乔伟栋

摘要：近年来，建筑物火灾事故内攻时机的合理把控成为各级消防指挥人员亟须完善的必修课题，一旦内攻时机选择不当，极有可能导致现场参战人员伤亡事故的出现。通过对消防救援人员实战处置过程中的个人生理系统及安全防护装备实施动态监测，通过BP神经网络及时对搜集到的相关信息实施分析研判，在此基础上借助物联网定位系统对发生消防员伤亡事故的高风险区域实施重点定位，为消防救援人员实施内攻作业过程中个人安全措施的有效落实提供参考。

关键词：物联网；生理数据；监测系统

中图分类号：D631.6       文献标识码：A       文章编号：2096-1227（2023）01-0019-03

近年来，在各类灾害事故的实战处置过程中，建筑坍塌、中毒、爆炸及触电事故成为最终导致消防员伤亡事故发生的主要原因[1]。因此，合理应用物联网技术，通过对消防员现场处置过程中呼吸、体温、心率、血压等生理数据开展动态检测，并及时开展对现场有毒气体浓度以及参战消防员个人佩戴的空气呼吸器压力的实时监测，一旦发现数据存在较大波动可以及时借助定位系统第一时间开展救援工作，是有效防止消防员在实战处置过程中发生各类伤亡事故的重要措施。物联网技术可以通过现代化信息技术有效实现人和物之间的同步交流，目前，成熟的物联网技术主要由图像识别、射频识别（RFID）等信息采集技術，有线或无线模式的信息传输技术，大数据信息处理技术，信息储存和显示技术以及大数据信息处理技术等五个模块组成。随着城市智慧消防建设工作的逐步开展，将消防物联网合理应用在灭火救援实战处置过程中，通过有效提升消防员个人防护装备的智能化水平，通过对事故现场周边环境、被困人员数量、燃烧物质理化性质以及当日气象条件等有效信息实施同步传输与同态预判，在切实提升指挥决策合理性的同时，有效提升了参战消防人员实战处置过程中的个人安全系数。

1 消防员监测参数类型

1.1  消防员基本生理数据

1.1.1  体温

人体正常体温通常处于36.2～37.2℃之间。由于消防员在实施内攻处置过程中体力消耗相对较大且排汗量在火灾现场高温作用下也必然随之增多，导致处置过程中消防员的个人体温必然会不同程度地有所增加。同时随着火场实际温度的变化，有必要对环境温度开展实时监测，防止消防员实战过程中长期处于高温环境最终由于体温过高导致休克现象的出现。

1.1.2  血压

人体正常血压通常处于90～120/60～80mmHg之间，由于消防员在实际处置过程中精神普遍处于高度紧张的状态，加之长时间作业导致体力消耗过大，通常血压会出现不同程度的升高，当消防员个人收缩压超过210mmHg或者舒张压超过100mmHg时，应及时撤离现场以防止各类安全事故的发生[2]。高低血压参考数值如表1所示。

1.1.3  心率

人的正常心率（HR）次数为60～100次/min。在灭火救援实战处置过程中，当消防员个人脉搏速率超过196次/min时，躯体部分已经开始进入无氧代谢运动阶段[3]，长时间作业最终会导致消防员出现不同程度的眩晕。

MRR主要反映交感神经活动的强度，MRR（Mean of RR），RR主要指间期时间的平均值，单位为ms。

式中RRi为第i个RR间期时间，N为在此时间段内消防员的实际心跳总数。随着消防员疲劳程度的加深该数值变化通常较为明显，可用来直接反映消防员自身体能情况的实际变化。

1.1.4  呼吸

人的正常呼吸频率通常为12～20次/min。当消防员长时间疲劳作业时，一旦呼吸频率长时间高于50次/min基本可以预示该消防员即将达到人体疲劳的临界状态，应当合理开展人员轮换，避免体能透支情况的出现。

1.1.5  瞳孔面积

通常情况下，人的瞳孔面积大小在交感神经与副交感神经两种神经系统的相互协调作用下会发生较为显著的变化。当消防员躯体处于较为紧张的活动状态时，该消防员躯体内部的交感神经能够加速瞳孔面积的放大速度[4]。瞳孔面积的大小能够直接体现出消防员自身的紧张程度，当实战处置过程中参战消防员心理压力较大时，其瞳孔直径也必将随之显著增大。因此，可以将瞳孔面积的大小作为直接测量消防员实战处置现场心理承受能力的评估指标。

1.2  个人防护装备的相关数据

1.2.1  空气呼吸器气瓶压力

消防员实战过程中佩戴的空气呼吸器（SCBA）气瓶压力通常不应小于30MPa，按照现行供气管理的1/3法则，消防员紧急撤出处置现场时气瓶内部实际压力应至少维持在10MPa以上。实战处置过程中，消防员也可以选择残气报警器响起时实施快速撤出，此时残气报警器报警压力普遍位于5.5±0.5MPa范围内，接到报警后的消防员应及时调整呼吸频次，防止窒息事故的发生。

1.2.2  气体检测

火灾处置现场中需要预先对环境中有毒有害气体及爆炸性气体的浓度开展实时监测，对氧气、硫化氢、一氧化碳等可燃气体的浓度开展实时监测，当气体浓度超过爆炸临界值时，需要通过声、光、振动和光条报警等多种预警形式及时提醒消防员快速撤离。

