游樂設施大數據中心的建設與應用

馬超宇 黃 羽 張金利 孟 潔 謝印國

（北京中冶設備研究設計總院有限公司 北京 100029）

大型游樂設施被稱為“特種設備中的特種設備”，其典型特點是結構型式多樣，參與人數多，以青少年兒童為主，發生故障或事故社會影響大，其安全狀況直接決定了游客的生命安全，影響社會穩定[1]。GB 8408—2018《大型游樂設施安全規范》對大型游樂設施設計、生產、運行的各個環節都進行了規定，重點是大型游樂設施的安全風險評估，對大型游樂設施的安全提出了嚴格要求[2]。原質檢總局印發的《特種設備安全與節能事業發展“十三五”規劃》明確提出：“開展基于互聯網和大數據的特種設備智能檢驗、檢測技術研究，開展自動快速檢測與安全診斷技術研究及設備研制，開展故障診斷、智能維修、風險評估、完整性管理、剩余壽命評估等技術研究，開展節能環保在線監測技術研究，提升在用特種設備風險監測與維護保障技術水平”[3]。而在《2023 年特種設備安全監察工作要點》中提出要推進智慧監管，強化數據歸集治理，完善數據核驗機制，提升特種設備歸集數據質量，推動信息技術與檢驗檢測技術深度融合，推動智慧管理平臺建設，開展智慧監管[4]。

隨著云計算、人工智能、大數據的迅猛發展，特種設備相關人員開始研究新時代下特種設備的智慧監管。張勝杰針對基層特種設備監察工作中存在的問題，提出了一個特種設備智慧監察系統，實現特種設備日常監管的無紙化，提升監管效能[5]。李恒等提出了基于大數據的電梯安全風險監管模式，它應用電梯靜態數據和動態數據，根據設備風險存在的可能性以及造成的后果嚴重程度，劃定安全風險等級，基于大數據風險監管模式，有效管控風險，提高電梯安全監管的效率和精準度[6]。伍冠樺提出了一個基于云平臺的特種設備信息管理應用系統，該系統基于云平臺，實現電梯生產參數、監督檢驗、定期檢驗和日常維護保養數據采集到云平臺，對采集來的數據進行分類、整合、處理與分析，以便對電梯的使用過程進行有效跟蹤，為監督監察部門提供有效的監察數據，提升特種設備使用安全水平[7]。張宏亮等提出針對特種設備信息化數據進行分析，充分挖掘與數據建模，實現特種設備的智能化與可視化，將大數據和智慧監管結合，構建特種設備安全社會共治體系[8]。

在大數據、云計算和人工智能的發展背景下，特種設備的信息化、智能化也是發展的必然趨勢。而游樂設施作為關系生命安全的特種設備，將其信息化和智能化是必須要完成的一項任務，信息化和智能化的基礎是大數據中心，大數據中心能夠支撐游樂設備的智能化，提升其安全管理水平。

1 大數據中心建設目標和內容

為實現自身設計生產的所有游樂設備的全生命周期管理，以提升游樂設備的信息化和智能化，因此基于大數據的游樂設施全生命周期管理與服務平臺應運而生，該平臺包括“一個中心、六個系統、一個平臺”，一個中心是一個大數據中心，六個系統是游樂設施健康評估系統、備品備件智能補貨系統、游樂設施安全追溯系統、游樂企業評級服務系統、定向客戶服務系統、應用支撐管理系統，還有一個可視化綜合展示平臺。它圍繞游樂設施安全管理和游樂產業能級提升目標，采用云計算、大數據、互聯網、物聯網等現代信息技術，與業務應用深度融合，形成以“基礎設施層、數據層、支撐層、業務層和用戶層”為主要內容的建設體系。

大數據中心是該平臺的基礎和核心，它聚焦游樂設施全生命周期數據，打破數據壁壘、消除數據孤島，實現數據互聯互通。大數據中心完成數據采集、數據處理、數據管理、數據分析、數據服務、數據共享交換、大數據存儲與計算套件等功能，支撐游樂設施實時運行狀況監控、實時健康評估、實時報警等功能，以便及時發現安全問題，提前預防，避免事故的發生。大數據中心還支持游樂設施的智能化，為機器學習和深度學習提供數據支撐，使游樂設施越來越智能。

大數據中心的建設目標是使游樂設施行業設備供應商、運營商和相關監管部門嚴格按照行業標準規范設計、開發、運營和監管設備運行狀況和設備健康狀況，提高游樂設施安全水平，同時也可以為運營商降低設備運營成本，使監管機構實時了解游樂設施運行狀況，提高行業整體安全管理水平。

大數據中心對下要采集游樂設施的各類數據，對上要支撐不同用戶的使用，用戶不同，使用的數據不同，訪問權限也不同。目前對于各類企業，數據是企業的核心資產，數據不應隨意被獲取，而應按需獲取。如對于游樂設備，其用戶有樂園經營者、供應商、監管部門、檢驗機構、行業協會等多種不同類的用戶，而每類用戶針對游樂設施所關注的數據和內容是不同的，因此根據整個平臺的需求，大數據中心建設內容如圖1 所示。

