基于边缘计算的煤矿安全风险预警系统的构建研究

周天墨 陈佳林

摘要：为进一步提升煤矿风险辨识、综合研判和智能预警的能力，构建基于云化技术路线，采用“端→边→云”架构的煤矿安全风险预警系统。结果表明：1）系统在统一框架约束下，满足了煤矿安全生产、安全监察和风险分析一体化的综合管理需求。2）基于混合云模式进一步解决了传统云计算模式下，数据传输延时、云端处理负荷高、计算分析效率低、隐私保护性差等问题。3）系统具有较优的灵活性与数据共享性，对提升用户交互体验、增强分析效率、降低传输风险，实现决策的实时准确响应等具有重要意义，有助于我国煤矿安全生产与风险综合研判分析工作的深入发展。

关键词：边缘计算;边云协同;煤矿;安全生产;风险预警;分布式计算

中图分类号：TP311      文献标识码：A

文章编号：1009-3044（2022）15-0010-03

1 引言

煤矿作为我国的首要能源产物，在社会经济发展中占有举足轻重的地位，而煤矿开采作为高危行业，如何尽可能快且准确地识别风险，保障安全状态始终是产业长足发展需要重点关注与解决的问题。近些年随着信息技术的发展，我国煤矿生产与监察管理类系统[1-5]建设工作进展迅速，在助力减人增效工作的同时，也为行业安全生产管理、风险监测预警工作提供了强有力的支撑。

当前，信息化系统已成为“国家监察、地方监管、企业负责”模式下煤矿安全生产、监管监察与风险预警分析的主要辅助方式之一，但是伴随智能感知设备的部署与实时监测能力的持续提升，面对海量异构数据的综合管理与研判分析等客观业务需求仍存在不足[6-9]：一是数据采集管理问题。由于不同传感设备数据标准不一，导致实际工作中在数据汇交共享环节普遍存在底层数据融合困难、无效数据多、数据质量低等问题，进而直接影响上层业务功能流转的通畅性与准确性，并且各类业务系统独立建设运行、跨系统数据互通受阻的现状也不断加剧“数据烟囱”的困境。二是数据传输响应问题。由于煤矿生产的特殊性与安全性要求，一般采用相对封闭的专用网络，这造成网络链路与传输协议具有较强的复杂性，进而影响数据上传下载延迟、数据质量受损、网络资源利用率低等问题，无法满足实时快速获取数据分析结果的需求。因此，亟须通过技术优化补齐短板，进一步推动煤矿信息化建设进程。

边缘计算作为近些年逐渐兴起的技术，主要通过充分利用分布在数据源附近的边缘设备直接执行计算分析任务，而非传输至云中心计算并等待结果回传的特点[10-12]，被推广应用于各领域的信息系统建设工作中，以弥补传统云计算模式的不足。可以说，通过融合边缘计算技术的边云协同模式，进一步解决了云计算中存在的带宽压力大、对云中心數据请求响应超时、数据安全风险高、灵活性有限等问题，对实际系统建设与应用推广具有重要意义。

因此，为了更好地解决煤矿风险监测与预警分析过程中存在的数据传输延时、数据回传压力大、网络协议复杂灵活性差、云端处理负荷高效率低等问题，设计基于边缘计算的煤矿安全风险预警系统，为进一步提升煤矿风险辨识、综合研判和智能预警的能力提供支持。

2 总体设计

2.1 建设思路

综合采用云计算、边缘计算、物联网等多项技术，在解决日常安全生产管理、安全监管监察所需的多源异构基础数据的快速获取、清洗分类与集中管理、综合研判分析的基础上，以“全天候监测获取数据、智能研判发现问题、智能匹配解决方案、辅助监察执法开展”为主线，构建适应智慧煤矿信息化建设与安全监察为一体的综合管理系统，即煤矿安全风险预警系统，着重提升煤矿安全生产与监察执法、隐患排查治理与风险预警的效率与实效。

