基于智慧燃气GIS的安全隐患处置方法和物联网系统

技术领域

本说明书涉及物联网技术领域，特别涉及一种基于智慧燃气GIS的安全隐患处置方法和物联网系统。

背景技术

随着燃气行业的发展，城市燃气管网的空间结构愈发复杂，给燃气安全管理工作也带来了挑战。利用GIS（Geographic Information System）技术解决燃气隐患是燃气安全管理工作中的重要一环，如何基于燃气GIS对燃气隐患进行高效率、高质量的处置是本领域研究的热点。

鉴于此，CN109858126B公开了一种基于沉降监测的城市燃气管网安全监测预警方法和系统，使用多因子评判模型和GIS空间分析技术进行燃气管网沉降重点区域划分，实时采集各个沉降监测点的管道运行参数，结合管道属性参数，确定各个沉降监测点管道的当前的安全风险等级，实现对管道故障的及时预测和有效管理。但其不涉及预测燃气管道存在的隐患，且未考虑巡检路线的规划问题，还是存在巡检质量不佳的情况。

因此，希望提供一种基于智慧燃气GIS的安全隐患处置方法、物联网系统及介质，实现燃气巡检的精细化规划管理，提高隐患处置效率和质量。

发明内容

发明内容包括一种基于智慧燃气GIS的安全隐患处置方法，所述方法由基于智慧燃气GIS的安全隐患处置物联网系统的智慧燃气管网安全管理平台执行，所述方法包括：基于燃气GIS系统的巡检数据，确定至少一个放置标记装置的目标定位数据，其中，所述标记装置用于获取目标定位区域在至少一个时间点的监测数据；基于所述监测数据、以及所述巡检数据，确定巡检分析结果；基于所述巡检分析结果，确定至少一组复检线，所述复检线的特征包括所述标记装置的复检数量、复检顺序、关注等级中至少一种。

发明内容包括一种基于智慧燃气GIS的安全隐患处置物联网系统，所述物联网系统包括智慧燃气用户平台、智慧燃气服务平台、智慧燃气管网安全管理平台、智慧燃气管网设备传感网络平台、智慧燃气管网设备对象平台；所述智慧燃气用户平台包括多个智慧燃气用户分平台；所述智慧燃气服务平台包括多个智慧燃气服务分平台；所述智慧燃气管网安全管理平台包括智慧燃气管网安全管理分平台和智慧燃气数据中心；所述智慧燃气管网设备传感网络平台用于与所述智慧燃气数据中心和所述智慧燃气管网设备对象平台进行交互；所述智慧燃气管网设备对象平台用于获取燃气GIS系统的巡检数据；所述智慧燃气管网安全管理平台从所述智慧燃气数据中心获取所述燃气GIS系统的巡检数据；基于所述燃气GIS系统的巡检数据，确定至少一个放置标记装置的目标定位数据，其中，所述标记装置用于获取目标定位区域在至少一个时间点的监测数据；基于所述监测数据、以及所述巡检数据，确定巡检分析结果；基于所述巡检分析结果，确定至少一组复检线，所述复检线的特征包括所述标记装置的复检数量、复检顺序、关注等级中至少一种；并将所述至少一组复检线通过所述智慧燃气数据中心传递至所述智慧燃气服务平台；所述智慧燃气服务平台用于将所述至少一组复检线上传至所述智慧燃气用户平台。

通过五个通信连接的平台构建的基于智慧燃气GIS的安全隐患处置物联网系统实施燃气管道的隐患联动处置，完成了燃气巡检的精细化规划管理，减少过检漏检事件的发生，通过利用标记装置，降低人力时间成本，保证巡检效率与巡检质量。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的基于智慧燃气GIS的安全隐患处置物联网系统的示例性平台结构图；

图2是根据本说明书一些实施例所示的基于智慧燃气GIS的安全隐患处置方法的示例性流程图；

图3是根据本说明书一些实施例所示的确定标记装置的目标定位数据的示例性流程图；

图4是根据本说明书一些实施例所示的基于巡检分析结果确定复检线的示例性示意图；

图5是根据本说明书一些实施例所示的基于装置图谱确定复检线的示例性示意图。

附图标记说明：100、基于智慧燃气GIS的安全隐患处置物联网系统；110、智慧燃气用户平台；120、智慧燃气服务平台；130、智慧燃气管网安全管理平台；140、智慧燃气管网设备传感网络平台；150、智慧燃气管网设备对象平台； 410、巡检分析结果；420-1、复检集合1；420-2、复检集合2；420-n、复检集合n；421-1、标记装置1以及对应的巡检分析结果1；421-2、标记装置2以及对应的巡检分析结果2；421-n、标记装置n以及对应的巡检分析结果n；430-1、复检线1；430-2、复检线2；430-n、复检线n；440、可视化数据；510、装置图谱；520、图模型；530、每条边存在隐藏隐患点的数量。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