圖1 大數據中心內容建設示意圖

如圖1 所示，從下往上看，大數據中心建設的第一步是資源建設，即計算資源、網絡資源、存儲資源，數據是大數據中心的核心，數據需要采集、傳輸和存儲，然后才能用于計算，支撐這些應用是基礎設施，沒有基礎設施就沒有大數據中心，因此基礎設施建設包括網絡資源建設、存儲資源建設、計算資源建設以及安全策略制定，保證數據被安全使用。

大數據中心的基礎設施是由龐大的設備群支撐，因此需要對各種軟硬件資源進行管理，即資源監控、資源分配、安全管理等多項內容，資源監控和資源分配是大數據中心的重要工作之一，要保證資源被充分利用，不浪費資源，同時也要保證各項資源不被過度使用，導致平臺其他業務功能不好用。

大數據中心的數據體系是它的基礎，這里定義了該數據中存儲了什么樣的數據，并以什么樣的形式進行存儲，其物理含義是什么。打通游樂產業研發設計、生產制造、安裝、運行、維護保養、檢修等各環節間的數據壁壘，建立跨企業大數據融合機制，并提供大數據的采集、處理、存儲和治理等技術支撐，以數據應用優化游樂設施運營管理模式、安全保障模式，提升產業服務能力，推動游樂產業持續升級。大數據中心針對結構化、半結構化和非結構化數據提供大數據的采集、處理、存儲和治理等技術服務，數據匯聚至大數據資源中心。

數據治理是大數據中心的重點工作，首先它要采集各類數據，如每個游樂設施上的實時監控數據，每個游樂設施的維修數據，以及每個游樂設施當時所處環境的環境數據等內容；其次要對數據進行清洗，去掉一些異常數據，或者補充一些丟失數據，將數據根據業務需求進行整理、清理，形成可用的數據集存儲進數據倉庫，供后續各業務系統使用；數據目前也是各企業的重要資產，其安全性也很重要，在這里根據數據的安全性需要進行數據權限控制。

數據模型是建立業務模型和存儲領域知識，游樂設施有多種，每種設備都有其特征，如表征設備運行良好的特征向量不同，判定每類設備故障的標準不同，因此在此需要將設備的運行數據獲取并存儲下來，后續才能使游樂設施智能化，實現設施的智能。因此數據模型針對不同的設備、不同的故障建立不同的數據模型，供后續設備診斷和評價使用。

數據決策部分集成了多種機器學習、深度學習算法，這些算法為不同的游樂設備建立不同的學習模型，解決各自的問題。

數據應用層就是依據不同類用戶的需求構建的應用系統，但這些應用系統都需要使用大數據中心提供的各種數據或者服務，來為它們的用戶提供服務。數據應用是該平臺對外提供服務的接口，針對不同的應用系統、不同的用戶，需要提供不同的服務，但是不同的系統、不同的用戶可能需要查看的數據是同一組數據，如游樂設備的運行數據，游樂設施的經營者、供應商甚至監管部門都需要查看，這樣大數據中心就做到了數據共享，打通了各系統、各用戶之間的數據壁壘，提高了數據的使用效率。

大數據中心的建設好壞決定了企業對外提供服務的能力好壞，筆者單位針對游樂設施大數據中心的建設，可有效提升設施的信息化、智能化和安全性，同時提升管理效率。

2 大數據中心技術架構

大數據中心是所有應用的支撐，連接了所有的游樂設施和各類工作人員，而游樂設施和工作人員分布在全國的各個地方，因此大數據中心采用分布式體系結構，應用阿帕奇（Apache）基金會所開發的分布式系統基礎架構（Hadoop）實現分布式計算和分布式存儲，進行數據采集、數據處理、數據存儲，供上層應用。大數據中心采用云原生技術，使用開放源代碼的J2EE（Java 2 Platform Enterprise Edition）應用程序框架SpringBoot 和開源的微服務框架SpringCloud 管理各個微服務的應用，以保證系統的快速、穩定運行，同時便于維護，支持便捷的應用模塊接入方式，便于系統的擴展。其技術架構示意圖如圖2 所示。

圖2 大數據中心技術架構示意圖

從圖2 可知，大數據中心分成七個主要部分，分別為數據源、數據采集、數據存儲、數據處理、資源調度、系統管理、數據應用。

數據源主要是來源于各個游樂設施、各個應用系統以及外部系統的數據，該部分主要根據每個設備不一樣，采用不同的協議進行通訊，獲取不同類型的源數據，如結構化數據、半結構化數據、圖片、視頻、文本等類型的數據。

