肖文凱

(1.申能(集團(tuán))有限公司，上海 201103；2.上海智慧能源工程技術(shù)研究中心，上海 201103)

0 引言

隨著軟硬件技術(shù)的不斷發(fā)展，云計(jì)算、大數(shù)據(jù)、北斗定位技術(shù)、深度學(xué)習(xí)算法等極大豐富了各行業(yè)信息技術(shù)應(yīng)用的內(nèi)涵和智能化水平，如何將這些技術(shù)應(yīng)用于上海燃?xì)鈱I(yè)管理領(lǐng)域，并為燃?xì)庑袠I(yè)規(guī)劃未來發(fā)展戰(zhàn)略至關(guān)重要[1]。數(shù)字化燃?xì)饧吧虾Ｈ細(xì)獾乩頂?shù)字平臺(tái)的推廣使實(shí)時(shí)感知的數(shù)據(jù)急劇增長(zhǎng)，采用統(tǒng)一采集和存儲(chǔ)的能源數(shù)字平臺(tái)，能整合并統(tǒng)一管理上海燃?xì)鈹?shù)據(jù)資產(chǎn)。在技術(shù)方面則側(cè)重于推動(dòng)GIS、SCADA、應(yīng)急處置、車載定位(北斗/GPS)、燃?xì)饩C合信息平臺(tái)、視頻監(jiān)控平臺(tái)、移動(dòng)信息管理等孤島化系統(tǒng)的整合和共享[2]。

上海燃?xì)獾叵鹿芫W(wǎng)超過26 000 km，覆蓋用戶數(shù)約700萬戶，具有感知功能的設(shè)施和測(cè)點(diǎn)超過10萬個(gè)，規(guī)模在國內(nèi)同行中名列前茅。隨著城市數(shù)字化管理轉(zhuǎn)型及上海燃?xì)獾乩頂?shù)字信息等平臺(tái)的推廣，實(shí)時(shí)感知的燃?xì)夤芫W(wǎng)和調(diào)度等數(shù)據(jù)也急劇增長(zhǎng)，即為實(shí)現(xiàn)燃?xì)饪茖W(xué)化管理和城市應(yīng)急響應(yīng)提供了數(shù)據(jù)來源[3]。如何構(gòu)建城市燃?xì)鈶?yīng)急搶修數(shù)字平臺(tái)，建立多源異構(gòu)數(shù)據(jù)的標(biāo)準(zhǔn)化采集、治理和存儲(chǔ)的方法和機(jī)制，提高數(shù)據(jù)利用率，形成能源燃?xì)庑袠I(yè)數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)創(chuàng)新的應(yīng)用示范，為提高上海城市燃?xì)夤芾砼c公共服務(wù)的水平等帶來了諸多新的挑戰(zhàn)。

燃?xì)鈹?shù)據(jù)標(biāo)準(zhǔn)趨于統(tǒng)一，但是數(shù)據(jù)標(biāo)準(zhǔn)的落實(shí)和數(shù)據(jù)生產(chǎn)維護(hù)的工具有緊密的關(guān)系。燃?xì)鈹?shù)據(jù)來源多樣且數(shù)據(jù)結(jié)構(gòu)各不相同，核心數(shù)據(jù)無統(tǒng)一編碼標(biāo)準(zhǔn)，彼此間無法有效共享交換數(shù)據(jù)[4]。用于采集和處理燃?xì)鈹?shù)據(jù)的方法和流程沒有統(tǒng)一，數(shù)據(jù)的準(zhǔn)確性有待提高[5]。本文對(duì)多源數(shù)據(jù)統(tǒng)一采集和存儲(chǔ)，形成高效、統(tǒng)一的多源異構(gòu)燃?xì)鈹?shù)據(jù)采集方法與處理機(jī)制。采用“內(nèi)部數(shù)據(jù)+外部數(shù)據(jù)=知識(shí)庫”的方式，將自有數(shù)據(jù)和外部獲取數(shù)據(jù)結(jié)合在一起，實(shí)現(xiàn)核心數(shù)據(jù)的標(biāo)準(zhǔn)化、規(guī)范化管理，提高數(shù)據(jù)準(zhǔn)確性和質(zhì)量。通過對(duì)搶修事故數(shù)據(jù)的實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)分析，建立智能分析模型，從而實(shí)現(xiàn)調(diào)度優(yōu)化、應(yīng)急事故分析、站點(diǎn)管理、路徑推薦等功能。