系统采用云化技术路线，利用公有云和私有云相结合的混合架构，实现海量日常生产、设备监测与分析数据的存储管理，通过Java和ArcGIS Server for Flex完成并实现GIS相关访问与数据分析功能的开发。支持与已有业务系统、操作平台的交互操作，进一步满足实际工作中跨部门、跨层级的数据操作需求以及对不同移动终端的自适应需求。通过系统的建设和推广应用，不断提升煤矿安全管理数据与安全监管监察数据的全面性、准确性与可用性，进而为及时发现、报告、分析隐患点提供支持。可依据隐患相关信息与既往案例智能匹配，为隐患治理提供切实可行的决策支持方案，通过系统的构建与应用，进一步提升煤矿安全监管监察部门与煤矿企业识别风险、应对与处理隐患的能力。

2.2 系统架构

鉴于系统建设对数据安全性、响应度等方面的需求，采用当前信息化建设中常用的边云协同架构进行构建。该模式与传统云服务方式相比，由于“端→边→云”相结合的三层模式使系统同时具有了云计算与边缘计算的优势，又起到了两种技术短板互补的效果，可进一步提升系统的服务时效与灵活性并降低网络带宽与云中心能耗，使基于“端→边→云”架构的系统具有更为显著的性能优势，如图1所示。

通过图1“端→边→云”架构可同时支持横向和纵向双方向协同操作[10]。横向协同主要用于数据层间的共享交互，通过分布在多处的边缘节点（即边缘计算设备）实现对多源数据（即终端感知设备，如人员定位、视频监控、瓦斯传感器、温度传感器、皮带运输机等等）在边缘层的数据清洗与整合汇集，通过过滤无效数据减少其对进入云端数据的有效性与准确性的干扰，进一步减轻海量数据对于云端的压力，降低数据访问延时度，提升数据读写响应的速率。鉴于煤矿生产与实时监测数据的特殊属性，通过边缘计算设备在边缘层对其进行加密处理，进一步保证数据上传与进入云端的安全性。

纵向协同主要为“端→边→云”三个层级间的相互操作。由于不同设备对于系统实际应用需求的差异，三个层级具有不同的作用特点。云层主要用于完成整个系统的复杂模型计算分析任务，通过集成多源海量数据对表面现象开展深层次解析并返回计算结果。边缘层作为中间部分，具有连接上下与数据缓冲的作用，数据就近于边缘计算设备中进行简要运算与分析，可进一步缩减数据上传下载的时间，提高访问效率，并且减轻终端直接访问云端导致的计算负载，降低作业访问时间，达到系统整体优化的目标。终端主要为各类感知设备，用于完成生产与监管环节最真实与基础数据的实时收集。8DBE87C7-AEA5-4339-8853-1204E0F0B2FB

2.3 逻辑架构

在建设过程中，系统遵循“六层两体系”结构，自上而下分别为：用户服务层、应用功能层、服务支撑层、云服务层、边缘计算层、设备感知层以及标准规范体系和安全运维体系组成，如图2所示。

1）用户服务层：由于煤矿安全监管监察工作涉及政府机构、煤矿单位（生产单位）等多个部门，并受到社会公众的高度关注。因此，为满足不同层级用户的不同关注需求，本层在设计时按照用户属性与属性层级分为监管监察部门、煤矿企事业单位和社会公众等三类。分别设定不同的访问权限，逐层逐级细化用户权限，在保证信息安全与秘密等级的情况下，从多角度为不同类型的访问者提供满足需求的信息服务。

2）应用功能层：本层为系统的核心服务层，按照生产管理流程分为智慧安全生产、智慧安全监察、智慧风险研判等三部分。本层基于设备感知层所获取的基础数据，经过系统内嵌的模型算法等解析后，为不同角色属性用户提供通用化或定制化服务，以满足用户直观且清晰把握当前现状、事态变化与发展趋势等方面的需求。

