食品安全大数据标准体系建设研究
食品安全大数据标准体系建设研究张 飞1，景亚萍2，朱 平1，王大霞1，郭晓琰1，陶光灿1,3,*
（1.贵州省分析测试研究院，贵州 贵阳 550014；2.贵州科学院，贵州 贵阳 550001；3.食品安全与营养（贵州）信息科技有限公司，贵州 贵阳 550014）
摘 要：本文通过分析食品安全大数据的特点，依据食品安全社会共治体系，围绕政府、企业、检验检测机构、行业协会、媒体和消费者6 类主体产生和使用的政府监管、企业信息、检验检测、质量监测和互联网5 类数据（涵盖从农业种养殖、农产品加工、食品的生产、存储、运输、销售、消费等整个产业链的各个环节），开展食品安全大数据标准体系建设研究。基于大数据技术参考模型，构建了食品安全大数据技术参考框架和标准体系三维空间模型，建立了食品安全大数据标准体系，阐述了标准体系拟研制的标准。为进一步加快标准体系实施应用，构建了食品安全大数据标准体系评价模型，提出了食品安全大数据标准体系的发展建议以及20 项优先研制标准，以推动和引领食品安全大数据产业的发展。
关键词：食品安全；大数据；参考框架；标准体系；评价模型
21世纪是全球经济、科学与技术的一体化时代，食品安全呈现出全球化发展趋势，食品安全问题成为一个全球重要的公共卫生问题，例如“地沟油”、“三聚氰胺奶粉”和“瘦肉精”等事件严重威胁到群众的身心健康和社会的繁荣发展，已引起各国政府、学术界和工业界的广泛关注；因此，食品安全行业进入大数据时代成为必然趋势。在大数据背景下，与其他领域的数据相比，食品安全大数据不仅呈现出大数据的5V特征，即规模大（volume）、类型多（variety）、价值高（value）、产生速度快（velocity）和数据真实（veracity），同时具有专业性强、涉及面广、规律性强、采集成本高、采集难度大等特点，基于食品安全大数据的这些特点，国家提出了食品安全社会共治的理念，并建立基于大数据的食品安全社会共治体系，其主要包括政府、企业、检验检测机构、行业协会、媒体和消费者6 类主体（图1），这6 类主体使用和产生的数据可归纳为政府监管、企业信息、检验检测、质量监测和互联网5 类数据（图2），这些数据覆盖了从农业种养殖、农产品加工、食品的生产、存储、运输、销售、消费等整个产业链的各个环节。
食品安全大数据与人们的生命活动息息相关，政府随时需要用数据来监管、评估和决策，《“十三五”国家食品安全规划》（国发〔2017〕12号）提出：提高食品安全智慧监管能力，实施“互联网＋”食品安全监管项目，推进食品安全监管大数据资源共享和应用，提高监管效能。《国民营养计划（2017—2030年）》（国办发〔2017〕60号）提出：协同共享食品药品信息数据资源，建设跨行业集成、跨地域共享、跨业务应用的基础数据平台。《新一代人工智能发展规划》（国发〔2017〕35号）提出：强化人工智能对食品安全的保障，围绕食品分类、预警等级、食品安全隐患及评估等，建立智能化食品安全预警系统。《中共中央 国务院关于深化改革加强食品安全工作的意见》要求：推进“互联网＋食品”监管，建立基于大数据分析的食品安全信息平台，推进大数据技术在食品安全监管领域的应用。食品安全大数据正越来越受到国家的高度重视，这将对我国政府的治理模式、决策模式和工作方式等产生深远的影响，将成为国家基础性战略资源和未来信息产业技术的主要经济增长点。
pagenumber_ebook=337,pagenumber_book=319
图1 食品安全社会共治体系的数据来源
Fig. 1 Data sources of food safety social co-governance system
随着大数据技术在食品安全领域的深度融合，为推动食品安全大数据广泛应用、开放共享、高质量发展，食品安全大数据标准化工作将是支撑大数据产业发展和应用的重要基础，但是由于缺乏食品安全大数据标准体系的研究，在数据采集、数据分类与编码、数据开放、数据接口、数据交易、数据产品、数据质量、数据安全、数据管理等方面缺少关键标准的研制，从而影响了食品安全大数据的互融、互通，形成数据篱笆和数据孤岛，阻碍了食品安全的社会治理。因此，世界各国强烈意识到大数据标准化的作用，使得大数据标准研制成为国际各标准化组织共同关注的热点。国务院《促进大数据发展行动纲要》（国发〔2015〕50号）提出：建立大数据标准规范体系，推进数据采集、政府数据开放、指标口径、分类目录、交换接口、访问接口、数据质量、数据交易、技术产品、安全保密等关键共性标准的制定和实施。《中华人民共和国国民经济和社会发展第十三个五年规划纲要》指出：深化大数据在各行业的创新应用，完善大数据产业公共服务支撑体系和生态体系，加强标准体系和质量技术基础建设。《大数据产业发展规划（2016—2020年）》（工信部规〔2016〕412） 要求：推动食品领域的大数据应用，建立并不断完善涵盖基础、数据、技术、平台/工具、管理、安全和应用的大数据标准体系。中国电子技术标准化研究院编制并发布了《大数据标准化白皮书（2018版）》，定义大数据标准体系框架由基础、数据、技术、平台和工具、管理、安全和隐私、行业应用7 类标准组成。
