阅读说明：本技术 基于大数据融合的化工园区虚拟仿真应急推演系统 (Chemical industry park virtual simulation emergency deduction system based on big data fusion ) 是由 杨季方 钱金浩 于 2019-08-08 设计创作，主要内容包括：本发明公开了一种基于大数据融合的化工园区虚拟仿真应急推演系统,包括：突发事故致灾因素指标构建模块,数据融合模块及虚拟仿真应急推演模块；本发明借助虚拟现实技术,受训者可以将自身置于各种复杂、突发环境中去,从而进行针对性训练,提高自身的应变能力与相关处理技能。(The invention discloses a chemical industry park virtual simulation emergency deduction system based on big data fusion, which comprises: the system comprises a sudden accident disaster factor index construction module, a data fusion module and a virtual simulation emergency deduction module; by means of the virtual reality technology, trainees can place themselves in various complex and sudden environments, and accordingly pertinence training is conducted, and self strain capacity and relevant processing skills are improved.)

基于大数据融合的化工园区虚拟仿真应急推演系统

技术领域

本发明属于应急救援场景模拟演练技术领域，具体指代一种基于大数据融合的化工园区 虚拟仿真应急推演系统。

背景技术

近年来，全国化工园区建设取得的长足进步，已经成为推进产业基地建设的重要手段， 在土地和资源集约利用、环境集中治理、安全统一监管、事故应急响应以及上下游产业协同 发展等方面都发挥着越来越重要的作用。截至目前，全国重点化工园区502家，进入化工园 区的规模以上石化企业有1.5万家，企业入园率达到51％左右。但是，在产生化工产业发展 “聚焦”效益的同时，也给区域安全带来了高风险。

纵观上述事故背后深层次原因，主要表现在：(1)园区内聚集了大量石化企业，这些企 业生产所用的原料、中间体甚至产品绝大多数是危险化学品，而且大多又在高(低)温、高 (低)压等作业环境下进行生产，关键工艺比较复杂，操作条件严格，稍有不慎，很可能发 生危险化学品泄漏、火灾、***、中毒等事故；(2)园区内具有众多危险源之间或与外界环 境有相互作用关系，生产企业相对密集，一旦发生火灾、***或危险化学品泄漏事故，很有 可能引起周边事故，引发灾难性的多米诺事故连锁效应和衍生灾害；(3)园区内企业生产的 化学危险源种类多，事故致灾因素多，因素间耦合关系复杂，事故存在潜在的风险叠加，一 旦发生火灾、***或危险化学品泄漏扩散事故，一个位置受到多个容器或储罐的失效影响， 容易导致群死群伤的灾难性后果。

大数据融合技术应用到安全生产事故应急救援中，可以提高政府部门应急反应能力、决 策能力和防控能力，降低各类突发事件对社会公众生命财产的影响，充分发挥政府有关部门 的职能，使得各项应急管理工作得到有序实施，实现社会的和谐安定。目前大数据成为包括 生产安全事故在内的公共安全应急管理重要的时代特征，大数据应用提升政府决策科学化是 贯彻落实“推进国家治理体系和治理能力现代化”的具体体现。大数据的应用有助于提高应 急管理效率、节省成本和减少损失，利用大数据可以为政府部门提供有效信息，成为提高政 府应急决策质量和打破信息壁垒的重要途径。安全生产数据是进行安全生产决策的基础，是 创建安全生产渐进发展认知模型的前提，在大数据发展战略下，安全生产大数据的概念及其 内涵不断丰富。安全生产大数据包括海量数据，如安全生产静态数据、动态数据、内部安全 生产数据、外部安全生产数据、一次安全生产数据(原始数据)、二次安全生产数据(加工数据) 等等，分布在建筑、交通、铁路、民航、民爆、非煤、危化、工矿商贸等各个行业，数据共 享程度，低信息来源广，数据格式不统一。

