冯庆善

中国石油管道分公司

【摘要】随着管道管理技术的进步和信息科技的发展，管道管理逐步迈入大数据时代，管道大数据的形成将从本质上改变对管道的风险认知和管理模式，使管道安全管理投入更有针对性。虽然当前基于大数据可以基本实现管道本体缺陷的风险识别和管理变革，但如何挖掘和利用好大数据，提升第三方损伤、打孔盗油及地质灾害等风险的识别和管理水平还有待进一步探索。解决好限制管道大数据发展和应用的各种因素也是需要思考的问题。

【关键词】管道 大数据 风险 占率

1 前言

管道安全及经济性是管道管理的核心。在不同的环境和技术基础条件下，方式与方法不同，技术需求也随之变化。传统管理者习惯于在无法全面、系统知晓管道本体状态和周边环境因素的条件下，期望借鉴对管道的一般认知、积累的有限经验和被评估管道的有限数据，类比测算出管道可能存在的泄漏风险因素和位置，以相对明晰管道可能存在的风险状态。这种模式经过几十年的发展， 形成了较为成熟的技术，应用效果也颇为显著[1] [2][3]。很多专家在此方面不断修正评估模型和算法，使得在有限认知条件下对风险预测的准确性得到持续提高[4]。然而，随着技术的发展，管体的部分数据已经非常系统和全面，形成了能够对管体部分风险因素近乎全面认知的大数据，使得对管道本身风险从“黑箱”识别评估转变为“透明”的全面掌握。虽然对数据存在一定的置信度等问题，但足以改变对管道安全状态的判定，而不是传统意义的评定。对此，作者相关论文对大数据风险评估认知等进行了论述[5]，但对于如何利用大数据来识别第三方损伤、打孔盗油及地质灾害等管道环境风险却探讨甚少。为此作者就国外利用大数据防范恐怖袭击等做法来探讨如何应对管道环境风险，保证本质安全水平，以期引起相关专家的注意并讨论。

2 大数据对环境风险管理的相关分析

大数据正在促使管理理念发生变革，传统的管理理念和方式将在变革中遭遇冲击。大数据的魅力在于它能够让企业在无边界的数据中，发现提升管理和效益的机遇。比如，基于本体内外检测等形成的大数据很容易判定本体缺陷的状态，从而将管道本体风险的评价转变为本体状态的判定，这是管道本体数据所体现出来的价值。然而，对于环境风险，如果能够基于大数据实现从风险评估到状态判定的转变，将极大地减少运行成本和事故，提升本质安全。

由于当前处于基于社交媒体和数字化记忆的大数据时代，亚马逊能够监视人们的购物习惯，谷歌监视网民的网页浏览习惯，微博似乎什么都知道，包括我们的社交关系网，使得人们不仅担心无处不在的“第三只眼”，而且担心隐私被二次利用。维克托•迈尔-舍恩伯格和肯尼思•库克耶在《大数据时代》[6]以及吴军在《数学之美》[7]中论述了大数据如何通过数据统计、识别而实现对隐私或习惯的“了解”。

作者在《“树生”事故致因理论模型》一文中[8]，提出应该在具备大数据的基础上，用“树生”事故分析模型分析事故，风险分析从内因分析出发，确定缺失因素量对失效因素量的“占率”是核心思想。换言之，在管道的全生命周期中，当某一点已经具备事故发生的因素比率越高，其发生事故的概率也就越高。与传统分析方法不同的是，此方法是对具体的点或具备相同数据特征的群，通过分析具备泄漏的条件判定泄漏的概率，而传统的方法是借鉴事故发生的概率这一表面现象来类比评价某类事故发生的可能性。基于上述理论，对于环境风险，由于导致事故发生的因素复杂，即使基于大数据，传统的风险评估方法也较难实现对风险的预测和判定，需要改变对此类风险事故的致因分析， 找出导致事故的因素，分析出“占率”，从而作为数据挖掘规则，辨别和判定管道状态。

从管道防第三方施工损伤和防打孔盗油的需求考虑，如果能够利用可能存在的大数据来防范管道第三方损坏，即是否可以从大数据中识别出可能的第三方损伤或打孔盗油，比如识别和收集管道中心线附近的手机信号强度，附近路口的交通变化和特征，以及规划、施工报批或施工车辆动态等大量数据，统计管道开挖和开孔设备购置等数据，然后按照一定的规则进行统计挖掘，则有可能识别出部分管道区域存在的第三方施工损伤风险。

其实，当前很多管道管理者善于通过识别管道附近是否有交叉道路，道路是否偏僻，地面是否易于开挖，附近是否有可疑房屋，是否常有可疑车辆出入等多条信息识别出潜在的打孔盗油的区域， 并成功阻止了较多的打孔盗油事件发生。这种做法虽然是基于个人对管道的了解和经验判断，但足以说明如果利用信息技术手段，收集更多相关数据， 则能够更好的识别出可能的打孔盗油事件，实现对打孔破坏从事后被动应对转变为有效预防和提前阻止。

