董紹華

中國石油大學(xué)（北京）管道技術(shù)研究中心

第三方破壞是管道面臨的重要風(fēng)險，據(jù)統(tǒng)計，2001年～2015年國內(nèi)管道事故中由于第三方破壞引起的占事故總量的30%～40%；1984年～1992年歐洲國家的管道事故中由于第三方損傷和破壞引起的占事故總量的52%[1]；2010年～2016年，美國共發(fā)生管道泄漏事故702起，其中177起是由于第三方破壞（第三方開挖或外力）引起的，占總數(shù)的25.21%[2]。

位置大數(shù)據(jù)已經(jīng)成為當(dāng)前用來感知人類社群活動規(guī)律、分析地理國情和構(gòu)建智慧城市的重要戰(zhàn)略資源，通過對位置大數(shù)據(jù)的處理分析，可從單純的定位數(shù)據(jù)引申出人的社會屬性以及與環(huán)境的關(guān)系，形成了一種智能化、社會化的應(yīng)用[3]。

本文基于位置大數(shù)據(jù)的分析方法，建立特定人員手機(jī)位置信號與管道沿線信號塔之間的位置關(guān)聯(lián)關(guān)系，同時通過獲取手機(jī)移動端GPS位置信息，開展手機(jī)移動信號的大數(shù)據(jù)關(guān)聯(lián)分析，研究第三方管道破壞行為，并在實踐中取得成功。

1 位置大數(shù)據(jù)的特點

大數(shù)據(jù)（big data）是指大型復(fù)雜數(shù)據(jù)集的聚合。大數(shù)據(jù)中的一個重要組成部分就是位置大數(shù)據(jù)（location big data，LBD）。含有空間位置和時間標(biāo)識的地理和人類社會信息數(shù)據(jù)即為位置數(shù)據(jù)。這里的空間位置，既可以是準(zhǔn)確的地理坐標(biāo)，也可以是具有約定俗成的一些地名、方位等[4-5]。

●位置大數(shù)據(jù)具有多元、異構(gòu)、變化快等特征，也具有典型的體量大和價值密度低等大數(shù)據(jù)特性。

●位置大數(shù)據(jù)的共性特征是具有時空標(biāo)識，可以使用絕對位置、坐標(biāo)、相對位置、語言文本來描述。

●由于受到數(shù)據(jù)采集技術(shù)等方面的客觀制約，位置大數(shù)據(jù)可能不能反映對象的整體全貌。

2 研究取得的成果

（1）第三方入侵手機(jī)移動信號和GPS信號數(shù)據(jù)采集技術(shù)

在選取的第三方風(fēng)險較大的特定區(qū)域內(nèi)，24小時不間斷開展手機(jī)信號、GPS信號數(shù)據(jù)采集，建立特定人員手機(jī)信號與管道沿線信號塔之間的位置關(guān)聯(lián)，獲取手機(jī)GPS位置、手機(jī)塔的相關(guān)信息，開展手機(jī)移動信號的位置大數(shù)據(jù)采集，從移動設(shè)備采集的數(shù)據(jù)（包括惟一設(shè)備 ID、緯度、經(jīng)度和時間戳）存儲在數(shù)據(jù)庫中或加載到 Hadoop 平臺上。

（2）第三方通訊移動數(shù)據(jù)存儲技術(shù)

研究采用Hadoop等計算框架模式，建立流媒體、地圖數(shù)據(jù)、軌跡數(shù)據(jù)的高效時空索引和分布式分析技術(shù)，基于位置大數(shù)據(jù)的非關(guān)系型數(shù)據(jù)的特點，采用Hbase、BigSQL、芒果等數(shù)據(jù)庫存儲技術(shù)。

（3）第三方通訊移動數(shù)據(jù)預(yù)處理技術(shù)

研究了第三方通訊移動數(shù)據(jù)過濾、數(shù)據(jù)完善、數(shù)據(jù)降維、數(shù)據(jù)離散化等方法，以及預(yù)處理后在用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等處理方法，對位置數(shù)據(jù)進(jìn)行深入處理和挖掘，旨在分析數(shù)據(jù)間的關(guān)聯(lián)性。