pagenumber_ebook=338,pagenumber_book=320
图2 食品安全大数据的组成和分类
Fig. 2 Composition and classification of food safety big data
综上所述，本文结合食品安全大数据产业的特点，基于6 类主体产生和使用的5 类数据（涉及从农业种养殖、农产品加工、食品的生产、存储、运输、销售、消费等整个产业链），开展食品安全大数据标准体系分析研究，构建完整的食品安全大数据标准体系，对加快食品安全大数据标准的研制，保障食品安全大数据互融互通、开放共享、有效应用，促进我国食品安全大数据产业转型升级，具有一定的战略意义和现实意义。
1 参考模型构建
大数据参考架构是一种运作工具，是便于对大数据的内在要求、设计结构和运行进行开放性探讨的高层概念模型，有助于对大数据复杂操作的理解，可为大数据标准化提供基本参考点，为构建大数据标准体系提供理论支撑，并有助于大数据实践者遵守通用标准、规范。2015年美国国家标准与技术研究院（National Institute of Standards and Technology，NIST）发布了《大数据互操作框架第6卷：参考架构》（Big data interoperability framework volume 6 reference architecture），描述了大数据参考架构的总体框架。2017年我国发布了GB/T 35589—2017《信息技术 大数据技术参考模型》，提出了我国大数据参考模型，该模型框架是大数据领域的基础框架，将为构建食品安全大数据技术参考框架提供参考。
本文基于GB/T 35589—2017，提出构建食品安全大数据技术参考框架（图3），其主要包括基础设施、数据平台、应用平台和用户4 个模块，其中底层为物理资源，进行资源虚拟化后，形成集群服务器、负载均衡服务器和文件服务器；数据平台包括各种数据库的建设及数据管理、清洗、运维等功能；应用平台在用户管理、权限管理、测试管理及知识、安全认证、食品监督管理、数据挖掘分析等平台的基础上，集合数据集成交换，面向政府、企业、行业协会、检测机构、媒体和消费者等社会主体，开发企业门户、企业资源规划（enterprise resource planning，ERP）、实验室信息管理系统（laboratory information management system，LIMS）、监管系统、大众门户、舆情系统、技术社区、数据分析系统和电商系统。通过构建食品安全大数据参考模型，为食品安全大数据标准化建设提供技术参考和理论支撑。
pagenumber_ebook=338,pagenumber_book=320
图3 食品安全大数据技术参考框架
Fig. 3 Technology reference frame of big data for food safety
2 标准体系建设
2.1 标准体系三维空间模型建立
波兰学者沃吉茨基于1960年首先提出了标准体系三维空间概念，印度学者魏尔曼、英国学者桑德斯对此均作了进一步的阐述。本文基于大数据标准体系框架的构建原则，结合食品安全大数据技术参考框架，建立食品安全大数据标准体系三维空间模型，并将该模型的结构分为3 个属性空间（图4A），X轴表示流程维，主要包括食品安全大数据的产生和采集、传输和储存、挖掘和分析、展现和应用；Y轴表示用户维，主要包括政府、企业、检测机构、行业协会、媒体和消费者这些社会主体；Z轴表示业务维，主要包括开发的企业门户、ERP、LIMS、监管系统、大众门户、舆情系统、技术社区、数据分析系统、电商系统这些业务。
pagenumber_ebook=339,pagenumber_book=321
图4 食品安全大数据三维空间模型（A）和标准体系三维空间模型（B）
Fig. 4 Three dimensional spatial model of food safety big data (A) and standard system (B)
