基于“端—边—云”的社区设备设施风险监测系统

史运涛教授 张荫芬副研究员 党亚光

(1.北方工业大学 电气与控制工程学院，北京 100144；2.中国标准化研究院，北京100089)

0 引言

社区人群成分复杂，人员密度和流动性大，社区内设备设施种类繁多，运行条件各异，既有水电气等长期不间断运行的系统，也有供暖设备等季节性运行的系统，还有消防电梯等间歇性运行的设备，社区人—机—物的空间交叠造成技术故障与人因故障时有发生，引发安全事故的风险大大增加且后果严重。

随着物联网、区块链边缘计算和云计算等技术的迅速发展，为社区设备设施风险的监测监控、预测预警及智能防范带来新的解决方案。本文主要针对社区人员的不安全行为、设备设施的不安全状态，及管理上的缺陷引发的设备设施风险问题，提出一种基于“端—边—云”的社区设备设施风险监测系统，以期对社区设备设施风险治理提供创新思路。另外，对社区重点设备设施进行实时监测监控还可以延长设备设施的使用寿命，降低设备设施无益损耗，提升社区科学化、精细化和智能化的综合治理水平，能够进一步完善城区治理体系，提高城区治理能力，是满足人民日益增长的美好生活需要的重要一环。

1 社区设备设施风险问题

从近期统计数据看，以火灾为例，2018年1-8月份，短短8个月，全国共接报火灾16.61万起，亡933人，伤560人，直接财产损失20.53亿元。其中，8月份全国消防部门共接报火灾1.42万起，亡90人，伤57人，直接财产损失1.25亿元；从火灾事故发生的场所来看，住宅火灾及伤亡人数比重大，共发生火灾6 604起，亡56人，分别占8月份总数的46.4%和62.2%。此外，从起火原因来看，半数火灾系用电用火引起，社区家庭用火用电的安全形势严峻。这些数据充分说明，保证社区设备设施的安全运行是减少社区风险事故发生的关键，如何实现社区设备设施风险的实时监测监控技术研究仍然是当今公共安全领域亟待解决的热点和难点。

从城市公共安全角度看，社区是城市生命线系统的末梢和“毛细血管”。社区各类设备设施依赖和衔接着所在城市的生命线系统。在城市遭受自然灾害、事故灾难、公共卫生事件、社会安全事件威胁时,社区生命线系统首当其冲，直接承受灾害主体的猛烈冲击，社区设备设施的稳定运行是城市生命线系统能够正常运转的重要保障。

从社区风险事故产生机理看，绝大多数事故的发生均可归结为社区人员的不安全行为、设备设施的不安全状态及管理上的缺陷这3点。根据“瑞士奶酪”模型，当人的不安全行为和物的不安全状态以及管理漏洞恰好发生在同一时间和空间时，事故就会发生，如图1。因此，如果能够很好地监测监控社区设备设施的不安全状态并提前预警，避免社区人员的不安全行为与设备设施的不安全状态同时、同地出现，就可以有效预防风险事故的发生。

图1 社区设备设施事故发生机理模型Fig.1 Mechanism model of equipment and facility accident in community

2 社区设备设施风险监测系统

2.1 总体架构

图2为基于“端—边—云”的社区设备设施风险监测系统架构。其中，终端层主要包括社区内各设备设施系统及采用无线传感网络技术的监测装备。边缘层的智能边缘网关一方面支持通过多协议转换方法接入各设备设施系统的运行状态数据，并利用NB-IoT、4G和5G等多种通讯方式传输数据；另一方面基于区块链技术可以解决数据信任和社区设备设施风险问题的溯源。云层主要为设备设施一体化风险防控软件，具有设备设施风险的监测监控、预测预警及智能防范功能。

2.2 社区设备设施风险监测系统功能设计

基于“端—边—云”的社区设备设施风险监测系统功能设计主要分为终端层、边缘层以及云层的功能设计。

2.2.1 终端层功能设计

终端层是指社区设备设施系统的实物资产。社区的设备设施系统主要包括供配电、给排水、燃气、消防、HVAC(采暖、通风、空调)、电梯等等。这些操作系统通常由各种传感器、执行器和设备组成。显然，这些设备资产的数据格式和通信协议比较复杂，难以统一访问。因此，对于基于物联网的设备设施风险监控，终端层需要能够实现对不同通信协议的设备进行数据采集。此外，社区内设备设施系统一般都已部署多年，部分资产可以通过无线传感网络技术进行数据采集。

图2 基于“端—边—云”的社区设备设施风险监测系统架构Fig.2 The architecture risk monitoring system for community equipment and facility based on "end-edge-cloud"

针对社区供配电、给排水、燃气、消防、暖通空调、电梯等重点设备设施，利用物联网技术实现社区各类型设备设施的监控与管理。首先，通过构建社区设备设施的低延时、低功耗、本质安全的无线传感网络，如6LoWPAN和LoRa无线传感网络，实现设备设施运行环境数据采集，同时支持RS485、4-20 mA、0-5V、数字量等通信接口的传感器数据接入；对于社区内的有线物理资产，设备设施供应商通常使用现场总线协议(见下表)，社区一般包括Modbus、OPC UA、BACnet、KNX、M-Bus、S7、CAN-Bus等通信协议设备设施。

表 社区设备设施的主要通信协议Tab. Main communication protocols of community equipment and facility

