图1 复杂事件检测匹配树模型
王亮
(西安科技大学 电气与控制工程学院， 陕西 西安 710054)
摘要：利用复杂事件处理技术构建了基于事件驱动的煤矿井下安全事件检测与预警触发模式。以井下RFID人员定位数据与环境监测数据为基础应用数据，基于复杂事件处理技术搭建大规模井下安全流数据处理框架，设计离线数据关联规则自学习、在线数据匹配树结构自匹配的双层并行机制，以实现对井下安全预警事件的高效检测与预警触发。测试结果表明，基于事件驱动的煤矿井下安全事件检测与预警模式相对于基于关系型数据库的安全监控模式，在异常事件检测数与检测效率方面均具有显著的优势。
关键词：煤矿井下安全； 复杂事件处理； 异常事件检测； 预警触发
网络出版地址：http://www.cnki.net/kcms/detail/32.1627.TP.20160803.1002.009.html
作为产煤量占世界35%的产煤大国，煤炭在中国的能源消耗体系中占据十分重要的位置。然而，由于煤炭开采井下地质条件的复杂性及开采环境的恶劣性等众多原因，中国成为矿难高发国。据不完全统计，2015年中国发生近40起重特大煤矿安全事故，造成七百余人死亡和失踪[1]。针对目前严峻的煤矿安全生产现状，进一步加强煤矿安全生产技术的研究与开发应用具有十分重要的现实意义。在现有的煤矿井下安全监控系统中，所获取的煤矿生产过程数据涵盖井下人员、通风、环境、地质等方面的状态信息与感知数据。上述数据信息可反映煤矿生产过程各环节的实时状态，蕴含影响煤矿安全生产多要素之间的内在机理规则，体现煤矿安全事件的发展趋势与态势。因此，立足于信息化与工业化“两化融合”的现实趋势与客观需求，利用上述跨空间多领域的异构感知数据的关联建模与深度融合，有力提升安全监控系统在井下安全事件检测与预警处理方面的准确性与高效性，对于充分发挥安全监控系统在井下安全管理方面的作用具有极其重要的现实意义与应用价值。本文利用复杂事件处理技术构建了基于事件驱动的煤矿井下安全事件高效检测与预警触发模式。测试结果表明，该模式相对于基于关系型数据库的安全监控模式，在异常事件检测数与检测效率方面均具有显著优势。
随着信息技术的飞速发展，构建信息化的智能煤矿安全生产监控系统，以解决煤炭生产过程中的安全隐患问题已经成为一条行之有效的重要途径[2-3]。中国从20世纪90年代开始自主研发煤矿安全监控系统，通过在井下安放位置固定的监控传感设备，以有线电缆的方式将数据传送至地面监控系统[4]。而随着RFID技术与无线传感网技术的日趋成熟，相关的基于RFID的煤矿安全监控系统已经投入实际生产并发挥了有效的作用[5-8]。在面向煤矿安全生产监控的数据利用方面，现有的模式往往是以历史数据为基础，以传统的数据库存储分析为手段，通过汇聚统计分析及集成统计分析，进而发现煤矿生产过程中各种机电设备的健康状况、运行能耗、环境变化等信息，最终实现对煤矿生产的安全辅助支撑作用[9-11]。通过以上分析可以看出，现有煤矿安全信息集成与数据分析方法尽管对煤矿安全生产起到了明显的促进作用，但是仍然无法在煤矿井下开采的复杂、恶劣生产环境中充分发挥其作用；仍然无法实时、高效、智慧地感知与检测生产流程中的人员、环境、机电设备等方面的异常安全事件；仍然无法以自适应、自学习的方式汇聚生产过程模式规律，从而为事中安全预警、事后抢险救援提供科学而有效的判据。
作为面向流数据的事件驱动架构框架，复杂事件处理由美国斯坦福大学的David Luckham与
Brian Fraseca 于20世纪90年代提出，其主要通过使用模式对比匹配过程、原事件及复合事件的关联与聚合关系，从大规模流数据中实时检测并抽取出有意义的事件，从而构建更为弹性的事件驱动架构相关应用[12-14]。在事件驱动架构下，相比于传统的简单事件检测流程，复杂事件处理不仅可用于处理单一的、用户预先定义的与应用为导向的事件，同时可以处理基于事件内在逻辑层次化关系的复合事件，通过对业务相关流程参数的自学习过程建立并更新知识库，当事件处理监测模块检测出数据流中所蕴含的目标事件时，以近乎实时的方式去触发相关的动作(预警、干预等)。
