基于Agent的煤礦物聯網技術運用仿真研究

李永峰，張明慧

（1.中國礦業大學應急管理學院 江蘇 徐州 221116；2.中國礦業大學經濟管理學院 江蘇 徐州 221116）

1 引言

通過具有智能化識別、定位、跟蹤等特點的物聯網技術的應用，可以實現煤礦危險源的實時、準確感知與監測，能夠極大地提高煤礦安全生產和監管的能力，提升煤礦的自動化、機械化、智能化水平，促進煤礦的安全生產。因此，一些大型煤礦逐步開始引入物聯網技術。但由于物聯網在煤礦安全生產和監管中的應用和推廣剛剛起步，在學術研究方面，對此的研究還嚴重不足。一方面，國外學者對物聯網的研究主要集中于物聯網的概念框架及其關鍵技術等方面[1-4]，鮮有對其在工業領域的應用展開研究。國內學者的研究主要集中在物聯網技術和應用技術方面，袁亮院士等[5]研究了礦山物聯網人-機-環狀態感知關鍵技術。錢建生等[6]從企業的角度研究構建了基于物聯網的自動化系統，該系統具有礦井安全生產實時監測、人員跟蹤定位、礦井災害預警、搶險救災、信息管理等功能。胡青松等[7]針對煤礦生產環境負責，研究了礦井動目標精準定位算法和技術，指出了基于礦山物聯網架構的定位發展趨勢。孫繼平[8]基于我國煤炭開采井工開采率高、賦存條件差、信息化程度低等煤礦生產實際狀況提出了煤礦物聯網的特點和需要解決的關鍵技術。已有的相關研究主要集中于技術層面，缺乏對其在工業領域特別是煤礦生產方面的推廣應用的研究。

基于Agent的建模與仿真是研究復雜系統問題的有效方法，已經廣泛應用于消費者行為選擇、交通、軍事、能源等研究領域。

物聯網作為一門較新的技術，其在我國煤礦的應用和推廣缺乏大樣本進行實證研究，因此，本文擬采取基于Agent 的仿真建模技術，對于物聯網在煤礦安全生產和監管中的應用進行模擬仿真，較好地彌補已有研究的不足。一方面，研究物聯網的應用對煤礦安全生產的影響；另一方面，將物聯網初始安裝成本、煤礦企業意識、煤礦生產規模、物聯網的普及等多方面因素作為模型的變量，研究影響物聯網在煤礦生產中推廣與普及的關鍵因素，并基于此提出政策建議。

2 煤礦安全生產與監管物聯網技術推廣模型

2.1 模型設定

物聯網技術對于提升煤礦的安全生產水平和煤礦安監部門的安全監管能力都是大有裨益的，但煤礦是否采用物聯網又會受到物聯網的成本、煤礦企業對物聯網的認識及新技術偏好、其他煤礦是否采用物聯網、不嚴格執行會引發安全事故的概率、監管部門有效監管的概率等多種因素的影響。因此，在煤礦物聯網推廣應用的Agent 模型中，煤礦和安監部門可以看作兩大類主體（Agent）。他們的狀況、他們的行為及行為結果構成了整個環境，Agent 具有智能，能夠感知環境，并根據環境做出決策。

模型由煤礦是否使用物聯網決策子塊、煤礦是否嚴格執行安全規程行為選擇子塊（簡稱行為選擇子塊）、政府監管子塊、(煤礦)行為結果子塊四個子塊組成。模型的流程圖如圖1。

圖1 基于Agent的煤礦物聯網推廣流程圖

2.1.1 煤礦Agent的特征與行為

（1）煤礦Agent的基本信息

煤礦Agent的基本信息包括煤礦Agent的數量N、規模、各種規模煤礦占比（p-iot-l，p-iot-m，p-iot-s）、噸煤成本perc、物聯網初始安裝成本（installcost）、煤礦安全運營成本。

