油氣管道線路智能監控管理平臺設計開發

楊啟明，王洪超，劉少柱，溫玉芬，魏來

(1.國家管網集團工程技術創新有限公司，河北 廊坊 065000；2.國家石油天然氣管網集團有限公司 科學技術研究總院分公司，河北 廊坊 065000)

長輸油氣管道距離長，所經區域人文、自然環境千差萬別，管道面臨著第三方活動、自然災害等帶來的多種潛在安全風險。管道運營中普遍存在以下現象：管道線路總里程長，常規巡護主要依靠人工，受環境因素影響大，效率低下，發現問題不及時；管道線路周邊環境復雜，高后果區往往與人類活動密切相關，有很大安全隱患，管道周圍一旦出現動土施工作業，引發介質泄漏將造成嚴重后果；管道線路現場情況復雜，出現危險事故多數無法第一時間取證，難以還原事故現場；高后果區及重點管段除日常人工巡檢以外，現場缺少主動上報手段，突發情況無法在第一時間掌控現場信息；重點管段途經地域大多人煙稀少，供電困難，常規監控設施難以部署；部分重點管段易發生打孔盜油，通常發生于夜間或者偏僻地區，人工巡檢不易發現，且事后難以取證。

然而，隨著管道周邊區域經濟快速發展，交叉工程、機械施工和違章建筑逐漸增多，管理難度越來越大[1-3]。同時，管道周邊群眾安全意識普遍淡薄，施工蓄意避開巡檢節點，隨意性施工多，進一步增大了線路管理人員動態監控、日常手段攝取信息的難度。因此，亟需采取技術手段，開發和部署具備全天候實時監控的管道線路安防系統，對危害管道安全的行為及時預警和處置，有效防范第三方破壞、打孔盜油等風險行為發生。

1 平臺建設的目標

某管道公司油氣管道線路智能監控管理平臺作為管道重點地段安全風險防范中的重要技術措施，主要實現前端監控設備接入，設備視頻數據采集，視頻數據智能AI分析，設備運行狀態參數實時上報，設備運行數據實時存儲，設備故障及現場危險行為自動感知報警，工作人員能夠及時并直觀地了解現場實際情況和設備運行情況，快速準確地判斷監控畫面中的異常情況，掌握潛在風險，實現及時發現和最快處理，從而有效進行事前預警、事中處理、事后取證[4-6]。

該平臺將建成集視頻數據采集、智能AI識別、物聯網、大數據分析等為技術核心的綜合應用管理平臺，為重點區域全局的安全、防控、資源管理、分配等應用打下堅實的技術基礎。同時，深入探索視頻壓縮傳輸技術、基礎服務虛擬化技術等在平臺的應用，提升視頻傳輸質量，節省網絡資源和基礎設施資源，充分發揮該平臺的技術優勢。該公司陸續建設的視頻監控系統數量龐大，應用物聯網技術，建立設備資產管理臺賬和設備綜合運維故障分析功能，實現設備全生命周期的管理，自動提醒設備保養期，實時掌控設備運行狀態和運行參數，通過設備運行參數分析，自動感知設備健康情況，提前預警并減少因設備故障造成的不必要損失。通過智能AI識別技術，實現對場景的自動識別，危險行為自動感知，如人員施工識別、工程機械施工識別、管道占壓識別等，模型算法可根據使用場景進行模型訓練，總體實現無人值守情況下的自動預警，大幅降低了人員成本，提高了管理效率。通過大數據分析技術，綜合分析各項參數，如設備故障參數、智能AI識別報警參數、設備運行數據參數，得出分析結果供管理者決策使用。另外，系統建設時針對業務部門和使用單位關注的多客戶端管理、數據統計分析、業務視頻自動分組、事件自動提醒、事件數據可視化、智能統計分析等融合業務應用，可以大幅提高工作效率，提升功能。