目前复杂事件处理实现方面的技术主要有自动机、Petri网、匹配树及有向图等[14]。因为基本事件与复杂事件具有本质的分层逻辑关系，本文以匹配树为主要实现手段。在匹配树事件检测模型中，叶子节点表示基本检测事件，节点之间的关系以事件操作符替代。针对用户所定义或查询的复杂事件模式，匹配树模型首先构造对应的事件识别树形结构，相应的时间、参数值均作为节点属性值保存在识别树中。基本通用流程：事件检测模型检测叶子节点基本事件，通过基本事件表达式合成关系匹配检索基本事件级的复合事件，若满足条件则更新叶子节点历史记录，同时将对应事件发送至缓存；将所生成的新复合事件发送至叶子节点对应的父节点，并根据语义关系与表达式产生新的候选复杂事件，若满足匹配条件则发送更上一级父节点进行进一步的事件匹配处理。下面给出一个简单结构匹配树，如图1所示，首先建立前缀树，其中包含4个模式串：“say”、“she”、“shr”、“her”。其中，根节点root为空，不表示任何字符，终端节点表示叶子节点。然后根据待查找字符串，逐字符匹配前缀树字符串，从树的根节点root往叶子节点逐步查找，直至实现字符匹配或是匹配失效。例如，待查找字符串“sa”可与第1条模式串“say”实现匹配过程。
图1 复杂事件检测匹配树模型
3.1 煤矿井下事件语义及事件定义
安全监控系统覆盖煤炭开采的各个关键环节，通过传感器、视频监控等设备记录井下作业空间、机电设备状态及井下湿度、温度、风速、压力、瓦斯、一氧化碳、氧气等环境状态，同时利用RFID可实现对井下人员的定位追踪。本文以RFID人员定位数据与井下环境监测数据为基础应用数据，基于复杂事件处理技术设计并实现基于事件驱动的煤矿井下安全事件检测与预警触发模式。其中用于人员定位的RFID数据格式为{ReaderID，Tag，Timestamp}，其中ReaderID为RFID读写器的ID号，Tag为所扫描的电子标签的标志号，Timestamp为数据读取的时间戳信息。用于环境状态监测所采集的数据格式为{SensorID，SensingData，Timestamp}三元格式，其中SensorID为传感器ID号，SensingData为所采集的感知数据(包括温度、湿度、压力、风速、瓦斯浓度及粉尘浓度等信息)。
与RFID数据相比，环境监测中的状态监测所涉及的传感器类型多样，数据格式不一，因而在复合事件生成层所合成的事件模式更为复杂。利用应用基础数据采集体系(RFID与传感器网络)所采集到的原始数据，基于规则关系以生成与煤矿安全相关的复杂事件。
定义1 基本安全事件：为具有简单语义知识的目标域状态信息及多传感源之间的具有某种时空与流程关联的关系事件，如环境温度变化事件、实时瓦斯信息等。
定义2 复杂安全事件：为由若干个基本安全事件或复杂安全事件通过事件合成关系或是操作符号所产生的合成事件，以表达应用层不同语义对象之间的相互关系。其具体的数据形式可以定义为{Feature，Rule，Time}，其中Feature表示复杂安全事件的属性特征；Rule为相应的规则信息，具体有因果关系、时序关系等；Time依据复杂安全事件的性质可分为时间点与时间区间。
基于事件驱动的复杂安全事件处理模式实时检测人员定位及环境状态监测数据，如果有满足用户自定义或是基于规则学习所产生的井下安全监测复杂事件时，事件处理将所检测的事件发送给应用程序接口，同时以实时方式触发相关报警提示动作。在本文中以2个主要的事件为例进行阐述：矿工位置移动事件、环境安全预警事件。
矿工位置移动事件在基本事件的情景下，其所满足的基本条件形式化表示如下：
(1)
式中：Readeri.Tagk为矿工Tagk进入RFID 读写器Readeri的空间范围；d为自定义的距离参数，其与不同的具体场景(采煤层、巷道)有关，其可以通过2个基本的RFID基本事件聚合而成，即{ReaderIDi，Tagk，Timestampi}与{ReaderIDj，Tagk，Timestampj}，Tagk为该复杂事件所指向的具体矿工对象，Timestampj-Timestampi为位置移动事件的时间跨度信息。
矿工位置移动事件满足条件：① 2个不同Reader之间的距离阈值满足式(1)。② Timestampj与Timestampi满足时序先后关系。
本文采用经典的复杂事件语言SASE作为煤矿井下监控系统的安全事件描述、查询及检测语言。下面就矿工位置移动事件给出一个查询实例：
Select * from RFIDEvent
Where Tag = Tagk
Where Timestampj> Timestampi
Where 
≥d
环境安全预警事件在基本事件的情景下，其所满足的基本条件形式化表示如下：
SensingDataj.SensorIDk≥ε
(2)
式中:SensingDataj.SensorIDk为传感器节点SensorIDk所感知到的环境参数数据SensingDataj;ε为阈值，其与具体的传感器环境监测参数类型(瓦斯浓度、粉尘浓度等)有关。
