Модель комплексного мониторинга безопасности территорий
Integrated monitoring model of territories safety
- 1 Институт вычислительного моделированияСО РАН
- 2 Главное управление МЧС РФ по Красноярскому краю
Предложено формальное описание процессов получения и обработки данных оперативного комплексного мониторинга чрезвычайных ситуаций. Программная реализация модели трансформации информационных ресурсов используется для поддержки принятия решений в повседневном и оперативном режиме функционирования региональных органов управления природно-техногенной безопасностью территорий.
A formal description of the processes for obtaining and processing data of operational complex monitoring of emergency situations is proposed. The software implementation of the information resource transformation model is used to support decision-making in the daily and operational mode of functioning of regional bodies for managing natural and man-made safety of territories.
Процессы управления предупреждением и ликвидацией чрезвычайных ситуаций (ЧС) и происшествий сопровождаются обработкой большого объёма разнородной информации. Решение задачи контроля обстановки включает в себя процессы сбора и обработки больших объёмов мониторинговых данных. Широкое использование недорогих устройств непрерывного контроля состояния природной среды и объектов техносферы
сопровождается появлением веб-ресурсов и он-лайн сервисов аналитической обработки.
Однако для решения задач раннего предупреждения ЧС, автоматической идентификации опасностей и угроз, прогнозирования обстановки и формирования управленческих решений требуется использовать современные информационные технологии [1]. Необходимо решение проблемы фрагментарности существующих систем мониторинга, разрозненности информационных ресурсов [2].
В рамках создания и развития автоматизированной информационно-управляющей системы АИУС РСЧС-2030 планируется создание единой интеграционной платформы, позволяющей осуществлять интеграцию
существующих и разрабатываемых программных блоков и модулей с целью масштабирования и расширения функционала систем [3]. Создание межведомственных информационных систем, таких как АПК "Безопасный город", Система-112 сдерживается слабой проработанностью нормативно-правовой базы, отсутствием чётких регламентов взаимодействия ведомств в рамках решения задач управления на основе единого информационного пространства. Необходимо создание модели информационной поддержки управления, обосновывающей комплексный сбор и обработку данных оперативного мониторинга ЧС, формирование решений по экстренному реагированию на опасности и угрозы нормальной жизнедеятельности территорий, мероприятиям по планомерному снижению рисков природного
и техногенного характера.
В работе представлено описание элементов системы мониторинга чрезвычайных ситуаций, отражающих основные функции и процессы трансформации данных. Предложенный подход использован при построении информационно-аналитической системы комплексного мониторинга
и управления природно-техногенной безопасностью территорий Красноярского края.
Модель мониторинга ЧС представляется кортежем: Ψ = <R, F, Y>, где R – информационные ресурсы; F – функции обработки информации,
Y – информационные объекты, формируемые для поддержки управленческих решений.
Информационные ресурсы есть множество R2 = {r1, r2, …, r7},
где r1 – данные датчиков инструментального контроля, r2 – данные,
собираемые с использованием подсистем сбора данных операторами,
r3 – данные внешних систем мониторинга; r4 – данные статистической
отчётности; r5 – системообразующие элементы (справочники, классификаторы, реестры); r6 – пространственные данные, r7 – базы знаний.
Множество функций F, реализующих процессы обработки данных мониторинга с использованием различных информационных технологий: F = {f1, …, f6}, где f1 – сбор, консолидация и хранение данных, f2 – оперативный анализ данных, f3 – моделирование ситуаций и визуализация
результатов расчётов, f4 – идентификация отклонений параметров мониторинга от нормативных значений и требующих управленческих воздействий, f5 – формирование решений на основе логического вывода с использованием баз знаний, f6 – визуализация результатов обработки данных
(человеко-машинный интерфейс).
Информационные объекты, формируемые для поддержки управленческих решений, представляются как Y = {C, T, D, M}, где C – текст,
сформированный из фрагментов в результате работы экспертной системы; T – таблицы; D – представление данных в виде графиков или диаграмм;
M – динамическая карта. Элементы множеств информационных объектов представлены в табл. 1.
Таблица 1
Информационные объекты, формирующиеся в результате обработки данных
комплексного мониторинга
Информационный | Элемент множества | Пример логического |
С | с1 – нумерованный список | Рекомендации по действиям |
с2 – произвольный текст | Тексты оповещения населения | |
T | t1 – результат запроса к базе данных | Характеристики опасностей, защищаемых объектов, объектов управления |
t2 – динамическая кросс-таблица OLAP | Измерения (дата, место), показатели (данные мониторинга) | |
D | d1 – график | Изменение контролируемого показателя во времени |
d2 – гистограмма | Агрегированные значения показателей за период | |
d3 – круговая диаграмма | Классификация показателей | |
d4 – биржевой график | Период-аналог | |
М | m1 – тематический слой на основе внешних веб-ресурсов | Оперативная карта обстановки |
m2 – тематический слой на цифровой основе | Результаты моделирования опасной | |
m3 –динамическая картограмма | Ранжирование территорий по степени опасности |
Процессы обработки данных мониторинга показаны на рис. 1.
Первичные данные, получаемые из различных источников путём реализации функции консолидации f1 обозначены A1…A4, результаты предварительной обработки с использованием средств аналитического f2
и ситуационного моделирования f3 – В1…В3. Технология консолидации данных из разных источников реализована двумя способами. В первом процедуры импорта, контроля и обогащения данных, выполняются непосредственно в централизованном хранилища с использованием средств СУБД Oracle. Во втором трансформация данных реализуется внешними модулями, разработанными на языке Python для ОС Linux.