表1 煤礦Agent的基本信息

煤礦的安全運營成本受煤礦是否采用物聯網技術、是否嚴格執行兩類安全規程的影響。煤礦為了追求當期利益最大化，有不嚴格執行安全規程的傾向。調查表明煤礦不嚴格執行安全規程的成本為嚴格執行安全規程成本的80%，各種條件下煤礦的噸煤安全運營成本占噸煤成本的比例如表2所示。

表2 煤礦安全運營成本占噸煤成本的比例

（2）煤礦Agent的狀態信息

在煤礦物聯網技術推廣的Agent 模型中，煤礦Agent 具有是否采用物聯網技術（IOT?）、是否嚴格執行安全規程（SAFE-A?和SAFE-B？）、是否發生事故（ACCIDENT-A?和ACCIDENT-B?）、是否被有效監管（EFF-REG?）五類狀態信息。

初始狀態下，煤礦不嚴格執行安全規程A 的概率為p-unsafe-a，煤礦不嚴格執行安全規程B的概率為punsafe-b。

2.1.2 煤礦Agent：物聯網決策子塊

未采用物聯網的煤礦決定其是否采用物聯網，取決于三個方面：第一，物聯網的初始安裝成本。第二，煤礦領導對物聯網的認識和先進工具偏好。第三，物聯網技術采用后給煤礦帶來的預期收益和預期成本的比較，其中預期收益包括嚴格執行安全規程成本的減少和事故期望損失的減少。預期成本是指煤礦不嚴格執行安全規程更容易被發現所帶來的期望罰金的增加。煤礦是否采用物聯網決策的流程如圖2。

圖2 煤礦是否采用物聯網決策流程圖

圖2 中，R1、C1、R2、C2、R3、C3、R4、C4 分別表示在安全規程A和B的不同執行狀況下的預期收益和預期成本。

2.1.3 煤礦Agent：行為選擇子塊

煤礦Agent的行為選擇是指煤礦是否嚴格執行安全規程，包括A 類安全規程和B 類安全規程。A 類為瓦斯、礦井通風系統、自燃煤層開采方面的對煤礦安全生產影響重大的生產系統方面的安全規程；B 類為除A類外的其他規程，如嚴格執行瓦斯檢查制度、煤礦井下風量、風質、風速和作業環境的氣候等方面的安全規程。煤礦執行兩類安全規程的成本、不嚴格執行安全規程發生事故的概率以及發生事故所帶來的損失的不同。

對于A類規程的執行和煤礦的設計、建設有關，嚴格執行A類規程的煤礦，一般還會嚴格執行，除非遇到特殊的地質條件，而產量的任務又不能減少時可能發生，因此，其不嚴格執行的概率會大幅下降為P-ana。不嚴格執行A類規程的煤礦如沒查到，繼續不嚴格執行A類規程，如果被查到整改后，其發生不嚴格執行的概率也會有所下降為P-nana。

對于B 類規程的執行情況和煤礦的安全文化、煤礦員工的安全素養、行為習慣、領導的安全意識有關，嚴格執行B 類規程的煤礦，其不嚴格執行的概率會有較大幅度的下降為P-bnb，而不嚴格執行B類規程的企業，其不嚴格執行B類規程若沒有被查到，其不嚴格執行B 類規程的概率會大于總體的概率為P-nbnb，若被查到，則其概率會有所下降為P-nbnbe。煤礦是否嚴格執行兩類安全規程的行為選擇流程圖如圖3。

圖3 煤礦是否嚴格執行安全規程行為選擇子塊

2.1.4 政府Agent：政府監管子塊

假設代表政府的安監部門有實施有效監管和監管不力兩種行為：在煤礦采用物聯網技術的條件下，安監部門實施有效監管的概率p-ireg 為70%；在煤礦沒有采用物聯網技術的條件下，安監部門實施有效監管的概率p-nreg為50%。

如果煤礦不嚴格執行安全規程被政府安監部門發現，罰金整改費用水平為：煤礦不嚴格執行A類安全規程的罰金和整改費用100 萬元～400 萬元；煤礦不嚴格執行B類安全規程罰金和整改費用20萬元～60萬元。