本文主要從燃?xì)鈹?shù)字化轉(zhuǎn)型出發(fā)，對(duì)數(shù)據(jù)標(biāo)準(zhǔn)化提出解決方案，實(shí)現(xiàn)燃?xì)庵悄軕?yīng)急搶修系統(tǒng)，并對(duì)實(shí)際運(yùn)行結(jié)果進(jìn)行分析。

1 燃?xì)鈹?shù)據(jù)標(biāo)準(zhǔn)化方法

建立良好高效快速的數(shù)據(jù)平臺(tái)對(duì)后續(xù)的算法模型的快速實(shí)現(xiàn)提供了有效的支撐[6]。面向大數(shù)據(jù)分析的數(shù)據(jù)結(jié)構(gòu)存在多樣性與及時(shí)性等各類要求，所以數(shù)據(jù)架構(gòu)需包含邏輯分區(qū)設(shè)計(jì)、多樣化數(shù)據(jù)存儲(chǔ)設(shè)計(jì)、及時(shí)數(shù)據(jù)處理設(shè)計(jì)等。通過燃?xì)鈹?shù)據(jù)互聯(lián)建立一套統(tǒng)一的標(biāo)準(zhǔn)體系和指標(biāo)體系，實(shí)現(xiàn)數(shù)據(jù)的清洗與整合。數(shù)據(jù)知識(shí)庫是數(shù)據(jù)知識(shí)服務(wù)的支撐，是利用數(shù)據(jù)和分析數(shù)據(jù)的基礎(chǔ)，在一個(gè)穩(wěn)健的知識(shí)庫基礎(chǔ)之上，才能夠進(jìn)行更為精準(zhǔn)的數(shù)據(jù)分析。

1.1 燃?xì)鈹?shù)據(jù)治理體系

燃?xì)夥?wù)和應(yīng)用過程中產(chǎn)生的燃?xì)鈹?shù)據(jù)，是燃?xì)馄髽I(yè)的重要資產(chǎn)，需要采用科學(xué)的方法進(jìn)行有效管理和長(zhǎng)期治理。2017年頒布的ISO/IEC 38505-1《信息技術(shù)IT治理數(shù)據(jù)治理第1部分：ISO/IEC 38500在數(shù)據(jù)治理中的應(yīng)用》，為企業(yè)大數(shù)據(jù)治理提供了可供參考的規(guī)范框架?；诖耍虾Ｈ?xì)饷鞔_數(shù)據(jù)治理標(biāo)準(zhǔn)并逐步搭建起數(shù)據(jù)治理平臺(tái)，主要工作如下。

(1)參照ISO/IEC 38500大數(shù)據(jù)治理標(biāo)準(zhǔn)和國家標(biāo)準(zhǔn)《信息技術(shù)服務(wù)治理第5 部分：數(shù)據(jù)治理規(guī)范》，針對(duì)數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一、分散維護(hù)、數(shù)據(jù)不一致等數(shù)據(jù)治理問題，明確數(shù)據(jù)管理標(biāo)準(zhǔn)、管理責(zé)任單位和管理流程，以及相應(yīng)的監(jiān)督機(jī)制。

