大數據如何監管危化品安全

大數據平臺已被越來越多的行業所應用。在危化品生產、存儲、運輸領域，大數據可以掌握行業動態變化、預測事故概率、加強安全管理。

大數據，指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

隨著“大數據時代”的到來，越來越多的行業、公司開始應用大數據分析客戶需求、推進信息化發展、做概率預測。

那么，大數據將如何應用于危險化學品監管工作？為此，本刊記者采訪了量子魔方科技有限公司創始人葛欣。

理論原理

大數據，從原理上來說，并不存在很強的數據統計分析理論，而是一種推理關系，更主要的是通過數據之間的關聯，影射可能發生或者目標性數據出現的概率，可以算作一種概率統計。

對于大數據來說，其并不一定是海量的數據，尤其是在危化品監管領域的應用上，葛欣表示“更需要類別復雜的數據”。

葛欣告訴記者，現在大數據的統計分析，都是依靠本行業中和涉及這個行業中的相關數據組，形成一組一組的推理，通過人、事、物之間形成邏輯的關系，來推理出所需目標。

以危化品安全生產事故預警來說，就需要涉及人口、密集程度、運輸時間、危化品種類、危險等級、歷史上出現過哪些事件、這些事件發生的地點、當時的危化品存量和種類等數據，從這些數據中分析與現實生活類似的情況，就形成了推理。

模型建設

對于危化品的安全監管，大數據更多地能應用于計算事故概率、預警風險、排查隱患等，也可用來制定安全標準。

大數據模型的建立，專業的人員必不可少。對此，葛欣表示，公眾認為大數據的建設是大數據技術公司的事，但其實并不盡然。對于危化品監管等專業性強的模型，還需要有非常熟悉危化品監管的專業工作人員。

這些專業人員可以提供業務的指標系數來配合技術人員，將散亂的數據做成關系型數據庫，讓數據能在數據庫內有序地存儲，便于檢索。葛欣告訴記者：“實際的框架建設需求也是由專業人員提出的，因為他們的理論和工作目標要求是大數據模型的核心需要，讓一個計算機技術人員替你去想，就相當于找了一個外行來做大數據模型最核心的業務邏輯，這樣做出來的大數據模型是不能進入實際應用的。”

當框架建立完成后，技術人員在模型建設過程中還會提出，專業人員還需要哪些數據輔助，這就又到了專業層面。另外，專業人員還要考慮用什么方式呈現。“比如需要呈現動態表，是否突出顯示顏色、是否增加預警模式；或者是需要彈窗形式、哪幾種條件融合時彈出窗口提示操作等。所以說，專業人員也需要有一定的計算機知識。”葛欣舉例說道。

數據搜集

建立大數據模型時，最重要的是要確定數據內容，可以根據應用目標進行倒推。葛欣舉例說道：“如果想要預警危化品倉儲企業的火災或者爆炸事故，避免天津港‘8·12事故的慘劇，就要先找到有哪些類似的危化品倉儲企業，這是類別對比。有哪些地方出現過火災或者爆炸，這是風險對比。在風險對比中，還要分析地域情況、距離城市遠近、規模大小、存放危化品的種類、存放量、存放標準、監管模式等是否一致、有沒有相關備案的手續或者危化品倉儲企業的經營許可證。之后在全國同類的機構中，篩查出相關機構，就可以知道還有哪些類似于天津港‘8·12事故的危化品存儲企業。機構數據排查出來后，再查企業建設及人員的火災防范和安全生產意識等情況。”

數據內容確定后，就要開始準備搜集數據。數據搜集的方式有很多種，可以從政府層面直接調出，可以去大型的網絡公司購買，也可以請專業的調查機構調查，或要求企業自行上報等。

葛欣告訴記者：“比如需要搜集危化品隱患的數據，類似騰訊、百度等大型網絡公司提供的數據一定比自己調查的要準得多。因為網民有搜索、發布的習慣，網絡上也有一定的新聞數量，這些都是網絡公司統計好了的，比我們費再大的勁去搜索都準確。”

