煤礦安全生產大數據應用管理系統研究與設計

王萬麗 崔 超

(1.包頭輕工職業技術學院，內蒙古自治區包頭市，014035；2.中煤信息技術(北京)有限公司，北京市東城區，100011)

1 煤礦安全生產信息化應用中存在的問題

近年來，我國煤礦安全生產信息化建設有了較大發展，各種監測監控數據、設備狀態數據、生產自動化數據、人員信息以及管理信息系統取得了較大成效，但在具體應用中仍然存在以下問題：

(1)基礎數據準備不充分，數據庫建設亟待完善。一是我國具備安全監管職責的部門都建有安全生產相關的數據庫，但由于其數據搜集、數據整理等能力的不足，造成數據庫完整性、規范性方面還存在較大缺陷；二是部分省份煤礦安全監管有的是在安監部門，有的是在行業管理部門，各部門建立的事故信息、監管信息等數據庫沒有形成統一的標準，為數據銜接造成較大局限。

(2)缺少數據分析工具，信息公開力度不夠。一是雖然近年我國在兩化融合促進煤礦安全生產信息化等方面做了較多工作，也取得了較大的進步，但總體來講我國煤礦安全生產信息化水平還較低，多收集少應用、重事后輕事前等問題突出，為大數據的應用帶來了阻礙；二是缺少高性能大數據分析工具，這是煤礦企業應用大數據普遍面臨的問題，如果沒有高性能分析工具，大數據的價值就得不到釋放；三是自《中華人民共和國政府信息公開條例》頒布實施以來，安全生產信息公開工作取得了較大突破，但相比美國和日本等發達國家，我國安全生產的信息公開力度相對不夠。

(3)系統沒有形成合力?，F有的煤礦安全監控系統對于煤礦的安全生產信息進行了一些簡單的互聯互通，但是對煤礦各類在線設備和執法情況缺少系統地分析與預判。煤礦企業各類在線數據也都處于各自的孤島狀態，缺少互聯互通和有機的關聯分析。

為了更好地適應煤礦安全生產和煤礦安全監察工作的需要，建設煤礦企業安全生產大數據應用系統非常必要。該系統對煤礦井下各類數據建立分析模型并進行關聯分析，從而更好地對每個煤礦進行風險預警預測分析，為監察執法提供預警預測信息，提高監察執法的科學性和對事故風險的預警預測能力。

2 煤礦安全生產大數據應用管理系統設計

煤礦安全生產大數據應用管理系統包括煤礦安全生產數據采集子系統、安全生產風險評估與決策支持子系統和安生生產輿情互動子系統。煤礦安全生產大數據應用管理系統總體數據架構如圖1所示。

圖1 煤礦安全生產大數據應用管理系統總體數據架構

2.1 煤礦安全生產數據采集子系統

該系統集成了企業基礎信息、在線監測數據、視頻圖像數據、人員位置信息和監察執法信息等模塊。企業基礎信息模塊主要包括規章制度和企業基礎等信息；在線監測數據模塊中的環境監測數據主要包括瓦斯、通風、水、火、礦壓、粉塵、甲烷、CO、煙霧、風向、溫度、濕度等數據，這些數據主要通過井下及地面傳感器獲得。在線監測數據模塊中的設備運行數據主要是大型固定設備狀態數據，這些數據主要通過礦井綜合自動化系統獲取；視頻圖像數據模塊主要包括在井下生產位置、機房等地方安裝的攝像頭設備等信息；人員位置信息模塊主要通過接入人員定位系統，獲取人員位置信息；監察執法信息模塊主要為執法人員現場執法、事故調查、隱患排查等信息，包含執法獲取的企業信息、執法結果、執法文書等信息，這些信息主要通過各部門人員上傳獲取。

2.2 安全生產風險評估與決策支持子系統

該系統主要由安全生產檢查主題分析、安全生產事故主題分析和安全生產事故治理主題分析三大部分組成。

2.2.1 安全生產檢查主題分析

安全生產檢查主題分析從地域、時間、行業等多維度、多層次、多角度靈活分析安全生產檢查的落實情況和檢查結果，從而有效管控安全生產檢查進度和結果。

(1)安全生產風險評級模型。用于分析和評估企業安全生產風險等級，通過數據分析技術對煤礦安全生產歷史數據進行深度分析，自動分析和挖掘瓦斯濃度、煤層厚度、工作面日產量等因素與安全等級之間的關聯關系，從而為煤礦安全等級評估提供更為科學的決策手段。

(2)安全生產檢查與事故發生概率評估模型。利用數據分析安全生產檢查數據和事故發生數據，發掘事故發生概率和安全生產檢查數據之間的內在關聯關系，從而對據此利用當前安全生產檢查數據推演企業發生安全生產事故的概率，以及進一步對事故發生概率較高的企業進行重點監管。