（4）第三方破壞特征模式提取技術(shù)

開展了第三方通訊移動位置大數(shù)據(jù)的管道破壞防范模式特征提取研究，基于時間特征建立移動手機(jī)位置與第三方破壞的特征模型。從收集到的信息信號中提取價值信息，提取位置大數(shù)據(jù)的混雜性，分析和抽象出三類特征，通過建立移動手機(jī)位置大數(shù)據(jù)與第三方破壞的模型，從而找出第三方破壞的跡象和正在實施的第三方破壞行為。

（5）基于位置大數(shù)據(jù)的第三方破壞風(fēng)險可視化方法

利用統(tǒng)計圖來展示數(shù)據(jù)處理過程中的處理結(jié)果或數(shù)據(jù)發(fā)展趨勢，基于位置大數(shù)據(jù)規(guī)模大、多樣化等特點，研究專門用于第三方位置數(shù)據(jù)的可視化方法，準(zhǔn)確地模擬第三方破壞在管道沿線的發(fā)展態(tài)勢。

（6）基于移動端位置數(shù)據(jù)的管道第三方破壞預(yù)測預(yù)警系統(tǒng)

通過上述研究，開發(fā)了管道第三方破壞預(yù)測預(yù)警系統(tǒng)，包括數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)分析和建模、數(shù)據(jù)風(fēng)險可視化、趨勢分析等功能。

3 應(yīng)用案例

以長三角經(jīng)濟(jì)發(fā)達(dá)地區(qū)某天然氣管線的25.8公里長的支線管段為例，通過移動端信號地接入進(jìn)行大數(shù)據(jù)分析，根據(jù)第三方數(shù)據(jù)的時空演變規(guī)律，進(jìn)行第三方破壞防范的建模研究，取得重要成果。

（1）數(shù)據(jù)采集

移動端通過一組信號塔提供服務(wù)，移動端的具體位置可通過對其與最近信號塔的距離進(jìn)行三角測量來推斷，位置精度大約在20米以內(nèi)。位置數(shù)據(jù)包括緯度和經(jīng)度，存儲所有這些信息，需要56字節(jié)的空間。如果處理200萬個用戶，并且以每分鐘一次的頻率存儲24小時的位置信息，那么存儲的數(shù)據(jù)大約為每天0.1TB。

（2）大數(shù)據(jù)存儲與處理

建立Hadoop 分析流程，基于位置大數(shù)據(jù)非關(guān)系型數(shù)據(jù)的特點，采用Hbase、BigSQL、芒果等數(shù)據(jù)庫存儲技術(shù)，如圖1所示。

（3）大數(shù)據(jù)的降維分析

其核心就是減少網(wǎng)絡(luò)中的節(jié)點（即區(qū)域）或邊（即區(qū)域間的關(guān)聯(lián)），通過關(guān)鍵分量的分析獲得全局特征，其主要方法包括依超介數(shù)的降維和依主分量的降維。而在時間尺度上的降維則主要指對時間的離散化，降低各時間段間的相似性。按照時間降維處理，時間段縮短為20：00～22：00、12：00～14：00、2：00～4：00三個時間段�？臻g降維，則將位置數(shù)據(jù)按照管線30米范圍為活動范圍，劃定界限，分析移動端數(shù)據(jù)。

（4）位置大數(shù)據(jù)的特征提取建模

針對位置大數(shù)據(jù)的混雜性，提取移動端用戶的靜態(tài)數(shù)據(jù)，以一定區(qū)域范圍為觀察對象，提取區(qū)域內(nèi)與地圖地貌相關(guān)的一些指標(biāo)，包括路網(wǎng)特征和興趣點變化率等靜態(tài)特征信息。本案例利用已有事故統(tǒng)計分析，得出第三方危害臨界區(qū)域模型為——事故統(tǒng)計發(fā)現(xiàn)：2人以上，出現(xiàn)超過2次，每次靜態(tài)時間為0.5小時，同時出現(xiàn)在同一個區(qū)域內(nèi)，發(fā)現(xiàn)85%的第三方事故均具有此特征。

