大数据时代煤矿安全风险治理模式研究

2022-07-20牛莉霞,赵蕊

煤矿安全 2022年7期

安全风险识别及响应滞后是导致煤矿事故发生的主要原因之一[1]。随着5G、大数据、人工智能等技术快速发展，煤矿生产系统正处在复杂性强且耦合性高的新环境之中，使得煤矿安全风险防控不确定性增加，给煤矿风险治理工作带来了巨大挑战[2]。传统以反馈响应为主的风险治理模式存在识别速度慢、通信滞后、缺乏精准的风险控制和智能决策等问题[3]，无法满足大数据时代煤矿企业快速识别不同风险的安全需求。因此，研究大数据时代煤矿安全风险治理模式有重要的现实意义。近年来，运用大数据技术对煤矿进行风险治理逐渐被国内外学者重视起来。Liu 等[1]探究了井下煤矿风险源，指出风险识别是井下煤矿风险治理的基础与条件，风险因素是由隐患的不安全状态构成；Cheng 等[4]结合CCMER 模型对煤矿内部进行风险控制，指出计算机开发程序对风险治理的重要性；毛善君等[5]指出大数据为煤矿安全管理工作提供新的管理模式，有助于提高煤矿生产业务流程的动态安全诊断；疏礼春[6]结合大数据技术构建煤矿风险监测平台，推动了大数据时代下风险治理模式研究的进程。但现有研究将风险生命周期与风险治理手段相互结合尚少；且现有治理模式缺乏科学的理论基础，无法快速应对不断变化的风险，数据驱动的风险治理模式亟待深入探究。鉴于此，基于生命周期理论与灾害致因理论，以煤矿风险因素为研究对象，将风险防范和应急处置有效整合，构建了大数据时代煤矿安全风险治理模式，以期达到风险治理“超前识别、超前控制”的目的，从而保障煤矿系统安全性。

1 煤矿安全风险治理现状

自2019 年国家发展改革委、国家能源局等8 部委联合制定发布《国家煤矿安监局关于加快推进煤矿安全风险监测预警系统建设的指导意见》以来[7]，部分学者构建了“云边端三级”治理模式架构[6-8]。该模式由边缘端、云端与应用端3 部分组成，其中三级指区域、煤矿、集团3 个治理主体。因新兴技术向煤矿生产层面的渗透，该模式实现数据采集交换功能，保障系统数据的真实性和客观性。但各个平台之间未进行数据格式的标准统一，致使煤矿风险治理出现层级割裂状况；难以保障治理主体在面对煤矿安全事件时的资源分配与响应效率[9]，导致风险治理的实际效果欠佳。

随着数据时代的进一步到来，煤矿风险的不确定性在人机交互作用下极易产生新风险[10]，且传播速度更快传播途径更广。在此时代背景下，煤矿安全风险周而复始，在不同阶段、不同地域范围内反复发生，风险的不确定性和生命周期性特征更加明显。但现行治理模式设计并没有完全契合煤矿风险的生命周期，存在一定缺陷。一方面，容易导致治理主体难以快速识别煤矿中存在的隐患；另一方面，导致在面对煤矿突发事件时难以及时控制风险进而引发风险叠加效应[11]。可见，现有风险治理模式已不适合煤矿安全的需要，亟须探寻新的风险治理模式。

2 煤矿安全风险治理模式构建理论基础

大数据时代煤矿安全风险治理模式的有效运行需要灾害成因理论与全生命周期理论的支撑。风险因素作为链接隐患与风险治理的纽带，加快了风险的识别、控制、应急等治理进程，使风险治理变得有据可循。因此，在煤矿安全风险治理模式中建立对风险因素的分析，采取相应的风险治理手段是十分必要的。

1）灾害成因理论。基于中国工程院士范维澄提出的公共安全三角形理论，通过类比方法运用到煤矿安全风险治理中的理论。该理论包括隐患、风险因素和治理手段3 类元素。通过对人、机、环、管等风险因素具体地识别，找出对应的隐患（不安全行为、不安全状态），结合治理手段对风险因素进行有效治理。例如对人的风险识别，找出人员疲劳（不安全状态）这个隐患，然后结合相应的治理措施，对人员风险因素进行控制。

2）全生命周期理论。将煤矿安全风险演化的生命周期划分为风险形成（孕险阶段）、风险发展（成险阶段）与风险衰退（致灾阶段）3 个阶段[12]。根据煤矿安全事故发生的机理[1]，要从根本上预防煤矿事故发生：首先应最大限度地识别风险；其次采取措施将已识别的风险变得不受控制的可能性降至最低；最后实施应急措施将不受控制的风险造成的事故概率降到最低。因此风险治理措施在对应的时间维度上分为风险识别、风险管控、应急管理3 个部分。

基于此，形象化地表达煤矿安全风险系统，构建煤矿安全风险演化模型。借助机器学习、遗传算法等科学技术手段实现数字化、信息化的风险演化模型；进而运用大数据分析技术手段剖析各种风险因素，对处于不同阶段的风险因素采取有针对性的治理措施，使不同状态的风险在适当的时间和地点由治理主体通过适当的手段进行防范与控制；从而最大限度地减少风险造成的潜在损失，保障煤矿生产系统的稳定性。

