西南管道公司

摘要：以LBS位置大數據為核心，利用移動通信基站采集到的終端設備LBS位置信息，設計油氣管道監測預警系統。系統可以查看終端設備的實時軌跡、歷史軌跡回放、油氣管道監視區域內人流和人群特征、監視區域歷史人流及異常信息等。系統根據終端設備LBS位置大數據，建立管道監視周界相關專題挖掘模型及預警算法，為油氣管道安全管理提供有效手段。

關鍵詞：油氣管道；大數據； LBS；預警 

隨著我國油氣管網規模和覆蓋范圍逐漸增大，管道數量的快速增長與管道完整性管理的要求之間的矛盾日益突出。管道經過區域鄉鎮移民村建設搬遷、原有城鎮居民區和工業區擴建等因素，使得管道人口密集型高后果區每年均有變化[1]。根據2017年國家安監總局等八部委138號文要求，要突出加強油氣輸送管道途經人員密集場所高后果區安全管理工作。因此，有必要利用大數據、云計算等先進技術，探索建立智能化管道系統，做好數據挖掘、移動應用、綜合決策、應急防災等工作，使油氣管道從傳統的靜態數據型管理到動態預知型管理方面轉變，提高油氣管道安全管理水平[2]。

1 常用油氣管道監測技術

1.1 無人機巡護技術

利用無人機航拍技術，可以實現五種場景應用：一是線路日常巡護；二是汛期、山林、農作物茂盛期和異常天氣后巡護；三是輔助應急搶險；四是“震懾性”巡護；五是用于實戰演練。但是該技術也存在著一定的局限性和不足之處：①該技術受天氣影響，霧、霾、陰天、雨天等能見度差的條件對拍攝效果有一定影響。②資質受限。根據《民用無人機駕駛航空器經營飛行活動管理辦法（暫行）》，開展無人機空中拍照等經營活動的企業應取得《無人駕駛航空器經營許可證》，石油石化企業無此資質[3]。

1.2 基于4G網絡視頻監控系統

利用移動運營商提供的4G網絡作為傳輸鏈路，在高后果區現場安裝攝像機，在管理中心安裝4G視頻監控服務器，用戶可通過計算機實時查看高后果區現場的視頻信息。機器視覺系統可以快速獲取大量信息，通過機器視覺算法可實現越界報警、自動跟蹤、煙火分析等[4]，但是該技術對管道高后果區的4G網絡覆蓋要求較高，容易出現網絡丟包、設備損壞、設備供電等問題。

1.3 基于OFDR技術的管道防破壞預警技術

利用單模光纖作為分布式傳感器，并在傳感光纖中大規模的植入光纖光柵陣列，使其與常規光纖不同，沿輸送管線敷設于管道附近，從而實現對長距離油氣管道第三方損壞、打孔盜油、地質災害等預警檢測。光纖傳感器是管道防破壞預警技術的有效手段，目前已有部分海底管道正在應用。但光纖也存在著一定的局限性：①易斷裂造成功能失效和不易修護。②靈敏度高造成大面積誤報。③須用特殊光纖，成本較高。

2 基于LBS位置大數據的油氣管道監測預警技術

大數據時代， LBS（Location Based Services）位置大數據尤為重要，因為海量信息中80%的信息與位置相關，并蘊含著突發事件發生前兆。有效挖掘和分析LBS位置大數據[5]，利用其實時動態監測管道高后果區的人流、車流、客流等，將使油氣管道從傳統靜態數據型管理向動態預知型管理方向轉變。

2.1 國內LBS進展及應用前景

國內早在2001年已開始LBS基礎研究、前沿技術的理論探索、技術方法探討、應用集成等研究，但是受限于當時的定位技術條件不成熟和擁有移動電話的用戶規模較小、移動定位占移動通信運營商增值服務總收益的比重較低， LBS位置服務僅僅處于市場培育階段。

根據工信部2019年7月和9月分別發布的《2019年上半年通信業主要通信能力》《2019年8月電話用戶分省情況》公告顯示，當前我國電話用戶總數達到17.8億戶，擁有移動電話的用戶總數達到15.9億戶，其中擁有3G網絡的用戶為1.1億戶， 4G用戶保持穩定增長，總數已達到12.5億戶。移動網絡通信基站已增至732萬個，平均每1.3平方公里就有一個移動網絡通信基站，并且隨著光網改造工作的不斷深入， 4G移動網絡向縱深的覆蓋，基于LBS的位置服務在交通、電力、物流、消防、城市規劃等行業已有廣泛應用。