數據采集是將各種數據采集進大數據平臺，在該部分用到的組件有分布式消息隊列（Kafka），高可用的和高可靠的分布式的海量日志采集、聚合和傳輸的系統（Flume），大數據傳輸工具（Sqoop），高性能數據同步系統（Canal）等，Kafka 主要是做數據同步和緩沖，所有采集來的數據先進入Kafka，然后Kafka 將數據同步到各個數據庫，Sqoop 是在Hadoop和關系型數據庫之間進行大容量數據的傳輸，Flume采集、聚合海量的日志數據，Canal 也可實現數據同步。

數據存儲是大數據中心的主要工作，所有平臺使用的數據全部存儲在此，而數據存儲根據應用場景不同，使用的存儲方式不同，在該數據中心支持分布式文件系統HDFS（Hadoop Distributed File System）存儲、列數據庫存儲、行數據庫存儲和時序數據庫（Influxdb）存儲，如游樂設備的監測數據是1 s 采集1 次，因此這些設備實時采集的數據采用時序數據庫進行存儲；而各類應用系統的數據依然采用關系型數據庫（MySQL）存儲，因此支持行數據庫存儲；但對于大量的實時數據處理，需要使用列數據存儲結構或者分布式文件系統，所以使用HDFS 和列數據庫進行該類數據的存儲。

數據處理是針對數據應用對數據進行不同的處理，如為了支撐健康評估系統，需要根據實時采集的游樂設施數據進行實時故障診斷和健康評估，以便及時發現問題，因此在這里使用在線資源管理工具STORM（School Tools for Online Resource Management）實時計算每個設備的運行狀態。而對于AI（Artificial Intelligence，人工智能）應用，需要根據不停增加的數據，進行學習和優化，因此在該部分包括了行業算法庫和分布式計算框架MapReduce（Map 是映射，Reduce 是歸約），以便進行健康模型、預測模型等模型的學習與優化，提高模型的準確率和效率。數據倉庫是將各種數據根據應用場景不同進行組織和管理，以支持數據應用，如設備的歷史數據查詢、安全追溯查詢等功能。在該部分，提供一個算法集，它包含數據分析、機器學習、深度學習等算法，輔助領域專家進行數據分析和數據建模。

數據應用就是根據不同的用戶建立不同的數據展示頁面，如針對管理層，通過數據可視化可對所有游樂設施的運行狀態、商戶狀態等進行展示。對于設備維護人員或游樂設施經營人員可通過實時監測模塊查看每個設備的實時狀態。AI/BI（Business Intelligence，商業智能）應用可供領域專家進行數據分析以及模型建立和訓練，以便更好地優化各模型，而在此數據應用包括游樂設施健康評估系統、備品備件智能補貨系統、游樂設施安全追溯系統、游樂企業評級服務系統、定向客戶服務系統、應用支撐管理系統和可視化綜合展示平臺，這是目前為止大數據中心支撐的應用，后續也會按需擴展。

資源調度主要是管理分布式環境下的網絡、計算、存儲等資源，這部分采用經典的資源管理組件YARN（Yet Another Resource Negotiator，另一種資源協調者）、ZooKeeper（分布式應用程序協調服務）等，以提高資源的使用效率，保證資源不被閑置，但也不被過度使用，資源能夠支撐上層應用。

系統管理包括配置管理、部署管理、監控管理等內容，是為系統管理員提供方便易用的管理工具，可通過該部分簡單、快速、有效地進行配置、部署等工作，保證系統能夠安全、有效、準確運行。

3 總結

目前，該數據中心由筆者單位實施建設，通過該大數據中心可對全國各地各游樂設施進行實時監控，游樂園管理者可實時查看各游樂設施的健康狀態，是否需要檢修，是否需要更換部件等，如果某個游樂設施需要更換零部件，相應的供貨商會收到通知并提供服務。而監管部門或平臺管理者可隨時查看每個游樂設施的運行狀態，可以查看游樂園經營者是否在安全情況下使用各項游樂設施，如果有問題可及時提醒或警告相關人員，保證了游樂設施的安全性。

該數據中心從內部系統、外部獲取海量數據，采用分布式技術和海量數據挖掘算法，實現海量數據的運算和挖掘，實現PB（PetaByte，千萬億字節）級數據查詢秒級響應。支持多用戶的同時訪問，系統響應時間小于2 s。

筆者單位的游樂設施大數據中心的建設有效地保證了筆者單位提出的游樂設施全生命周期管理平臺的建設，以數據為核心，將設備、人等各種資源集成為一個整體，集體對外提供服務，有效地提高了企業的服務能力。目前，高空秋千、懸崖過山車、中三環過山車等多套設備數據已成功接入大數據中心，為設備制造商和游樂園管理者提供實時設備信息，此外還有丘比特過山車、103 m 摩天輪等多套設備正在接入中。隨著大數據中心的逐步使用，積累的數據越來越多，在設施的故障診斷、故障預測等方面還可進一步加強和提升，以保證游樂設施越來越安全、越來越智能。