您的位置首页  科技资讯  资讯

《中国安防》刊发百分点科技署名文章:智慧应急平台及其关键技术

《中国安防》刊发百分点科技署名文章:智慧应急平台及其关键技术

  近日,《中国安防》杂志刊发了百分点科技CTO刘译璟、智慧应急事业部负责人李霖枫的署名文章《智慧应急平台及其关键技术》,本文从智慧应急的业务愿景出发,介绍了百分点科技智慧应急平台的典型架构、关键技术和典型实践。

  应急管理是国家治理能力的重要组成部分,它也是一个新兴的融合性学科,涉及管理、法律、理科、土木等多个专业学科领域,高度专业化和复杂化。智慧应急的本质是利用新一代信息技术来实现应急管理工作的数字化转型,利用通信和感知网络汇聚各类数据资源,依托云计算基础设施构建以数据中台、知识中台和AI中台为核心的智能业务引擎,支撑宏观决策、预警分析和各类智能应用,从而将当前应急管理中的经验决策模式升级为数据驱动的指挥决策模式,使得监督管理更精准、应急指挥更智能、公共服务更便捷。新一代信息技术的发展为智慧应急建设提供了历史机遇。本文从智慧应急的业务愿景出发,介绍智慧应急平台的典型架构、关键技术和典型实践,供智慧应急领域从业者参考。

  为了推动智慧应急愿景的落实,应急部将信息化建设作为核心内容,于2018年12月13日发布了《应急管理信息化发展战略规划框架(2018-2022年)》(以下简称《战略规划框架》),推动建设 “两网络”“四体系”“两机制”的智慧应急信息化体系。“两网络”指全域覆盖的感知网络、天地一体的应急通信网络;“四体系”指先进强大的应急大脑支撑体系、智慧应急应用体系、安全可靠的运行保障体系、严谨全面的标准规范体系;“两机制”指统一完备的信息化工作机制和创新多元的科技力量汇集机制。

  上述总体架构是近年来应急管理信息化建设的标准蓝图,应急部基于此统筹和规范部本级和各地方应急管理信息化建设,2019-2021年间下发了印发实施指南和近20个地方建设任务书。

  在各地方的智慧应急平台建设中,地方会参考“四横四纵”总体架构和地方建设任务书的要求,结合区域业务特点、实际工作需求和当前信息化条件,形成符合地方特色的智慧应急平台建设要求。这些建设要求的共性内容可形成图3所示的智慧应急平台典型架构。

  1. 基础设施层。感知网络主要采用射频识别、无线传感网、遥感、视频采集等技术,实现各类感知设备的入网共享,为监测预警等业务应用的按需统一资源调配提供支撑。通信网络主要采用SDN、4G/5G、IPv6、高通量卫星通信等技术,建立全域覆盖、随遇接入、无缝连接和全程贯通的基础网络环境,为各项业务实现提供网络支撑。云平台一般依托地方政务云建设。

  2. 核心能力层。数据中台能力依托云平台建设大数据支撑体系,汇聚应急管理部门内外部的应急相关数据,构建应急数据治理体系;知识中台能力支撑应急领域的知识图谱建设,并为上层模块提供知识搜索、推荐、问答和推理等服务;AI中台能力面向应急管理业务中的感知智能和认知智能算法模型,提供完整的模型构建和应用能力。

  3. 数据支撑层。依托数据中台和AI中台整合汇聚应急相关的环境、单位、风险、队伍、物资、装备、预案、案例等基础数据和实时、非实时风险监测数据,以及互联网相关信息等多元全量的时空数据,形成统一的应急数据资产,通过数据资源目录和共享交换服务支撑上层应用。

  4. 应用支撑层。整合应用必须的基础框架、通用组件、算法模型和应用服务,并以服务总线的模式对外提供服务以便各类智慧应用快速开发和安全可靠运行。

  要落实智慧应急的业务愿景,相关的数据、技术、硬件设备、软件功能必须与应急管理的体制机制和业务场景深度融合,人机协同,实现智能的感知、认知、决策和行动。下文将重点介绍数据中台、知识中台和AI中台在其中发挥的关键作用。

  应急管理涉及海量跨部门复杂多样的数据,必须将其融合和转换为必要的情报信息,例如突发事件相关的致灾因素、涉事单位、涉事地点、受灾群众、气象条件、交通状况、救援物质、避难场所等,才能发挥价值。数据中台承担了此项重任,其中最关键的是数据治理技术。