(3)安全事故風險指標異常檢測模型。對于瓦斯濃度等涉及安全的各個重要KPI，利用數據挖掘技術建立基于時序分析的異常檢測模型，對各企業相關指標進行異常檢測，以防范安全事故的發生。

2.2.2 安全生產事故主題分析

安全生產事故主題分析從地域、時間、行業和等級等多個維度對安全事故次數、死亡人數等指標進行靈活分析，并進行同比環比等預警，從而方便對安全事故的管控。

(1)安全生產事故原因分析。通過對海量的安全生產事故數據進行深度分析，挖掘各安全生產檢查指標和安全事故之間的關聯關系，從而幫助主管部門更有效、更精準地把控重要的安全生產檢查指標。

(2)安全生產事故規律分析。通過數據挖掘方法對歷史的安全事故從地域、時間、節假日、天氣、企業安全狀況等多角度進行深度分析挖掘，發掘安全事故發生的一些一般性規律，從而為安全事故防范提供決策支持。

(3)安全事故次數預測與預警模型。利用數據技術和時間序列的分析方法，通過學習歷史安全事故發生次數規律，建立安全事故次數預測模型，并據此設定警戒區間，當事故次數超出預警區間時，則需要加大監管和整改力度，以防范安全事故規模性爆發。

2.2.3 安全生產事故治理主題分析

安全生產事故治理主題分析從地區、時間、行業等角度靈活分析專項治理的執行進度、完成質量等，從而幫助主管單位有效把控專項治理的進度與效果。

(1)治理方案選型推薦模型。通過數據分析技術，分析挖掘出企業安全檢查結果和治理方案、治理效果之間的內在關聯關系，為已經完成安全檢查且存在安全隱患的企業自動推薦最為有效的治理方案，從而最大限度提高安全生產治理效果。

(2)治理方案合理性評估模型。通過數據分析技術，分析挖掘出企業安全檢查結果和治理方案、治理效果之間的內在關聯關系，從而為企業的多個治理方案的合理性進行科學評估。

(3)治理方案實施效果評估模型。利用層次分析法等方法建立治理方案實施效果評估KPI，并通過對之前專家對各個企業治理方案實施效果的評估結果進行深度學習，建立治理方案實施效果評估模型，從而據此對治理方案的實施效果進行科學評估。

2.3 安生生產輿情互動子系統

該系統主要由事故信息實時監測預警、網站輿情監測分析、視頻輿情監測分析等功能模塊組成，實現對互聯網信息源的實時監控、采集和存儲，利用智能文本分析處理技術實現對信息的智能分類、智能聚類及摘要提取，及時發現和處理事故信息和敏感信息，掌控突發熱點信息；同時為輿情處置和輿情報告制作提供自動化工具，提高網絡輿情工作水平。

2.3.1 事故信息實時監測預警

事故信息實時監測預警功能是通過“網絡爬蟲”工具抓取信息，并根據關鍵詞篩選預警信息，主要建設內容包括以下幾個方面：

(1)對安全生產事故信息進行定向分級采集。實現對安全生產事故信息的定向分級采集，包括國內排名前50的全國性媒體(包括紙媒的網絡版)；全國所有省級地方權威新聞網站、報紙及主要論壇；地方新聞網站、地方報紙及主要論壇；實現對微博及微信平臺中安全生產事故信息的動態實時監測。

(2)最大限度地增加信息采集量。采用關鍵詞元搜索的方式進行輿情信息采集，并在此基礎上通過兩個方式增加信息采集量，一是調整檢索的關鍵詞，降低關鍵詞的過濾強度，讓盡可能多的信息被采集入庫；二是增加信息的定向采集功能，通過關注主流媒體，實時采集媒體信息。

(3)采用數據漏斗模式減少垃圾信息，降低誤報率。增加信息采集的同時，伴隨而來的是大量的垃圾信息，因此，采用數據漏斗和三級預警的模式，確保信息在沒有遺漏的前提下減少垃圾信息，降低誤報率。一是數據采集入庫后即建立全文索引，同時從標題和正文中匹配出和安全生產事故相關的信息，預計過濾效果能去除90%的垃圾信息，對過濾后的信息采用信息推送的方式進行展示，即一級預警；二是通過系統內部的過濾規則做二次篩選，對于規則匹配的信息進行二級預警；三是通過機器和人工相結合的方式，即采用正則表達式嚴格匹配事故信息，對于匹配的信息直接給予三級預警，同時結合人工審核的方式對于漏報和誤報進行完善補充；四是與地方相關單位系統進行數據對接，為了更全面、快速地進行事故預警，更好地發揮輿情信息對事故監測預警的作用，可后續與地方相關單位系統進行信息同步。