续表

2.2.2 边缘层功能设计

边缘层主要设计了一种智能边缘网关。该边缘网关负责设备设施的数据采集和数据传输任务,集成了6LoWPAN/LoRa通信模块，支持6LoWPAN和LoRa传感节点的数据汇聚和处理。

在边缘网关设计了一种多协议转换模型(如图3)，边缘网关通过数据接口接入终端层不同通信协议的设备设施，通过协议解析单元读取并解析设备设施数据，实现底层设备运行状态数据的接入，并将设备设施多协议数据放入数据缓存区等待协议转换。然后将上述缓存区多协议数据转化为具有物联网标准的消息队列遥测传输协议的数据格式(MQTT协议)。

图3 多协议转换模型Fig.3 Multi protocol conversion model

因此边缘网关具有多协议转换和传输功能，即支持将多种不同协议设备设施数据转换为统一的MQTT协议数据，并支持利用NB-IoT/4G/5G无线通信技术将多协议设备设施数据传送到云平台，为云层的数据分析与场景应用提供数据源，云层通过MQTT协议实现多协议数据的接入和统一。

此外，为解决数据信任和社区设备设施的风险问题溯源，在边缘网关利用区块链技术构建一种安全机制。同一局域网下的多个边缘网关形成一个区块链网络，用于它们之间的数据交换，如图4。考虑到边缘网关的性能限制，对安全机制的实现过程进行了简化。

图4 区块链网络结构Fig.4 Blockchain network structure

安全机制的实现主要是在边缘网关上开发并部署区块链钱包和区块链服务。其中，区块链钱包用于存储每个边缘网关的区块链服务生成的公钥和私钥。区块链服务提供前端管理页面，社区管理员可以通过前端页面上传社区燃气设施维护信息、设备异常警报信息等等。区块链服务可以实现交易创建和验证，区块创建、验证以及区块共识，最终完成共识过程的区块被存储在边缘网关本地的区块链中。当设备出现风险问题时，利用区块链中存储的设备维护信息和异常状态信息可以实现风险问题的溯源。通过风险溯源数据信息的长期积累，对社区设备设施风险隐患采取有针对性的预防措施。

2.2.3 云层功能设计

云平台部署了社区多类型设备设施一体化安全运行的大数据智能分析技术与风险防控软件系统，如图5。通过开发设备设施安全生命周期的监控管理软件并集成封装，实现社区多类型设备设施实时运行的在线监测、自动报警、故障诊断、风险评估和智能防范。

图5 社区设备设施一体化风险防控软件Fig.5 Integrated risk prevention and control software for community equipment facility

其中，物联网接入平台可以实现社区设备设施的数据接入和设备设施信息注册、增删改查等设备管理功能；数据平台通过Kafka消息队列转发和处理设备设施运行数据和设备接入信息数据，通过设定规则，对设备数据进行筛选、变型、转发，将数据无缝转发至MySQL数据库中的数据表，以便利用这些数据进行设备设施的风险分析。

业务管理层主要实现了社区设备设施一体化风险防控软件的主要功能。具体包括：支持设备设施运行状态的实时监控、可视化展示及异常状态预警报警功能；支持基于建筑信息模型(Building Information Modeling，BIM)和地理信息系统(Geographic Information System，GIS)三维可视化的设备设施全生命周期风险监控；构建基于知识图谱的社区设备设施安全运行专家规则库、事故案例库的智能问答系统，推动社区设备设施风险分析的专业化和智能化水平；基于设备设施实时运行数据，利用主成分分析(Principal Component Analysis，PCA)、BP神经网络和支持向量机(Support Vector Machine，SVM)等方法建立数据驱动型的故障诊断模型，实现设备设施故障实时诊断及故障预警；通过构建社区设备设施系统的动静态风险评估指标体系，实现社区设备设施的动静态风险评估和风险预警。一方面，基于专家打分法、层次分析法(Analytic Hierarchy Process，AHP)、故障树分析(Fault Tree Analysis，FTA)、事件树(Event Tree Analysis，ETA)和蝶形图分析(Bow-tie)等建立设备设施静态风险评估模型；另一方面，基于设备设施实时运行数据，利用贝叶斯网络(Bayesian Networks，BN)、图神经网络(Graph Neural Networks，GNN)、关联规则(Apriori)以及模糊—随机森林等方法建立设备设施动态风险评估模型。

3 结论

本文以社区设备设施的监测监控、预测预警及智能防范为目标，提出一种基于“端—边—云”的社区设备设施风险监测系统，具体如下：

(1)基于物联网、边缘计算、区块链和人工智能等技术，构建社区设备设施风险监测系统，解决了社区设备设施不安全状态的监测监控难题。

(2)分别给出终端层、边缘层以及云层的详细功能设计方案。在终端层，利用6LoWPAN和LoRa网络实现设备设施运行环境的数据采集；边缘层通过多协议转换接入设备设施运行状态数据，并基于区块链技术实现设备设施的风险问题溯源；最后，云层的多种模型实现了设备设施实时运行的在线监测，自动报警、故障诊断、风险评估和智能防范。

(3)通过在社区实际应用示范表明，该系统可以实现社区设备设施安全从“故障检、周期检”到“风险检、智能检”的提升，为全面提升社区安全保障能力和水平提供科技支撑。

(4)针对社区设备设施系统因相关影响、相互耦合引发的风险问题，本文没有研究设备设施耦合风险的动态评估模型。未来，在社区风险监测系统的支撑下，开展多因素耦合作用下的社区设备设施风险评价具有重要意义。