基于光纖傳感器實時感知信息的旅游安全監測方法

孫紅躍， 范文

(天津城建大學 控制與機械工程學院， 天津 300384)

0 引言

隨著旅游業的發展，旅游安全受到人們的關注，建立旅游景點安全信息的監測方法，是有效保障游客在旅游景點的人身安全的前提之一[1]。國內有學者做出相關研究，如基于大數據構建感知信息實時采集方法，硬件結構分為傳感層、應用層和服務層，軟件部分主要處理采集的大數據信息并添加報警方法[2]。還有學者研究出在無線局域網的基礎上，根據動力學確定監測點的布置信息，搭建無線監測方法，可使旅游景點在開放時即可實時監測[3]。上述傳統方法在實際應用中，易受到天氣環境因素的影響，存在延遲、漏幀、信息輸出不穩定等問題，嚴重影響了旅游安全監測的效果，為旅游景點的安全監測帶來一定負面影響。

為解決上述問題，本文提出利用光纖傳感器構建實時信息感知的旅游安全監測方法。采用光纖傳感器采集旅游景點的安全數字信息，根據旅游景點光纖傳感器實時感知大數據分布特征進行決策樹融合，然后構建旅游景點光纖傳感器實時感知的信息分布模型，通過統計特征量分析和模糊度特征檢測方法，進一步實施旅游景點光纖傳感器實時感知過程中的收斂控制，分析旅游安全監測的過程參數模型，通過統計分析和自適應的參數補償方法，實現旅游安全監測過程中的誤差分析和優化管理。最后通過仿真測試分析，展示了本文方法在提高旅游景點光纖傳感器實時感知能力和旅游景區安全監測能力方面的優越性能。

1 旅游安全監測的大數據信息采集和融合處理

1.1 旅游光纖傳感器實時信息感知采集

為了實現光纖傳感器實時感知信息的旅游安全監測，首先進行旅游光纖傳感器實時信息感知采集，采用效益度評估方法，得到旅游景點光纖傳感器實時感知的區域融合聚類函數[4]，進行旅游景點光纖傳感器實時感知信息分析和自適應參數匹配，采用模糊度辨識的方法，旅游景點光纖傳感器實時感知信息的分布序列A={a1,a2,…,an}，B={b1,b2,…,bm}，旅游景點光纖傳感器實時感知信息的標記函數為式(1)。

(1)

結合統計數據和抽樣樣本回歸分析方法，進行旅游景點光纖傳感器實時感知，建立旅游景點光纖傳感器實時感知信息的傳輸控制模型[5]，得到旅游景點光纖傳感分組的檢測模型為式(2)。

(2)

通過旅游景點光纖傳感的模糊度尋優，進行旅游景點光纖傳感器實時感知和信息交互設計[6]，得到旅游景點光纖傳感器實時感知的模糊辨識參數為式(3)。

(3)

式中，d(m)為旅游景點光纖傳感器實時感知信息集在第m點的預測值；k(m)為采用第m點處采集的旅游景點光纖傳感器實時感知信息的交互信息。建立決策樹算法進行旅游景點光纖傳感器實時感知數據的關聯特征量[7]，得到旅游景點光纖傳感數據采集的演化特征分布函數為式(4)。

(4)

基于MapReduce模型[8]，得到旅游景點光纖傳感器實時感知信息的決策樹擬合估計結果為式(5)。

(5)

式中，c為旅游景點光纖傳感器實時感知信息在重組映射空間中的分布維數；g為表示模糊度標記特征量。

通過采集的旅游景點安全數字信息，結合實時感知的信息大數據分布特征，得出實時信息感知決策樹融合結果，完成旅游景點光纖傳感器實時感知信息采集和初步處理。

1.2 旅游光纖傳感器信息融合處理

通過決策樹算法，得到旅游景點光纖傳感器實時感知的決策樹擬合函數。實施旅游景點光纖傳感器實時感知信息特征提取和檢索[9]，得到檢索空間分布函數為式(6)。

(6)

式中，μ和ω表示旅游景點光纖傳感器實時感知的信息分布維數。通過對旅游景點光纖傳感器實時感知和數據融合[10]，得到數據融合的Hessian函數表示為式(7)。

(7)

采用旅游景點光纖傳感輸出穩態調節和動態融合的方法，進行旅游景點光纖傳感器實時感知信息的譜特征提取[11]，得到M維狀態空間中旅游景點光纖傳感器實時感知信息融合后分布函數表示為式(8)。

(8)

通過高維特征提取結果，構建旅游景點光纖傳感器實時感知的信息分布模型，通過統計特征量分析和模糊度特征檢測方法，進一步實施旅游景點光纖傳感器實時感知過程中的收斂控制。

