摘 要： 城市地下燃气管道组成结构复杂、服役寿命较长，且易受到违章占压、腐蚀、外力破坏等因素的影响，存在极大的安全隐患，严重威胁城市的公共安全。传统的地下管道事故防控技术已无法满足日益增长的安全需求，将管道事故防控与前沿信息技术相结合已成为当前的研究热点。总结地下燃气管道事故防控技术研究现状，将大数据技术应用于地下燃气管道事故防控（包括监测布点、风险评估、风险预警与突发事故应急决策）之中，对大数据技术在管道事故防控中的应用难点及解决措施进行综述，以期为中国地下管道事故防控向信息化、智能化方向发展提供参考。
关键词： 城市地下管道; 大数据; 事故防控; 智能化;
城市地下燃气管道具有组成结构复杂、管道位置不明确、风险监测困难、管道老化严重等特点，且极易受到违章施工、外力破坏等因素的影响，各类影响因素耦合使得城市地下管道的危险性增大，严重威胁城市的稳定发展与公共安全[1,2]。目前，中国多数地下燃气管道的事故预防与处置方式还处于人为巡检、专家经验风险辨识阶段，由于缺乏实时性与科学量化分析，此类方法应用于地下管道的事故防控尚存不足[3]。结合中国城市安全需求与地下燃气管道运营现状，将大数据应用到地下管道事故防控中，实现管道风险的智能化评估、预警与事故自动化控制，可为保障城市公共安全起到重要作用。通过对城市地下燃气管道事故防控技术现状进行综述，分析基于大数据的管道事故防控优势，辨识大数据技术的应用难点并提出解决意见，提出应用大数据技术以实现地下管道事故防控系统平台建设的建议，以期为大数据等前沿信息技术在城市地下管道安全性保障中的应用提供参考。
1 、城市地下燃气管道事故防控技术研究现状
城市地下燃气管道的事故防控包括事故风险评估、事故预警、事故应急处置三部分，国内外学者在事故防控技术的研究上已取得大量的成果。其中燃气管道的风险管理已由传统的定性化向定量化发展，地下管道事故防控与地理信息系统（Geographic Information System，GIS）、物联网、大数据技术的联系也日益密切。一些发达国家已成功实现了地下管道事故防控的信息化管理，如美国Optima公司开发了应用于风险控制与基础设施维护的管道风险管理软件包“MISHAP”，英国燃气公司为其管道系统风险评估研发了“TRANSPIPE”软件包[4]。同时，地下管道预警技术正在向信息化、定量化的方向发展，梁磊等[5]提出了利用定量风险分析模型实现管道定量化预警的模式，并构建了燃气管道安全预警技术路线；徐鑫磊[6]利用Arc GIS软件平台搭建了基于网络服务的天然气管道安全管理与应急决策支持系统。突发事故应急管理包括突发事故的资源调度与优化配置管理、应急智能决策支持、受灾人群管理三个方面，Fan等[7]以瓦斯爆炸应急响应为例，针对在CBR应用中经常遇到的多种属性相似度度量的典型问题，提出了一种基于清晰符号、清晰数、区间数、模糊语言变量和随机变量五种属性值格式的混合相似性度量方法，给出了度量每种格式属性值属性相似度的计算公式，并利用简单的加性加权方法对属性相似度进行聚集，给出了度量各历史案例与目标案例混合相似度的方法，最终根据获得的混合相似度检索出了合适的历史案例；宋英华等[8]针对复杂城市洪灾应急案例检索问题，提出一种结合归纳索引法和基于证据推理的置信规则库推理方法(RIMER)的应急案例索引技术，该方法首先通过案例知识的表示与转化，构建城市洪涝灾害应急管理置信规则库，而后通过激活权重设置、证据推理及效果评价实现城市洪灾应急案例相似度定量评价，并以武汉市洪灾应急处置为例进行实例分析，证明此方法在应急案例处理中的可靠性；王悦宸等[9]针对在应急救援中单目标和一对一的资源分配方法难以有效解决应急救援中资源分配的问题，提出可利用线性规划方法得到更符合实际救援需求的资源分配方案，并采用动态规划思想中的多阶段资源分配方式建立新的应急救援资源分配模型，通过组合救援资源及对多个目标的比重进行调整，可减少救援任务的执行时间，增强救援资源的能力，解决了应急救援中救援任务和救援资源的动态性问题。
目前的研究成果对燃气管道事故防控技术发展有一定的指导作用，但在事故风险准确预防和控制的综合集成管理上仍存在不足。同时，在管道状态监测与数据分析技术上的研究并不完善，管道状态监测的大量数据未能得到充分利用，造成燃气管道事故智能化防控能力不足，燃气管道事故的应急救援缺乏准确性、时效性。信息化、智能化的地下管网事故防控技术可消除人为误差，减少人工工作量，实现事故风险的准确预测与事故的高效应急处置，将在更大程度上保证城市的公共安全。因此，将物联网等前沿信息技术应用到地下管道安全管理与风险自动化控制之中已成为一种必然的发展趋势。