3）服务支撑层：为避免重复开发，实现敏捷迭代，为系统提供共性技术支持，通过集成数统计服务、权限访问服务、智能问答服务等多种服务。实现技术工具、功能组件的快速调用与灵活配置，进一步提升系统的集成度、降低冗余度，为系统各类应用提供可供挑选的统一公共支撑能力。

4）云服务层：结合煤矿安全风险预警系统建设需求，建立公用云和私有云的混合云环境。通过整合云端基础设施、云安全、平台服务、应用服务等多方运维管理内容，依托各方平台搭建统一的云管理平台，实现云资源统一访问和全方位管控，提供安全且高可用的、可快速部署的IT基础设施服务。

5）边缘计算层：本层由分布于感知终端与云服务层之间的边缘节点构成[13]，通过它们实现感知设备中数据在数据源头的计算与上传等服务，具有与用户距离近、延时低等特性。

6）设备感知层：面向煤矿安全生产、监管监察、智能研判分析等实际业务需求，提供保障系统运行的数据源，包括各类感知设备、视频监控设备、移动设备等，负责原始数据的不间断收集与上传，是整个系统运行的基础保障。

7）标准规范体系：按照构建系统标准先行的原则，规范标准体系并将该体系贯穿于系统建设和与应用的始终。以统一的标准来约束和规范系统建设，确保数据标准一致，进而促进网络互联互通、应用系统无障碍互操作和信息顺畅共享。

8）安全运维体系：系统从建成到投入，均需要稳定可靠的技术队伍进行日常维护，以保障系统的长期正常运行。涉及系统日常管理与维护规章制度、运维记录等。

3 平台功能

煤矿安全风险预警系统具体包括智慧安全生产子系统、智慧安全监察子系统和智慧风险研判子系统三部分，如图3所示。

3.1 智慧安全生产子系统

主要针对安全生产过程中涉及的企业基础信息、安全生产管理信息、隐患排查治理、质量标准化、应急指挥、安全培训、安全生产统计信息等数据[14]的管理、分析与展示。此部分的数据，一是由煤矿填报，通过系统上报至各上级单位（子公司和集团），用于提供煤矿安全生产指标数据以帮助各级安全监察监管部门全面掌握煤矿安全生产情况，提高煤矿安全生产管理水平。二是，通过部署的数据联网采集系统实现煤矿企业监测数据、风险管理数据的采集和管理，实现以矿井为最小单元点的预警与防控。此外，本部分功能主要为实现对各类煤矿井下专用回风巷、采（盘）区专用回风巷、采掘工作面等地点瓦斯、一氧化碳浓度、温度、风速等监测数据的联网，并能查询历史数据，直观展现煤矿安全监测监控信息。用户可以按煤矿分组、传感器类型、监测地点进行筛选，并能够进行数据分析、数据查询、数据统计等，还可对报警信息能够重点显示和处理。

3.2 智慧安全监察子系统

建设智慧煤矿安全监察子系统，实现煤矿安全监察、现场执法、事故调查与复工复产管理等。通过对监察执法过程中的执法人员、执法人员分工细化、执法过程和执法文书进行综合管理维护，进一步提升现场执法的实效性。利用移动执法终端实时对接中心数据库，通过接口下载煤矿信息、获取执法员人员基本信息等，在系统中制定监察执法计划、监察方案、执法人员分工明细、现场监察执法信息、执法文书等。子系统包含了煤矿安全监察工作相关标准规范、检查手册库等，可以进一步提升科学执法能力，对煤矿、执法任务、执法人员、违法行为等多个维度的煤矿安全监察执法工作进行监管。