城市燃气管网是盘根错节的网络，燃气公司根据这些网络将燃气从气源输送至家家户户，因此对管道故障的及时预测和有效管理是关乎各领域正常运行的重要环节。CN109858126B仅利用GIS空间分析技术进行燃气管网沉降重点区域划分，确定各个沉降监测点管道的当前的安全风险等级，实现对管道故障的及时预测和有效管理，但未能预测隐患，且未考虑巡检路线的规划问题。因此，本说明书一些实施例中，基于标记装置的监测数据与燃气GIS系统巡检数据，自动确定巡检分析结果，进而确定复检线，实现燃气巡检的精细化规划管理，减少过检漏检事件的发生，通过利用标记装置，降低人力时间成本，保证巡检效率与巡检质量。

图1是根据本说明书一些实施例所示的基于智慧燃气GIS的安全隐患处置物联网系统的示例性平台结构图。如图1所示，所述基于智慧燃气GIS的安全隐患处置物联网系统可以包括智慧燃气用户平台110、智慧燃气服务平台120、智慧燃气管网安全管理平台130、智慧燃气管网设备传感网络平台140、和智慧燃气管网设备对象平台150。

智慧燃气用户平台110可以是用于与用户进行交互的平台。在一些实施例中，智慧燃气用户平台110可以被配置为终端设备。

在一些实施例中，智慧燃气用户平台110可以包括燃气用户分平台和监管用户分平台。

燃气用户分平台可以是用于为燃气用户提供燃气使用相关数据以及燃气问题解决方案等。燃气用户可以是工业燃气用户、商业燃气用户、普通燃气用户等。

监管用户分平台可以用于对整个基于智慧燃气GIS的安全隐患处置物联网系统100的运行进行监管。监管用户可以是安全管理部门的人员。

在一些实施例中，智慧监管服务分平台可以与监管用户分平台进行数据交互，将燃气管网监管相关信息发送至监管用户。

智慧燃气服务平台120可以是用于将用户的需求与控制信息传达出去的平台。智慧燃气服务平台120可以从智慧燃气管网安全管理平台130（例如，智慧燃气数据中心）获取监测数据等，并发送至智慧燃气用户平台110。

在一些实施例中，智慧燃气服务平台120可以包括智慧用气服务分平台和智慧监管服务分平台。

智慧用气服务分平台可以是为燃气用户提供用气服务的平台。

智慧监管服务分平台可以是为监管用户提供监管需求的平台。

在一些实施例中，智慧燃气服务平台120可以用于将至少一组复检线上传至智慧燃气用户平台110。

智慧燃气管网安全管理平台130可以是统筹、协调各功能平台之间的联系和协作，并汇聚着物联网全部的信息，为物联网运行体系提供感知管理和控制管理功能的平台。

在一些实施例中，智慧燃气管网安全管理平台130可以包括智慧燃气管网安全管理分平台和智慧燃气数据中心。

智慧燃气管网安全管理分平台可以是用于对燃气GIS的安全隐患处置安全进行管理的平台。在一些实施例中，智慧燃气管网安全管理分平台可以包括但不限于管网巡线安全管理模块、场站巡检安全管理模块、管网燃气泄漏监测模块、场站燃气泄漏监测模块、管网设备安全监测模块、场站设备安全检测模块、安全应急管理模块、管网风险评估管理模块、管网地理信息管理模块、管网仿真管理模块。智慧燃气管网安全管理分平台可以通过前述各管理模块对燃气GIS的安全隐患处置的相关数据进行分析处理。

智慧燃气数据中心可以用于存储和管理基于智慧燃气GIS的安全隐患处置物联网系统100的所有运行信息。在一些实施例中，智慧燃气数据中心可以被配置为存储设备，用于存储与燃气GIS的安全隐患处置相关的数据等。例如，相关数据可以是监测数据。

