人员大数据分析在政府远程监管监察中的创新应用：人员大数据分析在政府远程

原标题：人员大数据分析在政府远程监管监察中的创新应用
煤矿人员定位系统在监测煤矿井下人员位置、辅助应急救援方面发挥了重要作用，同时通过挖掘井下人员数据特征与人员曲线规律，建立各类人员大数据分析模型，精英数智在客户数据的合法授权下，进行模型训练，从人员数据中发现了一些辅助政府远程监管监察的创新应用。
1.煤矿工作面生产状态识别
▼
通常来说，每个煤矿的生产班、检修班时间段不同，检修班数据特征有：采煤工作面T0、T1、T2变化趋于平稳，采煤司机少电工多，检修班人数一般多于生产班人数。首先通过瓦斯数据曲线初步计算出生产班时间段与检修班时间段，并关联分析不同特殊工种的井下人数曲线特征，最后判断工作面当前时间是否为生产状态。此外，可以将瓦斯数据曲线与井下人员曲线识别的结果与井下重要设备的开停曲线、产量的日曲线等关联分析，以更准确地判断煤矿井下工作面的生产状态。如图1、2所示，蓝色框为工作面生产时间段。

文章图片
图1某煤矿工作面T1瓦斯浓度曲线及当班井下人数曲线

文章图片
图2某煤矿工作面T2瓦斯浓度曲线及当班井下人数曲线
进一步地，煤矿井下正常生产与检修时井下人数存在差距，通过计算矿井每日所有下井人数，判断煤矿当日是否为生产状态，从而识别停产关闭矿井是否违规生产。统计每日各个班次最大井下人数的平均值，对当日与连续一个月正常生产情况下最大井下人数平均值的差值设定阈值，如果当日平均值与前一个月平均值的差值低于该阈值，则认为当日有可能未生产。
2.交接班类型及交接班时间识别
▼
通过绘制煤矿正常生产时井下实时人数曲线图，分析、归纳煤矿执行不同交接班制度的井下人数规律和特征，从而确定交接班类型及时间，曲线图如图3-6所示。曲线上的数据每隔15分钟取样一次，为15分钟内的最大井下人数。分析曲线图得出，在交接班时下井人员总数变化幅度较大，人员总数曲线呈现上凸或下凹特征。实行井下交接班制度的煤矿在交接班时两班人员均在井下，井下人员总数达到高峰，形成了曲线的上凸部分；实行井上交接班制度的煤矿在交接班时两班人员基本都在井上，井下人员数量很少，形成了曲线的下凹部分。

文章图片
图3执行井下交接班的煤矿连续七日井下人数曲线

文章图片
图4执行井下交接班的煤矿单日井下人数曲线

文章图片
图5执行井上交接班的煤矿连续七日井下人数曲线

文章图片
图6执行井上交接班的煤矿单日井下人数曲线
基于上述曲线特征，模型通过煤矿员工出入井时间及井下人数识别煤矿交接班类型及交接班时间，具体方法为：
（1）利用生产状态识别模型确定当日正常生产；
（2）统计每15分钟内的出入井人数，按人数降序排列后筛选得到出入井人数比较大的时间段作为疑似交接班时间段；
（3）分析疑似交接班时间段内实时井下人数与该时间段内平均人数的关系，从而确定交接班类型及时间。具体的，如果有一半以上的实时井下人数超过平均人数，则认为是井上交接班，反之为井下交接班。
3.生产过程中单班作业是否超员识别
▼
《煤矿井下单班作业人数限员规定(试行)》第三条规定，煤矿井下单班作业人数不能超过规定中的最大人数。但在实际生产过程中，各个煤矿的工作制度与交班情况的不同，在统计井下单班作业人数时，会因交接班的影响导致统计出现误差。通过确定交接班类型及交接班时间后，可以排除交接班的影响，准确计算单班作业是否超员。如图7所示，水平直线为煤矿井下单班作业最大人数，虽然在15点附近井下人员总数高于水平直线，但该时间段为交接班时间段，故该煤矿未发生单班超员情况。

文章图片