(2)根據(jù)數(shù)據(jù)治理“E(評(píng)估)—D(指導(dǎo))—M(監(jiān)督)”方法論，面向開發(fā)、應(yīng)用、運(yùn)維管理等多種場(chǎng)景，合理分配數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)發(fā)布、數(shù)據(jù)維護(hù)等相關(guān)治理任務(wù)，配置統(tǒng)一的數(shù)據(jù)治理工作環(huán)境。圖1為數(shù)據(jù)治理過程示意圖。

圖1 燃?xì)鈹?shù)據(jù)統(tǒng)一治理過程

(3)逐步構(gòu)建燃?xì)馄髽I(yè)數(shù)據(jù)標(biāo)準(zhǔn)，包括體系梳理、元數(shù)據(jù)采集分類、數(shù)據(jù)標(biāo)準(zhǔn)整合和發(fā)布等。體系梳理主要通過現(xiàn)狀調(diào)研、主題編制等傳統(tǒng)手段梳理企業(yè)現(xiàn)有數(shù)據(jù)標(biāo)準(zhǔn)，結(jié)合數(shù)據(jù)治理平臺(tái)元數(shù)據(jù)自動(dòng)化智能化采集等功能對(duì)元數(shù)據(jù)進(jìn)行分析和分類，最終整合出適合企業(yè)應(yīng)用，又便于更新維護(hù)，同時(shí)又涵蓋業(yè)務(wù)屬性、技術(shù)屬性和管理屬性等特征的企業(yè)級(jí)數(shù)據(jù)標(biāo)準(zhǔn)[7]，如圖2所示。

圖2 構(gòu)建企業(yè)數(shù)據(jù)標(biāo)準(zhǔn)

(4)通過匯聚多源數(shù)據(jù)，按企業(yè)數(shù)據(jù)標(biāo)準(zhǔn)進(jìn)行加工整合，形成基礎(chǔ)數(shù)據(jù)集和各專題數(shù)據(jù)集，保障數(shù)據(jù)服務(wù)平臺(tái)通過數(shù)據(jù)服務(wù)網(wǎng)關(guān)對(duì)外輸出合規(guī)的高質(zhì)量數(shù)據(jù)，同時(shí)增強(qiáng)數(shù)據(jù)監(jiān)控管理和數(shù)據(jù)資產(chǎn)管理等功能，逐步搭建起完善的燃?xì)鈹?shù)據(jù)治理平臺(tái)，如圖3所示。

圖3 大數(shù)據(jù)治理平臺(tái)

1.2 數(shù)據(jù)采集與處理

數(shù)據(jù)采集與互聯(lián)的總體方案是利用現(xiàn)有數(shù)據(jù)，即燃?xì)夤咎峁┑膬?nèi)部數(shù)據(jù)，結(jié)合網(wǎng)上數(shù)據(jù)，即通過網(wǎng)絡(luò)爬蟲爬取的數(shù)據(jù)，按照互聯(lián)規(guī)則與標(biāo)準(zhǔn)，實(shí)現(xiàn)互聯(lián)，建立知識(shí)庫[8]。利用標(biāo)簽體系、指標(biāo)體系、智慧引擎(包括使用到的各類智能算法和模型)等模塊形成數(shù)據(jù)引擎。通過數(shù)據(jù)引擎對(duì)各個(gè)應(yīng)用點(diǎn)提供技術(shù)與信息支撐。具體過程如圖4所示。

圖4 燃?xì)鈹?shù)據(jù)采集和處理過程

實(shí)現(xiàn)上海燃?xì)庑袠I(yè)基礎(chǔ)數(shù)據(jù)和燃?xì)饣A(chǔ)管網(wǎng)數(shù)據(jù)以及監(jiān)測(cè)和保護(hù)數(shù)據(jù)的在線共享與服務(wù)功能，包括燃?xì)庑袠I(yè)專業(yè)數(shù)據(jù)的共享交換功能，以及支持行業(yè)基礎(chǔ)信息處理的空間分析和綜合應(yīng)用。結(jié)合數(shù)據(jù)治理成果，集中對(duì)燃?xì)鈹?shù)據(jù)的模型、規(guī)范、標(biāo)準(zhǔn)和質(zhì)量進(jìn)行管控，規(guī)范GIS數(shù)據(jù)、管網(wǎng)數(shù)據(jù)、輸配數(shù)據(jù)、應(yīng)急搶修等燃?xì)鈹?shù)據(jù)管理流程。