在一些实施例中，智慧燃气管网安全管理平台130可以通过智慧燃气数据中心分别与智慧燃气服务平台120、智慧燃气管网设备传感网络平台140进行信息交互。例如，智慧燃气数据中心可以将燃气GIS的安全隐患处置的相关数据发送至智慧燃气服务平台120。又例如，智慧燃气数据中心可以发送获取燃气GIS的安全隐患处置的相关数据的指令至智慧燃气管网设备传感网络平台140，以获取燃气管网设备安全的相关数据。

智慧燃气管网设备传感网络平台140可以是对传感通信进行管理的功能平台。在一些实施例中，智慧燃气管网设备传感网络平台140可以实现感知信息传感通信和控制信息传感通信的功能。

在一些实施例中，智慧燃气管网设备传感网络平台140可以用于网络管理、协议管理、指令管理以及数据解析。

在一些实施例中，智慧燃气管网设备传感网络平台140可以用于与智慧燃气数据中心和智慧燃气管网设备对象平台150进行交互。

智慧燃气管网设备对象平台150可以是感知信息生成和控制信息执行的功能平台。在一些实施例中，智慧燃气管网设备对象平台150可以被配置为各类燃气管网设备和监测设备。监测设备可以包括燃气流量装置、图像获取装置、温湿度传感器、压力传感器、燃气泄漏报警器等。

在一些实施例中，智慧燃气管网设备对象平台150可以用于获取燃气GIS系统的巡检数据。

关于上文所述的巡检数据、监测数据、巡检分析结果等的更多细节可以参见本说明书其他部分（如，图2）的相关描述。

本说明书一些实施例，基于智慧燃气GIS的安全隐患处置物联网系统100，可以在智慧燃气管网设备对象平台与智慧燃气用户平台之间形成信息运行闭环，并在智慧燃气管理平台的统一管理下协调、规律运行，实现燃气GIS的安全隐患处置管理信息化、智慧化。

需要注意的是，以上对于基于智慧燃气GIS的安全隐患处置物联网系统100及其组成部分的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个组成部分进行任意组合，或者构成子系统与其他组成部分连接。

图2是根据本说明书一些实施例所示的基于智慧燃气GIS的安全隐患处置方法的示例性流程图。如图2所示，流程200可以包括下述步骤。在一些实施例中，流程200可以由智慧燃气管网安全管理平台130执行。

步骤210，基于燃气GIS系统的巡检数据，确定至少一个放置标记装置的目标定位数据。

燃气GIS系统是一种燃气地理信息系统（Geographic Information System，GIS），能够为智慧燃气管网安全管理平台130提供所需的燃气管网信息，从而实现燃气管网信息的动态更新、查询统计、管网运营巡检等功能。

巡检数据是指在管网巡检过程中获得的数据。例如，巡检数据可以包括燃气管网的地理位置/距离、建筑物情况、居民数量。在一些实施例中，智慧燃气管网安全管理平台可以基于智慧燃气管网设备传感网络平台从智慧燃气管网设备对象平台的对象平台终端获取巡检人员输入的巡检数据或智慧燃气管网设备对象平台从燃气GIS系统获取的巡检数据。

标记装置是指用于获取特定位置（如目标定位区域、隐患点）的检测数据的装置。例如，标记装置包括燃气浓度检测仪、振动噪声测量仪、图像获取装置等。

目标定位区域是指隐患点或其他需要重点监测的燃气管网所在区域。

监测数据是指由标记装置监测的燃气相关数据。例如，监测数据可以是燃气浓度、异常声音振动、定期获取的图像数据等。

异常声音振动是指燃气管道或设备异常导致的声音振动。

定期获取的图像数据是指以预设时间间隔采集的燃气管网相关图像。预设时间间隔可以由系统默认设置。

目标定位数据是指可能存在燃气隐患的管网位置。目标定位数据可以表示为集合形式，例如，{目标定位1，目标定位2，…，目标定位n}。

在一些实施例中，智慧燃气管网安全管理平台可以基于燃气GIS系统的巡检数据，通过多种方式确定至少一个放置标记装置的目标定位数据。例如，以预设距离间隔随机放置标记装置，并获取放置多个标记装置的位置信息，组成目标定位数据。预设距离间隔可由系统默认设置。

