买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京城投智能停车有限公司申请的专利一种基于多点边缘计算的停车场突发事件预警方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119964345B 。

龙图腾网通过国家知识产权局官网在2025-07-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510413199.9，技术领域涉及：G08B31/00；该发明授权一种基于多点边缘计算的停车场突发事件预警方法及系统是由宋永利;刘灿;刘红修;刘飞;陈秋宇设计研发完成，并于2025-04-03向国家知识产权局提交的专利申请。

本一种基于多点边缘计算的停车场突发事件预警方法及系统在说明书摘要公布了：本发明公开了一种基于多点边缘计算的停车场突发事件预警方法及系统，首先在停车场的不同区域内采集多模态环境数据及视频流并获得采集数据，再对采集数据进行时间同步及动态阈值过滤并获得预处理后数据，接着对预处理后数据进行时空特征对齐及噪声过滤并获得三维环境态势图；本发明实现了具有能对停车场内的火灾、气体泄漏和设备故障突发事件进行实时监测、分析、预警与响应的功能，且通过分布式的数据处理和协同分析能显著提高停车场安全性及优化应急响应策略，同时通过多模态数据融合与动态阈值协同分析能降低突发事件误报率，不仅缩短了平均响应时间，还显著提升了预警精度与时效性，适合被广泛推广和使用。