2.2 基于LBS位置大數據的監測預警系統

系統以數據模型為基礎，采用SOA（ ServiceOriented Architecture）架構理念，利用移動網絡通信基站實時采集，并結合GIS系統動態分析，能夠實現油氣管道兩側3～500米監視周界內LBS數據的實時、全面、多維度采集，實現基于LBS位置大數據信息高效整合，并建立預警研判所需的各類專題挖掘模型（圖 1）。

2.2.1 監視區內人流統計

系統利用LBS數據倉庫，建立LBS數據模型，統計分析油氣管道監視區域內活動人員流量及活動人員的行為特征，估算出人員流量情況、人員出現時間、滯留時間，距管道距離等，為油氣管道周界內的安保工作提供指引。通過統計分析LBS位置大數據，并在地理信息系統（GIS）上以直觀、可視化的色度表達形式（“熱力圖”）展示監視區域內的人流量估值、人流量密度、人流分布、人流實時軌跡及軌跡回放等信息（圖 2、圖 3、圖 4）。

系統將監視區域劃分成若干個以1公里為范圍的小區域滾動播放，不僅能夠實時或者分時段估算人流的數量或人流密度，而且還可以利用數據挖掘模型采用熱力分布圖直觀展示人員位置分布，并且精準到經緯度范圍，這是常規的GIS系統無法實現的功能。

2.2.2 監視區域內人群畫像

利用LBS位置大數據可以刻畫出監視區域內的人群特征、行為偏好、來源地等信息，提供人群年齡分布、性別比例、個人喜好、來自哪里等人群特征，為油氣管道突發事件的應急處置與輔助決策提供參考。圖5、圖6所示為LBS位置大數據監測預警系統展示蘭成渝成品油管線某高后果區的人群畫像。

2.2.3 監視區域歷史數據回歸溯源及預測分析

系統利用采集的數據可以提取相關特征建立專題數據庫，統計分析出年、月、日、時、分任意時段內的監視區域內的人員流量歷史平均數據、人員特征畫像歷史平均數據，同時利用這些歷史數據，預測分析是否有施工隊進駐油氣管道監視周界內，并作出預警提示。圖7、圖8為某成品油管線某高后果區歷史人流統計。

2.2.4 利用LBS實現油氣管道預警面臨的問題

隨著4G網絡的縱深覆蓋及5G網絡的快速建設，LBS位置服務在各個行業的應用會更為廣泛，但是與其他帶有實時獲取移動用戶終端設備的App相比，還面臨一些需要解決的問題。

（1）定位精度問題。目前，國內外所能用到精度最高的定位技術是GPS定位技術，但其存在一定局限性。一是利用GPS在油氣管道周邊區域內監測，無法在移動終端設備上安裝相關的應用程序。 二是GPS在深度室內環境下將無法進行定位。如果采用移動通信基站網絡定位精度會大大降低，目前還沒有更好的解決方案，只能要求移動通信運營商優化定位算法，提高定位精度。

（2）預警算法模型。由于LBS數據具有數據體量大、處理速度快、價值密度低等大數據的顯著特征，如何有效地監測管道監視周界內人流、車流、用戶行為等，并清洗出具有高價值的數據建立快速研判與預警的算法模型成為重點。

3 結論

利用大數據、云計算技術建立基于LBS位置大數據的油氣管道動態監測及預警機制，對油氣管道沿線活動人員實時動態監測及預警，目前還處于嘗試階段，需要在實踐中不斷探索，綜合多種手段提高檢測效果，最終將管道風險控制在可接受的范圍之內。

參考文獻：

[1] 曹斌，廖柯熹，羅敏.川渝地區管道高后果區第三方破壞因素分析[J].天然氣與石油， 2011（2）：11-14.

[2] 李遵照，王建波，王曉霖，董列武，劉道乾，李明，葉青.智慧能源時代的智能化管道系統建設[J].油氣儲運， 2017， 36（11）： 1 243-1 250.

[3] 郝曉平.無人機巡護技術提升油氣管道現代化管理水平[J/OL].油氣儲運:1-7[2019-11-27].http://kns.cnki.net/kcms/detail/13.1093.TE.20190520.1640.004.html.

[4] 何勇軍.4G網傳視頻監控系統在輸油管道高后果地區應用淺析J]. 中國石油和化工標準與質量， 2016（07）： 66-69+71.

[5] 張冬冬，武西鋒，陳溪月，萬紹勇.LBS大數據在大型聚集活動中的情報預警應用[J].情報雜志，2017（07） :28-33. 

作者：王愛玲，女， 1988年生，工程師， 2013年碩士畢業于中國石油大學（華東）油氣儲運專業，現主要從事長輸油氣管道完整性專業方向的研究工作。