浅析面向大数据的感知矿山物联网

高兰德 潘涛

摘要：随着物联网在矿山生产中的广泛应用，传统的数据存储、分析技术已经难以适应当前实时处理大量各类数据的需求。为此，如何在大数据环境下进行感知矿山物联网中的研究应用已是一个不可回避的话题。

关键词：感知矿山物联网 大数据 传感器 4V

1 大数据的定义

大数据的概念比较抽象，目前业界的专家学者对其概念还没有一个统一的说法。维基百科对大数据的定义是：大数据是指利用常用软件工具来获取、管理和处理数据所耗时间超过可容忍时间的数据集[1]。IDC的定义：大数据一般会涉及两种或两种以上数据形式。它要收集超过100TB的数据，并且是高速、实时数据流；或者是从小数据开始，但数据每年会增长60%以上[2]。虽然两个定义各执一词，但是大数据的特点略见端倪，至少我们知道大数据是数字时代的产物，而并非一种新的技术或新的产品。[3-4]

国家近年來重点关注煤矿安全，我国煤炭行业信息化基础依然薄弱，国内多个大型煤炭企业正在探索建设“感知矿山”系统，通过研究煤矿物联网技术，解决煤矿安全标志准用产品和矿用关键设备全程跟踪监管等问题，以全面提升煤矿安全保障能力。

2 感知矿山物联网中的大数据

在煤矿实现综合自动化之前，大多数矿井仅仅通过监控系统或工业电视进行环境监测，数据采集量极为有限[5]。综合自动化是煤矿实现高产高效的有效手段，对提高煤矿的生产运行状况、安全水平、事故灾害预测预报以及生产业务管理具有重要的作用。而感知矿山物联网出现以后，除去扩容环境监测监控系统和数字化工业电视，数据监视及数据采集量还需要进一步扩展到井下的瓦斯浓度、温度、风压以及井上井下变电所各个开关的电压、电流、功率因数值，通风机的运行监控值，井下泵房中泵及水位运行值，井下胶带运输的监控参数等。于是，传感器实时采集数据铺天盖地，导致矿井原始数据爆炸式增长。矿山感知系统以矿井综合自动化信息平台为主体，采用矿用光纤工业以太环网和工业现场总线等技术共同构建综合数字化信息传输平台。三维空间是数据爆炸的发生地，其表象涉及三个方面：一是同一类型数据量的急速增大；二是数据增长持续加速；三是不断涌现新数据类型，并呈现多样性发展趋势。这些数据均有大数据“4V”特征。由此可见，在矿山物联网覆盖的子系统逐渐增加的趋势下，数据规模必将进一步膨胀[6]。鉴于此，要从容应对矿山物联网大数据的挑战，必须对大数据技术作进一步研究。

3 大数据技术在感知矿山物联网中的应用

与传统海量数据的处理流程相类似，大数据的处理涉及数据的采集、分析、显示、实时处理等多个流程。

3.1 采集数据

大数据的基础是数据，这些数据具备规模大，种类多，包含大量信息的特征。从理论上来讲，应该是数据量越大越好，但对于实际应用来说，并不是数据越多越好。大数据通常处理的都是种类繁多，构成复杂的数据。数据本身的优劣对分析结果有很大的影响，大量错误数据涌入就可能导致得到完全错误的结果。因此，在数据处理过程中，应该剔除与应用需求无关的数据，锁定有价值的数据参数做进一步研究。在感知矿山物联网中需要采集瓦斯浓度、温度等诸多矿山生产环境数据，数据量大，而且加之矿山生产环境复杂，采集到的数据有可能是受过干扰的错误数据，因此需要实时大量采集数据，这势必就进一步增加了数据量，加大了采集数据的难度。

3.2 分析数据

采集数据之后，进一步的工作是分析数据。这一节点在大数据处理过程中相当关键。实际上，数据本身并无实际意义，只有与应用需求对应的数据才是有效数据，对其进行分析才可能得到有价值的结果，才能体现海量数据的价值。对于感知矿山物联网来说这一过程尤为重要，如果传感器等设备采集的数据不能被实时正确地被分析，那么监测系统将不能及时地进行危险示警，这样将带来不可估量的灾难。现阶段，业界尚未研发出一种实时、高效的数据分析方法，大数据的分析方法还有待进一步研究。

3.3 显示数据

数据显示是通过可见、可读的方式向用户输出数据分析的结果。在感知矿山物联网中，系统分析后的数据通过警报等形式输出，以便矿井监测人员能及时正确地做出应急措施。

3.4 实时处理数据

数据的实时处理涉及三大环节，即数据的实时获取、实时分析及实时绘制。系统的实时性取决于三个环节的工作效率。在感知矿山物联网系统中，大数据须在1s内或瞬间内获取结果，以确保相关处理结果客观、精确，过时的处理结果往往会带来灾难性的后果。因此，感知矿山物联网系统对选用的处理设备实时性要求很高。

4 结语

综上，大数据是人们基于分析数据的关联性来预测事物发展方向的主要途径，是人们获得新认知和创造新价值的源泉。当前，互联网络以及各种传感器快速普及，实时获取数据不成问题，但我国大数据方面的研究尚处在起步阶段，实时分析数据是系统的瓶颈，如何在感知矿山物联网中更好地利用大数据将成为当前的热点问题。

参考文献：

[1]Big data，http： //en.wikipedia.org /wiki /Big_data.

[2]Benjamin Woo World wide Big Data Technology andServices 2012-2015 Forecast.2012.5[16]Big data http：/ /www.gartner.com/it-glossary /big-data.

[3]马建光，姜巍.大数据的概念、特征及其应用[J].国防科技， 2013，34（2）：11-12.

[4]陶雪娇，胡晓峰，刘洋.大数据研究综述[J].系统仿真学报， 2013，25（s1）：143.

[5]马小平，胡延军，缪燕子.物联网、大数据及云计算技术在煤矿安全生产中的应用研究[J].工矿自动化，2014，40（4）：8

[6]胡雄伟，张宝林，李抵飞.大数据研究与应用综述[J].标准科学，2013，9：30

基金项目：

2013年甘肃省高等学校第二批科研项目（项目编号：2013B-118）。

作者简介：

高兰德（1978-），男，副教授，工学硕士，主要从事网络技术工作；潘涛（1981-），女，讲师，工学硕士，主要从事电子与通信技术专业的教学工作。