基于物聯網的高危領域救援設備研究

沈雪微+趙丹+郝秀召+毛文濤

摘 要：以物聯網與高危領域應用的結合作為研究點，通過調查和分析，將重心放在高危領域救援安全方向，并利用學科交叉融合和相互影響的特性，進行技術應用。文章基于WiFi和ZigBee的聯合定位技術、傳感器的環境感知技術、六軸重力加速度的行為識別技術等物聯網新技術，并利用這些技術對高危領域的救援體系進行了完善，從而實現了智能化識別、定位、跟蹤、監控和管理。

關鍵詞：聯合定位;行為識別;智慧救援;ELM

中圖分類號：TP391.4 ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A ? ? ? ?文章編號：2095-1302（2015）09-00-03

0 ?引 ?言

伴隨經濟建設的快速發展和工業化、城市化、市場化的快速推進，我國進入社會轉型期和矛盾凸顯期，公共安全形勢嚴峻。全國因自然災害、事故災害和社會安全事件造成的非正常死亡超過20萬人，經濟損失6 500億元左右。

可見，在高危領域中，一旦事故發生，不僅嚴重威脅著作業人員生命和國家財產的安全，而且會引起社會極大的震動，造成巨大而不可挽回的損失。所以，如何保障高危領域安全作業已成為一項重要的研究課題。

本文選擇以物聯網技術在消防以及煤礦作業的應用為研究方向，目的是完善高危領域方面的救援體系。希望通過此項研究來實現增強作業人員的救援能力、指揮部下達指令的精確即時，并提高重點保護單位現場救援的高效性、可靠性。

1 ?技術分析

首先以消防救援為研究切入點，利用基于WiFi和ZigBee的聯合定位技術、基于傳感器的環境感知技術、基于六軸重力加速度的行為識別技術等物聯網新技術，將其與救援過程科學高效的結合，目的是研究高效救援、安全低損耗的智能救援應用體系。

1.1 ?基于WiFi和ZigBee的聯合定位技術

在處理移動滅火救援等高危復雜場所的問題中，WiFi定位技術具有精度高、對網絡變動適應性好的特點，但因其抗干擾能力較差，故而考慮到當前廣泛應用的ZigBee定位技術作為互補。其節點可進行數據采集，有自組網功能，并具備能耗低、可靠性強等優點。二者結合，提供較好的定位效果，能夠適應救援現場變化復雜的環境。

1.1.1 ?技術特性

通過信息融合技術，利用ZigBee技術組建無線傳感器監測網絡傳輸小數據量的監測活動信息，利用WiFi技術組建無線監測局域網絡，傳輸大數據量的監測活動信息，同時可具備以下特性：

（1）實時性和準確性

該設計屬于遠程檢測，通過接收終端信號，再根據WiFi和ZigBee采集的數據信息實現對救災現場消防人員的精確定位。能夠及時準確地反饋救援人員情況，并反饋指揮中心的決策指令。

（2）可靠性、抗干擾性

系統中的ZigBee模塊與WiFi模塊同時工作，具備較強的抗干擾能力以適應火場等各種復雜環境，保證系統連續可靠地運行。

（3）可擴展性

本設計能夠實現多種技術的融合，能夠將其遷移至其他場合，增強系統功能性。

1.1.2 ?技術方案

本方案主要包括數據傳輸、數據庫構建與最佳定位三個方面，這三個方面主要實現兩大功能，即預警和跟蹤定位。

（1）數據傳輸

數據傳輸主要由WiFi無線網絡和已有的以太網實現。現場情況復雜，有線網絡將不再可靠。由以WiFi模塊為依托的數據采集模塊傳遞信息后，通過AP自組網傳遞到指揮中心，具有高速、及時、穩定、靈活、有效的特點。

（2）數據庫構建

鑒于室外無線定位的特點，須提前對定位的地理環境進行信號強度樣點采集，將采集的信號強度信息進行處理，建立標準數據庫。在之后的具體定位中，只要將信號強度信息傳輸到服務器，比較標準數據庫中的參考值，并利用極限學習機算法進行不斷調整，得到最佳值，方可精確定位。

