智慧矿山安全管控大数据平台建设探讨

王 鹏

(应急管理部信息研究院，北京 100029)

煤炭是我国经济发展的主要能源之一，而如何保证煤矿安全稳定生产是维系我国经济高速发展的重要支撑。近年来随着国家对生产安全的高度重视，《国务院安委会办公室关于实施遏制重特大事故工作指南构建双重预防机制的意见》(安委办〔2016〕11号)等文件相继出台；另一方面，随着科技的不断更新迭代，各类自动化系统已在煤矿完成了更新部署。在政策监管和监测预警技术的共同作用下，国内煤矿生产安全形势有所好转，但仍事故频发。在煤矿现有安全监测监控系统和自动化系统的基础之上，煤矿数据已实现自动采集与分系统存储，如何在现有条件下，利用大数据等信息技术来提高煤矿监测预警体系的自动化和智能化水平，从而实现煤矿本质安全，已成为行业内所亟需攻克的难题[1-3]。

众多专家学者已在数字矿山、智慧矿山领域进行了探索，并取得了一定的成果。霍中刚等[4]探讨了基于互联网+技术的智慧矿山建设，以期解决矿山灾害预警等难题；李梅等[5]基于我国数字矿山建设，分析了数字矿山建设中存在的问题，并提出了以数据驱动为核心的智慧矿山技术框架；贺耀宜[6]、邱硕涵[7]从安全评价的层面，提出了智慧矿山建设评价指标体系，以实现对智慧矿山的统一度量；阙建立[8]、罗香玉[9]、谭章禄[10]剖析了智能矿山的内涵，提出了智能矿山平台技术架构，并对关键技术进行了介绍；陈晓晶等[11]为解决煤矿信息孤岛问题，分析了智慧矿山建设中的各项主要技术，并实现了各层级架构间的关联；徐静等[12]以矿山系统工程及价值链分析入手，构建了智慧矿山系统，并研究了其三者之间的关键技术，为智慧矿山工程实践提供了思路。以上学者从多角度对智慧矿山建设以及评价进行了深入研究，但仍存在以下几个问题：①缺乏信息获取的全面性：实际的数据采集中难以达到足够的多样性；②缺乏适应行业特征的能力：数据算法种类多，但需适应煤矿行业的应用和生产作业的特殊环境；③缺乏数据的深度分析与挖掘：数据的应用大多仅停留在数据采集储存和展示阶段，缺乏对海量数据中信息深度分析与挖掘；④缺乏信息的关联与融合：数据以孤岛形式存在，之间的关联关系没有得到进行一步挖掘。基于此，以安全管控数据为基础，以混合云技术架构为依托，提出一种以大数据技术为基础的煤矿安全管控大数据平台技术方案，以期实现对煤矿安全数据的有效分析，为煤矿安全管控精准决策提供数据支撑。

1 煤矿安全管控平台建设瓶颈

自《2006—2020年国家信息化发展战略》发布以来，我国的煤矿信息化建设经历了数字矿山、感知矿山阶段，正在逐步进入智慧矿山阶段，虽然取得了一定的成效，但在煤矿安全管控平台建设层面仍存在很多问题，面临多个方面的挑战。

1.1 满足数据获取的多样性

基于海量数据挖掘的安全评估是实现煤矿安全管控精准施策的基础[13]。煤矿生产的数据类型主要包括基础数据、安全管理和经营投资数据、物联感知数据和外部数据等。煤矿静态数据主要包括煤矿基础信息、安全管理数据和经营投资数据等。煤矿动态的物联网感知数据主要指企业生产过程中感知设备收集的涵盖设备运行工况状态、环境参数等数据[14]，此类数据是工业大数据，有时间跨度大、位置相关、增长速度快等特征。外部数据指与企业生产活动和产品投放市场相关的企业外部信息，主要来源互联网数据，例如，企业舆情、气象、市场预测、行业评价等。如何采用全面采集动态和静态数据，实现数据来源的全面性与多样性，是建设智慧矿山安全管控大数据平台的基础。