2.3.2 網站輿情監測分析

網站輿情監測分析包含互聯網信息采集、輿情檢索、輿情分析、輿情加工、內容管理和發布、輿情網頁和個性化門戶等模塊。

(1)互聯網信息采集模塊。該模塊包括信息采集器、采集網站管理、采集模板管理、采集任務調度、采集日志管理、網頁快照管理等功能。

(2)輿情檢索模塊。該模塊包括智能檢索、元搜索和信息監控，實現自然語言檢索、關鍵詞檢索、日期檢索、標題檢索、二次檢索、URL檢索和組合條件檢索在內的多種檢索入口等類智能信息檢索功能，并且可以實現敏感信息監測、有害信息監控、熱點信息監控等信息監控監管手段。

(3)輿情分析模塊。該模塊可以實現熱點輿情自動分析、敏感輿情自動識別、輿情走勢分析、傳播路徑分析、重大活動及突發性事件輿情處理、熱點信息發現、輿情關聯分析與任務追蹤、專題分析、時間趨勢分析、信息分布分析和熱點主題演化分析等多種分析在內的分析手段，正確、及時掌握安全生產網絡熱點信息和突發事件。

(4)輿情加工模塊。該模塊可以實現輿情報告整編、異常事件預警及預案、統計分析等功能。輿情簡報整編功能結合內容管理技術、知識管理技術及互聯網相關技術，能夠對一段時間范圍內新出現的社會輿論熱點或根據用戶自定義生成輿情報告。

(5)內容管理和發布模塊。該模塊的主要功能是實現各個系統之間的數據交互、內容整合與審核以及資源開放共享，實現與輿情展現平臺以及其它應用系統的無縫對接。

(6)輿情網頁和個性化門戶模塊。輿情網頁是面向地方相關領導和工作人員的輿情展示平臺，可以全方位、多角度、實時地展現輿情信息。另外，為了滿足特定用戶對界面欄目個性定制的需要，建設完成了個性化門戶，支持用戶隨意添加、刪除和拖動功能模塊，實現個性化布局。

2.3.3 視頻輿情監測分析

視頻輿情監測分析是一個集視頻推送、搜索、加工、統計為一體的一站式視頻輿情分析平臺。視頻監測來源覆蓋電視臺、網絡電視臺、視頻網站等，可實現全方位、精準化、實時地抓取和呈現視頻輿情信息，支持視頻在線播放和下載、視頻來源篩選統計和視頻收藏等功能。

3 應用效果

2017年，該系統在內蒙古自治區鄂爾多斯市的伊金霍洛旗興隆煤礦試運行，通過該系統對大數據的綜合分析，提高了煤礦安全管理的科學化水平，實現了礦井安全平穩有序運行。

(1)提高了智能化監測設備的使用比例。隨著大數據理念的發展、技術的發展以及各種智能化技術的應用，伊金霍洛旗興隆煤礦以安全高效為切入點，先后利用PLC、網絡技術、光纖技術等新型科技對礦井各系統進行了優化和改造， 采用了在線監測設備及內部通信設備，有效提高了智能化監測設備的使用比例。

(2)提升了在線監測能力。通過應用該系統，伊金霍洛旗興隆煤礦實現了煤礦安全數據的實時更新及有效登錄，通過深入分析監測數據，有效推動了安全生產管理制度的完善及事故預防能力。

(3)實現了安全管理由事后處置轉向事前預警。伊金霍洛旗興隆煤礦將“數據云”管理技術運用于安全生產，通過基層數據的采集后，集成升級為“信息化大數據平臺”，全面匯集和處理安全生產信息和數據，針對監測監控的數據實施分級告警，分專業進行對應處置，通過網上追蹤和閉合管理落實銷號，加強了安全生產管理。

[1] 劉香蘭.煤礦安全生產大數據分析與管理平臺設計研究[J].煤炭工程，2017 (6)

[2] 張科利,王建文，曹豪.互聯網+煤礦開采大數據技術研究與實踐[J].煤炭科學技術，2016 (7)

[3] 薛志明.“大數據”引入煤礦安全生產管理的可行性分析[J].神華科技，2016 (2)

[4] 馬小平,胡延軍,繆燕子.物聯網、大數據及云計算技術在煤礦安全生產中的應用研究[J].工礦自動化，2014 (4)

[5] 劉海濱，劉浩，劉曦萌.煤礦安全數據分析與輔助決策云平臺研究[J].中國煤炭，2017(4)