湖北：“云哨兵”讓隱患查得準(zhǔn)處置快

在湖北省應(yīng)急管理廳應(yīng)急指揮中心大廳內(nèi)，一塊巨大的電子屏幕上，密密麻麻的數(shù)據(jù)跳動著，實時展示著全省各地的風(fēng)險隱患動態(tài)。突然，一條預(yù)警信息彈出：鄂州市某鋼鐵企業(yè)生產(chǎn)車間一氧化碳濃度異常升高！緊接著，屏幕內(nèi)容迅速切換，顯示風(fēng)險研判結(jié)果——90億參數(shù)級別的智能大模型分析得出，這可能是設(shè)備接口松動導(dǎo)致的泄漏。幾秒鐘內(nèi)，系統(tǒng)生成處置建議，并將預(yù)警短信推送至企業(yè)安全負(fù)責(zé)人周勝利的手機上。

這一幕，正是湖北省風(fēng)險隱患監(jiān)測預(yù)警平臺日常運轉(zhuǎn)的縮影。聚焦從“被動救火”到“主動防患”，近年來，湖北省應(yīng)急管理系統(tǒng)持續(xù)探索。以深入開展安全生產(chǎn)治本攻堅三年行動為契機，通過搭建風(fēng)險研判大模型，湖北省風(fēng)險隱患監(jiān)測預(yù)警平臺得以開發(fā)建設(shè)。不久前，湖北省應(yīng)急管理系統(tǒng)召開新春“創(chuàng)先爭優(yōu)”動員會，提出以數(shù)字化改革和基層能力提升為引擎，聚力打造“智慧應(yīng)急”場景化應(yīng)用，旨在持續(xù)提升基層風(fēng)險監(jiān)測預(yù)警水平。

從“被動救火”到“主動防患”

“過去，我們的安全管理像是‘救火隊’，總在事故發(fā)生后疲于奔命?！焙笔?yīng)急管理廳相關(guān)負(fù)責(zé)人坦言，“人工巡查效率低、覆蓋不全，尤其在基層，不少人專業(yè)能力不足，風(fēng)險隱患往往發(fā)現(xiàn)得太晚。”

為扭轉(zhuǎn)這種被動局面，2024年初，湖北省安委辦決定牽頭建設(shè)湖北省風(fēng)險隱患監(jiān)測預(yù)警平臺，并由湖北省應(yīng)急管理廳組織建設(shè)省市縣三級風(fēng)險隱患監(jiān)測預(yù)警中心，著力推動安全治理模式向事前預(yù)防轉(zhuǎn)型。

“從‘被動救火’到‘主動防患’，科技是關(guān)鍵?！焙笔?yīng)急管理廳相關(guān)負(fù)責(zé)人說，“我們就是希望通過建設(shè)這個平臺，用科技手段彌補傳統(tǒng)管理短板，解決風(fēng)險發(fā)現(xiàn)不及時、研判不專業(yè)、處置不高效的問題?！?/span>

為打造這一智慧中樞，湖北省應(yīng)急管理部門組建了一支專業(yè)團隊，并投入大量資源。“我們梳理了上萬份法律法規(guī)、行業(yè)標(biāo)準(zhǔn)和事故案例，將這些知識提取出來，標(biāo)注、訓(xùn)練，最終建成了一個擁有90億參數(shù)的風(fēng)險研判大模型?！焙笔★L(fēng)險隱患監(jiān)測預(yù)警中心技術(shù)骨干趙冰化博士介紹說。

建設(shè)過程并不輕松。專業(yè)團隊不僅要整合衛(wèi)星遙感、物聯(lián)網(wǎng)傳感器、視頻監(jiān)控、電力大數(shù)據(jù)等11種監(jiān)測手段，還要確保系統(tǒng)能實時處理海量數(shù)據(jù)。“一開始，大模型的準(zhǔn)確率不高，我們一遍遍優(yōu)化算法，‘喂入’更多數(shù)據(jù)，讓它自己學(xué)習(xí)進(jìn)步?！壁w冰化說。

平臺的搭建還注重實戰(zhàn)性。湖北省應(yīng)急管理廳聯(lián)合各地試點運行，不斷調(diào)整流程，最終形成“監(jiān)測—研判—預(yù)警—處置—督辦—評估—聯(lián)動”的全鏈條數(shù)字化閉環(huán)管理體系。