如何综合利用当前主流的大数据融合、虚拟现实(VR)、智能决策、应急救援情景仿真等 技术，通过信息化的手段根据化工园区事故应急的需求和典型特点，破解化工园区*** 中的协同部门之间信息孤岛，数据难以互联互通，应急演练成本大、周期长、实际演练存在 安全风险，应急预案“纸上谈兵”、不够完善等难题，是职能监管部门和业内人士面临亟待解 决的课题，同时也是化工园区建设向智慧化发展的趋势。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种基于大数据融合的化工园区虚 拟仿真应急推演系统，以解决现有技术中应急救援演练成本大、周期长、实际演练存在安全 风险，应急预案不够完善的问题。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种基于大数据融合的化工园区虚拟仿真应急推演系统，包括：突发事故致灾 因素指标构建模块，数据融合模块及虚拟仿真应急推演模块；其中，

突发事故致灾因素指标构建模块，用于构建化工园区突发事故致灾的多种因素指标，分 析化工园区存在的事故致灾因素；

数据融合模块，用于构建化工园区突发事故致灾因素指标数据库及数据融合模型；

虚拟仿真应急推演模块，包括：三维模型搭建模块，场景设备控制模块，数据采集模块， 突发事故监测模块及三维场景应急推演模块；其中，

三维模型搭建模块，用于对全区域范围内的各场景及化工园区的周边区域环境进行三维 仿真建模；包括各建筑物、作业场所的设备设施、视频监控、各类传感器、消防器材和个人 防护用品等；化工园区的周边区域环境包括周边的道路、设备设施、山脉等；

场景设备控制模块，用于控制各传感器或摄像头对行走至各区域内的人物角色行进行查 看；

数据采集模块，用于实时采集化工园区各类传感器数据，并将传感器数据上传至服务器 进行存储，用于后续数据融合建模；

突发事故监测模块，用于分别建立特征信息融合匹配模型，特征级信息融合模型及决策 级信息融合模型；

三维场景应急推演模块，用于在三维场景中进行事故的模拟演练。

进一步地，所述因素指标包括：突发事故孕灾环境指标、突发事故致灾因子指标、突发 事故承灾体指标、突发事故灾情指标及突发事故灾害系统因素集。

进一步地，所述突发事故孕灾环境指标包括：自然环境和社会环境，自然环境包括：园 区土壤、地形地貌、气象、植被、水文和气候；社会环境包括：园区公共管廊、石化企业、 园区生命管线、园区交通系统、公共场所、人员活动、周边人员密集场所。

进一步地，所述突发事故致灾因子指标包括：火灾、***、承载体、有毒有害气体。

进一步地，所述突发事故承灾体指标包括社会人员、经济、环境。

进一步地，所述突发事故灾情指标包括直接经济损失、间接损失以及社会影响。

进一步地，所述突发事故灾害系统因素集包括事故风险特征因素、个人因素和社会因素。

进一步地，所述构建化工园区突发事故致灾因素指标数据库具体为：在现有园区企业生 产环节采集的监控数据的基础上，将不同部门采集的以围绕事故应急为中心的管理文本类型 的数据、传感器数据，检测图像数据进行分析与处理，并利用分布式计算数据存储HDFS存 储源数据，MapReduce处理数据，HBase存储处理后的数据，实现基础数据的融合。

进一步地，所述构建数据融合模型具体为：

1)将经过结构化数据处理的q个灾害因素中作为q个站点，每个站点均划分k个簇，从中任选一个站点M_s作为主站点，其余站点均为从站点；

2)主站点M_s对应的中心点分别为{c_i1,c_i2,…,c_ik}，按下式计算主站点全局聚簇中心点 c_ik：

其中，n_ij是簇W_ij的总数，1≤i≤q；

3)计算q-1个从站聚簇中心与所有全局聚簇中心c_ik的距离；

4)计算q-1个从站所有站点局部聚簇信息，并传递给主站；

5)主站点计算q-1个全局聚簇中心。

进一步地，所述特征信息融合匹配模型的建立过程如下：

坐标匹配：在无杂波条件下，监测对象为单个参数时，选用直角坐标系进行匹配，当监 测对象为多参数的情况下，传感器隶属多个平台时，选择混合坐标系进行匹配；

时间匹配：选取最小二乘法规则匹配法，将多个传感器数据统一到扫描周期较长的一个 传感器数据上，消除时间偏差带来的多传感器数据融合的影响，实现将所有的监测量数据转 换到同一基准时标下的目的。

