1.一種基于物聯網的城市安全事故溯源與風險預警方法，其特征在于：所述預警方法包括以下步驟：

1）城市安全事故溯源應用模型的建立：數據采集以物聯網中RFID技術對城市安全事故的現場情況進行實施監控，現場信息采集模式采用：RFID閱讀器+無線網+PDA+windows?mobile+web?services，通過獲取事故RFID芯片信息，獲取實時事故相關信息；網絡的接入則采用RFID技術實時記錄事故發生各個環節的信息，并將過程數據信息上傳平臺數據共享中心；

2）安全事故有限狀態機模型的建立：首先定義安全事故的有限狀態機為M=(K,Σ,δ,q₀,F)，其中K表示有限狀態集合，Σ為輸入符號的有限集合，δ表示轉換函數，q₀為初始狀態，F是狀態集K的一個子集，稱為可接受狀態；其次定義M的狀態轉換規則，狀態轉換規則中，q表示終態，q₀為初態，qi為各中間態；然后定義一個次級有限狀態機控制作為安全事故溯源的訪問控制程序，該程序以符號S表示，通過控制器S控制事故集合中Σ的某些事故無法發生，從而實現對事故的“可控”；

3）安全事故溯源時序數據的聚類分析：假設k是一個常量，為了把n個觀測值分成k類，對于這個n個樣條系數的向量需要一個無監督的聚類技術，從R^p的n個對象｛βⁱ,…,βⁿ｝的集合，根據相同類別來構建一個個的分區，分區表示為z=｛c¹,…,c^k｝，其中每個cⁱ都屬于R^p，所選用的最小化公式為：

1nΣi=1nminc∈Z||βi-c||2---(1)]]>

其中||·||表示歐幾里德范數，該問題等價于尋找｛βⁱ,…,βⁿ｝的分區｛c¹,…,c^k｝；

4）基于隱半馬爾科夫模型的城市安全事故預警：安全預警的隱半馬爾可夫模型HSMM的狀態空間只包含兩個狀態：安全狀態和危機狀態，系統行為每次的觀測值都有可能屬于安全狀態，也有可能屬于危機狀態，其具體過程如下：

(4.1)狀態空間：HSMM模型的狀態空間S＝{0,1}，即狀態數N=2，其中0表示安全狀態，1表示危機狀態，當狀態轉移到1時，表示進程出現危機；

(4.2)狀態轉移概率分布：A=a00a01a10a11,]]>其中a_ij為從狀態i到狀態j的轉移概率，i,,j∈S；

(4.3)可觀測符號及其概率分布：V={V₁,V₂,…,V_M}為可觀測序列，即能觀測到的系統行為的集合，M是可觀測符號的總數，其概率B={b_i(k)}，其中b_i(k)為當前狀態處于i時觀測到系統行為V_k的概率，i∈S，1≤k≤M；

(4.4)初始狀態分布：π={π₀,π₁}，其中π_i為第一步處于狀態i的概率；

(4.5)觀測序列：O={O₁,O₂,…,O_T}，T為觀測到的可觀測符號的數量；

(4.6)狀態駐留時間D，建立城市公共安全的HSMM模型后，將搜集到的反映當前城市安全的流序列與已知的正常安全情況模型進行比較，如果概率偏差大于設定的閾值則認為當前行為出現危機，否則認為處于安全狀態。

2.如權利要求1所述的基于物聯網的城市安全事故溯源與風險預警方法，其特征在于：所述預警方法還包括以下步驟：

5）建立基于物聯網的城市安全事故溯源應用體系：采用超高頻RFID電子標簽技術和RFID身份卡實時記錄安全事故從萌芽到發展、擴大全流程的相關信息，結合GPRS、3G以及互聯網技術將安全事故關鍵誘發因素的實時數據信息上傳監管數據中心。