基于食品安全大数据三维空间模型，本文提出构建食品安全大数据标准体系的三维空间模型，将该模型也分为3 个标准属性空间（图4B），X轴表示标准层次，按照标准体系的构建原则和要求，囊括了基础标准、技术标准和管理标准；Y轴表示标准类型，即食品安全大数据标准体系需研制的国际标准、国家标准、行业标准、地方标准和团体标准、企业标准；Z轴表示标准内容，即食品安全大数据标准体系主要建设的内容，包括数据、产品、应用、质量和安全标准。通过建立食品安全大数据标准体系三维空间模型，明确标准体系各层次、各环节的空间需求，对标准体系的建设具有指导作用。食品安全大数据三维空间模型3 个属性要素既相对独立，又紧密联系，在每一维结构中可根据研究对象进行进一步的细化分类，既可提升结构的空间，又可保障延伸的空间。因此，通过建立食品安全大数据三维空间模型和标准体系三维空间模型，可为设计食品安全大数据标准体系框架提供技术指导，为进一步构建食品安全大数据标准体系提供理论支撑。
2.2 标准体系框架设计
《大数据标准化白皮书（2018版）》的大数据标准体系是通用型大数据标准体系，为各行业大数据标准体系建设提供了技术参考。为推动工业大数据在智能制造、工业互联网中的发展应用，全国信息技术标准化委员会大数据标准工作组联合工业大数据产业应用联盟起草了《工业大数据白皮书（2019版）》，工业大数据标准体系主要是基于工业领域的大数据技术、产业发展需求而构建，为推动工业大数据各领域的落地应用和战略部署提供了标准化支撑。通过将《大数据标准化白皮书（2018版）》与《工业大数据白皮书（2019版）》对比分析发现，工业大数据标准体系将白皮书大数据标准体系中的基础标准、管理标准纳入了标准体系建设，存在一一对应的关系；将白皮书大数据标准体系中的技术标准和数据标准合并为技术标准；将平台/工具标准变换为产品/应用标准，其标准体系的建设内容并未发生变化。工业大数据标准体系根据自身需求，没有考虑安全和隐私标准、行业应用标准。
食品安全是一门交叉学科，食品安全大数据与工业大数据存在一定的联系，但又有本质区别。工业大数据是指在工业领域中围绕产品全生命周期产生的各类数据和相关技术应用的总称；食品安全大数据是指从农业种养殖、农产品加工、食品的生产、存储、运输、销售、消费等整个产业链的数据和相关技术的总称，主要包括政府监管、企业信息、检验检测、质量监测和互联网5 类数据。因此，食品安全大数据标准体系将基于《大数据标准化白皮书（2018版）》和《工业大数据白皮书（2019版）》，结合食品安全大数据产业标准化特点，设计出食品安全大数据标准体系框架，包括基础标准、数据标准、产品标准、质量标准、安全标准和管理标准，为构建食品安全大数据标准体系奠定基础（图5）。
pagenumber_ebook=339,pagenumber_book=321
图5 食品安全大数据标准体系设计
Fig. 5 Design of food safety big data standard system
2.3 标准体系构建
pagenumber_ebook=340,pagenumber_book=322
图6 食品安全大数据标准体系
Fig. 6 Food safety big data standard system
表1 食品安全大数据标准体系建设内容
Table 1 Contents of food safety standard system construction
pagenumber_ebook=340,pagenumber_book=322
标准体系是指一定范围内的标准按其内在联系形成的科学的有机整体，是标准化工作开展的核心内容。按照食品安全大数据三维空间模型、标准体系三维空间模型构建以及食品安全大数据标准体系设计的思路，将食品安全大数据标准体系分为一级体系、二级体系和三级体系3 类标准子体系（图6），其中，一级标准子体系即为三维空间模型的内容要素，主要包括基础标准、产品标准、数据标准、质量标准、安全标准和管理标准6 个部分；二级标准子体系是在一级子体系的基础上对各领域进行具体的细分、细化，包括总则、术语、参考架构、分类与编码、平台产品标准等20 个部分；三级标准子体系在二级子体系的基础上再进行细分、细化，提出标准体系涉及的具体研制内容（表1），围绕建设任务，涉及了众多的建设内容。食品安全大数据标准体系的建设符合标准体系构建原则和要求，覆盖了基础、技术和管理标准等内容。通过构建食品安全大数据标准体系，对提出食品安全大数据标准需求和加快食品安全大数据相关标准的研制具有指导作用。
2.4 标准体系标准需求分析