进一步地，所述特征级信息融合模型的建立过程如下：

1)确定数据变量集和变量域；

2)构建Bayes Network结构图，各个节点代表着实际问题中的变量，而各个节点间的 弧代表变量之间的因果关系，两节点间没有弧代表的是条件独立；

3)进行Bayes Network推理，使传感器信息依据概率原则进行特征级融合。

进一步地，所述决策级信息融合模型的建立过程如下：

1)根据D-S方法的推理结构，把来自不同的传感器的监测结果最终合成为一个总的输 出目标；

2)对传感器的输出目标进行合理推理从而获得扩展后的目标报告，进行所述合理推理的 基础是传感器的监测数据有一定的可信度，并进行可信合理的推理，其产生的报告有其合理 性；

3)采用独立传感器的监测报告的连续传输，避免报告的片面性。

进一步地，所述三维场景中进行事故的模拟演练具体为：将预设的各种数据(天气条件、 风速风向、泄漏量、泄漏物的化学特性等数据)输入到三维GIS中，计算模拟整个毒气泄漏 全过程，并动态形成毒气扩散覆盖范围(面积)；使用三维GIS模拟计算出来的毒气覆盖范围 与虚拟人群进行交互计算，并将毒气扩散范围与人物空间关系，以图片或视频动画形式发送 到应急终端。

本发明的有益效果：

(1)完备性，通过多源异构数据抓取、整合，综合利用Hadoop的数据抓取及清洗分析 功能，获取来自不同监管部门、企业多个异构监控网络的实时监测信息和应急信息完备生成 安全数据。

(2)仿真性，虚拟演练环境是以现实培演练环境为基础进行搭建的，操作规则同样立足 于现实中实际的操作规范，理想的虚拟环境甚至可以达到使受训者难辨真假的程度。

(3)开放性，虚拟演练打破了演练空间上的限制，受训者可以在任意的地理环境中进行 集中演练，身处何地的人员，只要通过相关网络通信设备即可进入相同的虚拟演练场所进行 实时的集中化演练。

(4)针对性，与现实中的真实演练相比，虚拟仿真应急推演的一大优势就是可以方便的 模拟任何培训科目，借助虚拟现实技术，受训者可以将自身置于各种复杂、突发环境中去， 从而进行针对性训练，提高自身的应变能力与相关处理技能。

(5)自主性，借助自身的虚拟演练系统，各单位可以根据自身实际需求在任何时间、任 何地点组织相关培训指导，受训者等相关人员进行演练，并快速取得演练结果，进行演练评 估和改进。受训人员亦可以自发的进行多次重复演练，使受训人员始终处于培训的主导地位， 掌握受训主动权，大大增加演练时间和演练效果。

(6)安全性，虚拟现实作为安全教育培训中重中之重的安全性，虚拟的演练环境远比现 实中安全，这样，在确保受训人员人身安全万无一失的情况下，受训人员可以卸去事故隐患 的包袱，尽可能极端的进行演练，从而大幅的提高自身的技能水平，确保在今后实际操作中 的人身与事故安全。

附图说明

图1绘示本发明系统的原理框图。

具体实施方式

为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实 施方式提及的内容并非对本发明的限定。

参照图1所示，本发明的一种基于大数据融合的化工园区虚拟仿真应急推演系统，包括： 突发事故致灾因素指标构建模块，数据融合模块及虚拟仿真应急推演模块；其中，

突发事故致灾因素指标构建模块，运用层次分析(AHP)和模糊评价方法用于构建化工园 区突发事故致灾的多种因素指标；通过比较决策突发事故致灾因素的权重得到最重要的致灾 因素，构造多级的递阶结构模型，从而构建突发事故致灾因素指标体系。

数据融合模块，用于构建化工园区突发事故致灾因素指标数据库及数据融合模型；数据 融合，包括对各种信息源给出的有用信息的采集、传输、综合、过滤、相关及合成，以便辅 助人们进行态势/环境判定、规划、探测、验证、诊断；在多信息源、多平台和多用户系统内 起着重要的处理和协调作用，保证了数据处理系统各单元与汇集中心间的连通性与及时通信。

