煤矿安全生产大数据预警预测平台研究

陈佳林

摘要：基于大数据的煤矿灾害预警是避免瓦斯、水害、火灾、冲击地压等事故发生，减少人员伤亡和财产损失的有效措施。通过对煤矿各类数据，建立分析模型并进行各类关联分析，从而更好地对进行风险预警预测分析，为监察执法提供预警预测信息，提高监察执法的科学性和对事故风险的预警预测能力。

关键词：大数据；关联分析；综合评判；事故风险；模糊决策

中图分类号：TP18，TD76 文献标识码：A 文章编号：1009-3044（2018）01-0026-02

近年来我国煤炭企业在技术发展和自身竞争需求的推动下展开煤矿安全生产信息化建设，取得了长足进步。煤矿在安全生产的过程中产生了大量的数据，包括各种监测监控数据、设备状态数据、生产自动化数据、人员信息以及管理信息等各种数据。这些信息系统源源不断地生产积累着海量的数据，但是，数据处理分析却停留在管理和展示的初级阶段，缺乏信息深度分析和挖掘的工具，无法洞察巨量数据中蕴含的价值，基于大数据和物联网技术正好可以解决这方面的问题。

1 需求分析

1） 视频图像处理需求

现有煤矿中安装了很多摄像头设备，这些设备不停的产生大量的视频数据。现在的解决方案是有工作人员通过盯着大屏幕、切换屏幕的方式查看违规作业人员。因此，实现对视频图像数据查找、检索与分析才能将其中有价值的信息直观、高效的提供给各个业务需求部门。

2） 系统及数据互联需求

矿井各专业信息系统之间相互割裂，矿井各专业部门围绕各自核心业务建立管理信息系统和监测监控系统，建设初期往往缺乏统一规划和通盘考虑，导致这些专业系统自成一体，软硬件接口没有统一标准，相互间缺乏互操作协同和数据共享能力，形成一个个信息和设备孤岛，而煤矿安全生产管理业务和决策需要综合各方面的信息，进行综合研判分析。

3） 预警预测分析需求

数据可视化及分析手段匮乏，无法支持综合决策分析。随着煤矿的安全生产、管理和运营，各种信息系统源源不断地产生着大量的数据，但是，信息系统没有提供丰富灵活的可视化分析工具，让管理决策人员能够快速了解当前生产管理和运营的状态和未来的发展趋势，能够获取关联维度信息进行指标结构分析、趋势分析、比较分析等，能够从全局到细部进行数据挖掘，找出问题发生的詳细原因，或者从细部到全局进行数据概况分析，发现问题影响的范围。

因此，通过大数据手段对煤矿各类在线监控、安全生产规章制度、安全管理、生产管理、技术管理、隐患管理等各类信息进行采集、关联分析、综合评判，向监察执法提供预警预测信息，提高监察执法的科学性和对事故风险的防控能力十分必要。

2 煤矿预警预测平台架构

该平台完成对各种环境监测数据、设备状态数据、人员位置数据、视频监控数据等数据的预警预测、评判分析。对于各种传感器数据、设备状态数据、人员信息数据和视频图像数据等接入大数据预警预测系统以方便各级系统检索、查询和分析。

平台从逻辑上分为感知层、网络层、数据层、应用层四个层次。系统自下而上，将感知层内各类信息通过高效的存储检索—分析处理—应用展现等几个环节，最终将分析处理结果提供给各种业务人员，如图1所示。

感知层：主要包括各种传感器设备、视频监控设备、大型固定设备等。这些设备完成对各种环境监测数据、设备状态数据、人员位置以及各种管理信息等数据的获取。

网络层：网络层用于传输前端采集的环境数据、视频图像等数据到数据存储中心，为保护现有投资，系统兼容煤矿中已有的网络系统，利用已建的网络环境，传输视频图像于指定地点。

数据层：数据层包含大数据仓库、分布式搜索引擎、煤矿安全专家知识库、图形增强型大数据工作站等内容。感知层采集的多样化数据经过大数据技术处理，转换成可供上层应用直接调用的结构化数据，这些结构化数据统一存储于大数据仓库。

应用层：应用层根据安监系统的业务需求，基于大数据分析与挖掘技术分析海量数据中的潜在隐藏信息，结合气象信息、地理信息，实现对各种数据的时空分析、关联分析，并应用HTML5、GIS、三维可视化、移动互联等技术实现告警通知、趋势分析、智能预测等功能。

3 平台功能

系统从功能上分为：智能分析、趋势分析、个人评价、系统配置四个模块。

智能分析包括：环境监测数据分析、设备运行数据分析、人员违规分析三个模块。

趋势分析包括：传感器数据异常趋势分析、视频违规趋势分析两个模块。可按照日、周、月、年对数据进行异常类型、违规类型的趋势分析。

个人评价系统：基于视频违规行为分析、人员定位位置分析等手段实现对个人的综合评价、安全生产考核。

系统配置主要包括：用户管理、系统日志管理、告警通知策略、配置管理等功能。

详细功能如下：

4 信息采集

4.1 在线监测数据

1） 环境监测数据

主要包括瓦斯、通风、水、火、矿压、粉尘、甲烷、CO、烟雾、 风向、温度、湿度等数据。这些数据主要通过井下及地面传感器获得。

2） 设备运行数据

主要是大型固定设备状态数据，这些数据主要通过矿井综合自动化系统获取。

4.2 视频图像数据

主要是井下生产位置、机房等地方安装的摄像头设备。

4.3 管理信息数据

主要是规章制度、监察执法、事故调查、隐患排查等信息。这些信息主要通过各部门人员上传获取。

4.4 人员位置信息

主要通过接入人员定位系统，获取人员位置信息。

5 信息分析

5.1 在线监测数据分析

1） 环境监测数据分析endprint

对各种环境监测数据进行拓扑分析、密度分析、叠置分析、时空关联分析等。在现有系统基于单一指标的实时状态数据进行分析告警的基础上，增加对历史数据以及多来源数据的关联分析，挖掘隐藏在正常数据指标下的异常规律和状况。比如在部分瓦斯突出事故之前，并没有出现瓦斯浓度超限等异常报警，但实际上瓦斯浓度会出现异常的变化或波动，传统的告警系统无法给出有效预警，而基于历史数据和大数据模型的分析，则可能提前发现异常状况并给出预警。又如对如下数据的监控：CH4浓度≧0.8%，且持续时间≧5min； CO浓度≧24ppm，且持续时间≧10min。