2 平臺設計

該平臺統一軟件技術架構以組件化方式實現產品構成，如圖1所示，平臺應用技術集成了消息中間件、數據庫服務、分布式緩存、應用容器、事件分發、視頻壓縮傳輸、AI智能識別、數據倉庫、流媒體轉發、設備接入、數據加解密、存儲接入、短信接入、郵件接入、大數據分析模塊等，由各個組件承載相關服務能力，提供平臺及支撐組件的各種功能需求。針對平臺使用的流暢性，也做了大量的設計工作，采用各種先進技術支持應對平臺需處理的大規模任務，采用分布式緩存、事件分發機制、消息中間件等技術來提升響應速度、減少各環節交互的性能損失，提高系統運行流暢度。

圖1 油氣管道線路智能監控管理平臺架構示意

由圖1可知，該平臺整體架構分為基礎服務層、業務服務層、開放服務層三層架構：基礎服務層基于容器引擎實現容器編排調度、輕量級微服務治理架構、云化服務全生命周期管理、中間件，為上層業務服務提供支撐；業務服務層基于容器化管理，不同的服務單元部署到不同的容器中，如視圖轉發服務、人臉分析服務、車輛分析服務、行為分析服務等；開放服務層提供標準的開發接口，如SDK，Restful API等，為上層各類業務應用提供服務。平臺界面設計采用B/S架構網頁端實現系統管理、C/S架構客戶端實現日常操作、移動APP輔助監控，使平臺管理和維護方便高效。在系統管理中，對各業務的參數配置管理；在運維管理中，對系統各服務參數配置；對前端監控的遠程控制、檢索、回放錄像資料、日志查詢等都通過Web方式來完成，界面交互友好，能夠讓用戶快速掌握操作方式，并同時支持桌面應用和移動應用。

3 平臺建設

該平臺建設充分考慮了重點地段項目規模和應用場景[7]，評估了管道線路風險，選擇適當地點安裝智能攝像頭，攝像頭采用太陽能供電和4G通信，可全天候不間斷運行。平臺總體設計時考慮了各服務層的水平擴展能力，尤其是設備接入、視頻壓縮傳輸、流分發、流存儲、智能AI識別、大數據分析、事件、容器化部署、數據庫等關鍵服務。綜合考慮到容易出現的性能瓶頸問題，該平臺采用分布式設計架構，可根據物理服務器資源及服務容量情況，將平臺內組件獨立部署到不同服務器，根據業務組件承載業務量的不同實現資源動態調配，總體實現該平臺較高的擴展性及穩定性。

該平臺主要建設內容包括服務器建設、網絡建設和服務器高可用性建設，為保障該平臺可根據接入設備數量動態擴展，最終滿足支持5×103路視頻進入要求，基礎服務中服務器部分采用虛擬化技術搭建，虛擬化軟件為介于硬件和操作系統之間的軟件層，采用裸金屬架構的X86虛擬化技術，實現對服務器物理資源的抽象，將CPU，內存，I/O等服務器物理資源轉化為一組可統一管理、調度和分配的邏輯資源，在單個物理服務器上構建多個同時運行、相互隔離的虛擬機執行環境，實現更高的資源利用率，同時滿足應用更加靈活的資源動態分配需求，譬如提供熱遷移、HA等高可用特性，實現更低的運營成本、更高的靈活性和更快速的業務響應速度。

根據業務模塊的不同，將不同的業務模塊部署到不同的虛擬服務器中，既提高了物理服務器的使用率，也避免了服務器資源的浪費。使用人員常用的業務模塊主要有綜合分析模塊和運行管理中心模塊。綜合分析模塊提供各類分析統計功能，可按不同的管理維度進行分析，如管理單位分組統計設備在線情況、設備AI識別報警情況、設備報警態勢感知、高分析區域設備統計分析、各分公司設備在線率情況等，統計分析支持自定義擴展，為分析管理人員分析決策提供依據。運行管理中心提供服務運行監控，日志采集、報警，運行參數調整等各類平臺運維功能，并且支持將掉線的服務器自動遠程控制啟動，或者通過界面人工觸發重啟或者停止服務，方便平臺的運行維護。