  数据治理是围绕数据资产建设和运营而开展的一系列管理和技术活动,它是数据生命周期管理中的核心工作,是实现数据价值的重要环节。数据治理与业务紧密相关,它不是短暂的项目建设,而是长期的业务运营。按照《战略规划框架》要求,应急管理数据治理要在统一信息资源规划下利用数据接入、数据处理以及数据管控三个系统实现应急管理业务数据的汇聚、治理,形成统一大数据资源中心,对外提供数据共享交换、数据应用两大类服务,如图4所示。

  图4中最底层是数据源,是已存在的系统或数据库,并不是数据治理的建设成果。数据接入、数据处理、数据管控、数据共享交换平台和数据应用是软件系统,大数据资源池是一系列数据库,它们都是数据治理的建设成果。

  信息资源规划并没有在架构图中体现,但它是数据治理建设的必要内容。信息资源规划是根据应急管理的业务需求,设计出相关的信息资源及其之间的关联和转换关系,直接指导整个数据治理建设。

  数据治理需要对接四种类型的数据:应急管理部内部数据,即应急管理部门在业务中生产的数据;外部委数据,即其他部委生产,但应急管理部门在业务中需要用到的数据;社会及互联网数据,即由企业和互联网用户生产,但应急管理部门在业务中需要用到的数据;感知数据,即涵盖卫星、物联、视频、航空和全民的全域感知数据。

  数据接入系统负责将上述四类多源异构数据接入到大数据平台上,并进行适当的预处理以便后续处理。实践中,数据源主要以数据库、数据文件、网页、数据服务、实时数据流等形式对外提供数据。在一些信息化条件不好的情况下需要手工录入数据。

  接入到大数据平台上的原始数据往往是海量多源异构的,这导致很难保证数据质量和数据价值。数据处理系统以数据应用为目标,利用ETL(Extract-Transform-Load,抽取-转换-加载)技术,将原始数据加工成数据资产,加载到大数据资源池中。

  数据管控通过数据标准、元数据和数据权限等技术对数据的全生命周期进行过程跟踪和质量监督,并根据数据的敏感程度开展分类分级的授权和运营。

  大数据资源中心是在数据管控约束下经过数据接入和数据处理后形成的过程数据和结果数据,可分为原始库、资源库、主题库、专题库等。原始库指数据接入后直接形成原始库,一般不对外服务;资源库是对原始库提炼加工后形成的公共数据集合,例如灾害事件、应急预案、应急队伍、应急物资等,对多项应急管理业务具有支撑作用;主题库是在资源库基础上采取面向对象的数据组织理念,围绕应急管理中的人、地、物、事件、感知和组织等对象进行数据分析和整理后形成的数据集合,包含了对象库、关系库和标签库;专题库,即面向特定应用场景的数据集合,可以分为通用专题库、业务专题库和配置专题库。

  数据共享交换平台在应急管理相关部门之间提供跨应用、跨业务、跨网络的信息交换和共享。数据应用为各类应急管理业务应用提供标准、便捷和安全的数据服务。

  数据治理不仅仅是技术问题,更重要的是组织和协调所有的利益相关者,给予他们授权、监督和激励,让所有的建设工作落实下去。因此必须遵循科学的实施工艺,才能交付出有业务价值的成果。图5所示给出了数据治理的“五大环节二十道工序”工艺,它从原始数据汇聚开始,逐步推进最终实现数据应用与服务共享。

  五大环节分为:数据接入、数据治理、数据开发、数据资产、数据服务。每个环节都分为若干个实现步骤,涵盖了调研、设计、开发、应用等多种类型的实施工序,这20道工序完成了数据生命周期的全链路管理,包括数据盘点、数据接入开始,到数据标准管理、质量稽核、清洗、挖掘、分析、共享服务等。在具体的数据治理实践中,每一道工序都要规定好责任人、协助人、输入物、产出物以及关键活动,这样才能协调好所有利益相关者,让项目有序推进。

  应急管理知识体系庞杂,内容极其丰富,相关知识散落在专业教材、法律法规、应急预案、事故案例、评估报告等各种文件中,导致难以在信息化系统中应用。为此应急部发布的《地方应急管理信息化2021年建设任务书》提出了建设应急知识库管理系统,围绕监测预警、监管执法、指挥救援等实战需要,广泛采集应急管理报告、事故案例、灾害评估案例等非结构化文档,对接执法、许可等相关业务系统,通过数据结构化、清洗、整合、转换、关联等一系列的处理和操作,建立相关数据模型和知识图谱,逐步形成关系网络、智能推荐、智能问答、智能检索等应用能力,为各类业务应用提供知识服务。这需要依托如图6所示的知识中台能力来现实。