具体而言，环境安全预警事件为煤矿井下某个传感器节点所采集到的环境状态信息，反映出所在区域的环境状态出现异常，而触发实时报警事件。
对于复合事件而言，在环境安全预警事件情景下，其表述形式为Rule==Condition，其中Rule为多基本事件所合成的事件规则，Condition为系统安全用户或是通过自学习过程所得到的满足条件。例如，温度、湿度、粉尘浓度等多个传感信息的复合关联满足相应的条件，以触发报警事件。
3.2 基于事件驱动的井下安全事件检测与预警触发
基于事件驱动的煤矿井下安全事件检测与预警触发模式构成如图2所示。基于RFID人员定位与机电类、环境类、地质类等多源传感器网络实时获取的跨空间异构井下安全感知数据，按照规范化数据格式与事件表示进行数据解析过程，主要包括对不同传感器节点所获取的数据进行格式统一、单位换算、数据清洗等预处理操作；解析后的数据通过复杂事件产生模块，以复杂事件表示元语为基础，分别实现数据向事件的语义转换过程、基本安全事件的产生及复杂安全事件的合成操作，以实现实时流数据完成不同粒度、不同层次上的事件合成操作。其中，语义转换功能在于实现原始数值型数据向语义型数据的映射与转换，同时保证在映射与转换过程中维持最小的信息损耗；基本安全事件的产生功能为建立在语义转换基础之上的元安全事件拟合过程。
图2 基于事件驱动的煤矿井下安全事件
检测与预警触发模式构成
另一方面，基于多源感知流数据实现对历史语义知识库的离线更新过程，通过历史数据的关联规则自学习实现复杂事件规则知识的自动化更新与增量式更新。此外，模型设置了管理用户关联规则自定义接口，以实现用户针对特定环境、特定约束、特定条件下的自定义规则。基于复杂事件产生模块所输出的安全事件与关联规则，在滑动时间窗进行匹配树实时匹配过程，以概率化数值表示对当前状态的风险评估，基于风险评估量化关系进行危险提示与预警触发，最终为煤矿生产安全管理部门的决策提供支撑。
为了验证所提出的基于事件驱动的煤矿井下安全事件检测与触发模式的有效性与快速性，本文以煤矿井下安全检测数据集为基础进行了相应的实验仿真测试。实验数据采用煤矿井下现场采集小数据集与按照泊松分布产生的虚拟数据相结合的合成数据集。传统的煤矿井下安全预警或是采用单一传感源获取数据的实时动作触发，或是将多源采集数据发送至数据库，在服务器端进行数据的融合与关联匹配以产生预警。由于本文所采用的是以RFID人员定位与环境监测感知数据为应用基础数据的多源数据，所以实验部分与基于传统数据库的安全预警模式(传统数据库模式)进行比较分析。
本文实验环境分为硬件环境和软件环境。其中，硬件环境为Intel(R) Core(TM) i3-3110M CPU、2.40 GHz、4.00 GB内存和250 GB硬盘；软件环境为Windows 7操作系统，Visual C++ 6.0 编程环境。对面向煤矿井下安全监测流数据的复杂事件处理性能进行测试，并对结果进行了分析。
在不同测试数据序列(1 000～5 000序列)下分别对井下多源数据异常事件的检测结果与效率进行比对分析，具体结果如图3所示。由图3(a)可以看出，基于事件驱动的煤矿井下安全事件检测与预警触发模式(事件驱动模式)的异常事件检测数显著优于传统数据库模式，平均可提高事件检测率57.63%。由图3(b)可以看出，事件驱动模式的时间效率优于传统数据库模式，其时间开销平均提升了2.26倍。
(a) 2种模式的异常事件检测数对比
(b) 2种模式的异常事件检测效率对比
图3 2种模式的异常事件检测实验结果对比
面向煤矿复杂、恶劣生产环境对于安全预警系统实时性、综合性的现实需求，构建了基于事件驱动的煤矿井下安全事件检测与预警触发模式。以井下人员定位RFID数据与环境监测数据为基础应用数据，利用复杂事件处理技术的事件语义定义合成多层复合安全事件，通过匹配树结构在线匹配RFID数据与传感器网络环境监测获取数据，以实现在线实时安全预警事件的检测与预警触发。对合成测试数据的实验仿真结果显示，所提出的基于事件驱动的煤矿井下安全事件检测与预警触发模式比传统的数据库处理模式在异常事件检测数与检测效率2个方面均具有显著的优势。
参考文献：
[1] 新华网.2015年全国发生38起重特大事故768人丧生失踪[EB/OL].(2016-01-15)[2016-04-16].http://www.sh.xinhuanet.com/2016-01/15/c-135012916.html.