1.2.3  热成像传输设备

热成像设备能穿透高温烟气，快速找到起火部位或被困群众的实际位置。热成像设备显示端除了可以在设备所属面罩配件内部显示之外，还能同步实现攻坚组成员共享显示端视野，使全体参与火场处置的指战员能够及时掌握起火部位、燃烧程度以及火势蔓延趋势等相关情况。空气呼吸器热成像面罩如图1所示。

1.2.4  樓层精准定位

事实上，当建筑物内部发生火灾时，由于起火楼层的实际屏蔽性能不同，楼层内部搜救设备接收显示信号的场强也必然随之发生一定程度的变化，因此，应用在实战处置现场可以通过数字信号的强弱对开展内攻作业的消防员的作战区域实施有效精准定位，必要时可以快速开展人员救助或轮换作业。

2 消防员个人防护装备的数据采集

通常情况下，控制系统与消防员个人安全防护设备的数据传输配件可以通过低频段无线双向数据传输系统对实战处置现场的有效信息开展及时传递，此时辖区指挥中心可以通过物联网高频段数据传输系统保障现场信息的有效共享。在此基础上，物联网传输部件可以通过蓝牙模块的链接系统，将空气呼吸器气瓶压力、消防员实际作业区域、现场有毒气体浓度、热成像图像、参战人员心率、体温、血压、呼吸、瞳孔面积等相关数据直接传输到现场指挥平台予以同步显示。此外，内攻登记器系统可以通过物联网终端设备对内攻消防员佩戴的装备性能开展动态监测，把所有参战消防员的空气呼吸器气瓶压力统一集中显示，并对实施内攻作业的消防员个人信息、内攻时间、空气呼吸器气瓶压力、处置任务等相关信息进行预先记录，当现场有紧急情况发生时，系统立即预警并提醒现场处置人员完成紧急撤离，最大限度防止人员伤亡事故的发生。内攻登记部件如图2所示。

3 消防员个人安全情况的动态分析

在现场处置工作开展过程中，系统所包含的面罩眼动仪通过对消防员眼睛实施定时测试，以瞳孔面积变化率20%作为表征消防员紧张程度的临界值，测试过程中可以将消防员的高度紧张状态设定为1，将消防员的平静状态设定为0，借助同步采集的测试数据，利用BP神经网络系统及时量化消防员的个人安全系数（SEN），第一时间建立消防员“生理数据—装备状态—安全特征”（State—Equipment—Nervous）模型（如图3所示），通过利用该模型的输入层、输出层以及隐含层三个神经元对现场参战消防员的安全状态实施安全评估，当系统实际输出结果与期望输出超过期望误差时系统会自动实施反向修正，从而实现对现场安全环境的动态评估。

消防员SEN模型借助自适应能力和非线性映射极强的BP神经网络拓扑结构，把预先输入的相关数据及时转变成非线性优化问题，并将输出误差通过隐含层传回输入层，逐层反传最终有效实现网络输出误差的最小化，从而有效实现对消防员心理紧张程度及体能消耗程度的真实反映。该模型的构筑需要通过采集消防员的动态生理数据和装备实际性能参数，最终对参战消防员的个人安全情况实施有效表征。消防员SEN模型的原始数据如表2所示。

4 结语

通过物联网技术对消防员实战处置过程中的自身情况及防护装备性能进行动态分析，通过心率、血压、体温、呼吸频率、有毒气体浓度、空气呼吸器气瓶压力等六个因素对消防员实战处置过程中的体能及安全状态实施动态评估，通过数据测量发现消防员的心率MRR、血压、呼吸以及体温等生理数据能够直接反映消防员的实际安全状态，在此基础上可以合理结合MATLAB工具箱的函数及时建立基于BP神经网络的SEN模型，当网络的实际输入维度为6，输出维度为1时，可以通过动态监测到的数据及时发现处置过程中的安全隐患问题，为灭火救援现场实施内攻作业的消防员提供及时的预警，最大限度减少各类作战训练安全事故的出现。

参考文献：

[1]卢婷.灭火救援中消防员伤亡原因分析与预防对策[J].消防技术与产品信息，2015（3）：43-46.

[2]梁梦杰，魏剑鹏，李驰原.消防员生理参数采集与处理系统设计[J].今日消防，2021，6（7）：13-16.

[3]刘仁光.消防员生命体征参数研究[C]//2015中国消防协会科学技术年会论文集，2015.

[4]尚婷，唐伯明，段萌萌.基于驾驶员瞳孔面积变化率的公路视错觉减速标线横向宽度研究[J].重庆交通大学学报（自然科学版），2016，35（1）：111-116.

Research on physiological monitoring system

of firefighters based on Internet of Things

Qiao Weidong

（Xicheng District Fire and Rescue Brigade， Beijing 100032）

Abstract：In recent years， the reasonable control of the internal attack timing of building fire accidents has become a compulsory subject for fire commanders at all levels to be improved urgently. Once the timing of the internal attack is improperly chosen， it is very likely to lead to casualties among the on-site combatants. Through the implementation of dynamic detection of personal physiological systems and safety protective equipment during the actual combat disposal of fire rescue personnel， the relevant information collected is analyzed and judged in a timely manner through BP neural networks. On this basis， with the help of the Internet of Things positioning system， key positioning is implemented in high-risk areas where firefighter casualties occur， which provides references for the effective implementation of personal safety measures for fire and rescue personnel in the process of implementing internal attack operations.

Keywords：Internet of Things; physiological data; detection system