2 、大数据技术在城市地下燃气管道事故防控中的应用
2.1、 燃气管道事故防控大数据特征
大数据的主要特征包括规模性（Volume）、多样性（Variety）、高速性（Velocity）与不确定性（Veracity）[10]。地下燃气管道事故防控大数据类型多样、结构复杂，结合地下管道事故防控技术和大数据特征，提出城市地下管道事故防控大数据的主要特征为：① 事故防控大数据分析为全部数据的综合相关性分析，计算量巨大；② 大数据本身对事故相关性分析结果不具有解释能力；③ 数据类型多样，包括数字、音频、视频、三维地理信息等多种数据，且多为半结构或非结构化数据，集成与分析较为困难；④ 大数据实际价值的展示依赖于数据挖掘技术，自身无明显特征。
2.2、 基于大数据的燃气管道事故防控架构
将大数据技术应用于城市地下燃气管道事故防控，建立大数据技术研究城市地下燃气管道事故防控一体化平台（图1），可实现事故风险评估、预警与突发事故应急决策分析的实时、联动、智能化。Hadoop分布式存储系统具有容错性高与系统配置要求低等优点，应用Hadoop可实现管道大数据的数据处理与分析（图2），其中数据存储利用Hcatalog元数据管理、HBase大数据存储、Redis日志型数据存储进行；在数据处理模型中采用MapReduce的并行处理与samza/storm的流处理进行大数据分析。
图1 基于大数据的燃气管道事故防控流程图
图2 Hadoop大数据分析框架示意图
2.3、 城市地下燃气管道大数据的类型
2.3.1 、管道运行状态及环境监测数据
城市地下燃气管道的运行参数与环境参数是管道事故风险评估、预警、应急处置的基本数据。运行参数主要包括管道的内部压力、外部压力、管道的表面几何状态等相关参数，环境数据主要包括土壤电阻率、地下水位、温度、湿度等相关参数。当前，主要通过各种传感器来实现上述数据的采集与传输，所用传感器主要包括光纤传感器、压力传感器、外形监测传感器、腐蚀电位监测传感器、位移传感器等[11,12]。
2.3.2 、历史数据
我国地下管道的信息化管理应用时间相对较短，而多数管道敷设年限较长，其设计、施工资料多为CAD二维图纸与纸质文档，此类管道静态基础数据的收集与录入是保证城市地下管道大数据体系完整性的重要前提。此外，地下管道大量的历史事故数据、管道维护数据等也是管道大数据体系的重要组成部分。
2.3.3 、互联网数据
互联网数据不仅包括实现事故风险评估、事故预警、事故应急决策分析的智能计算模型，还包括第三方软件或数据源提供的统计结果、地图、区域人口密度等数据以及数据分析产生的各种结果数据。在这些结果数据中，既存在着大量高度组织和整齐格式化的结构化数据，又存在着结构不规则、不完整的非结构化数据。在互联网数据中，绝大多数可用数据为非结构化数据，且其增长速度快，寻找合适的方法以实现对非结构化数据的有效利用已成为当前研究的重点方向。
2.3.4、人工采集及专家经验数据
地下管道监测技术应用尚未完全成熟，无法实现全部管道参数的实时监测与在线传输，因此城镇地下燃气管道部分参数仍需通过人工在现场收集相关数据的方式获取，这类数据即为人工采集数据。人工采集数据方式不仅效率低、投入大，所收集数据还存在较大误差[13]。在大数据体系构建初期，决策者将实际情况交由专家进行评估，得到专家经验数据，可辅助决策者进行应急决策，下达方案指令。专家经验数据在实现某些不确定因素的评估、模型简化、应急决策参考等方面有着重大作用。有专家长期的行业内工作经验作保证，通过获得专家经验数据进行决策，可让决策更加合理；但是，该决策方式的时效性较差。
3 、大数据技术在地下燃气管道事故防控中的应用
地下管道数据监测通常利用物联传感技术实现管道数据的采集与在线传输，如佟敬阔等[14]通过构建R-OTDR分布式光纤测温系统，实现了管道温度的监测与数据监控。根据大数据分析优化物联终端布局，可以校验数据误差，分析布点合理性，有效保证管道的安全性。
