安全生產大數據應用

李紅臣

大數據時代的到來，為安全生產風險評估、隱患排查、執法檢查、事故調查和決策分析等業務提供了支持。本文主要介紹了安全生產大數據的概念、分類、應用案例、存在的問題和未來的應用方向。

信息技術與經濟社會的融合引發了數據迅猛增長，數據逐漸成為與土地、物質和能源同等重要的基礎性戰略資源，日益對經濟運行、社會生產生活和國家治理產生重要影響。大數據（Big data），或稱巨量資料，是指由數量巨大、結構復雜、類型眾多的數據所構成的數據集合，必須通過特殊化處理分析，才能形成有規律、可預測的信息服務能力。具有容量大、類型多、存取速度快、應用價值高等特征。

隨著大數據時代的到來，政府安全監管部門、企業或者其他機構通過對生產經營活動中海量、無序的數據進行分析處理，總結數據的規律，發現數據的價值，為安全生產風險評估、隱患排查、執法檢查、事故調查和決策分析等業務提供支持，安全生產逐漸步入大數據時代。

安全生產大數據特征

安全生產大數據是大數據的子集，是信息技術與安全生產業務融合過程中形成的海量數據。通過對這些海量數據的分析，發現潛在隱患、評估安全風險、尋找事故規律、追溯事故原因，實現安全生產風險管理和事故預防。

安全生產大數據除了具有大數據的一般特點之外，還具有以下3項特征。

數據分散

安全生產大數據主要存儲在生產經營單位、政府安全監管監察機構、技術服務機構（從事安全評價、文化宣傳、教育培訓、檢測檢驗、產品研發等工作的機構）、社會公眾（如網站、論壇、社交網絡、互聯網），這些數據融合困難，信息孤島現象普遍存在。

數據邊界模糊

安全生產涉及眾多行業領域，面廣復雜，如何界定安全生產數據較為困難。在企業生產經營過程中，企業經營管理、工藝技術和安全生產密切相關，安全生產數據定義模糊，尤其是涉及到企業商業秘密時，安全生產數據采集就更加困難。

數據效用時間短

企業安全生產監測、視頻圖像等數據效用時間短，比如煤與瓦斯突出、沖擊地壓等動力災害演化規律不清，瞬時突發，瓦斯突出、礦震、礦壓監測數據效用時間很短。相比于金融、社交、物流、零售等大數據，安全生產大數據價值密度更低，比如在低瓦斯礦井下，瓦斯監測數據長期不變。

安全生產大數據應用案例

國家安全監管總局積極推動安全生產大數據的應用，組織研發團隊開展安全生產大數據平臺研發與試用工作。采用了NoSQL（非關系型）數據庫、MapReduce計算框架、HDFS高性能分布式存儲系統、圖計算、語義分析、人工神經網絡、智能識別、毫秒級索引查詢分析和實時處理等技術，初步建設了安全生產大數據平臺。開發了集地圖導航與圖表相結合，靜態、動態監測預警與多維度關聯相結合的事故鉆取分析、事故發生規律與致因挖掘、事故預測預判和風險防控于一體的大數據應用系統，具有事故統計分析、隱患分析、遠程執法巡查、態勢分析、安全研判、輿情熱點分析和決策服務等功能。

下面，簡單介紹安全生產大數據的兩個應用案例。

安全生產互聯網輿情分析

安全生產輿情具有負向性、突發性、情緒化與非理性、主觀性和去中心化等特點，這些輿情信息會直接或者間接地影響安全生產工作。大數據給輿情監測和分析方式帶來了變革。

使用網絡爬蟲技術定期從互聯網上采集安全生產輿情信息，進行預處理后分類管理，建立安全生產輿情大數據。可以使用智能語義分析、自然語言處理、數據挖掘等大數據分析技術對輿情趨勢、等級、影響程度上進行分析，實現對安全生產輿情的監測分析、判斷安全生產工作的潛在影響和風險、確定輿情的等級和影響程度。

安全生產事故規律分析

首先建立安全生產事故大數據，應用大數據技術分析事故原因，挖掘事故規律。例如，通過地域性分析，發現山西、湖南、重慶為煤礦事故多發地區，黑龍江發生重大事故起數較多，據此，應加強對這些地區的安全監管監察工作；通過事故統計分析，可知頂板、瓦斯、運輸為煤礦事故的主要類別，因此要求煤礦加強對這些事故類型的預防；對災害傷亡模型進行回歸分析得出傷亡模型，傷亡人數逐漸減少，表明安全生產形勢趨向好轉。