在一些实施例中，智慧燃气管网安全管理平台可以预测至少一个未巡检区域的隐患程度，并确定至少一个放置标记装置的目标定位数据，具体可以参见图3及其相关描述。

步骤220，基于监测数据、以及巡检数据，确定巡检分析结果。

巡检分析结果是指对巡检过程中的相关数据进行分析处理的结果。例如，巡检分析结果可以包括确定是否存在隐患，以及隐患程度等。

在一些实施例中，智慧燃气管网安全管理平台可以通过多种方式确定巡检分析结果。例如，由智慧燃气管网安全管理平台对监测数据进行分析处理，结合燃气巡检数据综合确定巡检分析结果。例如，基于监测数据判断燃气浓度是否超过阈值、是否存在异常声音振动、定期获取的图像数据是否存在异常等。然后将存在前述异常之一的确定为存在隐患；当存在隐患且巡检数据中该隐患位置对应的燃气管道存在破损或部件存在损失，确定该隐患位置的隐患程度为高。

在一些实施例中，巡检分析结果还可以包括技术类别、是否需要复检、复检方式中至少一种。在一些实施例中，智慧燃气管网安全管理平台可以基于监测数据，确定监测特征；基于监测特征和巡检数据，确定巡检分析结果。

监测特征可以包括监测数据（如燃气浓度）单位时间（如1s内）的变化幅度、声音相似度、图像相似度等。

声音相似度是指异常声音振动与预设声音振动的相似度，图像相似度是指定期获取的图像数据与预设隐患图像的相似度。其中，预设声音振动是指历史燃气管网或设备在发生不同异常时的声音振动。预设声音振动和预设隐患图像可以基于历史监测数据获取。

在一些实施例中，智慧燃气管网安全管理平台可以将当前监测数据（如燃气浓度）与初始监测数据（如初始燃气浓度）作差，除以时间得到监测数据单位时间的变化幅度。智慧燃气管网安全管理平台可以通过声音模型确定异常声音振动与预设声音振动的声音相似度；通过图像识别模型确定图像数据与预设隐患图像的图像相似度。

技术类别是指燃气隐患的问题类型。例如，技术类别包括管道问题、阀门问题、其他非金属部件老化问题、腐蚀问题等。在一些实施例中，智慧燃气管网安全管理平台可以获取智慧燃气管网设备对象平台中的巡检人员上传的记录信息，以确定技术类别。记录信息可以为巡检时间+巡检定位+具体技术类别等。

在一些实施例中，智慧燃气管网安全管理平台可以基于监测特征和巡检数据，基于先验知识预测未来时间点监测数据的变化趋势。基于变化趋势确定未来时间点（如7天后）的监测数据，并判断该监测数据是否超过复检阈值。若超过，则需要进行复检。

复检方式包括线上复检、线下复检、线上线下联动复检。在一些实施例中，智慧燃气管网安全管理平台可以基于监测数据单位时间的变化幅度确定复检方式。例如，变化幅度超过预设幅度阈值，则线上线下联动复检；未超过则采用线下复检等。

在一些实施例中，智慧燃气管网安全管理平台可以基于巡检模型对监测特征和巡检数据进行处理，确定巡检分析结果。

巡检模型输出的巡检分析结果可以表示为向量形式：（技术类别，是否需要复检，复检方式）。例如，（1，1，2）可以表示（管道问题，需要复检，线下复检）。

巡检模型可以为机器学习模型，例如，卷积神经网络（Convolutional NeuralNetworks，CNN）等。

在一些实施例中，巡检模型可以通过多个带有第一标签的第一训练样本训练得到。

在一些实施例中，第一训练样本至少可以基于历史数据获取，包括样本监测特征和样本巡检数据。第一标签可以是历史实际巡检结果，可以基于历史数据确定。

在本说明书的一些实施例中，通过模型对监测特征和巡检数据进行处理，使得巡检分析结果更为准确，有利于提高燃气巡检效率。

传统的基于巡检数据确定隐患问题，可能存在一定的局限性，其有时只能检测到比较直观的燃气隐患，而对于隐藏较深的隐患则不容易发现和识别。本说明书的一些实施例中，通过设置标记装置持续直观地获取监测数据，以便确定监测特征并结合巡检数据，对定位点进行进一步分析和评估，提高燃气隐患识别的准确度和效率。

步骤230，基于巡检分析结果，确定至少一组复检线。

复检线是指复检的路线。复检线可以由需要进行复检的标记装置的目标定位按照一定顺序排列组成。

在一些实施例中，复检线的特征可以包括标记装置的复检数量、复检顺序、关注等级中至少一种。其中，关注等级可以由标记装置所处位置的管网隐患程度以及置信度确定。隐患程度以及置信度越高，关注等级越高。