利用人工神经网络方法、决策树、聚类分析等大数据价值挖掘工具，可有效分析燃气管道事故规律。基于大数据的管道风险评估选择管道的全部样本数据作为样本，以准确的检测数据替代依赖主观经验的概率估计，并以此解释环境、压力、腐蚀等因素与管道风险进展间的关联度，从而实现管道风险的评估与预测。目前，大数据技术在相关领域的应用主要有：基于大数据的管道事故预警以风险评估与预测结果为基础，准确识别具体致灾因子从而实现事故预防；以实时监测数据为基础，挖掘管道失效时各类参数的临界值，从而实现管道风险实时预警；结合互联网技术，实现警情的多部门信息快速发布；基于大数据进行管道事故应急决策，集成历史事故、专家处置经验等决策支持大数据，可提高决策的科学性；通过分析事故数据内在相关性，对二次事故可能性进行评估；构建救援路径与物资的优化模型，实现应急资源的智能调度[15,16,17]。人工神经网络具有很强的自适应、自组织、自学习能力，在数据分析上有着广泛的应用，基于人工神经网络可构建基于大数据的管道风险评估模型（图3），模型选取70%的样本集作模型训练样本集，20%作模型测试集，10%作验证样本集。
图3 基于人工神经网络的管道大数据风险评估模型示意图
3.1、大数据技术在地下管道事故防控中的应用优势
基于大数据技术的事故防控技术可避免传统经验判断导致的因素遗漏与统计数据误差导致的风险预测预警误差，结合物联网技术可实现管道警情的实时、快速发布，同时可避免仅以专家经验等人为因素作为事故应急决策依据而造成的决策误差，其相较传统事故防控技术存在较大优势（表1~表3）。
表1 基于大数据的风险评估与传统风险评估的比较
表2 基于大数据的事故预警与传统事故预警的比较
表3 基于大数据的事故应急处置与传统事故应急处置的比较
3.、大数据技术在地下管道事故防控中的应用难点
中国的管道信息化管理应用时间较短，技术研究也较为落后，大数据的应用存在一定障碍，其主要原因有：①基础数据获取受限。目前中国管道的设计、施工等资料多为二维图纸，且某些管道建设年限较长，基础资料存在缺损；同时，可能存在施工时更改施工线路但未及时更新资料存档等情况，导致管道的具体位置、走向等基础资料获取困难[18]。此外，管道的历史数据也存在事故状态不明、事故原因不清、记录不全等问题，进一步增加了管道基础数据集成的难度。②大数据获取、传输、集成技术不成熟。目前，中国现有的监测设备不能满足各类管道参数的获取需求，且由于中国尚未对监测传感器制定数据标准，使得不同类型传感器所获取数据的传输与集成存在困难。用于事故防控的大数据多数为半结构化与非结构化数据，数据格式复杂，这类数据的存储对大数据降噪、过滤、聚类存储技术的研究有着极高的要求[19]。③大数据价值挖掘技术不成熟。大数据的价值体现在事故特征、参数、发生规律等与大数据间的相关性展示之中[20]。目前的数据库技术对半结构化与非结构化数据的预处理能力较弱，暂不能实现数据的快速标准化，导致事故防控分析的实时性不强。同时，大数据本身对所发现的规律不具有解释能力，从繁杂的大数据中分析得出某些错误规律是较容易发生的，如何构建正确的大数据价值挖掘模型是大数据应用的难点[21]。④大数据共享平台建设不成熟。在城市地下燃气管道的管理过程中，不同的数据归属于不同的企业或部门，某些数据还存在产权部门化现象，这对数据的共享造成了困难。
4 、结语
大数据技术在城市地下管道物联终端布点、事故风险评估、事故预警与事故应急处置上有着明显的优势，基于大数据的事故防控技术可实现管道风险的准确分析与实时预警，可为事故防范与应急提供科学决策依据。大数据技术在地下燃气管道事故防控中的应用研究尚未完全成熟，仍需进行深入研究。针对目前大数据技术在燃气管道事故防控中的应用局限，提出如下建议：
（1）为保证管道大数据的完备性，应加快大数据采集物联终端设备的研发，终端设备不仅能实现运行参数监控，同时能实现自动化的风险控制。加快监测终端采集数据封装与大数据快速标准化，降低大数据集成的难度。
（2）研究大数据的快速标准化技术以保证分析的实时性。同时，深入开展燃气管道事故防控大数据价值挖掘模型的构建与优化，准确快速分析管道风险、事故的发展规律与关键致因，以在管道事故防控中提供科学的决策依据。
（3）加快城市地下燃气管道事故防控大数据的集成与大数据共享平台的开发与建设，以实现各部门各行业间需实现信息交互。
编辑：张腾
创新点名称：重点管道监控数据的统一集成和管理技术。
创新点内容：地下管道运行和处置的各类数据不再是一个封闭的系统，而是通过中间件技术，将燃气、给水、排水等各类管道异构监控数据进行数据解构和重建，生成符合智慧城市平台的标准结构数据，并按上层平台的协议要求和调度策略进行数据传输，从而使本子课题的成果可以无缝接入智慧城市综合服务管理平台，与城市数字指挥中心进行联动，进一步提升了城市安全性。
参考文献
[1] 徐匆匆，马向英，何江龙，刘晓丽.城市地下管线安全发展的现状、问题及解决办法[J].城市发展研究，2013，20（3）：108-112，118.
