我国亟待建立全国危化品安全监管大数据平台

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

天津港“8·12”瑞海公司危险品仓库特别重大火灾爆炸事故,人员伤亡惨重、经济损失巨大,引起社会广泛关注,我国危化品安全生产形势严峻且复杂,创新危化品安全监管方式,提升监管能力势在必行。当前,大数据正以惊人的速度渗透到各个领域,如沃尔玛“啤酒+尿布”的销售模式,作为大数据应用的经典案例,被人们津津乐道。建立全国危化品安全监管大数据平台,依托大数据技术,从海量数据中寻找事故发生的规律,发现潜在安全隐患,从而指导危化品安全监管,可极大地提升监管效率,有效遏制危化品事故的发生。

一、大数据平台可大幅提升危化品安全监管能力

(一)及时准确发现隐患信息,增强隐患排查能力

我国在危化品隐患排查治理方面下了很大功夫,通过企业自查、政府部门检查和督查等方式,取得了不错的成效,但这种依靠人力的方式效率低,在界定危险与安全状态时易受到人的心理、情感、经验等主观因素影响,造成偏差或误判,而且存在一定滞后性,发现和排除事故隐患及时性差。

采用大数据模型,可对危化品生产、运输、储存和使用等环节中的诸多参数进行对比分析,及时、准确地判定事物状态是否构成安全隐患,来指导隐患排查治理,将极大的提升危化品隐患排查治理能力。

(二)揭示危化品事故规律,为决策提供理论支撑

长期以来,我国危化品安全监管主要偏重“事后处理”,即在危化品事故发生后,分析造成事故的原因、追究相关人员的责任、制定防范事故的对策和措施等,这种方式在安全治理方面存在较大局限性,特别是在“事前预防”方面能力较弱,不能达到从源头上防范事故发生的目的。

大数据为危化品事故提供了有效的分析工具。通过对海量危化品基础信息、隐患信息、事故信息和监管信息等数据进行分析,研究事故发生的关联性、周期性和季节性等特征和规律,从而有针对性的制定防范措施,提高源头治理能力,降低事故发生概率。著名的海因里希“事故金字塔”,就从理论上论证了强化日常安全管理和细节管理的重要性。

(三)用于危化品事故调查,为监管追责提供依据

危化品事故发生后,安全监管责任的追究必不可少,但目前主要通过查阅相关资料、口头询问的追责形式,工作量大且繁琐,同时存在事故取证难、事故资料搜集难、责任认定难等问题。

运用大数据,建立危化品安全监管数据库,可极大的提升事故追责效率,提升责任认定能力。如2010年美国西弗吉尼亚州的上大煤矿矿难,由于煤矿安全健康局的监管记录保存完整,每条记录都包括检查时间、检查结果、违反的法律条款、处理意见、罚款金额、已缴纳金额、是否申诉等数据项,为事故监管追责提供了重要证据。

(四)提高危化品信息公开水平,接受群众监督

通过大数据平台,公开企业生产危化品的种类、数量、危险特性等信息,便于群众和监管部门对相关企业进行监督,如美国网民发现,鲁比煤矿在2009年受到安全警告和罚款次数比发生事故的上大煤矿多,使鲁比煤矿成为2010年的隐患排查重点。公开危化品监管信息,便于群众对监管部门履职情况进行监督。另外,一旦发生危化品事故,救援人员通过查询数据库能够及时了解事故信息,进行有效救援,避免盲目救援引发的二次伤害。

二、建设全国危化品安全监管大数据平台的难点

目前,我国还未建立全国危化品安全监管大数据平台,但一些地区在危化品安全监管大数据平台建设方面进行了有益的尝试。如2015年6月,贵州省危化品交易中心与移动互联网服务公司签署协议,计划以大数据作为支撑,以危化品交易为管理重点,搭建一个全省范围内协调政府和企业的危化品大数据信息管理平台,实现对危化品全过程的动态监管,建设创新型危化品行业监管机制;2015年8月,南沙检验检疫、海事、港务三部门为打破“信息孤岛”,将深化“三互”(信息互换、监管互认、执法互助)机制,建立完善自贸区危险货物大数据库,实现信息互通、大数据对比分析等功能,提高查验的针对性和有效性。这些平台在发挥危化品安全监管作用方面取得了一定成效,但在执行过程中,也发现一些问题需要改进,主要集中在基础数据不足、数据分析能力较弱等方面,这也是未来建设全国危化品安全监管大数据平台需要解决的问题。