對于危化品監管來說，安監系統內部就可以搜集到很多數據。但是，葛欣指出，有些基層的辦公系統與國家的系統還不連通，數據上傳后無法共享到安監系統后臺。還有的地方，數據還是紙質化的，沒有形成統一管理，在數據搜集時仍處于現翻現找的狀態，這些都是安監系統內搜集數據的大問題，需要政府投入足夠的資金解決基礎建設。

還可以通過互聯網征集方式主動獲取信息，即前期建立一個對社會公眾開放的大數據系統，讓大家提意見，發動社會力量降低搜索成本。

葛欣認為，一定會有很多為了切身安全考慮的群眾是愿意舉報的。甚至還可能出現，某些機構之間由于利益不均等原因，互相揭發檢舉。

通過這種方式拿到的數據，可以跟官方的數據對比，一定會出現某些數據關聯，就可以直接產生很多風險預警的指標。比如危險化學品的倉儲，官方拿到的企業數據和通過群眾舉報的數據，是否有偏差值、這個偏差的量是不是很大、這個區域是否有集中性，這些都是可以通過對比得出的監管指標。

當然，在搜集數據的過程中，也有可能出現人為更改數據、做假賬等情況，這時，大數據就無能為力了。葛欣表示，大數據講究的是客觀真實的數據能夠帶來的概率判斷，如果數據本身就是假的，那么做出來的模型也沒有任何價值。

模型應用

近年來，危化品運輸事故多發，個體運輸車輛通過車輛異地登記和掛靠具有營運資格的企業等方式獲得營運資格，運輸安全得不到保障。如果能夠通過大數據監管危化品運輸，分析路段信息、事故概率，可提升危化品運輸的安全性。

危化品運輸車輛在交通部門過港過關時都會有備案，這些備案的點能連成線，線就能連成一定區域范圍內的運輸網。葛欣告訴記者，可以根據線路使用頻率不同，用不同顏色標注出來。比如紅色線路是使用頻率最高的，那么就要找出這類線路都集中在哪些地方，增加沿途相關的宣傳、危化品運輸安全的警告，嚴格崗哨檢查。當出現天氣原因，如大雨、暴雪等，被覆蓋的線路就要及時預警。

從大數據中還可以分析出安全監管存在的問題。有些道路是規定運輸危險化學品的，但是使用頻率卻比較低。那么，監管人員就可以思考，這些車為什么不走這些道路，是不是為了躲避檢查而選擇鄉鎮小路，如何去杜絕這樣的事。

大數據還可以計算是否存在非法運輸。根據車輛來往多少趟、每輛車的容量得到的統計數據，對比倉儲地數據。葛欣舉例說道：“比如說，倉儲地數據記錄的是存有1萬t，但是從道路運輸數據來看只有5 000 t，那么剩下的5 000 t是從哪運輸過來的，這就值得檢查了。哪些企業進行了運輸，是否有未通過審查的企業以普通貨品的名義運輸危化品，監管人員可以根據這些去檢查。”

當出現天氣問題的時候也可以去檢查，比如大雪封山時，企業的存儲數值還存在變化，這就說明企業有非法運輸的嫌疑。

大數據也可以應用于應急指揮。如果之前就已經通過模型建設對事故發生的點位有所了解，當事故發生時，電腦可以自動提醒應急指揮人員，事故周邊的人口數量、道路交通情況、危化品存量等。還可以幫助應急指揮人員對救援路線、救援方式、人群疏散等作出決策。

葛欣認為，危化品監管大數據的平臺并不是為了某一項利益使用的，也不是為了某一群業務工作人員使用的，最終是應用到民眾安全當中的。政府和企事業單位要放平心態接受大數據的監管，這是最核心的問題。只有保證數據真實、有效更新、數據模型穩定，才能讓大數據系統真正落地。

編輯 畢文婷