  知识图谱是目前比较流行的知识表示和应用技术。知识中台围绕知识图谱的构建和应用,包含了知识存储、知识计算、知识建模、知识获取与融合、知识服务各个模块。知识存储提供了一种混合的大数据存储服务,充分利用关系数据库、RDF数据库、图数据库、文档数据库和搜索引擎的优势,为知识图谱的读写提供统一高效的接口;知识计算提供了常用的知识推理、图计算和图查询算子;知识建模提供了本体设计和管理工具,方便业务人员进行知识图谱建模。特别的,知识建模中还需要内置应急领域的本体模型;知识获取支持结构化数据映射、手工构建和自动化抽取三种方式来构建知识图谱;知识融合可以通过业务规则和自动化算法将异构的知识图谱融合为一;知识服务则提供了针对知识图谱的推荐、问答和搜索能力。这些能力是实现数字预案、辅助决策和应急知识库的关键技术,对构建智慧应急应用意义重大。

  知识中台和数据中台、AI中台有非常紧密的联系。数据中台中的大数据资源是重要的结构化知识来源,AI中台则为知识图谱构建和应用中的各类算法模型提供了构建环境。

  智慧应急中涉及大量AI算法模型的定制开发。AI中台是将人工智能中的基础技术,如机器学习、深度学习、OCR、NLP、ASR等模块化、组件化、可插拔化,并依托这些模块和组件打造AI模型训练、测试、发布、部署和应用的全流程,提升算法模型的开发效率。AI中台的典型架构如图7 所示。

  硬件适配层主要进行适配CPU、GPU、FPGA等多种异构计算架构;集群管理层用于统一管理AI中台的分布式存储和计算资源;任务调度层会适配Hive、MR、Spark SQL等多种数据处理工具,以及Spark MLlib、Tensorflow、PyTorch等机器学习框架;算法组件层内置多种算法和算子方便快速构建新模型;业务流程层提供数据探索、数据预处理、数据特征提取、算子库维护、模型训练、模型发布和管理于一体的模型开发过程。基于AI中台,算法工程师可以高效地定制、管理和调度各类智能算法,支撑上层算法模型和智能化服务。

  应急部发布《战略规划框架》和地方建设任务书后各地方纷纷响应,根据自身特点开展了一些卓有成效的探索,其中深圳市走在最前沿。2019年,深圳市应急管理局开始实施“一库三中心N系统”的信息化建设,并于2020年10月由深圳市安全管理委员会印发《深圳市建设中国特色社会主义先行示范区安全发展行动方案(2020—2025年)》,明确提出要构建应急管理科技支撑体系,以“一库三中心N系统”为整体框架,统筹推进全市应急管理信息化建设工作。“一库”即应急管理大数据库,汇聚融合多个行业领域的信息数据,为实现风险管控动态化、监测预警智能化提供基础数据支撑;“三中心”分别为监测预警中心、宣传教育中心、应急指挥中心;“N系统”是基于“一库三中心”的各类智能应用系统,如图8所示。

  截止到2021年底,深圳市应急管理大数据库融合了18个重点行业的数据资源,有力支撑了各项智慧应急应用。3监测预警中心实现了风险管控动态化、监测预警智能化;宣传教育中心以“学习强安”APP为主要载体,打造了线上线下一体化、一站式的宣传教育、培训考核平台;应急指挥中心构建了“横向到边,纵向到底”智慧化应急指挥体系,实现突发事件预防应对扁平化、高效化。“N系统”方面,通过大数据库和监测预警中心的技术支持,针对各类风险隐患开展智能化隐患排查和风险管控,已经形成了危险化学品监测预警及监控系统、有限空间作业在线审批及监测预警系统、安全生产专项整治三年行动信息管理系统、智慧三防、智慧森防、数字化预案等一批高价值应用。深圳市的智慧应急平台建设推动了城市安全治理更精细、更智能、更智慧,并且受到了应急管理部的肯定和推广。

  智慧应急是综合运用5G、卫星通信、云计算、大数据、物联网、人工智能等新一代信息技术,增强应急管理过程中的感知、认知、决策和行动的能力,提升应急体系现代化程度的应急管理新模式。本文从智慧应急的业务愿景出发,介绍了智慧应急平台的典型架构、关键技术和典型实践,供智慧应急领域从业者参考。

免责声明:本站所有信息均搜集自互联网,并不代表本站观点,本站不对其真实合法性负责。如有信息侵犯了您的权益,请告知,本站将立刻处理。联系QQ:1640731186
  • 标签:《安防科技》期刊
  • 编辑:刘卓
  • 相关文章
TAGS标签更多>>