在食品安全大数据标准体系建设的基础上，结合食品安全大数据产业发展特点，对标准体系建设进行需求性分析，并制定出食品安全大数据标准体系的标准研制清单（表2），该清单涉及到当前在食品安全大数据领域急需重点研制的50余项国家标准、行业标准、地方标准和团体标准。这些标准的研制应遵循以下原则：对全国经济技术发展有重大意义，对需要在全国范围内统一的技术要求，可制定国家标准，例如基础标准、安全标准、数据标准等；对没有国家标准而又需要在全国行业范围内统一的技术要求，可制定行业标准，例如产品标准、数据标准、质量标准等；对没有国家标准、行业标准，或技术指标严于国家标准、行业标准，且符合地方产业发展需要的和特色的，可制定地方标准，例如产品标准、管理标准等；对没有国家标准、行业标准，或技术指标严于国家标准、行业标准，可由社会团体协调相关市场主体共同制定满足市场和创新需要的团体标准，例如质量标准、管理标准等。性和合法性等进行全方位有效性评价（图7）。食品安全大数据标准体系的评价内容主要包括：制度建设、服务质量、标准覆盖、技术指标、实施效果、经济效益、社会效益和持续改进等方面。
表2 食品安全大数据标准体系拟研制标准清单
Table 2 List of standards to be developed for food safety big data standard system
pagenumber_ebook=340,pagenumber_book=322
续表2
pagenumber_ebook=341,pagenumber_book=323
pagenumber_ebook=341,pagenumber_book=323
图7 食品安全大数据标准体系评价模型
Fig. 7 Evaluation model for food safety big data standard system
通过构建食品安全大数据标准体系和提出标准研制清单，可明确标准体系拟申报的标准计划，为在今后开展食品安全大数据标准研制提供技术参考，使牵头或参与标准研制的相关单位在进行各项标准研制工作时不冲突、不交叉、不打架，整个标准体系相关内容能够衔接一致、互相补充，有助于提高食品安全大数据标准化工作的科学性、系统性和预见性。
3 标准体系评价
为强化食品安全大数据标准体系实施应用，客观反映标准体系的综合应用水平，提出构建食品安全大数据标准体系评价模型，该模型主要以政府、企业、检测机构、行业协会、媒体和消费者为服务对象，采用专家调研评估、数学统计分析和问卷调查等方法，对食品安全大数据标准体系建立的科学性、系统性、先进性、适用
4 结 语
我国在食品安全大数据标准体系方面缺乏相关研究，本文通过对食品安全大数据标准化现状的分析，结合食品安全大数据产业发展特点，构建了食品安全大数据技术参考模型，建立了食品安全大数据三维空间模型和标准体系三维空间模型。然后基于食品安全大数据标准体系的设计，建立并完善了食品安全大数据标准体系，提出了标准体系评价模型。通过食品安全大数据标准体系研究，将标准体系分为6 个一级标准子体系、20 个二级标准子体系，并提出了食品安全大数据体系急需重点研制的50余项国家标准、行业标准、地方标准和团体标准的标准清单。为加快食品安全大数据标准化建设，推动和引领食品安全大数据产业持续、健康、高质量发展，提出以下4 点建议。
4.1 加强标准化顶层设计，完善标准化政策体系
标准化规划、标准体系构建、标准制定、标准化人才培养、标准化经费投入等方面的体制机制建立离不开顶层设计。国家或地方相关标准化主管部门应严格贯彻落实《国务院促进大数据发展行动纲要》（国发〔2015〕50号）、《大数据产业发展规划（2016—2020年）》（工信部规〔2016〕412）等相关文件精神要求，制定标准化奖励、经费使用、成果转化与评估、人才培养等方面的细则或管理办法，鼓励或奖励标准化技术委员会、社会团体、科研机构、企业等积极参与食品安全大数据标准化建设，共享标准体系建设经验和成果。社会团体、科研机构、企业可结合自身特点，制定食品安全大数据标准化中长期发展规划，建立标准化项目的管理办法或奖励办法，完善标准化政策体系。
4.2 加快标准体系推广应用，提出优先研制标准
标准体系是否科学、适用需要靠实施应用来检验，通过建立食品安全大数据标准体系，加强标准体系的宣贯培训、推广应用，同时选择典型企业开展标准体系试点示范，让标准体系落地，实现标准体系“用起来”。为加快食品安全大数据标准体系应用与推广，在拟研制的食品安全大数据标准的基础上，提出了当前优先研制的国家、行业标准等20 项分阶段开展标准体系的标准研制工作（表3），逐步完成标准体系的研制内容。
表3 优先研制的食品安全大数据标准
Table 3 Food safety big data standard with priority
pagenumber_ebook=342,pagenumber_book=324
4.3 成立大数据标准化专业技术委员会，推动食品安全大数据标准化建设