1.2 适应煤矿生产大数据的特征

煤矿大数据具有体量大、价值密度低、增长速度快、可信赖性低的一般大数据特征。数据体量巨大：煤矿企业在生产过程中产生持续不断的动态数据，如瓦斯监测数据、机电设备运转数据、井下人员运动轨迹数据以及视频监控图像等等各种数据[15]，同时，煤矿安全监察监管部门历年来也积累了大量的监管和执法数据；数据种类繁多：有结构化数据，如瓦斯监测数据、入井人数、煤炭产量等；有半结构化和非结构化数据，如照片、监控视频流、音频文件、规章制度文件、应急预案等，并且此类数据所占比例越来越高；数据价值密度低：井下各种类型监测设备和传感器实时运行，连续监控井下生产环境和设备运行状况，从而不间断产生海量数据，而真正价值的数据占比很少；数据增长速度快：物联网与工业自动化系统大量应用于煤矿生产安全管理，涵盖的子系统越来越多，各系统的24h不间断运行，产生大量的数据，使数据量持续快速增长；可信赖性低：从目前生产安全管控现状来看，填报数据的真实性、可获取性、周期性差；共享交换数据、非结构化视频数据的真实性、可获取性和实时性较好；感知的监测监控数据的可获取性、实时性较好，真实性需要提高；以及非结构化的图片、图像、音频、文本等信息获取难度较大。如何解决数据的可获取性，保证采集到真实有效的数据是平台建设的基础。

1.3 融合全方位的数据和信息

煤矿大数据还具有不同来源数据间相互关联和自相关的特征，从关联复杂的海量数据中挖掘潜在知识，获取可分析过去、感知现在和预测未来的深层智慧，以实现风险预警和智能研判的最终目的。煤矿经过多年的信息化应用，产生海量的结构化数据和非结构化数据，包括矿山地质测量数据、以瓦斯及一氧化碳为主的环境监测监控数据、生产自动化监测控制数据、矿图数据、GIS数据和监控视频的图像数据等。结构化数据约占5%，也是技术人员重点分析的数据。剩下大量格式不一、混杂的半结构化和非结构化数据依然没有被开发和利用。大数据分析技术能够从更多的角度感知和预测事故的发生，真正实现安全管理关口前移，比传统的事故分析更有意义，但全方位数据和信息的智能感知与融合分析是亟需解决的关键问题。

2 智慧煤矿安全管控平台架构

智慧煤矿建设的基础是煤矿生产过程中大量数据的存储与分析，而传统的IT架构很难满足海量数据的分类存储和实时性读取及分析。传统IT建设模式是通过自建服务器搭建平台，具有成本高、安全差、扩展差、效率低、资源散、维护难等问题。采用传统IT模式搭建大数据平台，具有初始投资大、资源浪费，可能缺少容灾备份，无海量资源池、扩展难，建设周期长，业务上线慢，碎片化/烟囱式、数据资源无法共享，维护成本高等缺陷。智慧煤矿安全管控平台实现了传统IT模式向云平台大数据模式的转变。

基于“云化”建设煤矿安全管控系统，能够很好解决传统模式产生的问题。“云化”的大数据平台具有成本低、安全性好、扩展轻松、效率高、资源共享和免维护的优势。基础资源按需使用，不必超前建设降低门槛，投资效率更高；有专业维护团队，具有专业安全保障体系，分布式存储、异地灾备；可提供多种方案的资源池，依托专网或互联网，轻松扩展；极大提高了AI算法和数据分析的算力和效率。

云平台的建设按照用户需求一般分为三种方案：公有云、私有云和混合云，即：公有云通过互联网访问、使用方不拥有云计算资源，即用即付、成本低，云计算资源统一由供应方运维；私有云是通过建设方的内网访问，核心业务数据保存在本地、泄密风险低；由用户统一规划资源，建设成本高；需要配置专业运维团队；混合云是公有云与私有云混合使用的方案，保密要求高的数据放在私有云上，非保密业务数据放至公有云；混合云在私有云基础上增加了存储和可扩展性，提高可用性和访问能力，敏捷性和灵活性较高。