“風(fēng)險研判能力弱、信息不通暢、處置慢是困擾基層已久的‘老大難’?！倍魇┲輵?yīng)急管理局局長曾東興說，“比如位于偏遠(yuǎn)山區(qū)的小礦山，過去靠人巡查，根本看不過來。現(xiàn)在有了監(jiān)測預(yù)警平臺，相當(dāng)于給這樣一個偏遠(yuǎn)的小角落也配上了風(fēng)險監(jiān)測和研判專家。”

自2024年8月上線以來，該平臺已監(jiān)測并處置6000余項風(fēng)險隱患。該省企業(yè)事故發(fā)生率同比下降6.6％，隱患處置時長同比縮短50％，監(jiān)管效率大大提升。

秒級響應(yīng)，自動推送處置建議

“在剛才的例子中，傳感器檢測到一氧化碳濃度異常后，立刻上傳數(shù)據(jù)，大模型幾秒內(nèi)就分析出可能的原因和后果，然后自動推送處置建議?！壁w冰化指著屏幕向記者解釋道，“AI預(yù)警秒級響應(yīng)的秘訣，在于數(shù)據(jù)的實時性和大模型的快速分析能力?！?/span>

這種“快”，得益于平臺整合了前端物聯(lián)感知設(shè)備和后臺智能算法。一旦監(jiān)測到異常，系統(tǒng)無需人工干預(yù)，就能通過大模型快速研判，生成紅、橙、黃、藍(lán)四級預(yù)警信息，并將信息直接推送至企業(yè)相關(guān)系統(tǒng)和監(jiān)管人員手機，提醒其進(jìn)行處置。如果未及時處置，省市縣三級風(fēng)險隱患監(jiān)測預(yù)警中心會逐級督辦，確保閉環(huán)管理。此外，平臺每月對風(fēng)險隱患進(jìn)行復(fù)盤評估，提醒各地各部門有針對性地做好風(fēng)險防控。

“以前靠人發(fā)現(xiàn)隱患，再層層匯報，至少得半天時間。現(xiàn)在，平臺就像不知疲倦的‘云哨兵’，24小時盯著，一旦有異常，立馬就能響應(yīng)?！敝軇倮袊@道。

“風(fēng)險研判大模型是平臺的‘心臟’?！壁w冰化介紹，“最初大模型只能識別簡單風(fēng)險，遇到復(fù)雜場景經(jīng)常出錯。我們就不斷迭代，加入更多數(shù)據(jù)，讓它學(xué)會分析事故的演化鏈條?！?/span>

優(yōu)化是個持續(xù)的過程。“現(xiàn)在，它還能對接由應(yīng)急管理部發(fā)布的‘久安’AI大模型，融合多災(zāi)種分析能力，專業(yè)度不斷提升?！壁w冰化說。

“大模型不僅能幫我們發(fā)現(xiàn)風(fēng)險，還能給出處置建議。比如監(jiān)測到礦山通風(fēng)不良時，平臺會直接提示要檢查風(fēng)機、疏通風(fēng)道等，特別實用。”曾東興補充道。通過與“久安”AI大模型進(jìn)行對接，平臺已接入林火模型、圖片識別、視頻識別、知識問答以及其他相關(guān)基礎(chǔ)模型服務(wù)，極大提升專業(yè)水平和工作效率。此外，平臺正在逐步接入DeepSeek，以進(jìn)一步提升預(yù)警研判專業(yè)度?！皩eepSeek嵌入風(fēng)險監(jiān)測流程，可使平臺自動識別潛在風(fēng)險特征并觸發(fā)預(yù)警，從而提升風(fēng)險感知靈敏度，實現(xiàn)復(fù)雜風(fēng)險模式的自動化捕獲、跨維度關(guān)聯(lián)分析及預(yù)警響應(yīng)效率提升?！壁w冰化說，下一步，將聚合各部門行政檢查計劃，深度挖掘風(fēng)險隱患數(shù)據(jù)，力求形成更大范圍、更高水平的跨部門“綜合研判、聯(lián)合檢查”方案，提升執(zhí)法質(zhì)效。

掃一掃在手機打開當(dāng)前頁面

責(zé)任編輯：王寧娜