大数据标准化专业技术委员会主要负责制定和完善我国大数据领域标准体系，开展大数据相关技术和标准的研究，申报国家、行业标准，承担国家、行业标准制修订计划任务，组织推动标准化活动、标准宣贯培训和应用推广等，所以应尽快成立国际的、国内的食品安全大数据标准化专业技术委员会、分技术委员会或工作组，积极承担国内外食品安全大数据标准化相关工作，提升食品安全大数据地位，强化食品安全大数据标准化作用，推动和引领食品安全大数据标准化建设。
4.4 完善标准体系评价模型内容，开展标准体系评价标准研究
选择具有代表性的食品安全大数据企业开展标准体系试点示范，根据标准体系评价模型框架要求，开展食品安全大数据标准体系推广实施、应用，从而完善标准体系评价模型内容，尤其是评价数据采集、指标数据预处理、参数确定、统计计算方法分等方面的内容。通过加强食品安全大数据标准体系评价研究，为推动食品安全大数据标准化工作、编制食品安全大数据标准体系评估标准奠定基础；对强化标准对市场培育、服务能力提升和行业管理具有重要支撑作用。
参考文献：
石阶平, 王硕, 陈福生. 食品安全风险评估. 北京: 中国农业出版社, 2010: 23-25.
陈君石, 罗云波. 从农田到餐桌: 食品安全的真相与误区. 北京:北京科学技术出版社, 2012: 1-7.
张素智, 杨芮, 赵亚楠. 食品安全大数据的融合及分类并行处理技术研究. 湖北民族学院学报(自然科学版), 2018, 36(3): 256-265.DOI:10.13501/j.cnki.42-1569/n.2018.09.003.
CHEN J. Rapid urbanization in China: a real challenge to soil protection and food security. Catena, 2007, 69(1): 1-15.
MOCK N, MORROW N, PAPENDIECK A. From complexity to food security decision-support: novel methods of assessment and their role in enhancing the timeliness and relevance of food and nutrition security information. Global Food Security, 2013, 2(1): 41-49.DOI:10.1016/j.gfs.2012.11.007.
DEMCHENKO Y, LEAT C D, MEMBREY P. Defining architecture components of the Big Data Ecosystem// 2014 International Conference on Collaboration. IEEE, 2014: 56-60. DOI:10.1109/CTS.2014.6867550.
LOHR S. The age of Big data. The New York Times, 2012, 16(4):10-15. DOI:10.1126/Science.1243089.
MAYER-SCHÖNBERGER V, CUKIER K. Big data: a revolution that will transform how we live, work, and think. Hachette: Hodder &Stoughton, 2013: 152-182.
陶光灿, 谭红, 宋宇峰, 等. 基于大数据的食品安全社会共治模式探索与实践. 食品科学, 2018, 39(9): 272-279. DOI:10.7506/spkx1002-6630201809041.
陈谊, 刘莹, 田帅, 等. 食品安全大数据可视分析方法研究. 计算机辅助设计与图形学学报, 2017, 29(1): 8-16. DOI:10.3969/j.issn.1003-9775.2017.01.002.
肖革新, 肖辉, 刘杨. 食品安全大数据分析思考. 中国数字医学,2014, 9(1): 4-7. DOI:10.3969/j.issn.1673-7571.2014.01.001.
李昌兵, 敬艾佳, 张斐敏, 等. 基于系统动力学的食品供应链安全监管研究. 湖北农业科学, 2013, 52(21): 5389-5393.
孟小峰, 慈祥. 大数据管理: 概念、技术与挑战. 计算机研究与发展, 2013, 50(1): 146-169.
中央人民政府. 国务院关于印发“十三五”国家食品安全规划和“十三五”国家药品安全规划的通知. (2017-02-14).http://www.gov.cn/zhengce/content/2017-02/21/content_5169755.htm.