智慧煤矿安全管控平台由感知层、平台层和应用层组成，其平台架构如图1所示。

图1 智慧煤矿安全管控平台架构

1)感知层感知和采集煤矿端和集团数据，包括煤矿基础数据、在线监测数据、生产管理数据和视频监控数据等。

2)平台层在公有云或私有云上搭建大数据计算平台，采集、存储和治理感知层的海量数据，搭建风险指标模型和主要灾害风险预警模型，建立大数据和人工智能分析模型。

3)应用层对平台层输出的分析结果进行可视化的人机交互展示，实现一张图综合展示、研判处置建议、统一信息查询、专题多维分析等业务功能页面。

3 智慧煤矿安全管控平台关键技术

智慧煤矿的建设离不开当前信息化技术的飞速发展，结合当前的先进技术，同时为有效解决和应对煤矿大数据平台面临的建设瓶颈和挑战，本文提出一种智慧煤矿安全管控大数据平台建设方案。平台采用的主要关键技术有：视频智能分析技术、综合预测预警关键技术、基于云化的数据采集、存储与治理技术、风险指标体系构建技术和可视化分析展示技术。

3.1 基于云化的数据采集、存储与治理技术

云计算实现了资源到架构的全面弹性，它是分布式计算、并行计算、效用计算、网络存储、虚拟化、负载均衡、热备份冗余等传统计算机和网络技术发展融合的产物。云平台统一为上层应用提供各种虚拟资源，包括虚拟主机、云存储、数据库服务、网络服务和集群服务等。对于煤矿于海量数据的存储应根据数据类型采用关系型数据库、实时数据库和分析型数据库进行存储，根据使用频率按照热数据、温数据、冷数据规划和维护。针对海量数据中数据准确性不高、干扰数据多等数据质量不高等问题，对数据的治理成了非常重要的工作，数据的治理主要包括：元数据管理、数据规则制定、质量评估等。

在云平台上构建的大数据平台应具备知识发现和自我学习功能，具有丰富的机器学习算法，包括但不限于回归算法、决策树、支持向量机(SVM)、聚类算法、贝叶斯算法、时间序列、卷积神经网络(CNN)、递归神经网络(RNN)等主流算法。具备融合煤矿基础数据、多源监测监控系统数据、安全管理数据、专家决策知识库、风险预警模型库，进行数据挖掘与知识发现，结合数值计算和模拟仿真等功能。

3.2 风险指标体系构建技术

煤矿企业是一种高危产业，煤矿井下开采的地质条件复杂，工作场所狭窄，环境恶劣，冒顶、水灾、火灾、瓦斯、煤尘等五大灾害在煤矿实际生产过程中带来了很大安全隐患。矿井持续的生产、不断地开拓新水平、新采区和新工作面，以及生产衔接等，增加了风险管理工作的复杂性。

风险指标体系构建技术在煤矿信息化建设基础上，弱化风险评估中头脑风暴和专家经验的参与权重，以《煤矿安全规程》等安全生产规范标准为根据，综合多源实时感知的动态信息和安全管理过程等静态信息。风险指标模型具有两种指标体系、五类主要指标构成、主要指标里的因素动静结合、区域企业双重风险研判和指标权重动态计算的主要特征，指标体系具体构建如图2所示。

图2 风险指标体系

3.3 视频智能分析技术

为保证煤矿生产的安全，企业装备了视频监控系统。地面调度的工作人员可以通过视频直接对井下进行实时监控，对安全生产、危险救援、调度指挥等方面都起到了积极作用。但目前视频监控大多数停留在人工监视，由于人的生理特点，容易产生疲倦等负面状态，难达到实时、精确的监控，外加环境复杂，导致目标不易区分，从而影响监控人员的判断。

视频智能分析技术涉及图像处理、模式识别、人工智能等多个领域，改变了以往视频“被动”监控的状态，不仅仅局限于提供视频画面，而且能主动对视频信息进行智能分析，识别和区分物体，可自定义事件类型，一旦发现异常情况或者突发事件能及时的发出警报，其在生产安全中的应用必然有助于克服了人力疲惫的局限性，从而更加有效地协助安全人员处理突发事件。