大数据将会改变管道企业对地质灾害的管理模式。当前管道企业对地质灾害的管理多为基于对管道路由可能存在的地质灾害风险进行专业化识别，评估其状态并决策是否治理，但很难识别出没有迹象的滑坡或水毁等地质风险。多年来发生的滑坡或水毁的事故案例表明，造成这些风险的因素是可以统计和识别的。比如，对沿山沟河道附近敷设的管道，在附近发生较多施工而改变河道流通能力等条件下，极易发生水毁漂管。因此，当有足够的信息统计出管道在山沟河床敷设、河道被填埋侵占、高强度降雨等数据基础上，将很容易判定出水毁的地点和可能发生的概率。

3 大数据应用的限制

大数据固然能够协助分析人和环境因素可能对管道造成的伤害，但涉及到人和部分环境因素数据的保密和高成本问题等都将严重影响大数据的应用。基于当前的认知，主要从如下三个方面探讨。

3.1 数据来源限制

对人活动所带来的影响分析必须基于和人各种活动相关的海量数据分析，如何获得关系人的海量数据，哪些数据能够对管道企业开放，是否涉嫌隐私等都是限制数据来源的关键因素。在大数据应用日益重要的今天，数据资源的开放共享程度已经成为制约大数据及促使管理变革的主要障碍。在保证隐私不被侵犯的情况下，推进数据开放将会带来更多的价值，为大数据发展打牢基础，这是实现基于大数据预防人为损坏管道的关键。比如，建立开放的城市规划、交通、社会治安和施工管理信息等数据，则能够较容易地实现识别可能存在的施工损伤。

3.2 杂散数据的影响

《大数据的时代》[6]中也指出：“数据量的大幅增加会造成结果的不准确，一些错误的数据会混进数据库。”数据量的增大，也会带来规律的丧失和严重失真。此外，来源不同的各种信息混杂在一起会加大数据的混乱程度。统计学者和计算机科学家指出，巨量数据集和细颗粒度的测量会导致出现“错误发现”的风险增加。如果杂散的数据经常造成第三方损伤管道的预警频繁误报或识别率低，将会失去其应用价值。

3.3 因素的不关联性

大数据意味着更多的信息，但同时也意味着更多的虚假关系信息。海量数据带来显著性检验的问题，将使我们很难找到真正的关联。有可能基于大数据的全数据分析、模糊计算和重关联而得不到应有的因果特性。如果能够得到较好的关联性，延伸维克托•迈尔-舍恩伯格的说法，则可以实现被预知的可能性——基于数据的预测能够预测可能存在的第三方损伤或即将发生的打孔盗油行为。所以在完整性管理的基础上[9]，深入分析事故致因、导致事故因素关系和占率，将是解决关联性的基础。

4 结束语

管道大数据的形成还处于起始阶段，在大数据方面的探索将是今后一个时期的焦点。作者在管道大数据及其对管道安全管理等带来的转变等方面的思考仅是初步探索。但基于大数据条件下的管道安全管理是未来的发展趋势，也必将带来管道安全管理变革和相关技术进步。提前研究如何推进大数据条件下的管道安全管理，促成可能的数据共享和数据关联模式，会使我们在提升管道安全管理水平中占得先机。◢

参考文献：

[1] Peter Tuft, Nader Yoosef-Ghodsi, John Bertram. Benchmarking Pipeline Risk Assessment Processes, IPC 2012- 90045, September 24- 28, 2012, Calgary, Alberta, Canada.

[2] 曹云. 系统工程风险评估方法的研究进展[J].中国工程科学，2005，7（6）：88-95.

[3] 张华兵，程五一，周利剑,等. 管道公司管道风险评价实践[J]，油气储运，2012，31（2）：96-98.

[4] 戴联双，张俊义， 张鑫，等. RiskScore管道风险评价方法与应用[J]，油气储运，2010，29（11）：818- 821

[5] 冯庆善，基于大数据条件下的管道风险评估方法思考. 油气储运，2014，33（5）：457-461.

[6] Viktor Mayer-Schonberger & Kenneth Cukier. Big data：a revolution that will transform how we live，work and think [M].Boston：Houghton Mifflin Harcourt Publishing Company，2013.

[7] 吴军，数学之美，人民邮电出版社，ISBN 978- 7-115-28282-2

[8] 冯庆善，“树生”事故致因理论模型，油气储运，2014，33（2）：115-120，128.

[9] 冯庆善，王学力，李保吉，等. 长输油气管道的完整性管理[J]. 管道技术与设备，2011（6）：1-5.

（作者：冯庆善，高级工程师，1974年生，2010年博士毕业于北京航空航天大学材料学专业,现主要从事管道完整性技术研究与管理工作。）

《管道保护》2015年第3期（总第22期）