要研究热点。
2、当前现有的应急救援方法主要包含以下几种方式：
3、1)消防员安全导向绳，一般由不锈钢丝绳芯和防火阻燃织料构成，阻燃织料外涂发光材料，经可见光蓄光后能在黑暗中(无需电源)自动发光，具有救灾导向、牵引、救援等多重功能。导向绳主要用于救援人员进入浓烟或能见度较低以及地形、建筑结构复杂的危险区域时，掌握进攻、撤出方向或与外部保持联系，包括班组用导向绳和个人用导向绳。班组用导向绳一般为60米，个人用导向绳一般为6米。
4、导向绳的弊端在于当救援环境空间跨度较大时，导向绳难以达到安全导向的目标。
5、2)消防员呼救器，是指救援过程中消防员遇险可以发出声、光报警信号的单兵装备。目前消防员呼救器执行国家标准gb 27900-2011，具有预报警、自动报警、手动报警以及通信等多种功能。消防员呼救器能够自动判断消防单兵的运动状态，如单兵处于静止状态超过30s，将发出声、光报警信号，警示周围单兵进行救援，此类装备在消防救援队伍应用较广。
6、然而，具有通信功能的消防员呼救器，通信距离为视距不少于800m，这在复杂建筑空间内部传输距离会更短，因此在复杂建筑内部存在较多盲区，有较大可能会出现单兵已经遇险，但是周围单兵或者现场指挥部无法接收到有效的报警信号的情况。
7、3)消防员室内定位系统，是指基于无线射频、惯性导航、图像识别等多种技术实现室内空间消防单兵位置获取的信息化系统。当前用于室内定位的技术主要包含红外线、超声波、地磁定位、惯性导航、无线射频识别(rfid)、蓝牙(bluetooth)、wi-fi、超宽带(uwb)、图像识别等。衡量消防员室内定位系统优劣主要有精度和准度两方面的技术指标，精度代表测量点测量位置与真实位置之间的差值(水平与高度)，准度代表测量点的测量位置是否在精度容差之内，通常是以百分比表示。
8、消防员室内定位系统作为一个软硬结合的信息化系统，大多数需要在建构筑物内部进行预布预设基础定位设施，目前的造价较为昂贵，同时由于火灾事故本身就是一个偶发性事故，因此大范围的应用存在的困难较大。并且准度作为当前行业内较为关心的技术指标，具体达到多少能够满足实际应用，在消防救援队伍中这方面的应用研究较少。
9、4)红外成像、雷达等生命体征探测设备，此类设备通常是应用特殊频段的电磁波对目标区域进行照射，利用生物体的体征特征，通过反射的电磁波进行目标的测定。此类设备适用于在坍塌的建筑或者废墟中进行生命体的搜寻。
10、5)基于点对点射频衰减的消防员搜救与导航，原理是应用点对点无线射频通信过程中，射频能量衰减与距离成正比的关系，在被搜救目标静止的前提下，搜救人员可以根据接收信号的强度变化，调整行进的方向，直至搜寻到被搜救目标。但此类设备有2个使用的弊端，其一要求两个点对点的设备必须存在通信链路，一旦超出两点的通信距离，信号指示将没有任何意义；其二，高度一般都是应用压力传感器进行获取，换算成大概的楼层，但压力传感器在温度变化较大的场景中，误差较大，容易造成误导。
11、进一步，结合当前消防救援队伍实战应用来看，应用消防员安全导向绳、消防员呼救器的实战应用较多，但此类设备在城市中高层超高层、地下空间、综合体等复杂建筑场所应用时，由于场所面积较大、空间结构复杂等多种原因，设备的适应性有待提升；消防员室内定位系统实战应用较少；红外成像、雷达等生命体征探测设备的应用场景主要聚焦在建筑物坍塌、地震等救援场景；基于点对点射频衰减的消防员搜救与导航是近年来应用于消防救援的新兴技术，搜救与导航功能搭载在消防单兵用的手持通信设备中，在实现基础通信保障功能的同时，为消防单兵提供了一种新型的艘救与导航手段。