Организован сбор данных о состояние среды на основе прямого
доступа к показаниям приборов контроля. Для уменьшения размерности данных выполняются функции агрегации – вычисление средних и предельных значений за период. Приборный мониторинг используется
для контроля метеорологической, радиационной, сейсмической обстановки, а также производственных процессов. Данные о состоянии объектов контроля (например, речных переправ и автозимников), произошедших опасных событиях и мероприятиях собираются как путём межведомственного информационного обмена, так и использованием средств распределенного сбора данных, установленных в единых дежурно-диспетчерских службах муниципальных образований Красноярского края. Этим же способом формируются информационные ресурсы с более длительным регламентом обновления – характеристики объектов и пространственные данные.

Рис. 1. Информационные потоки комплексного мониторинга
Процессы обработки данных реализуются с использованием технологий ГИС, OLAP, экспертных систем. В результате трансформация
информационных ресурсов разработаны критерии идентификации опасностей и угроз, сценарии развития чрезвычайных ситуаций природного
и техногенного характера, формализованные паспорта территорий.
Критерии идентификации опасностей, интегрированные со сценариями реагирования сил и средств МЧС России, сформированы на основе нормативных документов, методических рекомендаций и экспертных оценок с учётом особенностей территорий Красноярского края. Для инструментального мониторинга это числовые значения предельных параметров. Например, экстремальные температуры, скорости ветра и осадков для Арктической зоны отличаются на 5-15 % от аналогичных критериев умеренных широт. Разработанные критерии представлены в виде справочников свойств r5 пунктов наблюдения.
Технология идентификации позволяет также выделить из числа
"фоновых" события, требующие привлечения формирований РСЧС.
Это касается случаев со значительным масштабом нарушения жизнедеятельности населения. Критерии разработаны на основе данных мониторинга аварий систем тепло- и электроснабжения, природных пожаров, дорожно-траспортных происшествий.
При разработке паспортов территорий сделан акцент на использование технологий консолидации данных различных ведомств [5]. Подсистема распределённого сбора данных с ЕДДС муниципальных образований используются в качестве дополнительного средства актуализации информационных ресурсов. С использованием технологии консолидации должны также формироваться пространственные данные r6.
Сценарии развития ЧС формируются на основе произошедших ситуаций с использованием разработанных алгоритмов ситуационного моделирования и баз знаний r7. Кроме реализации расчётных методик важным критерием полноты рекомендаций экспертной системы является наличие цифровой мультимасштабной карты на моделируемую территорию. Это позволяет более точно оценить последствия опасной ситуации, сформировать перечень объектов с их характеристиками в зоне действия поражающих и неблагоприятных факторов.
Результаты обработки данных мониторинга можно представить
в виде множеств информационных объектов, перечисленных в табл. 1.
Состав краткосрочных прогнозов обстановки Y1 = {m1, m3, d3, d4, t2}.
Прогнозирование реализуется на основе технологий аналитического моделирования и ГИС. Распределение рисков, зависящих от метеорологических условий, выполняется на основе прогнозов погоды на 3-10 дней.
По результатам пространственного анализа формируется текст и список оповещения руководящего состава и населения Y2 = {с2, t1}. Оценки вероятности реализации остальных видов рисков разрабатываются на основе статистического анализа архивов наблюдений и поиска периода-аналога.
Планы действий в ЧС и других ситуациях состоят из ситуационных
и обзорных карт, списка формирований экстренного реагирования с их характеристиками, а также упорядоченного перечня мероприятий по ликвидации ситуации и её последствий, проведении мероприятий защиты населений и территорий Y4 = {m1, m2, t1, c1}.
Паспорта территорий представляются в виде Y5 = {m1, m2, t1, d2},
где m1, визуализирует распределение объектов по территории, m2 – результаты моделирования ЧС с наибольшей вероятностью и наибольшим ущербом, t1 – выборки характеристик защищаемый объектов, объектов управления и значимых событий из таблиц базы данных, d2 – результаты анализа данных мониторинга (распределение рисков, ущербов, потерь и т.п.).
Аналогичный состав информации может быть использован для визуализации оценок рисков территорий и обоснованию долгосрочных мероприятий снижения рисков природного и техногенного характера.
Заключение. В работе предложено формальное описание процессов получения и обработки данных оперативного комплексного мониторинга чрезвычайных ситуаций. С использованием семиотического подхода разрабатывается аналогичная модель, описывающая информационно-аналитическую поддержку управления природно-техногенной безопасностью территорий на региональном уровне. Фрагменты модели, реализованные в виде программных комплексов, используются для автоматизированной поддержки деятельности оперативных дежурных смен в центре управления кризисными ситуациями Красноярского края.
Литература
1. Москвичёв В.В., Бычков И.В., Потапов В.П., Тасейко О.В., Шокин Ю.И.
Информационная система территориального управления рисками развития и безопасностью // Вестник РАН. 2017. Т. 87, № 8. С. 696-705.
2. Ничепорчук В.В., Ноженков А.И. Архитектура территориальной системы мониторинга чрезвычайных ситуаций // Информатизация и связь. 2018. № 2. С. 22-28.
3. Техническое задание на выполнение работы "Разработка специального программного обеспечения АИУС РСЧС-2030 (I очередь)". М.: ВНИИ ГОЧС (ФЦ), 2015.
47 с.
4. Penkova T., Nicheporchuk V., Metus A. Comprehensive Operational Control
of the Natural and Anthropogenic Territory Safety Based on Analytical Indicators // International Joint Conference, IJCRS 2017. Olsztyn, Poland, July 3-7, 2017. Proceedings, Part I.
Pp. 263-270. DOI 10.1007/978-3-319-60837-2.
5. Ничепорчук В.В., Пенькова Т.Г. Паспорт территории – динамический инструмент анализа опасностей // Научные и образовательные проблемы гражданской защиты. 2014. № 1. C. 3-8.