[2] 何江龙，江贻芳，侯至群.新形势下城市地下管线信息化的特点及对策[J].测绘通报，2017（1）：12-17.
[3] 李笑寰.沈阳城市地下管线运维管理模式及策略研究[D].长春：吉林大学，2017.
[4] RENDERS J M, GOOSENS A, VIRON F D, VLAMINCK M D. A prototype neural network to perform early warning in nuclear power plant[J]. Fuzzy Sets and Systems, 2005, 74(1): 139-151.
[5] 梁磊.基于GIS的城市燃气管网信息管理预警系统研究与开发[D].成都：西南交通大学，2013.
[6] 徐鑫磊.基于网络服务的城市天然气管网管理与应急系统研究[D].北京：清华大学，2010.
[7] FAN Z P, LI Y H, WANG X H, LIU Y. Hybird similarity measure for case retrieval in CBR and its application to emergency response towards gas explosion[J]. Expert Systems With Applications, 2014, 41(5): 2526-2534.
[8] 宋英华，李旭彦，高维义，王蕾，王喆.城市洪灾应急案例检索中的RIMER方法研究[J].中国安全科学学报，2015，25（7）：153-158.
[9] 王悦宸，苏醒，贾熹滨，郭黎敏，丁治明.应急救援中基于线性规划的多目标多资源分配模型[J].中国科学技术大学学报，2018，48（6）：458-466.
[10] TANG Z Y, PAN Y Q. Big data security management[M]. Hershey, Pennsylvania: IGI Global, 2016: 247-260.
[11] 黄递全，向娟，田寿全.多源传感器数据采集系统的设计与实现[J].地理空间信息，2016，14（1）：20-22.
[12] C?RDENAS A A, MANADHATA P K, RAJAN S P. Big data analytics for security[J]. IEEE Security & Privacy, 2013, 11(6): 74-76.
[13] 张可佳，李天华，白文英，杨红幸，杨涛，白博宇.基于GPRS网络的综合管廊煤气管道实时监测系统[J].机械与电子，2018，36（11）：45-47，52.
[14] 佟敬阔，靳宝全，王东，王宇，余辉，白亮.面向管道安全监测的R-OTDR分布式光纤测温系统[J].传感技术学报，2018，31（1）：158-162.
[15] 吴斌，蒋世峰.燃气管网应急输配管理平台的设计[J].测绘通报，2013（S2）：278-280，283.
[16] 冯庆善.基于大数据条件下的管道风险评估方法思考[J].油气储运，2014，33（5）：457-461
[17] 宋洁.大数据时代城市公共安全预警体系的构建[J].河南工程学院学报（社会科学版），2015（4）：31-36.
[18] 谷雨雷，董晓琪，郑洪龙，杨玉锋，张洋.基于数据包络分析的管道完整性管理效能评价[J].油气储运，2013，32（8）：840-844
[19] 林现喜，李银喜，周信，张克政.大数据环境下管道内检测数据管理[J].油气储运，2015，34（4）：349-353.
[20] MESNIL G, DAUPHIN Y, YAO K S, BENGIO Y, DENG L, HAKKANI-TUR D, et al. Using pecurrent neural networks for slot filling in spoken language understanding[J]. IEEE/ACM Transactions on Audio, Speech, and Language Processing, 2015, 23(3): 530-539.
[21] TAI K R, SOCHER R, MANNING C D. Inproved semantic representations from tree-structured long short-term memory networks[C]. Beijing: Proceedings of the 53rd Annual Meeting of the Association for Computational Linguistics and the 7th International Joint Conference on Natural Language Processing, 2015: 1556-1566.
