大数据背景下消防实时监控之城市地铁客流量分析
来源:用户上传
作者:周玉光，樊继慧，吴果桁，李清梅
摘要：该文借助Python语言以及它的强大的第三方库如Numpy、Pandas等技术如何处理我国不同的主要城市地铁客流量数据，依靠Echarts这个第三方图形库，将经过统计、采集、清洗及分析出来的地铁数据以大屏可视化的直观方式向用户呈现出来，这样可以有效地对基于该地铁客流量数据的各项实际功能应用需求进行深入探讨。通过实时分析全国不同重点城市地铁的实际客流量数据，用丰富多样化直观的图表或图形来集中展示出全国各城市间的城市地铁客流量信息，可以直接让有需求的用户快速直观清晰地查看在不同的重点城市或国内不同地铁线路的真实客流情况。为消防领域实时监控灾情，人流统筹安排提供出了一套高效、精准、便捷应用的科学方法，能够快速更好地满足大数据时代客户的服务需求。利用物联网、大数据、人工智能等技术让消防变得自动化、智能化、系统化、精细化，对场所警力资源、重点部位、告警事件等消防要素进行可视化监测，有利于辅助用户准确有力掌控微观消防态势。
关键词：Python；消防；实时监控；地铁客流量
中图分类号：TP311 文献标识码：A
文章编号：1009-3044（2022）32-0058-03
1 研究背景
火灾是危害地铁运营安全的重要因素之一，地下空间中发生火灾造成的危险性远比在地面建筑物中发生火灾更高。近年来，火灾也是轨道交通中发生频率较高、造成损失较大的事故之一。地铁安全运营涉及众多的设备，各种设备故障，都可能导致地铁火灾，例如1995年阿塞拜疆首都巴库地铁由于电路故障发生严重火灾。行车事故主要包括列车冲突，事故可能会导致列车设备起火，从而导致火灾。2005年泰国曼谷地铁国家文化中心站发生列车相撞事故，并引发火灾，造成200多人受伤。
事故发生后，地铁比地面建筑的安全出口和疏散通道少，一些地铁车站疏散系统不完善、列车紧急安全出口有限等问题制约着人员疏散。如果预案不完善，很容易产生踩踏事件，后果不堪设想。地铁发生火灾时产生的烟、热不易排除，积聚的热量会使地铁系统内的空气温度迅速升高，较早地出现全面燃烧（Z燃）现象。室内温度会从400℃猛升到800～900℃，烟气中的一氧化碳浓度迅速增高，人们要脱离危险区域，人员的疏散非常困难。所以需要精确的地铁站人流量控制。利用物联网、大数据、人工智能等技术让消防变得自动化、智能化、系统化、精细化，对场所警力资源、重点部位、告警事件等消防要素进行可视化监测，有利于辅助用户准确有力掌控微观消防态势。
山东省以实现灾情信息及时准确传递为目标，加强灾害信息员队伍建设工作，在灾情管理工作的规范化和精细化方面取得成效[1]。及时快速、客观准确的灾情信息，是消防部门、政府掌握灾情形势，积极、有效应对灾情的前提。辽宁省地震应急值守和灾情收集系统能够解决“值班信息上报速度慢”“人工上报信息错误率高”等一系列问题[2]。
2 技术分析
借助Python语言以及它的强大的第三方库如Numpy、Pandas等技术如何处理我国不同的主要城市地铁客流量数据;依靠Echarts这个第三方图形库，将经过统计、采集、清洗及分析出来的地铁数据以大屏可视化的直观方式向用户呈现出来。利用数据爬虫技术爬取相关的有效信息，并通过信息技术对数据处理分析，主要分成以下数据：
（1）爬取数据：通过urllib模块对网络数据发起请求，然后利用json模块对数据进行解析然后存入到文本中。
（2）处理和清洗数据：这里主要利用pandas对数据进行预处理，主要是包括对特殊字符的过滤以及关键信息的提取。
（3）数据可视化系统：这里主要是利用flask对相关的数据进行提取展示给前台，前端的模板通过后台的数据渲染与echarts图表技术相结合，展示数据。
PyCharm也同时增加了一系列其他的高级功能，用户还将会支持在Django架构下的运行环境中实现专业Web设计。Python的开发是交互式的，在实际的开发过程中具有很好的交互式体验。当Python程序设计语句同时也是面向对象语言时，就可以很好地采用面向对象的设计风格或将代码包装到面向对象的编程技术里。获取信息的方式有多种：一种是通过人工巡检、抽样等的方式来进行信息收集、分析和利用，这种方式不仅可整合数据；另一种是根据大数据技术进行信息整合，通过现代通信技术，进而获取大数据实时路况、人口热力、视频监控等海量数据资源，进行信息数据的有效整合，为消防管理决策等提供更加全面、系统的资源，促进消防数字化建设。以纯文字表述信息获取的体验并不好，如果是以图表的形式，我们不仅能快速了解每天的报警数量，而且还能看到报警数量的变化趋势。在大数据环境下，只有推动消防信息化建设才能进一步提高消防工作效率[3]。
