基于区块链技术的应急管理系统的研究

来源 :天津科技大学 | 被引量 : 0次 | 上传用户:flysnake
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,城市自然灾害发生的频率越来越高,造成了大量的人员伤亡和财产损失,因此需要大力推进城市灾害防御工程建设,其中完善城市灾害应急管理系统就是很重要的一个方面。但是在目前的应急处理中,不但不同的部门有各自的应急管理系统,各自管理,较为分散,而且系统本身大多数采用中心化管理,以上原因导致应急处理过程存在着消息共享不及时,受故障或者攻击影响较大,事后难以追责等问题。区块链技术凭借其去中心化、防篡改以及可追溯性等特点,为完善应急管理系统提供了一种新的思路。将区块链技术应用于应急管理的场景中,能够解决现行应急管理系统中存在的种种短板,为提高应急管理技术提供了一个新的方向。基于上述情况,本文主要完成了以下工作:研究了区块链共识算法的相关技术,为了提高区块链中传统共识算法的容错性,提出一种针对Hyperledger Fabric框架共识机制的优化方案,对其采用的Raft算法中的Leader选举和日志复制两个阶段都进行了优化,使其能够容忍拜占庭错误。然后进行了优化算法的实现并与其他拜占庭容错算法通过实验进行了比较。提出一种基于区块链的应急管理系统的架构设计,将所需的救灾信息及时上链保存和共享,提高了信息共享度和系统的健壮性,并对灾情发布与处理的流程进行了优化,让救灾人员和灾情发布人员可以构成直接的供需关系,提高了应急管理的效率,并采用Hyperledger Fabric作为开发平台。针对应急管理场景下,数据量大导致链上存储压力大的问题,提出一种链和脱链相结合的存储方式。链上存储文本信息,而图片,视频等占存储空间较大的信息采用脱链存储,并由此提出了灾情信息和任务信息的溯源方案,不仅降低了链上存储压力,提高了存储效率,也有助于日后的追责。以Hyperledger Fabric为平台设计相关智能合约并实现了基于区块链的应急管理系统,最后对其实现的功能进行了展示。
其他文献
学位
近年来,国家针对食品安全问题推行了一系列治理政策,食品安全形势趋于稳定。但随着大数据时代的到来,食品安全事件一经出现就会在网络上迅速传播,例如近几年发生的“三文鱼案板上发现新冠病毒”、“天津某餐饮公司配餐环境脏乱差”、“酸菜在土坑里腌制”等食品安全事件,在网络上引发了网民的激烈讨论。信息的爆炸式增长与传播使得厘清事件的来龙去脉变得越发困难,影响对食品安全事件的监管与治理。由此可见,厘清食品安全事件
学位
冲击模型作为可靠性领域的主要研究内容之一,主要用来刻画在不确定环境下系统运行并受到外界冲击时系统的可靠性变化。在装备制造业中,许多系统在工作期间都会受到外界冲击的影响而导致可靠性逐渐降低,因此,对冲击模型进行建模和可靠性分析具有重要的意义。传统的冲击模型都是基于概率论进行建模和分析,而使用概率论来处理问题需要具备三个条件:事件需要明确定义;有大量的样本存在;样本之间具有概率重复性。但是工程中可获取
学位
目标检测是智能安防、自动驾驶、缺陷检测等热门领域的关键技术之一,随着深度学习的发展,基于深度学习的目标检测技术取得了优秀的效果并且已经具备了良好的理论基础。目标检测场景对嵌入式设备有着广泛的需求,并且嵌入式GPU平台由于其出色的计算能力和模型部署的便捷性成为了最常用的图像处理平台之一。但是目前基于深度学习的目标检测算法对嵌入式设备要求较高,并不能完全适用于嵌入式GPU平台。为此,本文对目标检测算法
学位
深度强化学习(Deep Reinforcement learning,DRL)作为机器学习领域的重要学习方法,主要研究智能体如何在未知环境中做出较好的决策,是最有希望实现人工智能这个目标的研究领域之一。目前,深度强化学习在诸多领域如游戏、机器人等取得巨大突破。深度强化学习的目标是找到最优策略,从而取得最大期望回报。为了实现深度强化学习的目标,要求智能体理解所处的环境状态,能够根据任务要求做出符合环
学位
随着智能电网及能源互联网的快速发展,海量异构的电力通信设备不断接入到电力基础设施中,极大地促进了电网的数字化建设。然而,一旦电力通信设备出现故障可能引起电网扰动,威胁电网安全。海量的设备使得故障研判数据呈指数级增长,且由于设备功能各异,故障千差万别、影响不一,导致运维过程中出现监管实效差、故障信息定位难等问题。而现有电力故障数据库结构冗余、关联复杂难以分析,故障信息检索效率低、准确率差,其对电网智
学位
近年来,人脸图像的超分辨率研究具有极其重要的意义,受到越来越多的关注。传统的人脸图像的超分辨率往往采用插值方式容易导致纹理结构粗糙,甚至人脸结构扭曲。基于生成对抗网络的人脸图像超分辨率方法虽然具有强大的数据生成能力,但是由于缺乏反馈不能实现从低分辨率输入到超分辨率结果的复杂映射,且重建结果存在局部模糊或失真等问题。因此,本文提出基于生成对抗网络的人脸图像的超分辨率的改进方法,主要贡献如下:(1)传
学位
复杂场景下的行人重识别是自动驾驶、智能交通、智能安防等领域中应用非常广泛的算法,也是机器视觉应用领域所研究的热门问题。行人重识别的核心问题是在复杂情景中实现跨摄像机对行人的辨认和搜索。目前针对行人重识别任务的方法取得了较好的识别效果,但还是存在以下问题:一方面,行人属性识别作为行人重识别的重要基础,可以提高对行人的辨识度,在行人属性识别实际应用中,经常会遇到训练样本中的属性不平衡情况,影响了算法的
学位
随着机器学习技术的发展,无监督表征学习已经成为目前最重要的研究方向之一。变分自编码模型(variational autoencoder,VAE)因其显式的生成模型建模方式,已经被视为无监督表征学习领域最具研究价值的模型之一。无监督聚类表征学习是表征学习领域一个重要研究分支。传统深度聚类表征学习方法更多关注通过深层神经网络去提取数据的隐层特征来提升聚类精度,较少对聚类任务中数据类别的确定性问题进行分
学位
<正>2022年末,在江苏省连云港市赣榆区赣马镇农村产权服务交易中心,随着仲马自然村50.5亩土地发包项目的应声落锤,赣马镇当年交易了1668个项目,交易额4450.11万元,分别提前完成年度任务的120%、130%。近年来,赣马镇农村产权交易服务中心,充分发挥交易平台功能,坚持“应进必进”,突出规范化,抓关键、抓落实,
期刊