（3）最佳定位實現

通過WiFi和ZigBee定位技術的結合，利用ZigBee抗干擾性強的優點來彌補WiFi的不足。該模塊分為兩部分，一部分是后臺服務器，利于指揮部人員進行現場監控，另一部分可以在終端上實現救援人員實時定位。

待定位區域內有很多固定的參考標簽，將此標簽的位置信息通過定位服務器送入數據庫集中的標準數據庫中，然后分別將WiFi和ZigBee單獨工作時的定位信息經由定位服務器送到數據庫集中的定位數據庫。

其中定位數據庫中的數據每隔一段時間就會將參考標簽的位置信息更新一次，相應的分析處理部分就會對定位數據庫與標準數據庫中的數據進行分析對比，以便能夠及時確定最優的定位方式，增強系統的抗干擾性。

在救援現場實時定位時，通過WiFi將人員攜帶的定位終端采集的信息實時發送到服務器，利用最佳定位選擇方式對采集到的實時數據進行處理，獲取人員所處的準確位置，以實現指揮中心對救援人員的準確指導。

1.2 ?基于傳感器的環境感知技術

考慮到高危作業環境中非視覺性因素也會干擾救援人員行動或危及人身安全，身處如此環境無法感知外界，而遠在現場之外的控制臺則更加鞭長莫及。在上節所述方案中，我們考慮加入信息采集方面進行綜合研究。

利用傳感器，主要包括煙霧傳感器、溫濕度傳感器和火焰傳感器等。將帶有傳感器的標簽加載在救援人員移動終端上，一旦救援人員進入火災現場，傳感器便開始采集數據，通過WiFi無線網絡等過程傳至控制中心。

此方面主要目的是采集其所處環境參數進行感知檢測。將火災現場情況的復雜性以數值等形式直觀地向指揮官反饋，全方位掌控火災情況，科學、合理地下達指令。

當環境參數達到其設置的閾值，會立即向現場救援人員及指揮中心同時發起警報，以便于雙方進行合理的戰略調整。

1.3 ?基于重力加速度的行為識別技術

為更好保證救援人員的人身安全，需對火場內部救援人員的自身行為進行監測，一旦遇到摔倒等危急情況，及時傳達給指揮部，請求配合救護。圖1所示是其行為識別算法流程圖。

1.3.1 ?技術概述

基于加速度的用戶行為識別，其中主要包含信號采集、數據預處理、特征提取、行為識別四個部分。數據采集負責操作傳感器部件，獲取用戶行為采樣數據，例如加速度、陀螺儀或者生命體征。特征值提取主要負責根據采樣數據獲得行為的特征值，既包括統計性特征值，例如均值、方差、相關性和能量等，還包括結構性特征值，例如自回歸模型系數等。

圖1 ?行為識別算法流程

在數據預處理階段，本設計預先利用的加速度傳感器采集多組動作數據構建數據庫，該數據庫包括眾多不同采集者的12類動作信息，此處選用靜止、行走、奔跑三類數據作為原始加速度信號，為后續判斷人員摔倒等狀況的基礎。同時，為了減少噪聲對行為識別的影響，此處采用了FIR濾波器對加速度信號進行了濾波處理。這里討論特征提取階段，通過對近年來人體運動模式識別系統中使用的信號特征的統計分析發現，與傳統的傅里葉變換相比，小波變換是時間和頻率的局部變換，解決了許多傅里葉變換不能解決的問題。

另外，作為行為識別的關鍵支持，本文通過與傳統神經網絡算法比較，選擇了根據極限學習機（ELM）算法對所采集到的現場實時數據進行網絡訓練。該方法隨機給定神經元權值中的輸入權值和閾值，然后通過正則化原則計算輸出權值，神經網絡依然能逼近任意連續系統。具有參數選擇容易，學習速度快，具有良好的泛化能力。

1.3.2 ?技術實現

該方法的技術實現主要分為4步：

（1）接收數據采集節點發出的數據信號，傳入上位機，方式在以上兩種技術應用中已有體現;

（2）上位機程序對采集到的數據預處理并構建數據庫。在原始加速度信號進行特征提取前需要對其進行預處理，通過平滑、去噪、歸一化、加窗等方式處理。為了減少噪聲對行為識別的影響，本文采用FIR濾波器對加速度信號進行了濾波處理;