4 風險事件智能識別

該平臺對風險事件的智能識別功能包括兩部分：攝像頭自身具有的識別功能；運行于算法服務器的圖像二次識別功能。線路智能攝像頭可以設置警戒區域，識別出進入警戒區域內的物體并報警。但是由于攝像頭的識別能力較弱，僅能識別出物體的移動，容易因風吹樹葉、雜物等物體移動產生誤報警。

為了提高該平臺報警的準確性，采用深度學習技術[8-11]開發了智能識別模塊。該模塊運行在GPU服務器上，分析從攝像頭獲取的報警圖片，組成架構如圖2所示。線路攝像頭全部采用4G方式接入到平臺中。

圖2 智能識別和報警管理模塊架構示意

攝像頭監測到風險事件后抓拍圖片上傳至該平臺，平臺獲取設備報警信息，封裝并推送給AI算法服務器，對報警圖片進行二次識別。二次識別算法采用了深度學習中的YOLO目標檢測算法，該算法是一種1-stage算法，采用單個卷積神經網絡來預測多個檢測框和類別概率，具有運行速度快、識別準確率高的優點。二次識別采用的YOLO基礎網絡為Darknet-53網絡結構，該網絡有53個卷積層，初始卷積層從圖像中提取特征，然后使用多個由1×1降維層、3×3卷積層和殘差塊組成模塊實現多尺度特征的提取，將分辨率加倍進行檢測，最后由全連接層預測并輸出概率和坐標。

通過分析管道以往遭受第三方破壞的原因，可確定主要來自人和機械的活動，機械主要由挖掘機、推土機、旋耕機和油罐車(打孔盜油)等。因此利用網絡資源和管道現場照片訓練二次識別算法模型。通過實際管道中的應用測試，該算法可準確識別油罐車、挖掘機等工程、農用機械以及人員，識別準確率達到90%以上，并將攝像頭的報警數降低了75%以上。

5 現場應用

2019年至今，該公司在高后果區、打孔盜油易發區、高風險管段以及閥室安裝攝像頭共計2.392×103處，全部部署到油氣管道線路智能監控管理平臺，該平臺已經成為該公司管道保護防護的核心力量，與常規巡護相互補充，起到了事半功倍的效果，主要優點如下：一是顯著提高工作效率，管道線路防護情況可通過該平臺實現客戶端和APP端隨時隨地監控瀏覽，該方式巡檢視野廣，覆蓋范圍大，徹底改變了以往“驅車2 h，現場5 min”的低效工作模式；二是降低人員安全風險，節約成本，大范圍減少管道線路夜間人員和車輛巡護頻次，降低人員和車輛長途跋涉巡檢的安全風險，進一步節約巡護費用；三是提高威懾力，在打孔盜油頻繁區部署攝像頭，通過該平臺預警情況分析，管道附近可疑人員與車輛明顯減少，對不法分子起到強有力的震懾作用；四是顯著降低管道安全風險。該平臺平均日報警總數約為9×103次，報警有效率達到85%，處置率達到100%，有效報警信息經現場確認和處置，將風險降到最低。自該平臺應用以來，視頻監控覆蓋范圍內，未發生管道被打孔盜油、第三方損傷和泄漏事故，管道線路安全得到有力保障。

6 結束語

油氣管道線路智能監控管理平臺在重點管段安裝攝像頭，利用攝像頭的智能識別功能初步判斷風險，然后采用平臺深度學習技術進行二次識別，可實現工程車輛、機械和人員風險行為的準確預警。目前，該公司主要高風險管段實現了視頻監控全覆蓋，可全天候無死角預警監控。預計到2022年，攝像頭總數將達到4×103個，將大幅降低單純人工巡檢漏檢概率和勞動強度，有效提高了管道安全防護水平。未來通過風險素材的逐步累計，進一步研究優化風險行為識別技術，可以持續提升管道線路安全的智能化防護水平。