煤礦安全管理“自學習”體系建設研究

王海軍，王詩珺

隨著國家對安全生產的重視程度不斷提升，“以人為本、安全第一”是當前煤礦企業安全生產最重要的理念，企業目標必須安全先行。基于煤礦企業井下生產工作環境的特殊性，煤礦井下生產隱患較多，制定可操作性強的安全規章制度、有效的安全預防措施、健全的安全責任機制，從隱患的根源著手，避免因危險源排查預警不到位、人員違規操作等因素釀成安全事故，是保障煤礦生產企業安全生產的關鍵。通過提出建立煤礦企業安全管理“自學習”體系建設的思路和方法，具體闡述其實施的技術途徑、實用性、優勢性，提升煤礦企業安全管理核心技術水平。力爭在未來“自學習”安全管理體系建立之后，成為煤礦井下安全管理工作最有力的抓手。

1 安全管理存在問題

煤礦企業安全管理生產過程的不安全行為中，人為因素是最主要因素之一，也是最難管控的因素，煤礦員工的安全意識普遍不高，存在習慣性違章、僥幸心理、叛逆心理、冒險心理等，這無形中加大了安全管理難度與不確定性；另一方面，安全管理人員責任意識不強，在不安全行為及危險源隱患排查中，由于管理人員的自由裁量權過大，存在湊指標、完成任務等現象，甚至部分查處模糊牽強，在不安全行為查處過程中，因為無定量可靠證據鏈[1-3]，主要依靠各類安全制度進行自由裁量的安全管理及懲處，無形中又增加了由安全管理人員產生的安全隱患。這種安全管理制度已經越來越不適應智慧煤礦企業的安全生產現狀。

現行多數煤礦企業制定的安全管理獎懲機制，初衷是通過獎懲進一步提升安全管理的實施效果，制定了很多激勵新方法、新措施，但是事實證明這些獎懲結果導向往往卻不盡人意，對于企業是獎勵大于懲罰，但是對于員工就是懲罰大于獎勵，最終結果卻成為安全問題越來越多，且重復問題得不到有效整改。

對于安全管理人員的獎勵、對于違規操作的人員懲罰，也會造成管理人員與一線員工的沖突，深究原因，主要是安全管理的標準沒有量化，似是而非的安全標準及安全管理人員的自由裁量，造成了管理人員與一線員工的理解不一致，致使安全管理獎懲措施，不但沒有排除安全隱患，甚至造成進一步的矛盾沖突，這說明當前安全管理人員粗放的自由裁量，必須由“人管”到“體系管”的智能化管理模式革新。

2 “自學習”管理模式

在煤礦安全生產管理中，利用煤礦現有的安全信息數據，采用基于安全管理的危險源信息、視頻圖像信息、安全管理人員行為等多語義情景協同感知技術和方法；建立基于面向危險源本體的圖像信息綜合分析系統，實現危險源及違規行為信息的“自學習”有效提取及多語義識別[4-6]；建立基于安全管理全流程的情景感知體系構架，形成安全管理業務導航策略生成，根據不同危險源及違規操作特征的情景識別，實現安全管理路徑、流程、內容、標準以及其他潛在危險源的自動觸發警示，規范并限制安全管理人員管理過程中的自由裁量權，做到安全生產管理受人為因素、環境因素影響最小化，提升安全管理的精準性、科學性和高效性。

強化安全管理一線職工安全意識，研究基于時空位置信息、視頻圖像信息、安全管理人員行為狀態等多語義情景協同感知技術和方法為出發點，以安全管理體系模式的思路改變為研究對象，加強安全管理體系的“自學習”功能，提升預警安全違規操作、降低安全事故發生后對員工的懲處，是從根本上解決安全生產突出問題、防范生產安全事故的重要舉措。

3 “自學習”體系建設途徑

3.1 實時跟蹤處理系統

煤礦危險源的種類繁多、違規操作等的可能性更是千差萬別，因此對其檢測、識別過程比普通設備及規程檢測要復雜得多。首先建立多特征融合的危險源識別及實時跟蹤模型，然后通過“自學習”方式獲取響應特征，建立模型與實物之間的對應關系，形成危險源、人員違規操作等的有效特征庫[7]，采用多尺度特征變換表示危險源及違規操作的識別信息，建立基于特征信息模板匹配方式的結構化圖像采集與分析系統，形成基于圖像識別的煤礦危險源及違規操作的實時跟蹤處理系統。在對危險源及違規操作等的識別、檢測、跟蹤、分析的基礎上，自動生成違章分析報告[8-9]，實現對煤礦安全管理的自動實時跟蹤處理，減少安全管理人員的裁量權及滯后性。

