基于光纤传感器实时感知信息的旅游安全监测方法

孙红跃， 范文

(天津城建大学 控制与机械工程学院， 天津 300384)

0 引言

随着旅游业的发展，旅游安全受到人们的关注，建立旅游景点安全信息的监测方法，是有效保障游客在旅游景点的人身安全的前提之一[1]。国内有学者做出相关研究，如基于大数据构建感知信息实时采集方法，硬件结构分为传感层、应用层和服务层，软件部分主要处理采集的大数据信息并添加报警方法[2]。还有学者研究出在无线局域网的基础上，根据动力学确定监测点的布置信息，搭建无线监测方法，可使旅游景点在开放时即可实时监测[3]。上述传统方法在实际应用中，易受到天气环境因素的影响，存在延迟、漏帧、信息输出不稳定等问题，严重影响了旅游安全监测的效果，为旅游景点的安全监测带来一定负面影响。

为解决上述问题，本文提出利用光纤传感器构建实时信息感知的旅游安全监测方法。采用光纤传感器采集旅游景点的安全数字信息，根据旅游景点光纤传感器实时感知大数据分布特征进行决策树融合，然后构建旅游景点光纤传感器实时感知的信息分布模型，通过统计特征量分析和模糊度特征检测方法，进一步实施旅游景点光纤传感器实时感知过程中的收敛控制，分析旅游安全监测的过程参数模型，通过统计分析和自适应的参数补偿方法，实现旅游安全监测过程中的误差分析和优化管理。最后通过仿真测试分析，展示了本文方法在提高旅游景点光纤传感器实时感知能力和旅游景区安全监测能力方面的优越性能。

1 旅游安全监测的大数据信息采集和融合处理

1.1 旅游光纤传感器实时信息感知采集

为了实现光纤传感器实时感知信息的旅游安全监测，首先进行旅游光纤传感器实时信息感知采集，采用效益度评估方法，得到旅游景点光纤传感器实时感知的区域融合聚类函数[4]，进行旅游景点光纤传感器实时感知信息分析和自适应参数匹配，采用模糊度辨识的方法，旅游景点光纤传感器实时感知信息的分布序列A={a1,a2,…,an}，B={b1,b2,…,bm}，旅游景点光纤传感器实时感知信息的标记函数为式(1)。

(1)

结合统计数据和抽样样本回归分析方法，进行旅游景点光纤传感器实时感知，建立旅游景点光纤传感器实时感知信息的传输控制模型[5]，得到旅游景点光纤传感分组的检测模型为式(2)。

(2)

通过旅游景点光纤传感的模糊度寻优，进行旅游景点光纤传感器实时感知和信息交互设计[6]，得到旅游景点光纤传感器实时感知的模糊辨识参数为式(3)。

(3)

式中，d(m)为旅游景点光纤传感器实时感知信息集在第m点的预测值；k(m)为采用第m点处采集的旅游景点光纤传感器实时感知信息的交互信息。建立决策树算法进行旅游景点光纤传感器实时感知数据的关联特征量[7]，得到旅游景点光纤传感数据采集的演化特征分布函数为式(4)。

(4)

基于MapReduce模型[8]，得到旅游景点光纤传感器实时感知信息的决策树拟合估计结果为式(5)。

(5)

式中，c为旅游景点光纤传感器实时感知信息在重组映射空间中的分布维数；g为表示模糊度标记特征量。

通过采集的旅游景点安全数字信息，结合实时感知的信息大数据分布特征，得出实时信息感知决策树融合结果，完成旅游景点光纤传感器实时感知信息采集和初步处理。

1.2 旅游光纤传感器信息融合处理

通过决策树算法，得到旅游景点光纤传感器实时感知的决策树拟合函数。实施旅游景点光纤传感器实时感知信息特征提取和检索[9]，得到检索空间分布函数为式(6)。

(6)

式中，μ和ω表示旅游景点光纤传感器实时感知的信息分布维数。通过对旅游景点光纤传感器实时感知和数据融合[10]，得到数据融合的Hessian函数表示为式(7)。

(7)

采用旅游景点光纤传感输出稳态调节和动态融合的方法，进行旅游景点光纤传感器实时感知信息的谱特征提取[11]，得到M维状态空间中旅游景点光纤传感器实时感知信息融合后分布函数表示为式(8)。

(8)

通过高维特征提取结果，构建旅游景点光纤传感器实时感知的信息分布模型，通过统计特征量分析和模糊度特征检测方法，进一步实施旅游景点光纤传感器实时感知过程中的收敛控制。