2 旅游安全監測優化

2.1 旅游景點光纖傳感信息特征提取

構建旅游景點光纖傳感器實時感知的信息分布模型，通過統計特征量分析和模糊度特征檢測方法，進行旅游景點光纖傳感器實時感知過程中的收斂控制[12]。

旅游景點光纖傳感器實時感知的能量譜特征解為式(9)。

(9)

在時間窗內的最大幅值分布域中，得到旅游景點光纖傳感器實時感知信息的狀態特征方程為式(10)。

(10)

式中，α為時間窗內幅值閾值。

通過統計特征量分析和模糊度特征檢測方法，進行旅游景點光纖傳感器實時感知過程中的收斂性控制。得到旅游景點的實時感知信息分布矢量模型為式(11)。

(11)

在聚類中心進行旅游景點光纖傳感器實時感知關聯規則集挖掘[13]，旅游景點光纖傳感器實時感知信息的擴頻序列為式(12)。

Z={z1,z2,…,zn}

(12)

旅游景點光纖傳感器實時感知的約束參數特征集表示為式(13)。

(13)

式中，e1和e2為旅游景點光纖傳感器實時感知的模式識別常數[14]；f為旅游景點光纖傳感器實時感知的約束規則項。

通過特征提取結果進行旅游景點光纖傳感器實時感知信息檢索，得到旅游景點光纖傳感器實時感知融合模型。

2.2 旅游安全監測輸出控制

通過分析信息的約束參數特征集進行數據監測，建立旅游安全監測的過程參數模型。采用行為特征分析的方法，得到旅游景點光纖傳感器實時感知測度函數為式(14)。

(14)

式中，l為實時感知信息檢索的參考向量；s為旅游景點光纖傳感器實時感知的模糊度指標分布權重；Φ為旅游景點光纖傳感器實時感知的正態分布函數；Φ′為Φ的旅游景點光纖傳感器實時感知的模式識別反函數。以旅游景點光纖傳感器實時感知的自相關特征為約束項[15]，得到旅游景點光纖傳感器實時感知的狀態估計特征分布函數表示為式(15)。

(15)

式中，σ為旅游景點光纖傳感器實時感知的自相關特征。

通過效益評估和優化信息感知算法，得到旅游景點光纖傳感器的優化模型，得到實時感知的狀態參數分布集λ，旅游景點光纖傳感器實時感知的經驗模態函數，如式(16)。

(16)

采用線性規劃和自適應控制的方法，得到旅游景點光纖傳感器部署的回歸分析函數為式(17)。

(17)

構建旅游景點光纖傳感器實時感知的監測模型，得到監測輸出為式(18)。

(18)

綜上，通過統計分析和自適應的參數補償方法，實現旅游安全監測過程中的誤差分析和優化管理。

3 仿真試驗與結果分析

實驗中，取旅游景點光纖傳感器的節點數為200，傳感節點多層次分布維數為12，數據采集的訓練樣本數為24，關聯系數為0.34，光纖傳感信息感知輸出的相似度系數為0.86。對旅游景點光纖傳感器采集和感知旅游安全的信息的描述性統計分析結果，如表1所示。

表1 旅游安全監測的描述性統計分析結果

根據表1的描述性統計分析結果，進行實驗。選用本文研究的監測方法與基于大數據方法(方法一)、基于無線局域網方法(方法二)，對旅游安全監測信息進行分析，得到安全監測的延時時間，如圖1所示。

圖1 延時時間對比圖

分析圖1得知，延時時長與采集時長成正比，但是傳統方法的延時時間要遠遠大于本文方法。傳統方法即使監測到隱患，也不能及時上傳，導致安全事故發生的幾率仍舊較高。本文方法能有效降低旅游安全監測的延時，大大降低了事故發生率。

為測試旅游安全監測的精度，采用3組數據，利用本文方法及兩種傳統方法監測旅游安全信息，計算警報信息的準確率，得到對比結果，如表2所示。

表2 旅游安全監測的警報準確率對比

分析表2得知，本文方法進行旅游安全監測的精度較高，且信息監測結果較穩定，具有很好的旅游景點實時監測能力。

4 總結

本文提出基于光纖傳感器實時信息感知的旅游安全監測方法，是建立在對旅游安全信息采集基礎上，采用效益度評估方法，得到旅游景點光纖傳感器實時感知的區域融合聚類函數，通過決策樹算法，進行旅游景點光纖傳感器實時感知信息特征提取和檢索，構建旅游景點光纖傳感器實時感知的信息分布模型，通過統計特征量分析和模糊度特征檢測方法和模糊度特征匹配的方法，實施旅游景點光纖傳感器實時感知測量和自適應評估，提高旅游景點光纖傳感器實時感知測量和量化分析管理能力。實驗結果得知，本文的旅游安全監測方法的可靠性較高，穩定性較好，大大縮短了延時時長，為實際應用提供了一定的參考。