[2] 孙继平.煤矿安全监控技术与系统[J].煤炭科学技术,2010,38(10):1-4.
[3] 孙继平.煤矿安全监控系统联网技术研究[J].煤炭学报,2009,34(11):1546-1549.
[4] 李继林.煤矿安全监控系统的现状与发展趋势[J].煤炭技术,2008,27(11):3-5.
[5] 高玉芹.基于RFID和WSN的煤矿安全监控系统[J].仪表技术与传感器,2007(12):76-78.
[6] 郭甜甜,尹洪胜,高婷,等.软件设计模式在煤矿安全监控系统开发中的应用研究[J].煤矿机械,2011,32(2):211-213.
[7] 鲁远祥,樊荣.煤矿安全监控系统体系架构技术的发展[J].矿业安全与环保,2009,36(增刊1):177-179.
[8] 宋楠楠,陈岩.一种基于无线传感器网络的煤矿安全监控系统[J].北京工商大学学报(自然科学版),2010,28(2):47-49.
[9] 刘盼,褚延丞,华钢,等.煤矿安全监控信息特征快速发现方法研究[J].工矿自动化,2013,39(6):22-25.
[10] 王智峰,屈凡非,田建军,等.基于海量数据分析的煤矿生产辅助决策支持系统的设计[J].工矿自动化,2011,37(10):22-25.
[11] 焦昊.煤矿安全监控信息管理系统的设计与实现[D].长春：吉林大学,2015.
[12] 杨清,徐建良,高德欣.基于复杂事件处理技术的RFID系统数据分析[J].微计算机信息,2006,22(26):179-181.
[13] 沈斌,朱国良,闫广超.煤矿监控系统中RFID数据处理平台的研究[J].Industrial Control Computer,2010,23(7):57-58.
[14] 汤玲丽.复杂事件处理引擎关键技术研究[D].哈尔滨：哈尔滨工程大学,2012.
文章编号：1671-251X(2016)08-0033-05
DOI:10.13272/j.issn.1671-251x.2016.08.009
收稿日期：2016-05-12；修回日期：2016-06-21；责任编辑：张强。
基金项目：国家自然科学基金资助项目(61402360)。
作者简介：王亮(1984-)，男，陕西宝鸡人，讲师，博士，研究方向为矿山自动化、煤矿安全监控，E-mail：wangliang@xust.edu.cn。
中图分类号：TD76
文献标志码：A 网络出版时间：2016-08-03 10:02
WANG Liang
(School of Electrical and Control Engineering, Xi'an University of Science and Technology, Xi'an 710054, China)
Abstract：A detection and early warning trigger mode of coal mine underground safety event based on event driven was constructed by using complex event processing technology. By adopting underground RFID personnel positioning data and environmental monitoring data as application data, a large-scale underground safety flow data processing framework based on complex event processing technology was built. And then a double layer parallel mechanism for self learning of offline data association rule and self matching of online data matching tree structure was designed, so as to achieve high efficiency detection and early warning trigger for early warning of underground safety event. The test results show that the detection and early warning trigger mode of coal mine underground safety event based on event driven has significant advantages in abnormal event detection and detection efficiency compared with safety monitoring model based on relational database.
Key words:coal mine underground safety; complex event processing; abnormal event detection; early warning trigger mode
王亮.基于事件驱动的煤矿井下安全事件检测与预警[J].工矿自动化，2016,42(8)：33-37.