中央人民政府. 国务院办公厅关于印发国民营养计划(2017-2030年)的通知. (2017-06-30). http://www.gov.cn/zhengce/content/2017-07/13/content_5210134.htm.
中央人民政府. 国务院关于印发新一代人工智能发展规划的通知. (2017-07-08). http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.
中央人民政府. 中共中央 国务院关于深化改革加强食品安全工作的意见. (2019-05-20). http://www.gov.cn/zhengce/2019-05/20/content_5393212.htm.
迪莉娅. 我国大数据产业发展研究. 科技进步与对策, 2014, 31(4):56-60. DOI:10.6049/kjjbydc.2013080121.
谭海华. 利用数据质量与数据标签共享技术打破大数据利用的篱笆. 中国电信业, 2017(4): 78-80.
代红, 张群, 尹卓. 大数据治理标准体系研究. 大数据, 2019, 5(3):47-54. DOI:10.11959/j.issn.2096-0271.2019023.
张群. 大数据标准化现状及标准研制. 信息技术与标准化,2015(7): 23-26.
中央人民政府网. 国务院关于印发促进大数据发展行动纲要的通知. (2015-09-05). http://www.gov.cn/zhengce/content/2015-09/05/content_10137.htm.
共产党员网. 国民经济和社会发展第十三个五年规划纲要.(2016-03-17). http://www.12371.cn/special/sswgh/wen/.
工业和信息化部. 工业和信息化部关于印发大数据产业发展规划(2016-2020年)的通知. (2017-01-17). http://www.miit.gov.cn/n1146295/n1652858/n1652930/n3757016/c5464999/content.html.
中国电子技术标准化研究院. 大数据标准化白皮书(2018).(2018-03-29). http://www.cesi.cn/201803/3709.html.
奥布赖恩, 马拉卡斯. 管理信息系统. 李红, 姚忠, 译. 北京: 人民邮电出版社, 2007: 118.
张群, 吴东亚, 赵菁华. 大数据标准体系. 大数据, 2017, 3(4):11-19. DOI:10.11959/j.issn.2096-0271.2017037.
NIST Big Data Public Working Group (NBD-PWG). NIST big data interoperability framework volume 6 reference architecture.(2018-06). https://doi.org/10.6028/NIST.SP.1500-6r1.
国家质量监督检验检疫总局, 国家标准化管理委员会. 信息技术大数据 技术参考模型: GB/T 35589—2017. 北京: 中国标准出版社, 2018: 2-6.
LATORRE T, LÓPEZ F, MARTÍNEZ A E. Sharing of precompiled database statements in J2EE applications. Software Practice and Experience, 2005, 35(3): 301-311. DOI:10.1002/spe.636.
ROSSI D, TURRINI E. Analyzing the impact of components replication in high available J2EE clusters// Papette, Tahiti:Autonomic and Autonomous Systems and International Conference on Networking and Services, 2005. DOI:10.1109/ICAS-ICNS.2005.23.
张曼, 唐晓纯, 普蓂喆, 等. 食品安全社会共治: 企业、政府与第三方监管力量. 食品科学, 2014, 35(13): 286-292. DOI:10.7506/spkx1002-6630-201413057.
陈彦丽. 食品安全社会共治机制研究. 学术交流, 2014, 246(9):122-126. DOI:10.3969/j.issn.1000-8284.2014.09.023.
魏尔曼. 标准化是一门新学科. 北京: 科学技术文献出版社,1980: 40-47.
桑德斯. 标准化的目的与原理. 北京: 科学技术文献出版社,1994: 10-12.
李春田. 标准化概论. 北京: 中国人民大学出版社, 2005: 10-77.
李佳洁, 任雅楠, 王艳君, 等. 中国食品安全追溯制度的构建探讨.食品科学, 2018, 39(5): 278-283. DOI:10.7506/spkx1002-6630-201805042.
中国信通院. 关系型云数据库应用白皮书. (2019-06). http://www.caict.ac.cn/kxyj/qwfb/bps/201906/t20190604_200631.htm.
中国信通院. 内存数据库白皮书. (2019-06).http://www.caict.ac.cn/kxyj/qwfb/bps/201906/t20190604_200630.htm.
林旺群, 高晨旭, 陶克, 等. 面向特定领域大数据平台架构及标准化研究. 大数据, 2019(4): 46-57.
贵阳大数据交易所. 大数据交易区块链技术应用标准.(2017-05). http://www.cbdio.com/BigData/2017-06/13/content_5538291.htm.