應用大數據分析技術可以進行安全生產態勢預測，根據結果采取相應的預防措施減少事故發生，提高事故風險防控能力。

安全生產大數據應用的問題

當前，安全生產信息化還很落后，成功的大數據應用案例還很少，主要存在以下問題：

一是安全生產數據采集機制和手段不健全，有些安全生產數據難以采集或者采集的數據不準確、不完整。安全生產數據不規范，融合難，質量差。

二是企業由于信息安全、商業秘密保護等多種原因，不愿意開放共享自身的安全生產數據。

三是適用于安全生產大數據分析的算法、模型研究不深入、不成熟，安全生產大數據應用價值點還沒有全部發掘，業務需要進一步研究。安全生產大數據平臺建設是一個漸進的持續過程，需要不斷開發完善。

安全生產大數據應用方向

安全生產隱患排查

通過人工方式很難完全排查企業存在的隱患，特別是對于有隱蔽性的隱患，需要排查者具有較強的專業知識。這種方式易受主觀因素影響，而且很難界定安全與危險狀態，隱患排查效果差。應用大數據能夠及時、準確地發現隱患，提高企業隱患排查能力。

美國安全工程師海因里希通過分析55萬起工傷事故發生的概率，提出了著名的“1∶29∶300安全法則”。這個法則告訴人們，每一起重傷或死亡事故，背后必定發生了300件無傷害事件，也就是潛在的隱患，這些無傷害事件往往被人們忽略了。

采集企業生產經營過程中人、物、環境的監測信息和安全生產管理信息，建立企業安全生產大數據。利用圖像識別、神經網絡、遺傳算法、模糊數學等算法，建立隱患診斷大數據模型，通過對多個數據參數分析比對，發現人的不安全行為、物的不安全狀態、環境的不安全條件和管理缺陷，從而界定是否構成隱患。

安全生產風險管理

建立風險評估指標體系，通過專家獨立打分的方法可以評估企業安全生產風險。但是，這種方法主觀性強，而且多是使用靜態數據評估企業安全生產風險。應用大數據可以動態評估企業安全生產風險。

首先，構建企業安全生產動態風險評估模型和風險指數，采集企業各類安全生產數據作為模型輸入，根據算法計算出企業安全生產風險指數。融合區域、行業或者全國企業安全生產風險數據，建立區域性安全生產風險指數。安全生產風險指數可以用紅、橙、黃、綠、藍等不同的顏色表示，通過地理信息系統在地圖上可視化展示。建立安全生產風險預警機制，促進安全生產監管監察的精細化和精準化。

突出預防為主，強化信息技術對安全生產風險識別與管理的支撐保障，督促企業落實主體責任，提升源頭治理能力，降低安全生產事故的發生。

事故調查

大數據用于安全生產事故調查也是一個主要方向。建立安全生產大數據，記錄企業安全生產基礎信息、管理臺賬、隱患排查信息、監測監控信息、執法檢查等信息。事故發生后，調查組可以對這些數據進行取證，從而分析事故發生原因，認定事故責任。2010年，美國西弗吉尼亞州發生死亡29人的礦難，由于該煤礦的監管記錄保存完整，每條記錄都包括檢查的時間、結果、違反的法律條款、處理的意見、罰款金額、已繳納的金額、煤礦是否申訴等數據項。逾千條的監管記錄為事故追責提供了重要證據，最終事故認定礦山安全與健康局無監管失職，煤礦所屬公司承擔主要責任。

安全生產監管監察

安全生產監管監察機構應用大數據可以更加有效地開展工作，是“智慧安監”的發展方向，應用點包括：

1.大數據應用于安全生產行政許可業務

政府安全監管監察機構收到某個企業安全生產許可證延期（或換發）業務，分析企業安全管理、風險、事故、信用、標準化、隱患排查等數據，依法判斷是否批準企業安全生產許可申請。

2.大數據應用于日常安全監管監察業務

安全監管監察機構在日常監管監察工作中，通過分析企業安全管理、風險、事故、執法、信用等數據，對企業實行分類監管監察，提高安全監管監察工作的效能。

3.大數據應用于安全生產執法

安全監管監察機構通過分析企業安全管理、風險、事故、執法、信用、投訴舉報等數據，制定更加有針對性的執法計劃，提高執法效率。

安全生產大數據的應用還有很多，如安全產品交易、安全生產服務、應急管理等等。大數據對安全生產意義非凡，有助于提升事故防控預警能力和安全生產綜合治理能力，加強安全生產源頭治理，有效遏制重特大事故發生。

編輯 韓 穎