政府監管的流程圖如圖4。圖中，punish為煤礦不嚴格執行安全規程被查到的罰金。

圖4 政府監管子塊

2.1.5 煤礦Agent：行為結果子塊

煤礦不嚴格執行安全規程會導致事故的發生，在不采用物聯網技術條件下，煤礦不嚴格執行兩類安全規程，發生事故的概率p-iacc 均為5%；采用物聯網技術條件下，煤礦不嚴格執行兩類安全規程發生事故的概率p-nacc均為2%。行為結果流程圖如圖5。

圖5 行為結果子塊

當煤礦不嚴格執行安全規程發生事故會造成損失loss。煤礦不采用物聯網技術條件下，煤礦不嚴格執行A 類規程時發生事故的損失為1 000 萬元～2 000 萬元，不嚴格執行B類安全規程發生事故的損失為30萬元～100萬元。煤礦采用物聯網技術條件下，煤礦不嚴格執行A類規程時發生事故的損失為500萬元～1 500萬元，煤礦不嚴格執行B 類安全規程發生事故的損失為30萬元～70萬元。

2.2 模型參數設定

在模型中，包含了固定參數和可變參數兩類參數，其中，固定參數為模型運行時固定的參數，經過檢驗，模型的結果對這些固定參數不敏感，可變參數為影響模型結果的關鍵性參數，模型固定參數含義及設定見表3，可變參數含義見表4，情景設定見表4。

表3 模型固定參數值設定

表4 模型可變參數含義

3 仿真模擬結果與分析

運用上一節構建的模型進行模擬仿真，仿真的內容主要包括兩部分：一是研究了初始環境中采用物聯網技術的煤礦所占比例、物聯網的初始成本、事故發生概率等影響因素對物聯網推廣的影響；二是研究了物聯網推廣對煤礦安全生產和監管的影響。由于仿真模型的運行結果具有隨機性特征，為保證結果穩定可靠，對每組參數根據運行結果的穩定程度均運行15次，取計算結果的平均值作為分析的依據。

3.1 煤礦安全生產與監管物聯網推廣應用的影響因素分析

3.1.1 仿真初始化環境中采用物聯網的煤礦所占的比例對煤礦安全監管物聯網推廣的影響分析

設定1 000 萬t 以上的煤礦都采用物聯網技術，1 000 萬 t 以下的煤礦分為 A1、BASE、A2 三種情景。運用模擬結果見圖6、圖7。

由圖6可見，采用物聯網的煤礦所占的比例不同，即在初始環境中采用物聯網的煤礦數量不同對物聯網的推廣的速度有顯著的影響，初始環境中使用物聯網的煤礦所占的比例越高，煤礦安全生產與監管物聯網技術推廣速度越快，系統達到均衡的時間步越少。從系統達到均衡的時間步t的極差和標準差，可以看出，當初始環境中使用物聯網的煤礦所占的比例較低時，煤礦安全生產與監管物聯網推廣到達穩定狀態的時間將有更大的不確定性。由圖7 可見，采用物聯網的煤礦所占的比例對達到穩定狀態后采用物聯網技術的煤礦的數量沒有顯著影響。

圖6 初始環境中采用物聯網煤礦所占的比例對煤礦物聯網推廣速度影響

圖7 初始環境中采用物聯網煤礦所占的比例對系統穩定后采用物聯網煤礦數影響

3.1.2 煤礦安全生產與監管物聯網的初始成本對煤礦物聯網推廣的影響分析

煤礦安全生產與監管物聯網的初始成本是煤礦物聯網推廣的重要影響因素，結合仿真初始化環境中采用物聯網的煤礦所占的比例的設定，在研究成本的影響時，設定1 000萬t以上的煤礦都已經采用了物聯網技術，對于1 000萬t以下的煤礦，物聯網的初始成本，根據目前的實際狀況，設定了B1、B2兩種情境。