(一)基础数据不足且数据库建设标准尚不统一

第一,危化品安全监管数据分散,部门间数据缺乏沟通协调。危化品安全监管涉及安监、公安、质监、环保、交通、卫生、工商和邮政等诸多部门,如安监部门负责危化品综合监管,公安部门核发剧毒化学品购买许可证、道路运输通行证及运输车辆的道路交通安全管理,环保部门负责废弃危化品处置监管,工商部门核发危化品企业营业执照等。目前,各部门所采集数据相对独立,数据库建设标准不统一,造成数据重复、数据衔接困难等问题。

第二,危化品事故信息不足,存在一定滞后性。我国危化品事故信息的统计主要在安监部门,从政府网站公布数据来看,一是信息量少,只包含时间、地点、涉事企业、事故类型、伤亡人数等基本信息,事故原因、经济损失、责任认定等信息较少;二是缺乏归纳整理,数据库检索能力差,未对危化品事故数据进行专门的分类;三是信息存在一定滞后,个别事故伤亡人数等情况发生变化后未及时更新,部分事故信息未及时公布。

第三,危化品企业信息量大,搜集整理困难。我国危化品生产、储存、运输、使用等企业众多,不同危化品的危险有害特征存在较大差异,数据量大为危化品企业基础数据库的建设带来了很大难度。

(二)数据分析能力弱,对安全监管支撑作用有待挖掘

从现有地方平台功能和各部门数据库开发应用情况来看,数据分析能力较弱,在危化品安全监管中的作用尚未有效发挥,原因有三个方面:

第一,缺乏高性能的大数据分析工具,信息技术在危化品安全生产中的应用主要偏重“取代人力”、数据采集等,在隐患排查、事故预测方面涉及较少,这也导致了我国大量的危化品安全生产信息化系统在事故超前预测预警方面能力较弱,大数据在危化品安全监管中的价值得不到有效释放。

第二,缺少大数据专业人才,大数据关键环节数据分析是基于预言建模或未来趋势分析,需要能够掌握数学、统计学、机器学习等多方面知识的复合型人才,传统的数据分析师在开发预言分析应用程序模型方面能力较弱,危化品安全生产领域的大数据人才更是稀缺。目前,我国尚未建立起大数据人才培养机制,在人才引进方面也存在很大不足,大数据人才缺口逐步增大。

第三,信息公开程度较低,政府方面,“政府信息公开条例”实施以来,危化品安全监管、行业管理等部门不断加强信息公开,如加大事故查处挂牌督办、事故信息月度分析等力度,但在安全监管、危化品事故等方面信息公开的力度仍有待提升;企业方面,由于自身积极性不高,且缺少制约和监督,危化品相关企业信息公开力度非常低,导致很多危化品企业附近的居民对临近企业的危化品种类、危险特征等信息不知情。美、日等国则要求其危化品相关企业对储存的危化品种类及属性等信息对公众公开,并向消防等部门报备。

三、建立全国危化品安全监管大数据平台的建议

(一)加强组织协调,为平台建设做好保障

建议由信息化主管部门牵头,协调安监、公安、质监、环保、交通、卫生、工商、邮政等部门,着手启动建设全国危化品安全监管大数据平台,重点做好以下几点工作:一是开展调研摸底工作,对我国危化品相关企业数量、分布情况、各部门危化品相关数据库建设情况、大数据平台建设需求等进行全面调查分析;二是建立沟通渠道,加强部门间危化品相关信息的归集和整理,实现部门间信息互通、互认;三是加强云计算、物联网等先进信息技术的应用,强化数据分析和开发应用能力,切实指导危化品安全监督、检查和管理工作。

(二)建立数据采集体系,为平台建设打好基础

第一,建立危化品安全监管大数据采集体系,统一数据库建设标准,部门间应做好数据衔接,加强信息互通互认,避免重复建设。第二,安监、公安、质监、环保、交通、卫生、工商、邮政以及工信、铁路、民航、农业、港口等与危化品安全监管和行业管理有关的部门,应强化危化品相关数据的采集、存储和整理等工作,建立和完善危化品相关数据库,特别是危化品事故信息数据库和监管信息数据库。第三,完善和优化危化品相关企业数据采集制度,对于不按规定上报数据、报送虚假数据等行为严格监管和查处力度,可纳入诚信系统,并将该信息提供给银行、海关等部门,提升其违法违规成本。