12、从技术上分析，在复杂建筑场景中，消防单兵搜救与导航和应急通信保障的关系通常是相辅相成，搜救与导航的信息数据需要通过通信网络外传至现场指挥部，指挥员也会通过通信网络布置救援方案，并实时与所有救援单兵进行双向音视频通信，及时了解救援进展修订救援方案。特别是近年来在消防应急通信保障领域，各类制式频段mesh通信设备的出现，为消防救援队伍提供了一种新型的应急组网思路和装备，多数消防救援站都配备了各种类型的mesh装备，例如：小型化点式、背负式、车载式等mesh装备，在实战中得到应用与检验，与其他应急通信装备结合，实现救援场景的无线网络全覆盖，对于提升消防救援队伍的应急通信保障能力发挥了重要作用。
13、基于以上分析可以得知，基于点对点射频衰减的消防员搜救与导航的新兴技术存在信号盲区无法判断相对距离、环境温度影响高程计算精度等问题，这些问题亟需解决。
技术实现思路
1、本发明提供一种消防救援预测模型的建立方法、消防救援方法及相关装置，用于解决当前基于点对点射频衰减的消防员搜救与导航技术存在的信号盲区无法判断相对距离、环境温度影响高程计算精度等问题。技术方案如下：
2、第一方面，本发明的实施例提供一种消防救援预测模型的建立方法，包括：
3、建立基于图神经网络的消防救援预测模型，并定义所述消防救援预测模型的输入与输出；所述消防救援预测模型以图神经网络为基础理论，以建构筑物内的mesh设备和携带手持通信终端的消防单兵为图神经网络中的点，以不同节点间的距离为图神经网络中的边，所述消防救援预测模型表示为g＝(n，r，a)，g表示构建的图结构，n表示图中的节点，r表示不同节点间边的集合，a表示邻接矩阵；所述消防救援预测模型的输入为所述消防救援预测模型的输出为y(t)＝[soldierm，…，…，…，soldiern]，所述x(t)表示t时刻的模型的输入，表示t时刻消防单兵i与消防单兵j之间的rsrp，表示t时刻消防单兵i与mesh设备m之间的rsrp，表示t时刻mesh设备m与mesh设备n之间的rsrp，y(t)表示t时刻的模型的输出，soldierm、soldiern表示消防单兵m与消防单兵n之间的距离关系；
4、在所述图结构g以及给定时间步长s的情况下，定义消防单兵的位置预测方法为x(t)：(t+t)＝f[x(t-s)：t，g]，其中f表示深度学习的映射函数，t表示预测的时间步长，x表示模型的输入；
5、利用所述消防单兵的位置预测方法获得多组预测数值；
6、基于获得的所述多组预测数值和所述多组预测数值对应的真实数值，将l损失函数作为训练目标，对所建立的所述消防救援预测模型进行训练。
7、可选地，基于获得的所述多组预测数值和所述多组预测数值对应的真实数值，将l损失函数作为训练目标，对所建立的所述消防救援预测模型进行训练，包括：
8、利用如下公式实现对所建立的所述消防救援预测模型进行训练：
9、
10、其中，wθ表示所述消防救援预测模型的网络参数，p；,i表示第i个时间步的真实数值，q:,i表示第i个时间步的预测数值，τ表示损失函数的参数。
11、可选地，所述基于图神经网络的消防救援预测模型为应用长短期记忆单元构建预测模型的网络架构；
12、所述基于图神经网络的消防救援预测模型的实现方法，包括：
13、
14、其中，表示第m个时间步的长短期记忆网络模型的输入，wf、wi、wo、wc、wy表示训练的权重，bf、bi、bo、bc、by表示训练的偏置参数，hm-1表示m-1个时间步的隐藏层状态，om表示第m个时间步输出门输出的信息，表示第m个时间步输入的单元状态，im表示第m个时间步的输入门，fm表示第m个时间步的遗忘门，cm表示遗忘门中需保留的重要信息，表示第m个时间步的预测结果，δ表示sigmoid函数，hm表示第m个时间步的隐藏状态，cm-1表示第m-1个时间步的单元状态，uf表示遗忘门的参数，ui表示输入门的参数，uo表示输出门的参数，uc表示内部记忆单元的参数。