虚拟仿真应急推演模块，包括：三维模型搭建模块，场景设备控制模块，数据采集模块， 突发事故监测模块及三维场景应急推演模块；，

三维模型搭建模块，用于对全区域范围内的各场景及化工园区的周边区域环境进行三维 仿真建模；包括各建筑物、作业场所的设备设施、视频监控、各类传感器、消防器材和个人 防护用品等；化工园区的周边区域环境包括周边的道路、设备设施、山脉等；

场景设备控制模块，用于控制各传感器或摄像头对走至各区域内的人物角色行进行查看；

数据采集模块，用于实时采集化工园区各类传感器实时可燃气体、湿度、压力、液位、 流量数据，将传感器数据的SDK协议通过串口服务器实时采集并转网，由PC端将数据上报到 服务器存储，用于后续数据融合建模；

突发事故监测模块，用于分别建立特征信息融合匹配模型，特征级信息融合模型及决策 级信息融合模型；

三维场景应急推演模块，用于在三维场景中进行事故的模拟演练。

所述构建数据融合模型具体为：

1)将经过结构化数据处理的q个灾害因素中作为q个站点，每个站点均划分k个簇，从中任选一个站点M_s作为主站点，其余站点均为从站点；

2)主站点M_s对应的中心点分别为{c_i1,c_i2,…,c_ik}，按下式计算主站点全局聚簇中心点 c_ik：

其中，n_ij是簇W_ij的总数，1≤i≤q；

3)计算q-1个从站聚簇中心与所有全局聚簇中心c_ik的距离；

4)计算q-1个从站所有站点局部聚簇信息，并传递给主站；

5)主站点计算q-1个全局聚簇中心。

其中，所述特征信息融合匹配模型的建立过程如下：

坐标匹配：在无杂波条件下，监测对象为单个参数时，选用直角坐标系进行匹配，当监 测对象为多参数的情况下，传感器隶属多个平台时，选择混合坐标系进行匹配；

时间匹配：选取最小二乘法规则匹配法，将多个传感器数据统一到扫描周期较长的一个 传感器数据上，消除时间偏差带来的多传感器数据融合的影响，实现将所有的监测量数据转 换到同一基准时标下的目的。

其中，所述特征级信息融合模型的建立过程如下：

1)确定数据变量集和变量域；

2)构建Bayes Network结构图，各个节点代表着实际问题中的变量，而各个节点间的 弧代表变量之间的因果关系，两节点间没有弧代表的是条件独立；

3)进行Bayes Network推理，使传感器信息依据概率原则进行特征级融合。

其中，所述决策级信息融合模型的建立过程如下：

1)根据D-S方法的推理结构，把来自不同的传感器的监测结果最终合成为一个总的输 出目标；

2)对传感器的输出目标进行合理推理从而获得扩展后的目标报告，进行所述合理推理的 基础是传感器的监测数据有一定的可信度，并进行可信合理的推理，其产生的报告有其合理 性；

3)采用独立传感器的监测报告的连续传输，避免报告的片面性。

其中，所述三维场景中进行事故的模拟演练具体为：将预设的各种数据(天气条件、风 速风向、泄漏量、泄漏物的化学特性等数据)输入到三维GIS中，计算模拟整个毒气泄漏全 过程，并动态形成毒气扩散覆盖范围(面积)；使用三维GIS模拟计算出来的毒气覆盖范围与 虚拟人群进行交互计算，并将毒气扩散范围与人物空间关系，以图片或视频动画形式发送到 应急终端。

示例中，在企业全区域的三维仿真中，通过第三人称模式，控制人物角色行走至各区域 对各传感器或视频监控探头进行查看；

通过图层控制在三维场景中宏观的分类显示场景中的主要设备设施，包括视频监控、气 体传感器、消防设施等；

根据企业的实际情况，将企业需要监测的各传感器数据(如可燃气体、湿度、压力、液 位、流量等)进行实时采集。

将传感器数据的SDK协议通过串口服务器实时采集并转网，由PC端将数据上报到服务器 存储。

本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技 术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改 进也应视为本发明的保护范围。