其中，隐患程度可以由监测特征确定。例如，智慧燃气管网安全管理平台可以基于包括监测特征与隐患程度的对应关系的第二预设关系表，通过查表确定隐患程度。隐患程度的置信度可以由监测数据和巡检数据确定。例如，监测数据表明100%存在某种隐患程度的隐患，或仅根据巡检数据可以确定100%存在隐患，则隐患程度的置信度为100%。又例如，历史数据中出现与当前监测数据和巡检数据相同或相似的监测数据和巡检数据时，置信度等于最终历史数据中标记装置所处位置的管网被判断为隐患的数据量/历史总数据量。

在一些实施例中，智慧燃气管网安全管理平台可以基于巡检分析结果，通过多种方式确定至少一组复检线。例如，智慧燃气管网安全管理平台可以将需要复检的目标定位进行随机排列，生成多组候选复检线，从中选择复检路程最短的一组作为目标复检线。

在一些实施例中，智慧燃气管网安全管理平台可以基于复检集合，确定复检线，更多细节可以参见图4及其相关描述。

在本说明书的一些实施例中，智慧燃气管网安全管理平台利用标记装置持续获取监测数据，结合燃气GIS系统巡检数据，精确高效地确定巡检分析结果，进而针对性进行复检，实现燃气巡检的精细化规划管理，降低人力时间成本，保证巡检效率和巡检质量。

应当注意的是，上述有关流程200的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程200进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

在一些实施例中，基于燃气GIS系统的巡检数据，确定至少一个放置标记装置的目标定位数据可以包括：基于巡检数据，预测至少一个未巡检区域的隐患程度；基于至少一个未巡检区域的隐患程度，确定至少一个放置标记装置的目标定位数据。

未巡检区域是指巡检人员还未进行巡检的区域。在一些实施例中，未巡检区域可以根据燃气管网巡检记录进行划分确定。

隐患程度是指隐患严重程度，可以包括未巡检区域中目标定位数据的预估数量。预估数量越多，隐患程度越高。关于目标定位数据的更多内容可以参见图2及其相关描述。

在一些实施例中，智慧燃气管网安全管理平台可以基于巡检数据，通过多种方式预测至少一个未巡检区域的隐患程度。例如，获取与未巡检区域的位置相同或接近、以及距历史排除隐患后经过的时间相同或相近的其他区域的巡检数据，将该巡检数据对应的隐患程度确定为未巡检区域的隐患程度。

在本说明书的一些实施例中，通过巡检数据预测未巡检区域的隐患程度，进而确定目标定位数据，使得标记装置的应用更符合实际巡检需求。

在一些实施例中，智慧燃气管网安全管理平台可以利用隐患模型对巡检数据、历史排除隐患数据进行处理，确定至少一个未巡检区域的隐患程度以及置信度。

隐患模型可以为机器学习模型，例如，深度神经网络（Deep Neural Networks，DNN）等。

历史排除隐患数据可以包括从上一次排除隐患至当下时刻所经过的时间。

在一些实施例中，隐患模型可以通过多个带有第二标签的第二训练样本训练得到。训练方法可以包括但不限于梯度下降法等。

在一些实施例中，第二训练样本包括历史数据中的样本巡检数据和样本排除隐患间隔时间。第二标签可以是第二训练样本对应的实际隐患程度。第二标签可以基于历史实际数据由人工标注获取。

在本说明书的一些实施例中，通过引用模型，使得未巡检区域的隐患程度以及置信度的确定更为准确，为后续确定目标定位数据提供可靠的数据支撑。

在一些实施例中，智慧燃气管网安全管理平台可以基于至少一个未巡检区域的隐患程度，通过多种方法确定至少一个放置标记装置的目标定位数据。例如，基于隐患程度高低，将隐患程度高的位置优先确定为目标定位数据。

在一些实施例中，智慧燃气管网安全管理平台可以进一步调整目标定位数据。例如，基于预设间隔距离将距离间隔较近的目标定位数据取消；考虑如何设置目标定位数据使得标记装置摆放对隐患的识别精度更高；考虑将未识别的隐藏隐患点确定为目标定位数据等。关于隐藏隐患点的更多内容可以参见下文。