1.3 燃?xì)鈹?shù)據(jù)互聯(lián)

數(shù)據(jù)互聯(lián)的第一步是將自有數(shù)據(jù)標(biāo)準(zhǔn)化，建立標(biāo)簽體系和指標(biāo)體系，以統(tǒng)一的標(biāo)準(zhǔn)聯(lián)合網(wǎng)上數(shù)據(jù)，以方便快捷地構(gòu)建知識(shí)庫[9]。通過燃?xì)獯髷?shù)據(jù)平臺(tái)實(shí)現(xiàn)公司基礎(chǔ)地理信息數(shù)據(jù)在統(tǒng)一標(biāo)準(zhǔn)下的互聯(lián)互通，以此為基礎(chǔ)開發(fā)數(shù)據(jù)產(chǎn)品和相關(guān)功能，實(shí)現(xiàn)SCADA系統(tǒng)、GPS/北斗系統(tǒng)通過數(shù)據(jù)接口按需接入或調(diào)用，便于公司以更加精細(xì)和動(dòng)態(tài)的方式管理各自的日常業(yè)務(wù)，以提高各種管理信息資源的利用率，實(shí)現(xiàn)上海燃?xì)獾闹悄芊?wù)和精細(xì)化管理[10]。

數(shù)據(jù)互聯(lián)是根據(jù)燃?xì)庥脩舻牡刂沸畔⑦M(jìn)行匹配。將收集到的分散數(shù)據(jù)實(shí)現(xiàn)數(shù)據(jù)匯集，建立標(biāo)簽體系和指標(biāo)體系，以統(tǒng)一的標(biāo)準(zhǔn)聯(lián)合外部數(shù)據(jù)。接著，進(jìn)行數(shù)據(jù)的分治和分布計(jì)算，形成需要的智能結(jié)果，匯總所有的處理數(shù)據(jù)和智能結(jié)果，聯(lián)合建立一個(gè)共享數(shù)據(jù)庫，為數(shù)據(jù)分析和拓展行業(yè)開放性提供強(qiáng)大數(shù)據(jù)支撐。最后，將自有數(shù)據(jù)與網(wǎng)上數(shù)據(jù)按照經(jīng)緯度坐標(biāo)進(jìn)行匹配，即可以將2條數(shù)據(jù)整合為1條數(shù)據(jù)。

將全上海市劃分為柵格，最后將各類離散數(shù)據(jù)按照所處柵格坐標(biāo)進(jìn)行數(shù)據(jù)互聯(lián)，實(shí)現(xiàn)地下燃?xì)夤芫W(wǎng)與地上用戶數(shù)據(jù)互聯(lián)。將燃?xì)夤緝?nèi)部已有管道數(shù)據(jù)與地上用戶數(shù)據(jù)進(jìn)行互聯(lián)，形成一個(gè)全新的數(shù)據(jù)庫。將地上客戶數(shù)據(jù)與地下管網(wǎng)數(shù)據(jù)根據(jù)柵格形成互聯(lián)，互聯(lián)后的數(shù)據(jù)可以為數(shù)據(jù)視圖分析提供強(qiáng)力的數(shù)據(jù)支持。

1.4 數(shù)據(jù)鄰域處理與分析

通過對(duì)上海市地圖劃分成眾多的方格，可以很容易地運(yùn)用領(lǐng)域的概念來進(jìn)行模擬計(jì)算。根據(jù)用戶所留地址信息，通過百度地圖提供的地址轉(zhuǎn)換功能，生成相應(yīng)的經(jīng)緯度坐標(biāo)[11]。