（5）數(shù)據(jù)分析

對管道所在區(qū)域內(nèi)的移動端數(shù)據(jù)測試采集15天，共獲得2154630條位置數(shù)據(jù)，篩查了所有數(shù)據(jù)，按照2人以上（不限同一個人），在同一地點出現(xiàn)超過2次（含2次）以上，每次靜態(tài)時間超過0.5小時，進(jìn)行數(shù)據(jù)統(tǒng)計分析，最終統(tǒng)計的數(shù)據(jù)量涉及管道路由周邊178處位置，如圖2所示。

從圖2的統(tǒng)計分析來看，在22：00～24：00、2：00～4：00兩個時段，發(fā)生2處高風(fēng)險異常人員情況。1處是在管道附近違章修建溫室大棚，并確認(rèn)未向管道保護(hù)部門報告，另1處是山丘管道路由10米內(nèi)非法取土，未通知管道管理部門。其他時段管道周邊田地勞動人數(shù)達(dá)到145人，經(jīng)分析和驗證，屬于田地耕種管理的正常生產(chǎn)活動，沖溝位置大數(shù)據(jù)驗證為正在進(jìn)行退耕還林栽種作業(yè)。

本時段共統(tǒng)計發(fā)現(xiàn)符合管道周邊活動的異常屬性特征的數(shù)據(jù)有21處，其中，田地勞動耕作11處，沖溝退耕還林作業(yè)1處，鐵路、公路、水利、河流、林地處作業(yè)總計5處，均為正常作業(yè)，但管道周邊山丘、荒地有4處作業(yè)為缺乏正常施工監(jiān)護(hù)（含2處高風(fēng)險異常施工狀況）�？梢姡�通過位置大數(shù)據(jù)的移動軌跡分析，可及時掌握管道沿線第三方活動情況，做到早發(fā)現(xiàn)、早監(jiān)控。

4 結(jié)論和建議

（1）首次將位置大數(shù)據(jù)技術(shù)應(yīng)用于管道第三方破壞防范，研究開發(fā)了位置數(shù)據(jù)的管道第三方破壞預(yù)測預(yù)警系統(tǒng)。

（2）該技術(shù)可以及時發(fā)現(xiàn)管道周邊第三方非法施工情況，及早發(fā)現(xiàn)風(fēng)險，系統(tǒng)進(jìn)行自動分級，有利于管道第三方風(fēng)險的分級管控。

（3）該技術(shù)克服了其他方法如光纖振動、遙感圖像分析的不確定性和誤報率，補(bǔ)充完善了管道第三方技防措施。

（4）建議納入管道安全管理技術(shù)措施，并進(jìn)一步研究、改進(jìn)、推廣應(yīng)用。

參考文獻(xiàn)：

［1］董紹華 管道完整性管理技術(shù)與實踐 中國石化出版社 2015.9 北京

［2］美國管道事故統(tǒng)計報告 （Pipeline IncidentFlagged Files） 美國危險化學(xué)品管理局報告（PHMAS）2016.7.29

［3］劉經(jīng)南，方媛，郭遲，高柯夫. 位置大數(shù)據(jù)的分析處理研究進(jìn)展 武漢大學(xué)學(xué)報（信息科學(xué)版） 第39卷第4期 2014.4

［4］ Guochi， FangYuan， Liu Jingnan, etal Suudyon social awareness computation methods for location-basedservice[J] Journal of Computer Research and Development,2013,50(12); 2531-2542

［5］王曉艷. 位置服務(wù)大數(shù)據(jù)的分析處理方法與隱私保護(hù) 雞西大學(xué)學(xué)報 第15卷　第7期， 2015年7 月

作者：董紹華，教授，中國石油大學(xué)（北京）管道技術(shù)研究中心主任，管道完整性與管理專家，第五屆國家安全生產(chǎn)專家成員，國家質(zhì)檢總局特種設(shè)備安全委員會壓力管道分委會委員，北京石油學(xué)會石油應(yīng)用與儲運專業(yè)委員會主任，研究方向為管道安全、完整性及信息大數(shù)據(jù)領(lǐng)域。

《管道保護(hù)》2016年第5期（總第30期）