1.4　安全信息工程的发展趋势

安全信息工程随着“互联网+”的发展，迎来了前所未有的发展机遇，表现为传统监测、监控、安全管理和新技术的高度融合。新技术的进步主要体现在以下几个领域。

（1）大数据

大数据（big data），或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯。在维克托·迈尔·舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中指出，大数据是指不用随机分析法（抽样调查）这样的捷径，而采用对所有数据进行分析处理的新的数据处理方式。与传统的数据分析相比，大数据分析能力更强，处理速度更快，更适用于互联网时代下，各行业对海量数据快速分析、处理的需要，因而近年受到全球重视。大数据通常包含四个特点：大量（volume）、高速（velocity）、多样（variety）、价值（value）。

近年来，大数据在众多领域得到了应用。例如，在医学领域，通过对DNA测序、医学影像、健康档案、医学文献等典型实例大数据的分析和建模，实现疾病的人工智能诊断。通过对大数据时代生物多样性信息学的关键技术以及典型应用，提出学科发展的趋势和挑战。北斗组网技术的成熟，将智慧城市、智慧交通的发展引入了快车道。通过对智慧城市的大数据分析系统，能合理调度城市的交通运行状况，及时掌握城市治安状况，有利于平安中国的建设；通过对春运人口的大数据统计分析，能综合掌握人们出行的趋势，合理加开临时列车，及时进行人员疏导、分流。

当然，与大数据在众多领域中的应用相比较，大数据理论在煤矿企业的成熟应用还有待提高。这和煤矿煤炭资源储存条件复杂，煤矿企业的经营现状等有很大的关系。事实上，大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化数据处理、分析、挖掘，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”，有利于企业的安全管理，为企业的安全生产保驾护航。

以煤矿企业为例，在安全生产过程中，每天都要产生众多的大数据。例如：监测监控、人员定位、供水施救、压风自救、通信联络、紧急避险六大避险系统；对于其中的子系统来说，具体有工业电视系统、井下皮带运输系统、调度室大屏幕显示系统、提升系统、瓦斯抽放系统、综采工作面压力检测系统、矿震检测系统、冲击地压预报系统、地面筛分系统、井下供电系统、井下皮带运输集控系统、通风机在线监测系统等，不胜枚举。

矿井综合自动化平台将需要接入的各子系统信息通过标准的数据交换方式与综合监控中心进行数据存取，并将各子系统的信息进行综合处理。矿井综合自动化系统将实时、历史及综合分析后的信息提供给系统中的用户。如何及时处理海量的大数据，对监控系统来说，是一项巨大的挑战。

对于大数据处理的研究是计算机领域研究的热点之一。其常规软件工具是Hadoop，它是分布式文件系统，具有高容错性的特点，并且设计用来部署在低廉的硬件上；它提供高吞吐量用于访问应用程序的数据，特别适合那些有着超大数据集的应用程序，可以以流的形式访问文件系统中的数据。Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，而MapReduce为海量的数据提供了计算。

（2）云计算

随着IT规模越来越大，数据规模呈几何级数增长，已经超出了传统技术方法所能解决的范畴。通过云计算来实施海量数据处理解决方案，实现以更小的成本来处理更大规模数据的目标。云计算表现了强大的解决问题的能力和海量的数据存储与处理能力。如阿里云，2017年“双十一”每秒钟处理32.5万个订单请求，对比2016年增加了15万个订单。支付宝在峰值时，每秒处理25.6万笔交易，较2016年水平提高了41%。菜鸟网络当天数据显示，系统处理物流订单量达8.12亿件，超过90%的包裹在四天内发货完毕。无论是德国的“工业4.0”，还是“中国制造2025”，都需要云计算来突围。工业云计算的成功运用案例是三一重工。该企业的树根互联平台已接入30万台设备，实时采集一万个过程参数。通过建立大数据分析预测模型，为客户提供精准的大数据分析、预测、运营支持及商业模式创新服务。移动云的普及使我们用手机实时监控工业现场的运行状态成为可能。煤矿企业已实现了这一应用。

（3）人工智能

近年来，人工智能引爆了全世界。从深蓝到AlphaGo，深度神经网络得到了应用，机器学习日益成熟。无人机、无人驾驶技术得到了突飞猛进的发展，三维高精地图得到进一步优化。人工智能加速了物联网的普及。中国测控网认为，数据分析是推动智能工厂发展的重要引擎。在制造企业的车间，生产系统不断产生大量的实时数据，如运动轴状态（电流、位置、速度、温度等）、主轴状态（功率、转矩、速度、温度等）、机床运行状态数据（温度、振动、PLC、I/O、报警和故障信息）、机床操作状态数据（开机、关机、断电、急停等）、加工程序数据（程序名称、工件名称、刀具、加工时间、程序执行时间、程序行号等）、传感器数据（振动信号、声发射信号等），对这些状态信息的采集可以让企业对出现的任何异动进行分析和诊断。将来，人工智能必将在安全信息工程领域得到越来越广泛的应用。