在一些实施例中，智慧燃气管网安全管理平台可以将历史数据中未识别到的隐藏隐患点的定位数据，确定为至少一个放置标记装置的目标定位数据。

历史数据是指历史巡检过程中产生的相关数据，如历史巡检记录、历史巡检数据等。

历史隐藏隐患点是指历史巡检未发现但是后续出现燃气隐患或燃气问题的隐藏隐患点。隐藏隐患点是指未放置标记装置但受标记装置所在位置的隐患影响的定位点，或间接造成标记装置所在位置出现隐患的实际隐患定位点。

在本说明书的一些实施例中，考虑标记装置放置在历史数据中未识别到的隐藏隐患点，考虑到隐藏隐患点存在燃气隐患的概率更大，可以减少漏检，利于提高燃气隐患识别的准确度。

图3是根据本说明书一些实施例所示的确定标记装置的目标定位数据的示例性流程图。如图3所述，流程300可以包括步骤310-步骤340。在一些实施例中，流程300可以由智慧燃气管网安全管理平台130执行。

步骤310，确定标记装置的至少一组候选摆放分布。

候选摆放分布是指标记装置的摆放位置和分布情况的候选方案。在一些实施例中，候选摆放分布可以包括至少一个标记装置的摆放位置。

在一些实施例中，智慧燃气管网安全管理平台可以基于多个未巡检区域的隐患程度以及置信度，按照预设摆放条件随机生成标记装置的多组候选摆放分布。其中，预设摆放条件可以包括标记装置优先摆放在隐患程度高且置信度高的位置、各标记装置之间的间隔距离大于最短距离阈值、预设范围内标记装置的总数大于最小数量阈值且小于最大数量阈值。预设范围、最短距离阈值、最小数量阈值、最大数量阈值均可以基于经验设置或由系统默认设置。

步骤320，评估至少一组候选摆放分布中每组能够检测出的隐藏隐患点的第一数量。

第一数量是指每组候选摆放分布中放置标记装置后，预计可以检测出的隐藏隐患点的总数量，可以用n

在一些实施例中，智慧燃气管网安全管理平台可以将装置图谱中包含隐藏隐患点的边的数量，确定为第一数量。关于装置图谱以及包含隐藏隐患点的边的数量可以参加见图5的相关描述。

步骤330，基于历史数据，评估至少一组候选摆放分布中每组包括的历史隐藏隐患点的第二数量。

在一些实施例中，智慧燃气管网安全管理平台可以基于历史数据中隐藏隐患点的数量确定第二数量。例如，通过加权求和的方式确定第二数量。示例性地，第二数量用n

（1）

其中，a

步骤340，将至少一组候选摆放分布中每组的第一数量和第二数量进行加权求和，确定优选的摆放分布。

在一些实施例中，智慧燃气管网安全管理平台可以将至少一组候选摆放分布中每组的第一数量和第二数量进行加权求和，将加权求和的结果最大的那组候选摆放分布确定为优选摆放分布。

示例性地，加权求和结果表示为P，通过如下公式（2）实现：

P=

其中，n

在一些实施例中，智慧燃气管网安全管理平台可以将优选摆放分布中每个标记装置的摆放位置，确定为目标定位数据。

在一些实施例中，第一数量的权重k

集中度是指历史隐藏隐患点的集中程度。在一些实施例中，智慧燃气管网安全管理平台可以将历史数据中每一个历史隐藏隐患点的出现次数，与其它比该历史隐藏隐患点的出现次数小的历史隐藏隐患点的出现次数作差，再将多个差求和得到集中度。例如，历史数据中有5个历史隐藏隐患点，将对应的出现次数表示为向量：（1，3，20，5，7），则集中度为84（（20-7）+（20-5）+（20-3）+（20-1）+（7-5）+（7-3）+（7-1）+（5-3）+（5-1）+（3-1））。

在本说明书的一些实施例中，通过评估候选摆放分布的隐藏隐患点的第一数量和历史隐藏隐患点的第二数量确定优选摆放分布，可以综合多个因素使得最终确定的摆放分布更合理准确，能更加准确地预估隐藏隐患点；引用历史隐藏隐患点的集中度确定加权求和的权重，考虑到集中度越大，说明当前的隐藏隐患点更可能发生在历史隐藏隐患点中，使确定优选摆放点时标记装置的摆放更偏向历史隐藏隐患点，提高标记装置摆放的合理性和隐患处置准确性。