3.3 智能风险研判子系统

立足于煤矿安全实际，从注重实用出发，统筹分析煤矿安全生产管理信息、煤矿企业事故信息、煤矿企业信息、智能感知终端数据、监察执法信息、隐患排查信息等多源异构数据，利用大数据等技术建立煤矿风险预警模型，为实现煤矿安全生产风险识别、风险评估、风险控制、风险预警与态势分析等功能，提升科学准确获悉风险规律与走势挖掘、预测预警与应对措施的能力提供支撑。通过子系统应用可以大力提升安全生产数据的深入挖掘辨析能力，并将各类安全分析数据、动态管控数据、智能分析数据、统计数据、安全风险预警分析数据、煤矿在线巡察结果等相关数据，通过GIS地图进行可视化关联展现。不断加强安全生产周期性、關联性等特征的综合分析，进一步提升煤矿安全风险预警、灾害治理与事故防范的科学性与准确性。

4 结束语

1）本文提出并设计基于云化技术路线，采用“端→边→云”架构的煤矿安全风险预警系统，结合GIS技术将煤矿日常生产、安全监管、风险研判等功能融为一体，实现安全监管监察部门、煤矿企事业单位、社会公众等多级用户的统一管理与服务支持，做到三大子系统业务流与数据的交互共通，为煤矿安全生产与风险预警提供及时准确的数据支持与智能研判分析服务，并为不断提升监察执法人员快速判定风险隐患、制定应对处置方法提供支持。

2）基于混合云的数据交互共享模式，充分发挥边缘计算技术低延时、低能耗、高灵活性的特点，为进一步优化系统架构，提高数据分析服务质量与隐私保护力度提供支撑。还可为矿区组网、数据中心建设中存在的数据传输延时性高、云计算中心能耗大、数据安全保密性低等问题提供解决方案，有助于我国煤矿安全生产与风险综合研判工作的深入发展，进而为加快推进智慧煤矿建设与管理水平提供助力。8DBE87C7-AEA5-4339-8853-1204E0F0B2FB

参考文献：

[1] 曹春玲，张娜齐，李梦雨，等.基于BN-PHA的煤矿提升运输系统风险分析[J].煤炭工程，2022，54（2）：188-192.

[2] 王月红，蒋冀萍.基于Java的煤矿风险预警与防控系统设计[J].煤炭技术，2022，41（3）：173-175.

[3] 张俭让，史振东，闫振国，等.煤矿安全双重预防信息管理系统设计研究[J].煤炭工程，2020，52（10）：181-185.

[4] 李新春，宋学锋.基于风险预控的煤矿安全管理评价系统建立研究[J].煤炭工程，2007，39（9）：82-84.

[5] 肖成侠，陈全.HAZOP在煤矿通风系统安全风险分析中的应用[J].中国安全生产科学技术，2013，9（11）：97-102.

[6] 罗金伟.现代网络在煤矿安全监测监控中的应用探析[J].科技创新与应用，2021，11（33）：125-128.

[7] 王万丽，孙超，宿国瑞.基于云平台的煤矿安全智能管控信息平台设计[J].煤炭工程，2019，51（6）：52-56.

[8] 杨星辉.煤矿安全监测监控系统应用探析[J].机电工程技术，2021，50（2）：237-238，244.

[9] 张瀚超.现阶段煤矿安全监测监控系统应用探讨[J].煤，2020，29（4）：71-72，79.

[10] 佟兴，张召，金澈清，等.面向端边云协同架构的区块链技术综述[J].计算机学报，2021，44（12）：2345-2366.

[11] 施巍松，孙辉，曹杰，等.边缘计算：万物互联时代新型计算模型[J].计算机研究与发展，2017，54（5）：907-924.

[12] 施巍松，张星洲，王一帆，等.边缘计算：现状与展望[J].计算机研究与发展，2019，56（1）：69-89.

[13] 华为云开发者社区.云计算的可信新边界：边缘计算与协同未来[EB/OL].[2021-10-15].https：//www.cnblogs.com/huaweiyun/p/13523115.html.

[14] 刘小杰.煤矿安全生產标准化信息管理系统的构建[J].露天采矿技术，2019，34（6）：121-125.

【通联编辑：谢媛媛】8DBE87C7-AEA5-4339-8853-1204E0F0B2FB