(三)强化大数据分析能力,发挥危化品安全监管功能

第一,继续强化两化融合促进安全生产、安全生产信息化等工作,提升危化品相关企业信息化水平,促进大数据在危化品安全管理中的应用;在安全产业发展投资基金中,加强对科技型企业推广危化品大数据安全管理系统的扶持力度。第二,加强海量数据分析工具的开发和在危化品安全监管领域的应用,推进大数据在危化品安全监管中的价值尽快实现。第三,强化大数据人才培养与引进。建立人才培育机制,包括设立人才培养计划、设置教学学科等;加强对国外大数据高端人才的引进;加强国际人才交流,探讨与美、日、德等发达国家建立人才合作机制。第四,提升信息公开水平。加强政府信息公开的及时性、准确性和规范性,特别是做好危化品事故信息和安全监管信息的公开;可出台法规强制危化品企业进行信息公开,对公众公开企业所经营的危化品种类、数量、危险特性、应急处置措施等信息,同时加强监督和检查,对不按规定进行信息公开的企业予以严惩。
本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
存储 数据采集 NoSQL
收藏!一张图帮你快速建立大数据知识体系
对海量数据进行存储、计算、分析、挖掘处理需要依赖一系列的大数据技术,而大数据技术又涉及了分布式计算、高并发处理、高可用处理、集群、实时性计算等,可以说是汇集了当前 IT 领域热门流行的 IT 技术。本文对大数据技术知识体系进行划分,共分为基础技术、数据采集、数据传输、数据组织集成、数据应用、数据治理,进行相关的阐述说明,并列出目前业界主流的相关框架、系统、数据库、工具等。(文末福利:下载大数据知识体系图)
17315 3
收藏!一张图帮你快速建立大数据知识体系
|
机器学习/深度学习 大数据
机器学习lgb全国大数据创新应用大赛用户贷款风险预测 完整代码数据 可直接运行
机器学习lgb全国大数据创新应用大赛用户贷款风险预测 完整代码数据 可直接运行
141 0
|
机器学习/深度学习 JSON 自然语言处理
全国大数据与计算智能挑战赛:面向低资源的命名实体识别基线方案,排名13/64
全国大数据与计算智能挑战赛:面向低资源的命名实体识别baseline,排名13/64。第一名:0.68962791,基线:0.67902593 ,感兴趣小伙伴可以刷刷榜。 国防科技大学系统工程学院(大数据与决策实验室)
全国大数据与计算智能挑战赛:面向低资源的命名实体识别基线方案,排名13/64
ML之LGBMRegressor(Competition):2018年全国大学生计算机技能应用大赛《住房月租金预测大数据赛》——设计思路以及核心代码(二)
ML之LGBMRegressor(Competition):2018年全国大学生计算机技能应用大赛《住房月租金预测大数据赛》——设计思路以及核心代码—191017再次更新
ML之LGBMRegressor(Competition):2018年全国大学生计算机技能应用大赛《住房月租金预测大数据赛》——设计思路以及核心代码(二)
|
人工智能 供应链 大数据
ML之LGBMRegressor(Competition):2018年全国大学生计算机技能应用大赛《住房月租金预测大数据赛》——设计思路以及核心代码(一)
ML之LGBMRegressor(Competition):2018年全国大学生计算机技能应用大赛《住房月租金预测大数据赛》——设计思路以及核心代码—191017再次更新
ML之LGBMRegressor(Competition):2018年全国大学生计算机技能应用大赛《住房月租金预测大数据赛》——设计思路以及核心代码(一)
|
大数据 人工智能 云计算
带你读《Greenplum:从大数据战略到实现》之二:建立基于大数据的高阶数字化战略
这是一本系统剖析Greenplum开源大数据平台的书籍,也是大数据战略制定与落地的实战型指导书!本书围绕数字原生和云计算、大数据、人工智能驱动的企业数字化转型的核心诉求,从商业和技术实战视角分享了业界领先企业大数据战略的深刻思考,并提供了大数据战略从制定到落地的全面指导。既有高阶数字化战略高度对大数据的解读,又有技术实战角度对使用 Greenplum 大数据和机器学习平台实现大数据战略的实践指南。
|
大数据 BI
“校企合作共推实践型大数据师资培养”2018阿里云全国高校师资高级研修班成功举办
本次师资研修班最大的特色,是让参加培训的老师沉浸式体验了阿里云大学基于“三实”理念所设计的实训课程体系。即通过“实际项目”、“实境训练”、“实战检验”将阿里云先进技术和深厚行业经验以项目实战的方式赋能高校和教师。
3661 0
|
存储 监控 大数据
从0到1建立基于大数据的质量平台
随着互联网的快速发展,大数据与软件质量的关系越来越密切,从源码撰写、持续集成、测试调试、发布运营,整个流程中大数据无所不在。每个数据关联起来对软件质量中的发现、度量、定位都有着重要的价值。如何从 0 到 1 建立基于大数据的质量平台,利用大数据来改善软件质量? 来自阿里巴巴优酷事业部技术专家万传奇老师将在 4 月 20 - 22 日召开的 QCon 全球软件开发大会上分享优酷大数据质量平台建设及线上质量闭环解决方案实践。
13040 0