數(shù)據(jù)縮放鄰域計(jì)算需要同時(shí)對(duì)方格的鄰域進(jìn)行快速計(jì)算，充分利用計(jì)算資源，達(dá)到快速計(jì)算的目的，方形鄰域可以轉(zhuǎn)換為條帶鄰域，如式(1)所示，

Ν3(Ν4(Ai,j))=Ν4(Ν3(Ai,j))=Ν(Ai,j)

(1)

其中，Ai,j表示目標(biāo)點(diǎn)，N(Ai,j)表示目標(biāo)點(diǎn)Ai,j的正方形鄰域中所有方格的集合，鄰域大小為n。

方形鄰域信息計(jì)算可以轉(zhuǎn)換為條帶鄰域信息計(jì)算，從而避免重復(fù)計(jì)算，減低計(jì)算復(fù)雜度，式(2)給出具體算法：

(2)

其中，目標(biāo)信息計(jì)算in(N(Ai,j))就是相應(yīng)鄰域信息的一個(gè)綜合計(jì)算(in=info)。式(2)表示可以先計(jì)算方格列鄰域信息，匯集到本方格中然后基于匯聚信息進(jìn)一步計(jì)算行的鄰域信息進(jìn)行匯聚就得到了方格周邊整個(gè)方向鄰域的聚合信息，這種在計(jì)算列的時(shí)候進(jìn)一步觀察推進(jìn)的方式可以將橫向推進(jìn)實(shí)現(xiàn)為完全并發(fā)，而列向推進(jìn)實(shí)現(xiàn)為順序計(jì)算，也就是對(duì)于每一列可以同時(shí)進(jìn)行列向順序計(jì)算，進(jìn)一步將列減少運(yùn)算次數(shù)。當(dāng)基本信息單元集合本身可以單機(jī)存儲(chǔ)或者進(jìn)行稀疏化存儲(chǔ)和相應(yīng)序列化技術(shù)壓縮，之后可以進(jìn)行單機(jī)存儲(chǔ)，那么此時(shí)可以通過查詢層并行查詢實(shí)現(xiàn)加速計(jì)算，主要過程包括創(chuàng)建分布式共享數(shù)據(jù)集，將數(shù)據(jù)分發(fā)到不同機(jī)器上，并且對(duì)待計(jì)算鄰域進(jìn)行適當(dāng)切分，每個(gè)機(jī)器計(jì)算一部分鄰域標(biāo)號(hào)集的鄰域信息，從而實(shí)現(xiàn)并行計(jì)算。具體過程如圖5所示。

圖5 鄰域計(jì)算過程

2 智能應(yīng)急搶修系統(tǒng)設(shè)計(jì)

智能應(yīng)急搶修系統(tǒng)是燃?xì)夤居脩粼谌粘９ぷ髦斜O(jiān)測(cè)、預(yù)防、處置應(yīng)急事件應(yīng)用的在線輔助系統(tǒng)，為能夠更為全面地提供應(yīng)急參考信息，系統(tǒng)提供跨系統(tǒng)數(shù)據(jù)轉(zhuǎn)換引擎，能夠與SCADA數(shù)據(jù)、應(yīng)急處置數(shù)據(jù)進(jìn)行交互，實(shí)現(xiàn)PC端和移動(dòng)端的應(yīng)急輔助處置、應(yīng)急狀態(tài)監(jiān)測(cè)應(yīng)用功能，便于用戶從系統(tǒng)中及時(shí)地獲取應(yīng)急支持，正確制定應(yīng)急策略。具體過程如圖5所示，主要功能包括下述幾點(diǎn)。

