推进安全大数据应用 提升科技保安全水平

罗 静

(哈尔滨铁路局党校，黑龙江 哈尔滨 150030)

【现代管理】

推进安全大数据应用 提升科技保安全水平

罗 静

(哈尔滨铁路局党校，黑龙江 哈尔滨 150030)

大数据浪潮席卷全球各行各业，正在成为引领新一轮科技创新的核心技术引擎。由于蕴含着巨大的商业及社会经济价值，大数据被誉为未来的新石油和国家基础性战略资源，推动着人类社会的变革和升级换代。人类社会继蒸汽时代、电气时代后，正在加速跨进数据为王的大数据时代。

一、大数据的应用是铁路构建安全保障体系的必然选择

当前，数据已经成为企业最重要的资产之一，数据资源占有量、数据活性、数据分析能力已成为衡量一个企业核心竞争力的重要标志。谷歌利用“大数据”可以超前预测流行病的暴发，亚马逊利用“大数据”开发了图书推荐并由此一举站到了行业领先地位，沃尔玛利用“大数据”优化商品配送体系才实现了“天天低价”，UPS利用“大数据”成功预测汽车故障从而大幅压缩成本并拥有了竞争优势，这些案例不胜枚举。铁路构建人防、物防、技防“三位一体”安全保障体系，“大数据”的应用是必然的选择。

我国铁路已经建立了全球领先、规模庞大的铁路网及支撑路网建设和运营的大量信息系统。基于物联网感知设备、信息系统接入、移动设备接入、数据交换共享等方式，我国铁路已经积累了体量接近10PB规模的有关安全管理、工程建设、联调联试、运营管理等领域的海量数据，数据类型包括结构化数据、半结构化数据、非结构化数据、流式数据等多种类型，数据中蕴含着巨大的分析和应用价值。这些都为我国铁路开展安全大数据分析提供了重要基础和保障。

二、铁路构建安全大数据面临的挑战

目前，铁路安全大数据的构建还面临着一系列挑战：

1.数据共享困难，存在数据壁垒严重、共享不充分等问题。现有业务数据多分散于各应用系统和应用平台中，在跨业务、跨层级、跨部门数据共享过程中，普遍存在数据编码标准不统一、数据共享口径不一致、多系统交叉共享压力过大等问题，急需通过构建企业级大数据平台和数据共享机制，确保企业内部数据共享的标准、安全，以及统一与社会数据开展共享协作。

2.数据治理手段缺乏，存在数据不完整、数据质量不高等问题。各业务系统建设时期各有不同，采用不同的开发语言、技术架构、数据库，这就导致业务数据格式不尽相同。同时，由于自动化采集手段和手工采集方式并存，导致数据质量不佳，各系统间数据在共享融合过程中需要采用各种技术手段、建立各项数据标准开展数据治理。

3.数据分析能力不足。由于整体数据意识不强、缺乏数据思维能力、数据视野不够开阔，数据应用大都停留于日常业务功能实现和常规统计分析方面，数据应用深度不足，跨系统、跨专业的数据应用匮乏，数据驱动业务能力不强，无法满足服务改进、精准化管理和智能铁路发展需求。

4.数据创新应用需求迫切。随着铁路运输速度加快、开行列车密度增大及运输质量提高，铁路运营秩序和运输安全面临极大挑战。这就需要整合强化各类实时监控监测系统，实现对安全数据信息的及时采集、系统分析、科学评估、有效预警。

我国铁路是由车、机、工、电、辆等多个专业构成，跨越全国各个省市和地区的庞大铁路网，具有技术构成复杂、业务应用广泛、业务流程多样化、涉及部门繁多等特点，因此铁路安全大数据应用是一个涉及全业务、全数据、全流程、全应用的复杂系统工程。发展铁路安全大数据需从整体出发，统筹考虑各方面因素，加强顶层设计，避免各专业各自为政，确保整体工作思路清晰、有序开展。

三、铁路构建安全大数据的实施对策

完整的铁路安全大数据应用体系既包括承载大数据应用的数据中心基础设施，也包括大数据分析相关软件，以及在大数据平台中存储和分析的大数据资产。按照“先进性、适用性、可实施性、完整性、全局性”的原则，铁路安全大数据应用顶层设计主要包含以下内容：

1.安全大数据基础设施体系，主要指机房环境和硬件设备。机房环境是满足数据中心机房电气、空调、消防、弱电工程等设计标准的场所。硬件设备主要包括服务器设备、网络设备、安全设备三大类，用于满足铁路大数据中心数据存储、传输等需求。服务器设备可基于云化或非云化环境，建立起大数据平台管理节点、Hadoop数据节点、Hadoop测试节点、关系型数据存储节点、数据仓库部署节点等基础环境。

2.安全大数据汇集体系，主要解决数据汇集问题，即将数据资源从各业务系统抽取并集中起来。从数据汇集的范围来看，既包括铁路内部的运输生产、经营管理数据，也包括以铁路为核心的供应链上的相关数据，还包括公安、气象、地质及综合运输等社会信息。

3.安全大数据资产体系，基于关系型数据存储、非关系型数据存储和分布式文件存储等技术，实现安全主数据、元数据等基础数据统一管理和维护，构建清晰、完整、高质量、高可靠的数据资产体系，提升铁路行业数据能力和价值。

4.安全大数据治理体系，是指采取有效的数据治理确保铁路安全大数据的准确、一致、及时，实现铁路安全数据资源向数据资产转变。数据治理就是对数据的获取、处理、使用进行监管，保证数据质量，并促进数据更高效地被利用。

5.安全大数据分析体系，提供流计算、内存计算、批量计算等多种分布式计算能力，满足不同时效性的计算需求。铁路各种安全监控系统产生的数据是一组顺序、大量、快速、连续到达的数据序列，要求实时进行处理，此类数据可采用流计算方法，实现在线统计分析、过滤、预警等应用。在数据计算的基础上，开展分析建模、模型运行、模型发布等能力的建设，满足实时应用的分析挖掘需求，支持算法并行化处理，为铁路安全分析决策应用构建提供基础平台支撑。

6.安全大数据应用体系，指基于安全数据分析、决策支持等业务需求，打破既有业务系统数据壁垒，实现面向应用的多业务数据建模，进行风险源隐患分析、设备技术状态评价、行车调度安全分析、灾害监测预警分析、客运运营安全分析、危险品运输安全、事故关联分析、互联网舆情风险分析等。

四、结束语

综上所述，铁路安全大数据就是通过采集、整合铁路相关人员的不安全行为、设备和环境的不安全状态及安全管理缺陷信息，构建覆盖车、机、工、电、辆等多专业的铁路安全大数据应用，实现铁路运营安全与应急保障数据融合、集成，以及信息共享、综合运用，实现问题闭环处理、综合报警分析、问题规律分析、设备技术状态评价及运营安全风险预警，为各专业维修养护及行车调度指挥和安全监督管理等提供辅助决策支持，为铁路运营安全有序可控提供技术保障。

(作者系哈尔滨铁路局党校教研部副教授)

〔责任编辑：孟祥春〕

F530.69

B

1006-8279(2017)04-0073-02