2） 设备运行数据分析

实时采集设备运行状态数据，对于长时间无法获取到数据的设备进行异常告警；监控设备运转过程，如发现数据异常现象及时通知相关人员进行处理。

5.2 视频图像数据分析

1） 人员违规分析

对于通过摄像机拍摄到的视频数据进行实时行为分析，如果发现有违规的行为及时进行抓拍并报警。如下述行为：井下打架斗殴、采、掘、修工作面空顶作业、脱岗或睡岗、辅助运输超挂车不使用保险绳、井下无措施烧焊、井下拆卸矿灯、携带烟草及点火物品、扒车、坐皮带或坐链板机等违法行为。

2） 设备异常分析

对于没有安装传感器的老旧设备、关键设备的异常行为（运输带传输异常等）、影响工作人员安全健康的位置（比如有辐射、超高压）的仪表设备（可对仪表数据自动读取并进行异常数值判断）等可以采用视频监控的方式进行视频监控分析。同时，可结合设备的在线数据信息进行综合评判，关联分析。

5.3 管理信息数据分析

对于各种管理信息数据可以通过对各种格式数据的ETL（抽取、转换、加载）操作，通过计算机进行统计分析，发现数据中隐藏的信息。

5.4 人员定位分析

基于获取的人员位置信息，结合人脸比对系统，对于关键岗位、关键位置，实时分析判别异常人员进入、关键位置长时间无人值守，人员轨迹重现、位置追踪等。

6 预警预测

1） 预警功能，对在线监测报警信息进行统计分析，对环境危险状态及人员危险行为进行及时预警和统计。包括基于大数据的煤与瓦斯突出、冲击地压、水害、火灾等事故预警；基于大数据的煤矿重大关键设备故障诊断。告警方式包括浏览器页面通知、短信提醒、手机APP通知等。对于设备信息、评判分析结果、趋势信息可以报表的形式展现。

2） 预测功能，通过大数据平台对这些结构化数据以及视频非结构化数据进行实时大数据分析和研判，并可对不同类型数据进行整合、关联、碰撞，基于不同模型进行煤矿短期、中期安全生产趋势分析预测。

7 评判系统

各级监管单位的安全生产大数据系统可实时管控下级系统。平台可对煤矿、集团公司、分局实行积分管理制度，进行预警积分。如该矿一天、或一周内出现多次现场报警（如瓦斯超限、人员违规操作、超量生产等）可扣分，当总分数降低到一定程度，说明该矿或该集团公司对安全生产没有引起足够重视，可对其举牌警告，从而起到大数据平台的宏观管控作用。

7.1 企业评判

可以根据大数据分析系统分析结果，按照星级对企业进行评价，类似于酒店星级评判标准。对于级别较低的企业需要定期进行检查、监督指导，引导企业进行升级改造，加快信息化、制度化、规范化建设。

7.2 个人评判

对于企业中的安全生产人员引入安全生产评分标准，对于分数较低的个人进行安全生产培训、重点监督指导等。个人评判标准基于视频违规行为分析、人员定位位置分析等手段综合评判。

8 结束语

本平台通过大数据手段结合成熟的安全生产理论，对煤矿各类在线监控、安全生产规章制度、安全管理、生产管理、技术管理、隐患管理等各类信息进行采集、关联分析、综合评判，向监察执法提供预警预测信息，提高监察执法的科学性和对事故风险的防控能力。

通过接入煤矿综合自动化系统、人员定位系统、安全监测监控系统以及矿压、水文等监测系统数据，实现多源数据的采集汇聚，建立煤矿安全预警预测大数据模型，最终实现智能告警，趋势预测等功能。同时，通过对企业、个人建立安全评价系统，更好的指导监督企业及个人安全生产。

参考文献：

[1] 孙继平. 煤矿安全生产监控与通信技术[J]. 煤炭学报， 2010， 35（11）：1925-1929.

[2] 琚洁慧， 吴吉义， 章剑林， 等. SaaS应用中的多租户与安全技术研究[J]. 电信科学， 2010（10）：41-46.

[3] 吴吉义， 傅建庆， 张明西， 等. 云数据管理研究综述[J]. 电信科学， 2010（5）：34-41.

[4] 李波. 煤矿安全监控系统分析与设计[D]. 北京： 北京邮电大学， 2009.

[5] 沈蘇彬， 范曲立. 物联网的体系结构与相关技术研究[J]. 南京邮电大学， 2009， 6： 1-11.

[6] Hu Wei， Zhao Z， Wang Y. cardiopulmonary monitoring research Based on noncontact sensor of vital signs[J]. ECSTrans， 2013， 45（33）：17-25.

[7] 叶静. 综合型网络化矿井自动安全监控系统的设计与研究[D]. 重庆： 重庆大学， 2008.

[8] Li changzhi. Radar remote monitoring of vital signs[J]. IEEE Microwave Magazine， 2009， 10（1）：47-55.endprint