3 煤矿安全风险治理模式

3.1 煤矿安全风险治理模式概况

煤矿安全风险治理模式是整个煤矿系统安全的重要保障。该模式主要理念为：①借助大数据技术手段对煤矿风险因素实施全面的实时监控，以获取煤矿风险因素（人、机、环、管）数据，据此对隐患进行全面排查，预防各类突发安全事件的发生，形成煤矿安全的第一道防线[12]；②运用生命周期理论与灾害成因理论，对煤矿风险因素进行数据分析、挖掘和智能决策，以此提供合理有效地控制措施，保障快速精准控制事件；③在数据智能决策的基础上执行应急措施管理，中断风险演化，从而防止人员伤亡和财产损失。因此，煤矿安全风险治理模式的优劣直接关联着整个煤矿系统安全，更直接影响了煤矿安全事件的预防和控制[13-14]。基于以上认识，构建的大数据时代煤矿安全风险治理模式如图1。

图1 煤矿安全风险治理模式Fig.1 Coal mine safety risk management model

煤矿安全风险治理模式由4 个治理主体和3 个子系统（数据感知子系统、分析子系统、服务子系统）组成。具体而言：形成以“煤矿安全技术服务机构、煤矿企业、煤矿集团、煤监局”为主的4 个治理主体。煤矿安全技术服务机构负责提供相关安全技术指导，煤矿企业与煤矿集团做好风险监测与管理制度设计，煤监局为煤矿产业系统治理做好顶层设计和统筹规划[15]。四方主体动态协调联动，运用子系统平台共同参与煤矿风险治理。治理主体与各个子系统之间层级反馈，促使整个煤矿系统形成客观的风险认知，从而保障对风险实时识别与快速控制。3 个子系统细分为7 个层次：数据感知层、数据采集层、数据处理层、数据分析层、风险识别层、风险控制层、应急处置层。其中，数据感知层、数据采集层、数据处理层、数据分析层是煤矿安全风险治理的支撑体系，是煤矿风险治理的基础; 风险识别层、风险控制层、和应急处置层是煤矿风险治理的核心体现。

3.2 煤矿安全风险治理数据感知子系统

煤矿安全风险治理数据感知子系统是煤矿安全风险治理模式的基础。通过数据感知层、采集层对风险因素进行实时监测，为煤矿风险治理的识别和决策提供大量的数据资源。数据感知来源主要分为4个方面：①人的感知：如人员定位、人员疲劳程度等感知；②机器感知：如采煤设备、运输设备等；③外部环境感知：如煤矿地质、瓦斯含量、顶板离层等；④管理制度感知：如安全监察执行文件、管理制度文件等。数据采集层通过网络设备、ETL 系统对煤矿风险因素进行实时采集监测，并在传递过程中进行动态反馈，通过已掌握的数据和历史数据对煤矿风险进行超前识别，确保风险治理手段的有效实施。

3.3 煤矿安全风险治理数据分析子系统

煤矿安全风险治理数据分析子系统是数据整合加工的成果。数据分析子系统包含数据处理层与数据分析层，遵循处理→计算→分析的流程。首先，底层统一接入煤矿工作人员、煤矿设备、煤矿内部环境、煤矿监测等数据并进行过滤清洗，通过语言处理对不同类型数据进行标准化的格式处理。然后采用机器学习、神经网络算法进行数据计算、分析，挖掘隐含在数据中有价值的风险因素数据。同时，依托可视化技术，借助传感器系统、办公网络将风险因素数据直接传达给每一位管理者。最后，各个监测设备通过整个治理过程不断地对数据进行反馈分析，保障对风险因素的实时控制。

3.4 煤矿安全风险治理数据服务子系统

煤矿安全风险治理数据服务子系统是煤矿安全风险治理模式的核心。数据服务子系统包括风险识别层、风险控制层、应急处置层3 个部分。

1）风险识别模块首先应建立以风险信息和安全情报为基础的综合性治理体系，真正充分发挥和高度重视情报分析的支持职能，实现基于“数据-信息-情报”信息链的管理工作系统。然后对煤矿中隐患进行细致排查，分析隐患可能导致的后果，预测煤矿生产的安全态势，从而为治理主体提供超前的缓冲时间。

2）风险管控模块是根据煤矿安全发展趋势，运用科学、合理的方法对已识别风险进行等级划分。依据划分结果进行分级管理，并采取相应的风险控制措施，进而实现治理主体对风险因素的超前控制。例如，在风险管控中建立安全仿真模型指导风险等级划分，通过智能算法采取相应的管控措施。

3）应急处置模块分为应急决策、应急响应与应急恢复3 个部分。首先依据实时数据进行关联检索，匹配相应的应急决策；然后治理主体动态联动，调配资源，快速响应；最后基于实时数据监测次生灾害的发生，为治理主体提供有关煤矿安全事件的发展趋势、发生次生事件的可能性以及煤矿安全的防控建议；从而中断事件的发生，减少人员伤亡和财产损失，保障煤矿系统安全性。