3.2 異常狀況檢測預警系統

煤礦生產是動態過程，隨著時間、空間而時刻變化，潛在危險源和可能發生的違規操作狀態都在實時變化。通過危險源、操作人員異常行為的智能視頻識別模型算法，并對基于多特征融合危險源識別實時跟蹤處理系統提取到的特征與模板圖像之間的對比，系統完成危險源等的特征匹配。基于以上建立的危險源及違規操作異常狀況檢測模型，就可以在安全生產過程中實現實時識別，對違規操作行為提醒并預警，對于嚴重違規操作行為，系統自動報警且不能繼續完成操作等措施，系統同時對違規操作人員進行身份檢測識別，并把預警及識別信息推送到特定界面或指定系統。在此基礎上，再根據現場數據“自學習”危險源及違規操作等的不同視覺模式和模態，以此為基礎再進行模型精細分割“自學習”修正，更進一步完善危險源及操作人員異常狀況檢測模型。

3.3 可信電子證據鏈

在現行安全管理機制中，大都采用“人工管理”、“手工處理”的現狀，容易造成安全管理人員與一線員工執行過程中，面對同樣的問題，角度不同得出不同的觀點和結論，出現這樣的現象和問題，主要是因為缺乏可行且權威的不可篡改的電子證據鏈。

煤礦井下安全管理人員在管理過程中形成的相關電子數據是管理的重要依據[10]，而傳統的原始電子數據與危險源的視頻圖像、管理人員體征特性等無任何關聯性，在存儲、傳輸過程中又極易遭受篡改，很難保證數據及過程的完整性、真實性。建立基于時間戳與人員特征參數交互認證的可信固化電子證據鏈，采用時間戳在電子證據上確定唯一標識時間，附加針對視頻采集的完整圖像，形成由內容至時間不可篡改的電子證據鏈，實現了安全管理電子證據的客觀公正、真實完整、合法權威，并將可信固化后的電子證據鏈實時傳輸至煤礦安全生產管理平臺，為安全生產管理平臺提供完整、真實、可靠的數據，是安全管理人員執法的唯一不可更改的證據。

3.4 大數據分析平臺

目前煤礦采用的安全生產管理，危險源及違規操作等數據分散、孤立，多數數據一次性使用過后不能再被重新調取分析，更缺乏智能化分析。借助大數據處理技術，建立煤礦安全生產管理體系大數據分析中心，構建煤礦安全生產管理數據平臺，通過對煤礦安全管理數據的實時數據采集和歷史數據抓取；擴展各類數據提取應用、安全管理態勢的分析，實現準確、快速、便利的為煤礦安全生產管理提供實時發生的違規事件樣態的數據報表。

大數據統計分析全礦井的安全生產管理數據，更進一步對煤礦安全生產管理的大數據的統計、加工、存儲、處理、挖掘等功能，并實現基于互聯網模式的安全生產信息、綜合數據發布瀏覽，為使安全生產管理人員快速準確的獲取到相應的安全生產信息，也為快速處理安全預警事故提供依據，同時利用大數據分析隨時對任意時間段的安全態勢進行分析，得出更多附加值高的參考結果，進一步提高煤礦整體隱患管理水平[11]。

3.5 “自學習”平臺體系

通過多特征融合危險源識別的實時跟蹤處理系統、危險源異常狀況檢測處理系統、安全管理大數據分析、可信電子證據鏈，開發出一套基于圖像識別的具有“自學習”功能的井下危險源及違規操作等的安全管理軟件系統，具有生產期間危險源及人員違規操作的預警、告警等功能，并自動生成安全管理分析報告，提升整個礦井的管理效率和管理質量。煤礦安全管理“自學習”體系建設內容框架如圖1。

圖1 安全管理“ 自學習”體系建設內容Fig.1 Contents of safety management“ self-learning”system construction

采取煤礦“自學習”安全管理途徑，制定積極有效的導向性安全管理機制，基于實時跟蹤處理、檢測預警處理、大數據分析、可行電子證據鏈等量化的實時危險源和可能發生的違規操作隱患狀態，建立由可信數據、管理人員、一線員工、電子證據鏈等多維動態的“自學習”煤礦安全生產管理體系，完善具有正向激勵機制導向的煤礦安全管理體系建設。

4 結 語

基于“自學習”管理體系，能夠實現煤礦企業安全生產信息規范完整、動態信息調取、執法過程便捷可溯、事故規律預測預判，形成可信電子證據鏈。對強化煤礦安全風險意識、落實智能管理、管控精準到人，有效防范遏制重大事故的發生，促進建立正確的煤礦企業安全管理的智能機制。實現安全生產管理人員及一線員工規范并重視安全生產，為企業高層決策智能安全生產管理的集中控制、事故預防、應急處置等提供決策，起到全面提升煤礦安全監管效能、安全管理優化起到重要的推動作用。