在仿真初始化環境中采用物聯網的煤礦所占的比例的下，分別在B1、B0、B2情景下進行了模擬，結果見圖8。

由圖8 可見，煤礦物聯網的初始成本對系統穩定后采用物聯網的煤礦數有顯著的影響，物聯網初始安裝成本越低，系統穩定后使用物聯網的煤礦數量越多。而初始安裝成本的變化對系統達到穩定的時間步t影響較小。

圖8 物聯網技術的初始成本對煤礦監管物聯網推廣的影響

3.1.3 煤礦可以接受的噸煤物聯網初裝成（Installcost/output）對煤礦物聯網推廣的影響

煤礦可以接受的噸煤物聯網初裝成本反映著煤礦愿意為采用物聯網技術所支付的成本，是對煤礦物聯網推廣重要的影響因素之一。對情景C1、BASE和C2運行的結果如圖9、圖10所示。

由圖9 可見煤礦可以接受的噸煤物聯網初裝成本（ACPC）對系統達到穩定的時間和達到穩定后采用物聯網的煤礦數均有影響。對于系統達到穩定的時間步情景C1與BASE情景相比較影響是顯著的，而情景C2和BASE情景相比較，影響是不顯著的。也就是當可以接受的噸煤物聯網初始安裝成本大于15 元/t 后，這一因素對系統達到穩定的時間步影響就不顯著了。由圖10 可見隨著煤礦可以接受的噸煤物聯網成本的增加，系統達到穩定后采用物聯網的煤礦數量呈上升的趨勢，由情景C1 的平均1 136 個上升到情景C2 的1 721 個。可見煤礦可以接受的噸煤物聯網初裝成本越高，達到穩定后采用物聯網的煤礦數越多。

圖9 ACPC 對物聯網推廣速度的影響

圖10 ACPC對采用物聯網的數量的影響

3.2 物聯網的使用對煤礦安全生產的影響

煤礦安全事故發生的次數和事故總損失和使用物聯網的煤礦的數量是密切相關的。據前面的分析可知，初始環境中采用物聯網的煤礦所占的比重對物聯網推廣的速度影響顯著，物聯網的初始安裝成本和煤礦可以接受的噸煤物聯網初裝成本對物聯網推廣后采用物聯網的煤礦數量影響顯著，對系統達到穩定的時間影響較小。因此，選擇情景B 和情景C 來分析物聯網推廣后對安全事故發生的次數和事故總損失的影響。

分別在B1、BASE、B2 情景和C1、BASE、C2 情景下，取系統穩定后十個時間步的事故發生總數和事故總損失的平均數，作為與該系統物聯網使用煤礦數量相對應的事故發生總數和事故總損失，來分析不同情景下兩者之間的關系。統計結果見圖11和圖12。

圖11 B1、BASE、B2情景下采用物聯網煤礦數對事故發生總數和事故總損失的影響

圖12 C1、BASE、C2情景下采用物聯網煤礦數對事故發生總數和事故總損失的影響

由圖11和圖12可見隨著采用物聯網煤礦數量的增加煤礦發生事故的次數和事故的總損失都呈下降的趨勢。

4 結論

本文運用Agent建模仿真方法對不同情境下煤礦物聯網的推廣運用情況進行了模擬分析，得出如下結論：

（1）初始環境中使用物聯網的煤礦所占的比例越高，即初始環境中采用物聯網的煤礦越多，煤礦安全生產與監管物聯網技術推廣擴散速度越快。

（2）煤礦物聯網的初始安裝成本越低，系統穩定后使用物聯網的煤礦數量越多。

（3）煤礦可以接受的噸煤物聯網初裝成本（ACPC）煤礦可以接受的噸煤物聯網初裝成本越高，煤礦安全生產與監管物聯網技術推廣擴散速度越快，達到穩定后采用物聯網的煤礦數越多。

因此為了促進煤礦物聯網技術的應用，應鼓勵更多的礦山應用物聯網技術、降低物聯網的成本，提升煤礦的盈利能力，以保障煤礦安全高效生產。