3系统实现
本系统的核心任务是对相应的地铁数据进行监控，然后对监控到的数据进行分析，将分析的结果展示到前面的可视化大屏上。这个项目的建设过程中在这个项目建设的过程中，主要分成以下三个部分：一是数据的爬取，二是数据的清洗和提取，三是数据的系统大屏展示。
这里在相关地铁的客流量数据爬取过程中需要保证数据的真实性和实时性。我们对于相关地铁的客流量数据的分析主要是针对客流总量的分析，主要是研究数据关于时间序列的相关变化、各线路的客流量占比情况以及不同城市的客流总量的对比等。所以在爬取我们在微博官方号里面的数据后，需要对其中的相关的文本数据进行数据的清洗。这里的数据清洗主要包括微博文本数据的清洗和提取，提取出来具有一定特征的数据，再进行存储，提供给大屏数据展示系统对数据进行展示。通过这样的整个流程，完成了数据的获取、清洗和展示，这是一个完整的数据分析流程。
基于Python的城市地铁交通客流量分析系统设计的过程中，我们主要使用的是PyCharm这个开发工具软件和Python编程语言。项目在开发的过程中主要分为数据的爬取数据的清洗和数据的大屏可视化这几个部分，项目的开发主要以Python编程语言为主。
nlc202301131400
在进行爬取数据的过程中，主要运用到的是urllib网络数据请求库、json网络数据解析库这两个库，通过这两个库可以对特定的网页链接进行数据请求，并对得到的数据进行相应的解析，然后存储到临时文件中，以便后续的数据清理。数据清理的过程中，会处理掉异常的数据并提取相关所需要的数据进行存储，这里我们主要使用的是pandas库。flask 网站框架、html网页技术以及echarts数据可视化表格技术，这三项技术模块都是运用在数据大屏可视化的过程中。通过flask将后端的数据传递给前端的html网页进行设计与渲染，在前端的数据再通过echarts图表进行最后的可视化展示。
大屏数据可视化的前端部分主要是一个html文件与jinia2的模板功能相配合使用。它主要分成两部分。其中，第一个部分是网页布局，主要包括了大屏可视化过程中的各个图表的位置排版。
数据大屏可视化是本系统的重要组成部分，也是本系统的终极展示。根据项目的技术组成我们把数据大屏可视化分成两个部分，一个是前端HTML模板，另一个是后端Flask服务器。Flask服务器主要的功能是根据前端的网页链接请求来向前台传递渲染的网页。当服务器端收到前端的网页链接请求时，根据请求做出如下反应：从文件data.csv里面获取不同城市的地铁客流量数据，获取城市数据。
网页运行服务器运行在后台，这里需要把数据进行再分析，然后进行前端的展示，这里点击相关的本地的网址，查看大屏幕可视化结果。
可以对所监控的场景进行不间断分析，对异常事件进行监测、报警和录像。有效捕捉根据客流量设置合理的消防应对措施和人员疏散措施，降低误报和漏报现象。通过可视化平台实时提示，大大缩减查找时间。
消防专用系统通过与各个部门的相互关联，实现信息互通，消防运作体系掌控更加具有各方面意义，将大数据进行融合、提取，实现相互联动，将消息及时提供给消防人员，使人民群众的生命、财产及健康得到保障。
消防部门实时监控消防系统通过对不同月份，不同日期下客流量的统计，对可能发生的灾情提前部署，提前规划。根据数据走势进行趋势分析。
4总结
在大数据思维背景下，基于大数据分析的消防体系已成为城市建设不可缺少的一部分，本文从大数据技术和大数据思维的含义入手，分析大数据思维下消防建设具有广泛的信息整合、能够实现互联互通、可实现海量数据的集合与计算等特征，提出完善火灾防控机制、预警机制，为消防建设提供有力支撑。有必要从大数据视角对我国消防信息化管理进行重新审视，构建消防信息化管理平台，更好解Q我国消防信息化管理工作中存在的问题[4]。
参考文献：
[1] 高文静.提升灾情管理规范化精细化水平[N].中国应急管理报，2022-03-02（6）.
[2] 张文静，李莹，惠杨，等.辽宁省地震应急值守和灾情收集系统设计[J].防灾减灾学报，2021，37（4）：52-56，68.
[3] 张玄.大数据环境下消防信息化建设措施探索[J].数字通信世界，2022（4）：137-139.
[4] 李文娜.浅析大数据背景下消防信息化管理建设[J].现代企业，2022（2）：56-57.
【通联编辑：闻翔军】
nlc202301131400
转载注明来源:https://www.xzbu.com/8/view-15444089.htm