(1)開發(fā)系統(tǒng)間數(shù)據(jù)接口。將SCADA系統(tǒng)數(shù)據(jù)接入，使數(shù)據(jù)能在系統(tǒng)的GIS地圖上撒點(diǎn)展示，通過技術(shù)的融合應(yīng)用實(shí)現(xiàn)數(shù)據(jù)信息的進(jìn)一步交互，以能夠?yàn)橛脩籼峁└鼮槿?、直觀的信息參考，方便用戶在輸配調(diào)度過程中加強(qiáng)對(duì)供氣用氣平衡和安全的監(jiān)測(cè)。

(2)應(yīng)急處置交互系統(tǒng)。應(yīng)急處置系統(tǒng)讀取應(yīng)急業(yè)務(wù)交互系統(tǒng)中的GIS基礎(chǔ)地理數(shù)據(jù)、門站數(shù)據(jù)、管網(wǎng)數(shù)據(jù)等數(shù)據(jù)信息，與其采集到的事故信息、事故位置、事故處置過程信息等進(jìn)行匹配，使應(yīng)急事故數(shù)據(jù)具有地理信息屬性，并再次推送回應(yīng)急業(yè)務(wù)交互系統(tǒng)，在應(yīng)急業(yè)務(wù)交互系統(tǒng)中得到可視化展示和便捷應(yīng)用。具體過程如圖6所示。

圖6 應(yīng)急處置交互系統(tǒng)

(3)移動(dòng)應(yīng)急輔助處置系統(tǒng)。移動(dòng)應(yīng)急輔助處置系統(tǒng)通過安裝在手持移動(dòng)端的App系統(tǒng)幫助用戶實(shí)時(shí)進(jìn)行管網(wǎng)分析、圖檔調(diào)閱、道路導(dǎo)航等操作，使用戶能夠不受辦公空間的限制，限時(shí)限地實(shí)現(xiàn)數(shù)據(jù)信息的應(yīng)急輔助。

(4)應(yīng)急搶修數(shù)據(jù)分析與智能化應(yīng)用。利用天氣數(shù)據(jù)、管網(wǎng)信息以及地理信息數(shù)據(jù)等，將新一代信息技術(shù)與互聯(lián)網(wǎng)實(shí)現(xiàn)深度融合，確定安全事件數(shù)據(jù)來源。基于深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、高維大數(shù)據(jù)集成與分解、多維時(shí)間序列處理技術(shù)、內(nèi)存數(shù)據(jù)庫、時(shí)間片等技術(shù)實(shí)現(xiàn)應(yīng)急搶修數(shù)據(jù)智能分析。功能包括：實(shí)時(shí)對(duì)上海市燃?xì)馐鹿侍幚矸植?、精?zhǔn)定位和智能分析；實(shí)時(shí)確定上海市所有應(yīng)急站點(diǎn)的科學(xué)覆蓋范圍；實(shí)時(shí)科學(xué)計(jì)算上海某地點(diǎn)發(fā)生事故后能有哪些站點(diǎn)到達(dá)；實(shí)時(shí)進(jìn)行上海市站點(diǎn)無法達(dá)到的柵格定位；實(shí)時(shí)確定上海每一塊土地(柵格)內(nèi)的事故數(shù)，從而實(shí)時(shí)科學(xué)計(jì)算上海市每一塊土地的安全情況；科學(xué)計(jì)算全上海市范圍內(nèi)最能提高急修到場(chǎng)及時(shí)率的新增站點(diǎn)位置(序列)；科學(xué)云計(jì)算全上海市范圍內(nèi)最能減少隱患柵格(規(guī)定時(shí)間內(nèi)無站點(diǎn)可達(dá)的柵格)的新增站點(diǎn)位置(序列)；急修站點(diǎn)的智能排班；事故搶修跨區(qū)域?qū)崟r(shí)智能調(diào)度功能。應(yīng)用上海燃?xì)獬鞘械乩頂?shù)據(jù)，實(shí)現(xiàn)燃?xì)庵悄茴A(yù)測(cè)、管網(wǎng)預(yù)警、區(qū)域燃?xì)夤┣髮?shí)時(shí)分析等。利用天氣數(shù)據(jù)、管網(wǎng)信息和地理信息等，實(shí)現(xiàn)管網(wǎng)安全事件智能預(yù)測(cè)與處理。對(duì)管網(wǎng)壓力點(diǎn)進(jìn)行統(tǒng)一管理，為事故預(yù)警和遠(yuǎn)程診斷提供數(shù)據(jù)支持。