图4是根据本说明书一些实施例所示的基于巡检分析结果确定复检线的示例性示意图。

在一些实施例中，智慧燃气管网安全管理平台可以基于巡检分析结果410，确定至少一组复检集合（如420-1、420-2、……、420-n等）；基于至少一组复检集合，确定至少一组复检线（如430-1、430-2、……、430-n等），并在GIS地图上展示可视化数据440。

复检集合是指需要复检的目标定位数据的集合。在一些实施例中，如图4所示，复检集合（如420-1、420-2、……、420-n等）中每一组可以包括至少一个标记装置以及对应的巡检分析结果（如421-1、421-1、……、421-n等）。

在一些实施例中，智慧燃气管网安全管理平台可以基于巡检分析结果，通过多种方式确定至少一组复检集合。例如，智慧燃气管网安全管理平台可以基于包括巡检分析结果与复检集合的对应关系的第三预设关系表，通过查表确定至少一组复检集合。第三预设关系表可以基于历史巡检结果、以及每一次历史巡检之后确定的标记装置的定位数据组成的历史复检集合构成。

在一些实施例中，智慧燃气管网安全管理平台可以基于巡检分析结果410对至少一个目标定位数据进行聚类，确定至少一组复检集合（如420-1、420-2、……、420-n等）。

聚类算法可以包括但不限于K-Means聚类、高斯聚类等。

通过聚类，可以将多个目标定位数据中巡检分析结果相同或相近的分为一组，形成多个聚类结果，即多个簇。

在一些实施例中，智慧燃气管网安全管理平台可以将一个聚类结果（簇）中的目标定位数据，确定为一组复检集合。每一组复检集合包括至少一个标记装置以及标记装置所在区域的巡检分析结果。

在本说明书的一些实施例中，基于巡检分析结果，通过聚类可以快速地确定相似的目标定位数据，并归类到同一集合里，有利于高效确定复检集合。

GIS地图是指在计算机系统支持下可以进行自由交互操作的矢量地图，具有空间拓扑关系，能够显示真实的地理位置且具有GPS定位功能。

可视化数据可以指以图形方式呈现的结构化或非结构化数据。例如，可视化数据包括不同目标定位的不同标记、复检线标记、燃气GIS系统巡检数据等可进行可视化显示的数据。

在一些实施例中，智慧燃气管网安全管理平台可以基于至少一组复检集合，通过多种方式确定至少一组复检线。例如，智慧燃气管网安全管理平台可以将复检集合里多个目标定位数据，随机排序，生成多条候选复检线；从多条候选复检线中选择巡检距离总和最小的候选复检线，作为目标复检线。

在一些实施例中，确定复检线后，智慧燃气管网安全管理平台可以并在GIS地图上展现复检线上不同目标定位数据的信息，例如，目标定位数据的标记、目标复检线轨迹、每个目标定位数据的燃气GIS系统巡检数据等。用户可以通过点击目标定位数据的标记，展开查看对应的信息。

在一些实施例中，复检集合还包括隐藏隐患点，智慧燃气管网安全管理平台可以基于标记装置构建装置图谱；基于装置图谱，确定至少一处隐藏隐患点，并在GIS地图上更新可视化数据；基于至少一处隐藏隐患点的定位信息，更新至少一组复检集合和/或复检线。

装置图谱是指表示多个标记装置之间的连接关系、分布情况及相关信息的图结构。在一些实施例中，智慧燃气管网安全管理平台可以基于标记装置的目标定位及之间的燃气管道构建装置图谱。

在一些实施例中，装置图谱可以以至少一个标记装置的目标定位为节点，以目标定位间的燃气管道为边。目标定位为预测的后续需要放置标记装置的定位。

装置图谱的节点特征包括是否含有标记装置、标记装置的监测数据、燃气GIS系统巡检数据、巡检分析结果等。

装置图谱的边特征包括节点间的直线距离、是否包含历史未识别隐患点、历史未识别隐患点的数量等。

在一些实施例中，智慧燃气管网安全管理平台可以将装置图谱中包含隐藏隐患点的边的数量，确定为第一数量。关于第一数量的内容可以参见图3的相关描述。

在本说明书的一些实施例中，通过构建装置图谱，可以清楚地可视化多个标记装置的连接关系、分布情况以及相关的燃气数据信息。

图5是根据本说明书一些实施例所示的基于装置图谱确定复检线的示例性示意图。

在一些实施例中，智慧燃气管网安全管理平台可以基于装置图谱，通过多种方式确定至少一处隐藏隐患点。例如，智慧燃气管网安全管理平台可以调取任意两个节点以及节点间边的数据，通过预设算法确定边对应的燃气管道是否存在隐藏隐患点。