2 旅游安全监测优化

2.1 旅游景点光纤传感信息特征提取

构建旅游景点光纤传感器实时感知的信息分布模型，通过统计特征量分析和模糊度特征检测方法，进行旅游景点光纤传感器实时感知过程中的收敛控制[12]。

旅游景点光纤传感器实时感知的能量谱特征解为式(9)。

(9)

在时间窗内的最大幅值分布域中，得到旅游景点光纤传感器实时感知信息的状态特征方程为式(10)。

(10)

式中，α为时间窗内幅值阈值。

通过统计特征量分析和模糊度特征检测方法，进行旅游景点光纤传感器实时感知过程中的收敛性控制。得到旅游景点的实时感知信息分布矢量模型为式(11)。

(11)

在聚类中心进行旅游景点光纤传感器实时感知关联规则集挖掘[13]，旅游景点光纤传感器实时感知信息的扩频序列为式(12)。

Z={z1,z2,…,zn}

(12)

旅游景点光纤传感器实时感知的约束参数特征集表示为式(13)。

(13)

式中，e1和e2为旅游景点光纤传感器实时感知的模式识别常数[14]；f为旅游景点光纤传感器实时感知的约束规则项。

通过特征提取结果进行旅游景点光纤传感器实时感知信息检索，得到旅游景点光纤传感器实时感知融合模型。

2.2 旅游安全监测输出控制

通过分析信息的约束参数特征集进行数据监测，建立旅游安全监测的过程参数模型。采用行为特征分析的方法，得到旅游景点光纤传感器实时感知测度函数为式(14)。

(14)

式中，l为实时感知信息检索的参考向量；s为旅游景点光纤传感器实时感知的模糊度指标分布权重；Φ为旅游景点光纤传感器实时感知的正态分布函数；Φ′为Φ的旅游景点光纤传感器实时感知的模式识别反函数。以旅游景点光纤传感器实时感知的自相关特征为约束项[15]，得到旅游景点光纤传感器实时感知的状态估计特征分布函数表示为式(15)。

(15)

式中，σ为旅游景点光纤传感器实时感知的自相关特征。

通过效益评估和优化信息感知算法，得到旅游景点光纤传感器的优化模型，得到实时感知的状态参数分布集λ，旅游景点光纤传感器实时感知的经验模态函数，如式(16)。

(16)

采用线性规划和自适应控制的方法，得到旅游景点光纤传感器部署的回归分析函数为式(17)。

(17)

构建旅游景点光纤传感器实时感知的监测模型，得到监测输出为式(18)。

(18)

综上，通过统计分析和自适应的参数补偿方法，实现旅游安全监测过程中的误差分析和优化管理。

3 仿真试验与结果分析

实验中，取旅游景点光纤传感器的节点数为200，传感节点多层次分布维数为12，数据采集的训练样本数为24，关联系数为0.34，光纤传感信息感知输出的相似度系数为0.86。对旅游景点光纤传感器采集和感知旅游安全的信息的描述性统计分析结果，如表1所示。

表1 旅游安全监测的描述性统计分析结果

根据表1的描述性统计分析结果，进行实验。选用本文研究的监测方法与基于大数据方法(方法一)、基于无线局域网方法(方法二)，对旅游安全监测信息进行分析，得到安全监测的延时时间，如图1所示。

图1 延时时间对比图

分析图1得知，延时时长与采集时长成正比，但是传统方法的延时时间要远远大于本文方法。传统方法即使监测到隐患，也不能及时上传，导致安全事故发生的几率仍旧较高。本文方法能有效降低旅游安全监测的延时，大大降低了事故发生率。

为测试旅游安全监测的精度，采用3组数据，利用本文方法及两种传统方法监测旅游安全信息，计算警报信息的准确率，得到对比结果，如表2所示。

表2 旅游安全监测的警报准确率对比

分析表2得知，本文方法进行旅游安全监测的精度较高，且信息监测结果较稳定，具有很好的旅游景点实时监测能力。

4 总结

本文提出基于光纤传感器实时信息感知的旅游安全监测方法，是建立在对旅游安全信息采集基础上，采用效益度评估方法，得到旅游景点光纤传感器实时感知的区域融合聚类函数，通过决策树算法，进行旅游景点光纤传感器实时感知信息特征提取和检索，构建旅游景点光纤传感器实时感知的信息分布模型，通过统计特征量分析和模糊度特征检测方法和模糊度特征匹配的方法，实施旅游景点光纤传感器实时感知测量和自适应评估，提高旅游景点光纤传感器实时感知测量和量化分析管理能力。实验结果得知，本文的旅游安全监测方法的可靠性较高，稳定性较好，大大缩短了延时时长，为实际应用提供了一定的参考。