15、可选地，所述基于图神经网络的消防救援预测模型中，邻接矩阵的建立方法包括：
16、初始化所述消防救援预测模型中的所有节点，利用节点嵌入向量，分析各节点间的相互关系，表示为：
17、
18、其中，ea表示节点嵌入，d表示节点矩阵，a表示邻接矩阵，表示归一化后的邻接矩阵，relu表示线性整流单元，softmax表示归一化操作；
19、所述基于图神经网络的消防救援预测模型中，节点的计算方法包括：
20、
21、其中，eg表示节点嵌入矩阵，wg代表权重，b代表偏差，x表示模型的输入，z表示输出，in表示单位矩阵，n表示节点数。
22、第二方面，本发明的实施例提供一种消防救援方法，消防单兵携带手持通信终端，临近的不同手持通信终端之间、手持通信终端与其临近的mesh设备之间、以及临近的不同mesh设备之间通信连接，所述消防救援方法包括：
23、实时获取手持通信终端i与手持通信终端j之间的(t)、手持通信终端i与mesh设备m之间的以及mesh设备m与mesh设备n之间的
24、将同一时刻t内获取到的所有rsrp作为一组数据输入至消防救援预测模型，所述消防救援预测模型为采用第一方面所述的消防救援预测模型的建立方法得到的模型；
25、根据所述消防救援预测模型的输出y(t)＝[soldierm，…，…，…，soldiern]，确定各消防单兵之间的物理远近关系，其中soldierm、soldiern表示消防单兵m与消防单兵n之间的距离关系。
26、第三方面，本发明的实施例提供一种消防救援预测模型的建立装置，包括：
27、第一处理模块，用于建立基于图神经网络的消防救援预测模型，并定义所述消防救援预测模型的输入与输出；所述消防救援预测模型以图神经网络为基础理论，以建构筑物内的mesh设备和携带手持通信终端的消防单兵为图神经网络中的点，以不同节点间的距离为图神经网络中的边，所述消防救援预测模型表示为g＝(n，r，a)，g表示构建的图结构，n表示图中的节点，r表示不同节点间边的集合，a表示邻接矩阵；所述消防救援预测模型的输入为所述消防救援预测模型的输出为y(t)＝[soldierm，…，…，…，soldiern]，所述x(t)表示t时刻的模型的输入，表示t时刻消防单兵i与消防单兵j之间的rsrp，表示t时刻消防单兵i与mesh设备m之间的rsrp，表示t时刻mesh设备m与mesh设备n之间的rsrp，y(t)表示t时刻的模型的输出，soldierm、soldiern表示消防单兵m与消防单兵n之间的距离关系；
28、第二处理模块，用于在所述图结构g以及给定时间步长s的情况下，定义消防单兵的位置预测方法为x(t)：(t+t)＝f[x(t-s)：t，g]，其中f表示深度学习的映射函数，t表示预测的时间步长，x表示模型的输入；
29、预测数值获取模块，用于利用所述消防单兵的位置预测方法获得多组预测数值；
30、模型训练模块，用于基于获得的所述多组预测数值和所述多组预测数值对应的真实数值，将l损失函数作为训练目标，对所建立的所述消防救援预测模型进行训练。
31、可选地，所述训练模块具体用于：
32、利用如下公式实现对所建立的所述消防救援预测模型进行训练：
33、
34、其中，wθ表示所述消防救援预测模型的网络参数，p；,i表示第i个时间步的真实数值，q:,i表示第i个时间步的预测数值，τ表示损失函数的参数。
35、第四方面，本发明的实施例提供一种消防救援装置，消防单兵携带手持通信终端，临近的不同手持通信终端之间、手持通信终端与其临近的mesh设备之间、以及临近的不同mesh设备之间通信连接，所述消防救援装置包括：
36、rsrp获取模块，用于实时获取手持通信终端i与手持通信终端j之间的手持通信终端i与mesh设备m之间的以及mesh设备m与mesh设备n之间的