在一些实施例中，通过预设算法可以以下述公式（3）确定装置图谱上的某条边是否存在隐藏隐患点：

（3）

其中，w为总隐患分，b

燃气浓度分、异常声音分、图像分可以通过查询预先建立的分数数据表确定。分数预设表中存储有预先评估确定的不同燃气浓度、不同振动异常声音、不同图像数据及各自对应的分数。关于燃气浓度、振动异常声音、图像数据的更多细节可以参见图2及其相关描述。

边的隐患值可以基于边对应的燃气管道包含的历史未识别隐藏隐患点的数量确定。边包含历史未识别隐藏隐患点越多，边的隐患值越高。预设权重和分数阈值均可以基于经验预设或由系统默认设置。

在一些实施例中，当某条边的总隐患分w超过分数阈值时，该边存在隐藏隐患点。

在一些实施例中，智慧燃气管网安全管理平台可以基于图模型对装置图谱进行处理，确定装置图谱中每条边存在隐藏隐患点的数量。

图模型可以为机器学习模型，例如，图神经网络（Graph Neural Networks，GNN）等。

在一些实施例中，图模型520的输入可以为装置图谱510，输出可以为装置图谱中每条边存在隐藏隐患点的数量530。在一些实施例中，基于装置图谱中每条边存在隐藏隐患点的数量可以确定装置图谱中存在隐藏隐患点的边的数量。例如，可以通过排除装置图谱中隐藏隐患点数量为0的边来确定装置图谱中存在隐藏隐患点的边的数量。

在一些实施例中，图模型可以通过多个带有第三标签的第三训练样本训练得到。训练方法可以包括但不限于梯度下降法等。

在一些实施例中，第三训练样本至少可以包括历史数据中的样本装置图谱，可以基于历史标记装置的定位和燃气管网构建。第三标签可以是每个样本装置图谱中每条边实际存在隐藏隐患点的数量，可以基于历史数据在构建的样本装置图谱上标注确定。

在本说明书的一些实施例中，通过模型对装置图谱进行处理，可以快速准确地确定每条边存在隐藏隐患点的数量，进一步确定装置图谱中存在隐藏隐患点的边的数量，提高处理效率，为后续确定标记装置的摆放分布和可视化数据展示提供可靠的数据基础，减少漏检事件的发生，保证燃气巡检质量。

在一些实施例中，智慧燃气管网安全管理平台可以将图模型输出的每条边存在隐藏隐患点的数量在GIS地图上进行标注。例如，将存在隐藏隐患点的边用不同颜色表示，或对边嵌入信息，点击边时可以显示是否存在隐藏隐患点、以及隐藏隐患点的数量。

在一些实施例中，智慧燃气管网安全管理平台可以基于至少一处隐藏隐患点的定位信息，通过多种方式更新至少一组复检集合和/或复检线，例如，基于原本复检集合里的目标定位数据，和至少一处隐藏隐患点的定位信息，通过利用路径规划算法更新至少一组复检集合和/或复检线。

在一些实施例中，智慧燃气管网安全管理平台可以基于图模型输出的装置图谱中每条边存在隐藏隐患点的数量，更新至少一组复检集合和/或复检线。

例如，某条存在隐藏隐患点的边的两节点均含标记装置，需要进行线上复检，则将该处隐藏隐患点的定位信息纳入到需要线上复检的复检集合中。又例如，某条边存在隐藏隐患点的数量为0，则无需进行线下复检，不纳入到需要线上复检的复检集合中。

在本说明书的一些实施例中，通过模型输出的存在隐藏隐患点的边及数量，及时准确地更新复检集合和/或复检线，避免过检、漏检事件的发生，提高巡检质量及效率。

在本说明书的一些实施例中，基于标记装置建立装置图谱，考虑历史数据中的历史未识别隐患点数据，可以比较准确地确定不同目标定位数据间是否还存在隐藏隐患点，从而进行针对性复检，保证燃气巡检质量，避免过检、漏检现象的发生。

在本说明书的一些实施例中，基于巡检分析结果，快速确定复检集合，进而确定合理的复检线，可以有效缩短复检时间和复检综合成本，提高复检效率。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。