视频智能分析技术可以自动地提取视频中的相关信息并进行分析，具有提高报警准确度、全天候自动监控、提高响应速度等一系列优点。

3.4 综合预测预警关键技术

综合预测预警技术包括对隐患关联分析技术和主要灾害风险预警技术。

1)隐患关联预测分析：通过对历史排查隐患描述的文本分割、语义识别、属性统计，度量隐患发生季度、类型、程度等属性之间的关联度，挖掘隐患发生规律，做到时间维度、空间维度的隐患预测。

2)主要灾害风险预警：在事故致因经验基础上，融合各个监测系统的感知信息，如隐患排查、安全监测数据、视频监控等，在事故树中对矿井不同位置的节点状态进行实时监测，实现对灾害趋向性的评估、预警。结合灾害风险实时动态评估模块的评估结果，溯源风险水平高、预警的灾害可能发生的原因(即急需关注的危险源状态)，定位预警的危险源位置，为企业明确整改对象。

3.5 可视化分析展示技术

可视化技术包括知识图谱、BI数据展示、二三维一体化地图展示等。

1)知识图谱旨在描述真实世界中存在的各种实体或概念及其关系，其构成一张巨大的语义网络图，节点表示实体或概念，边则由属性或关系构成。采用知识图谱可视化技术，展现多个信息维度间的交互关系，提供决策支持。

2)采用成熟的数据可视化产品BI@Report和WonderBI等，提供图表展示、风险预警结果展示、即席分析、多维分析、钻取分析、GIS分析、领导驾驶舱及大屏展示、敏捷分析等数据展示形式。

3)三维GIS不仅能更好完成空间分析功能，还能突破空间信息在二维平面中单调展示的束缚，为信息判读和空间分析提供了更好的途径。 而煤矿上的采掘图、储量图、钻孔柱状图、地形地质及水文图等均为二维，基于二维和三维各自的优势和现状，煤矿应采用二三维一体化地图平台进行数据展示和分析，平台应是一个基于云服务架构，采用WebGL技术、多源异构数据融合技术、三维自动建模等技术的矿山图形平台。通过对井上下一体化空间信息的可视化管理与展现，可应用于煤矿、非煤矿山等地下空间关系有较强需求的领域。该平台实现空间数据存储的一体化、显示的一体化、分析的一体化、服务的一体化。该平台是一个在统一的坐标框架下，面向矿山全生命周期的跨专业协同设计，实现矿山采、掘、机、运、通等各个专业的图纸和资源的共享、协同应用和综合利用，以减少差错、规范成果、方便交流，最终提高采矿设计和生产的效率，为煤矿全生命周期的管理提供数字化服务。

4 结论与展望

1)基于我国数字矿山建设现状，深入剖析了建设智慧矿山安全管控大数据平台存在的瓶颈问题，并结合煤矿数据具有体量大、多样化、价值密度低、增长速度快、可信赖性低、多维度融合等特征，提出了以煤矿大数据分析为驱动的智慧矿山安全管控平台的基础架构，以感知层进行数据采集和融合、平台层进行数据存储和挖掘、应用层进行数据展示和应用的多层级智慧矿山平台建设，并对平台建设所需的五大关键技术进行了重点分析。

2)智慧煤矿安全管控大数据平台应集成融合多源数据、多类型的数据和空间信息，采用先进的数据挖掘与分析技术，有效地为煤矿生产者提供决策支持，但平台的性能仍受到数据来源欠缺、数据质量、数据挖掘深度不够等几个方面的制约。因此如何提高数据采集广度和提高数据分析深度将成为制约平台发展的一大阻碍。

3)随着煤矿信息化建设的普及和信息化程度的深入，数据采集的广度得到扩展，数据分析深度得到提高，未来智慧煤矿安全管控大数据平台必将为生产管理者提供更广泛更有效的决策支持。