3 智能應(yīng)急搶修系統(tǒng)實(shí)現(xiàn)

基于華為Fusion Insight Farmer數(shù)據(jù)服務(wù)平臺(tái)，實(shí)現(xiàn)燃?xì)鈹?shù)據(jù)的實(shí)時(shí)采集、存儲(chǔ)和智能挖掘等功能。通過對(duì)搶修事故數(shù)據(jù)的實(shí)時(shí)動(dòng)態(tài)分析，建立智能分析模型。實(shí)現(xiàn)調(diào)度優(yōu)化、應(yīng)急事故分析、站點(diǎn)管理、路徑推薦等功能，進(jìn)一步實(shí)現(xiàn)以數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)創(chuàng)新，提升公司應(yīng)急搶修管理和服務(wù)水平。

事故數(shù)據(jù)包含14條屬性，包括事故ID、受理時(shí)間(年月日)、受理時(shí)間(時(shí)分)、負(fù)責(zé)人、受理類型、事故地址、信息來源、聯(lián)系人是否已知、聯(lián)系人電話、客戶性質(zhì)、所屬區(qū)域、時(shí)限、處理狀態(tài)和責(zé)任單位。事故處理信息數(shù)據(jù)，每條記錄有23條屬性，包括搶修ID、事故ID、派發(fā)單位、派發(fā)時(shí)間(年月日)、派發(fā)時(shí)間(時(shí)分)、事故處理狀態(tài)、所屬區(qū)域、事故類型、搶修站點(diǎn)、事故等級(jí)、責(zé)任人、出車時(shí)間、到場(chǎng)時(shí)間、完工時(shí)間、銷根時(shí)間、接收類型、地址、信息來源、客戶類型、所屬區(qū)域、時(shí)限、處理狀態(tài)和責(zé)任單位。

在位置分布上，采用領(lǐng)域技術(shù)將事故地理位置信息轉(zhuǎn)成經(jīng)緯度信息，基于事故地址顯示在地圖上，可以通過各項(xiàng)組合選擇自己需要的視圖。在未選擇距離時(shí)，確定好各項(xiàng)組合選擇之后，點(diǎn)擊事故詳情信息，可以將滿足條件的事故詳細(xì)信息進(jìn)行展示，包括滿足條件的事故總數(shù)量、事故ID、接受報(bào)警時(shí)間、事故地址等信息。具體結(jié)果如圖7所示。

圖7 應(yīng)急事故處理結(jié)果

鄰域分析主要是用戶選擇好各個(gè)條件之后，用戶選擇希望查看的鄰域范圍并在地圖上進(jìn)行點(diǎn)擊，選擇位置，然后會(huì)在地圖上顯示符合條件的事故的地理位置分布，并在右邊顯示該鄰域范圍內(nèi)在該時(shí)間段發(fā)生事故的總數(shù)，事故類型分別對(duì)應(yīng)的總數(shù)。將事故點(diǎn)的經(jīng)緯度轉(zhuǎn)換成柵格坐標(biāo)，計(jì)算出事故發(fā)生的柵格到所有站點(diǎn)在不同條件下的距離，然后篩選出符合條件的站點(diǎn)。隨機(jī)點(diǎn)擊地圖上一點(diǎn)能夠顯示可達(dá)站點(diǎn)，白色站點(diǎn)為可達(dá)站點(diǎn)，黑色為不可達(dá)站點(diǎn)，并按照優(yōu)先順序進(jìn)行排序，可以進(jìn)行優(yōu)先調(diào)度。若此時(shí)事故點(diǎn)周圍發(fā)生大面積事故，可達(dá)站點(diǎn)無人員可用時(shí)，可以優(yōu)先調(diào)度離事故點(diǎn)最近的黑色站點(diǎn)。具體結(jié)果如圖8所示。