本发明授权一种基于多点边缘计算的停车场突发事件预警方法及系统在权利要求书中公布了：1.一种基于多点边缘计算的停车场突发事件预警方法，其特征在于：包括以下步骤， 步骤A，在停车场的不同区域内采集多模态环境数据及视频流并获得采集数据，其中采集多模态环境数据及视频流具体是利用复合温湿度传感器、气体浓度传感器、震动感知传感器和视频采集器采集相应数据； 所述复合温湿度传感器采用PT100铂电阻与电容式湿度传感器分别测量并采集温度和湿度； 所述气体浓度传感器采用电化学式传感器与红外吸收式传感器分别检测一氧化碳浓度和氢气浓度，所述气体浓度传感器采用一氧化碳浓度阀值与氢气浓度阀值结合的双阈值触发机制； 所述震动感知传感器采用三轴加速度计检测车辆碰撞与设备异常震动，所述震动感知传感器能结合频域分析FFT区分正常车辆行驶与结构性震动事件； 所述视频采集器采用主摄像头与辅摄像头结合的多摄像头协同架构并设有视频采集触发机制，其中所述主摄像头为广角镜头，所述辅摄像头为红外热成像摄像头，所述视频采集触发机制具体为在环境传感器检测到异常时将视频采集器切换至60fps帧率模式； 步骤B，对采集数据进行时间同步及动态阈值过滤并获得预处理后数据，其中时间同步及动态阈值过滤具体过程是采用时空对齐模块、噪声过滤模块和动态阈值计算模块对采集数据进行处理； 所述时空对齐模块用于采用GPS模组及NTP协议对复合温湿度传感器数据、气体浓度传感器数据、震动感知传感器数据和视频采集器数据添加统一时间戳并采用插值法补偿因传输延迟产生的数据时序偏差； 所述噪声过滤模块用于对温度数据采用小波变换去噪并对气体浓度数据使用卡尔曼滤波抑制环境瞬时波动干扰； 所述动态阈值计算模块用于基于滑动窗口统计计算环境参数均值μ与标准差σ，再计算动态调整异常判定阈值μ±3σ，同时叠加昼夜周期修正系数； 步骤C，对预处理后数据进行时空特征对齐及噪声过滤并获得三维环境态势图，具体步骤如下 步骤C1，对预处理后数据添加时间戳并同步至统一时间轴，具体是采用IEEE1588时间协议在局域网内实现±1ms级同步精度，如公式1所示， 其中，tsync为经时空校准后的标准时间戳，traw为原始采集时间戳，Δtoffset为利用主从时钟交换报文计算的时间偏移量，d为物理传输距离，c为信号传播速度； 步骤C2，采用卡尔曼滤波消除传感器噪声，具体是对预处理后数据执行五阶滤波迭代，如公式2所示， 其中，和分别为k时刻和k-1时刻的状态估计向量，Fk为卡尔曼增益，Kk为状态转移矩阵，zk为第k次的实际观测值，Hk为观测矩阵； 步骤C3，基于空间插值算法生成三维环境参数分布模型，其中空间插值算法中的空间变异函数采用球状模型，如公式3所示， 其中，h为空间滞后距离，C0为块金效应值，C为基台值，a为变程； 步骤C4，将视频流数据与三维模型叠加生成三维环境态势图，其中将视频流数据与三维模型叠加具体是采用仿射变换进行坐标映射； 步骤D，根据三维环境态势图采用多模型协同分析确定突发事件类型及预警等级，具体是采用火灾识别模型、气体泄漏分类模型和设备故障检测模型经多模型投票机制确定突发事件类型及预警等级，其中多模型投票机制具体是设定置信度阀值并对火灾识别模型、气体泄漏分类模型和设备故障检测模型设定权重； 步骤D中的火灾识别模型具体是将YOLOv5模型的Backbone末端嵌入CBAM注意力模块并设定通道压缩比为16:1； 步骤D中的气体泄漏分类模型的输入特征包括气体浓度梯度特征、湿度变化率特征及震动频谱特征； 所述气体浓度梯度特征用于判断泄漏扩散趋势，且气体浓度梯度特征计算过程如公式4所示， 其中，为气体浓度梯度，Ct为当前时刻气体浓度，Ct-10s为10秒前的历史浓度值； 所述湿度变化率特征计算过程如公式5所示， 其中，为湿度变化率，ΔRH为当前相对湿度值，Δt为时间间隔，RHt为当前湿度值，RHt-60s为60秒前的湿度值； 所述震动频谱特征用于利用高频能量与低频能量比值区分泄漏与常规振动，且震动频谱特征计算过程如公式6所示， 其中，ER为震动能量比，Pf为震动信号的功率谱密度，分子积分区间20Hz-50Hz为气体泄漏高频特征频段，分母积分区间5Hz-15Hz为设备机械振动低频特征频段； 步骤E，根据预警等级触发差异化应急响应策略，完成停车场突发事件预警作业，具体包含本地响应模块、全局疏散模块和响应策略选择模块，所述本地响应模块用于控制喷淋设备和通风设备的启停，所述全局疏散模块用于动态调整LED引导屏和车载导航信息，所述响应策略选择模块用于根据预警等级和实时数据分配响应动作优先级； 步骤F，采用知识蒸馏法对下发的更新模型进行压缩并在模型更新时保留关键权重，具体步骤如下， 步骤F1，采用知识蒸馏法对下发的更新模型进行压缩，所述知识蒸馏法的输入为更新模型包，所述知识蒸馏法输出为适配硬件资源的学生模型fstudent，所述知识蒸馏法的动态蒸馏损失函数如公式7所示， 其中，为总目标函数，为交叉熵损失，y为真实标签，x为输入的更新模型包数据，fteacher为教师模型，为知识蒸馏损失； 步骤F2，在模型更新时保留关键权重，具体是采用弹性权重筛选法计算旧模型参数的Fisher信息矩阵对角线元素Fi并基于中位数生成权重重要性掩码，关键权重Fi在优化过程中采用正则化约束变化幅度，且关键权重Fi如公式8所示， Fi≥medianF8 其中，medianF为数据集F中的中位数； 步骤F3，构建更新模型的触发条件及更新流程，具体步骤如下， 步骤F31，构建更新模型的触发条件，所述更新模型触发条件由验证集准确率变化决定，具体为若新模型在本地验证集准确率较当前模型下降超过设定概率时启动更新流程； 步骤F32，构建更新模型的更新流程，所述更新模型的更新流程采用分块更新法按全连接层、深层卷积层和浅层卷积层的优先级顺序分阶段更新并结合量化及权重稀疏化压缩模型内存占用，其中量化公式如公式9所示， 其中，Wquant为量化后权重，round为将浮点结果转换为最接近的整数，W为原始权重矩阵，μW为原始权重均值，σW为原始权重标准差； 所述基于多点边缘计算的停车场突发事件预警方法的具体应用系统，包括数据采集单元、数据预处理单元、多模型协同分析单元、应急响应单元和模型更新单元，所述数据采集单元用于在停车场的不同区域内采集多模态环境数据及视频流并获得采集数据； 所述数据预处理单元用于对采集数据进行时间同步及动态阈值过滤并获得预处理后数据； 所述数据融合单元用于对预处理后数据进行时空特征对齐及噪声过滤并获得三维环境态势图； 所述多模型协同分析单元用于根据三维环境态势图采用多模型协同分析确定突发事件类型及预警等级； 所述应急响应单元用于根据预警等级触发差异化应急响应策略并完成停车场突发事件预警作业； 所述模型更新单元用于采用知识蒸馏法对下发的更新模型进行压缩并在模型更新时保留关键权重； 所述数据采集单元、数据预处理单元和模型更新单元设置在分布式边缘节点，所述多模型协同分析单元和应急响应单元设置在中心服务器，所述分布式边缘节点和中心服务器之间采用5G-V2X通信连接。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京城投智能停车有限公司，其通讯地址为：210000 江苏省南京市秦淮区五福里1号377室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。