37、模型预测模块，用于将同一时刻t内获取到的所有rsrp作为一组数据输入至消防救援预测模型，所述消防救援预测模型为采用权利要求1-4任一项所述的消防救援预测模型的建立方法得到的模型；
38、物理远近关系确定模块，用于根据所述消防救援预测模型的输出y(t)＝[soldierm，…，…，…，soldiern]，确定各消防单兵之间的物理远近关系，其中soldierm、soldiern表示消防单兵m与消防单兵n之间的距离关系。
39、第五方面，本发明的实施例提供一种电子设备，包括：收发机、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如第一方面所述消防救援预测模型的建立方法的步骤，或，实现如第二方面所述消防救援方法的步骤。
40、第六方面，本发明的实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述消防救援预测模型的建立方法的步骤，或，实现如第二方面所述消防救援方法的步骤。
41、本发明的上述技术方案的有益效果是：
42、本发明实施例建立基于图神经网络的消防救援预测模型，并定义消防救援预测模型的输入与输出，进一步在图结构g以及给定时间步长s的情况下，定义消防单兵的位置预测方法为x(t)：(t+t)＝f[x(t-s)：t，g]；利用所述消防单兵的位置预测方法获得多组预测数值；最后基于获得的多组预测数值和多组预测数值对应的真实数值，将l损失函数作为训练目标，对所建立的消防救援预测模型进行训练。本发明将图神经网络引入到消防单兵搜救与导航应用领域，将现场指挥战斗网的拓扑结构、网络节点rsrp作为参考因素，能够基于消防救援队伍应用的通信终端以及通信设施，应用深度学习分析建筑结构、射频rsrp和网络拓扑之间的变化、约束关系，推测消防单兵潜在位置，从而实现现场消防单兵的搜救与撤离预测，减少了传统救援过程中依托单兵点对点人为判断的误差，不存在信号盲区无法判断相对距离、环境温度影响高程计算精度等问题。
1.一种消防救援预测模型的建立方法，其特征在于，包括：
2.根据权利要求1所述的消防救援预测模型的建立方法，其特征在于，基于获得的所述多组预测数值和所述多组预测数值对应的真实数值，将l损失函数作为训练目标，对所建立的所述消防救援预测模型进行训练，包括：
3.根据权利要求1所述的消防救援预测模型的建立方法，其特征在于，所述基于图神经网络的消防救援预测模型为应用长短期记忆单元构建预测模型的网络架构；
4.根据权利要求1所述的消防救援预测模型的建立方法，其特征在于，所述基于图神经网络的消防救援预测模型中，邻接矩阵的建立方法包括：
5.一种消防救援方法，其特征在于，消防单兵携带手持通信终端，临近的不同手持通信终端之间、手持通信终端与其临近的mesh设备之间、以及临近的不同mesh设备之间通信连接，所述消防救援方法包括：
6.一种消防救援预测模型的建立装置，其特征在于，包括：
7.根据权利要求6所述的消防救援预测模型的建立装置，其特征在于，所述训练模块具体用于：
8.一种消防救援装置，其特征在于，消防单兵携带手持通信终端，临近的不同手持通信终端之间、手持通信终端与其临近的mesh设备之间、以及临近的不同mesh设备之间通信连接，所述消防救援装置包括：
9.一种电子设备，包括：收发机、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述消防救援预测模型的建立方法的步骤，或，实现如权利要求5所述消防救援方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至4中任一项所述消防救援预测模型的建立方法的步骤，或，实现如权利要求5所述消防救援方法的步骤。