圖8 應(yīng)急事故鄰域分析結(jié)果

若是無站點(diǎn)則返回-1；若事故周圍所有站點(diǎn)都被調(diào)走則處于等待狀態(tài)返回0；若是類型轉(zhuǎn)換出錯(cuò)則返回-2。最終返回結(jié)果顯示在屏幕右邊，能夠調(diào)度站點(diǎn)的顯示：站點(diǎn)X正在支援事故n；若事故無站點(diǎn)可以調(diào)度且處于等待狀態(tài),則顯示事故n處于等待狀態(tài)；若此事故無站點(diǎn)能到，也就是該事故處于0柵格，那么顯示事故n無站點(diǎn)可達(dá)。

采用k-means聚類算法對(duì)數(shù)據(jù)進(jìn)行聚類分析。選擇k-means算法，多次調(diào)參后，當(dāng)簇為4時(shí)結(jié)果較優(yōu)，如圖9所示。

圖9 應(yīng)急數(shù)據(jù)聚類和分析結(jié)果

采用k-means聚類算法對(duì)數(shù)據(jù)進(jìn)行聚類分析。選擇k-means算法，多次調(diào)參后，當(dāng)簇為4時(shí)結(jié)果較優(yōu)，如圖9所示(橫坐標(biāo)為事故數(shù)，縱坐標(biāo)為聚類系數(shù))。由圖9可知，事故結(jié)果共分為4簇，取其中較為集中的2和3簇。由于簇3下面的部分較為稀疏，最為集中且數(shù)量最多的時(shí)間段為簇2部分及簇3上面的部分，所以取簇2部分的上限為白班結(jié)束的時(shí)間。多次實(shí)驗(yàn)得出的平均值為0.724 4，換算成時(shí)間為17：23，與之前推測(cè)的17：30結(jié)果接近。所以聚類算法實(shí)驗(yàn)?zāi)茯?yàn)證其結(jié)果，推薦白班時(shí)間為7：30—17：30。

4 總結(jié)

燃?xì)獯髷?shù)據(jù)是大數(shù)據(jù)技術(shù)在燃?xì)忸I(lǐng)域的深入應(yīng)用，是能源生產(chǎn)、消費(fèi)及相關(guān)技術(shù)革命與大數(shù)據(jù)理念的深度融合。本文提出對(duì)不同來源的燃?xì)鈹?shù)據(jù)進(jìn)行數(shù)據(jù)整理、清洗和集成，以保證燃?xì)鈹?shù)據(jù)質(zhì)量。智能挖掘燃?xì)鈹?shù)據(jù)資源與價(jià)值，拓展基于互聯(lián)網(wǎng)的燃?xì)庵悄芑?wù)，動(dòng)態(tài)分析應(yīng)急站點(diǎn)和流動(dòng)搶修設(shè)施信息，實(shí)現(xiàn)通過新增5個(gè)搶修站點(diǎn)合理布局、搶修人員智能排班和事故搶修智能調(diào)度，上海燃?xì)馐鹿拾胄r(shí)內(nèi)應(yīng)急搶修及時(shí)率從51%提高到83%以上(得到有效提高)，應(yīng)急搶修覆蓋范圍也顯著增加，通過有針對(duì)性地提供精細(xì)化服務(wù)，形成城市燃?xì)庑袠I(yè)的發(fā)展轉(zhuǎn)型和基于物聯(lián)網(wǎng)的“城市大腦”核心競(jìng)爭(zhēng)力。