鲁焱. 大数据共享平台的系统架构与建设思路. 图书馆理论与实践, 2017(4): 86-89. DOI:10.14064/j.cnki.issn1005-8214.2017.04.019.
清华大学. 工业大数据分析指南. (2019-02).http://www.caict.ac.cn/Kxyj/qwfb/bps/201902/t20190227_195155.htm.
中国信通院. 大数据安全白皮(2018年)书. (2018-07).http://www.caict.ac.cn/kxyj/qwfb/bps/201807/t20180712_180154.htm.
中国信通院. 主数据管理实践白皮书(1.0). (2018-12). http://www.caict.ac.cn/kxyj/qwfb/bps/201812/t20181217_190709.htm.
中国信通院. 数据资产管理实践白皮书(4.0). (2019-06). http://www.caict.ac.cn/kxyj/qwfb/bps/201906/t20190604_200629.htm.
国家市场监督管理总局, 国家标准化管理委员会. 信息技术服务 治理 第5部分: 数据治理规范: GB/T 34960.5—2018. 北京: 中国标准出版社, 2018: 1-9.
KEIM D, QU H M, MA K L. Big-Data visualization. IEEE Computer Graphics and Applications, 2013, 33(4): 20-21.DOI:10.1109/MCG.2013.54.
任磊, 杜一, 马帅. 大数据可视分析综述. 软件学报, 2014, 25(9):1909-1936. DOI:10.13328/j.cnki.jos.004645.
中国信通院. 数据基础设施白皮书2019. (2019-11). http://www.caict.ac.cn/kxyj/qwfb/bps/201911/t20191118_269749.htm.
中国信息通信研究院. 数据中心白皮书. (2018-10). http://www.caict.ac.cn/kxyj/qwfb/bps/201810/t20181016_186900.htm.
Construction of Big Data Standard System for Food Safety
ZHANG Fei1, JING Yaping2, ZHU Ping1, WANG Daxia1, GUO Xiaoyan1, TAO Guangcan1,3,*
(1. Guizhou Academy of Testing and Analysis, Guiyang 550014, China; 2. Guizhou Academy of Sciences, Guiyang 550001, China;3. Food Safety and Nutrition (Guizhou) Information Technology Co. Ltd., Guiyang 550014, China)
Abstract: By analyzing the characteristics of food safety big data and referring to the social co-governance system of food safety, an investigation into the construction of a big data standard system for food safety was conducted based on five kinds of data including government supervision, enterprise information, testing, quality monitoring and internet data (covering all steps in the whole industry chain including the farming and processing of agricultural products, as well as food production,storage, transportation, sale and consumption) generated and used by six kinds of entities including governments, enterprises,inspection and testing institutions, industry associations, media and consumers. Based on the big data reference model, an innovative food safety big data technology reference framework and a three-dimensional spatial model for the standard system were constructed, and the standards to be developed for the standard system were elaborated. In order to further accelerate its implementation and application, an evaluation model for the standard system was established, and some suggestions concerning the development of food safety big data standard system and 20 priority standards to be developed were put forward to promote the development of the food safety big data industry.
Keywords: food safety; big data; reference frame; standards system; evaluation model
收稿日期：2020-02-23
基金项目：“十三五”国家重点研发计划重点专项（2017YFC1601800）；贵州省科技计划项目（黔科合平台人才5404）
第一作者简介：张飞（1987—）（ORCID: 0000-0002-7099-4130），男，工程师，硕士，研究方向为食品安全标准。E-mail: zhangfei@gzata.cn
*通信作者简介：陶光灿（1976—）（ORCID: 0000-0003-4734-7389），男，副研究员，博士，研究方向为食品安全大数据。E-mail: tgcan@gzata.cn
DOI:10.7506/spkx1002-6630-20200223-253
中图分类号：TS201.6
文献标志码：A
文章编号：1002-6630（2020）13-0318-08
引文格式：
张飞, 景亚萍, 朱平, 等. 食品安全大数据标准体系建设研究. 食品科学, 2020, 41(13): 318-325. DOI:10.7506/spkx1002-6630-20200223-253. http://www.spkx.net.cn
ZHANG Fei, JING Yaping, ZHU Ping, et al. Construction of big data standard system for food safety. Food Science, 2020,41(13): 318-325. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-20200223-253. http://www.spkx.net.cn
页:
[1]