（3）通過時域分析法、頻域分析法和時頻分析法對所得預處理數據進行特征提取。提取特征并處理為相對應的特征矩陣，作為數據源，以備后續使用;

（4） 將得到的數據與建立好的數據庫進行對比，利用ELM算法訓練數據，獲取分類信息，實現人體行為識別功能。具體如圖2和圖3所示。

2 ?擴展救援范圍應用方案

同樣處于高危領域的煤礦行業同樣也可以適用該方案，這對保障煤礦工人的安全是極其重要的。

將WiFi接入點AP，ZigBee節點和無線傳感器可以固定在井下的巷道壁上。AP利用光纖與總控制器連接，總控制器將收到的數據進行打包整理后，通過以太網傳送到地面監控計算機。

圖2 ?人員定位詳細顯示窗 ? ? ? ? ? ? ? ?圖3 ?環境感知

工人身上也帶有定位終端和無線傳感器。定位終端使工人在經過WiFi和ZigBee覆蓋區域時，能夠獲取他們的位置并上傳到地面控制中心。從數據庫中讀出該ZigBee節點的相關采集信息，還實現對人員信息的采集記錄、分析處理，同時還能實現實時顯示、歷史數據存儲報表、查詢打印等功能，使管理人員能及時準確的查詢各種信息，方便人員管理、考勤等，特別是當事故發生時，對人員的分布情況一目了然，為營救工作提供了便利。

3 ?實驗仿真

將以上討論研究作為實驗的理論依據，在此進行模擬仿真對其實踐性與應用價值做出評估。

首先，在定位方案中，可選取一段走廊當作模擬場所，盡量符合應用領域的環境條件，通過技術融合，通過將其采集到的信息與數據庫中的參考值進行對比，并可采用多種算法確定最佳定位方案，如圖4所示。

圖 4 ?采用多種算法確定最佳定位方案

圖2中，每一格代表50 cm×50 cm的矩形區域，為測試精確，以紅色圓圈表示原始位置，藍色表示實際仿真中所確定的位置坐標?？梢钥闯鰞烧呤纸咏?，盡管并未完全重合，在不足一米的誤差情況下，實際應用已可以達到定位目的，確定人員狀況。其次，各類環境感知傳感器的功能性仿真情況如圖5所示。

在正常環境條件下，由傳感器反映出當前場所中實時環境值指數，作為指揮及行動的參考。而由圖6可看出，在設定好限制值后，若檢測到的實時數據超出限制，則會提出相對應的警告，以便救援策略的調整。

圖 5 ?環境感知傳感器的功能性仿真情況

另外就是行為識別方面，我們仿真出最終結果并對其中各個步驟進行分析，如圖6所示。

圖6 ?時域特征矩陣及應用ELM后分類精度

通過加速度傳感器提取原始數據后進行一系列處理，得到行為比例，并根據結果數據反饋是否有危險。

在行為識別過程中，首先進行濾波處理去除干擾影響，隨后通過程序提取加工為各類特征矩陣，為了有比較的分析，提取了時域特征、FFT系數特征等。

4 ?結 ?論

本體系主要適用于高危領域的救援方面，解決了高危作業人員的安全問題。本文在現有技術的發展上，結合物聯網定位識別、環境感知及行為識別等功能發展共同進行。本文對救援體系進行了描述，利用作業人員攜帶的便攜式裝置上的傳感器節點反映現場信息，指揮臺可直接獲得第一手現場資料，制定救援策略。通過現場模擬、仿真實驗，驗證了系統實施的可行性、完整性，為將來推廣研究提供了仿真經驗和理論基礎。闡明了一旦發生危險事故，指揮部能夠精確即時地下達指令，并增強重點保護單位現場救援的高效性、科學性以及可靠性。

參考文獻

[1]湛浩星，孫長嵩.ZigBee技術在煤礦井下救援系統中的應用[J].算機工程與應用，2006，43（24）：181-18.

[2]金純，羅鳳.基于ZigBee的傳感器網絡在森林防火系統應用[J].林業技術開發，2006，20（6）：77-79.

[3]馬增煒，馬錦儒，李亞敏.基于WiFi的智能溫室監控系統設計[J].農機化研究，2011，33（2）：154-160.

[4]畢興權.滅火救援官兵犧牲情況分析與預防對策研究[C].中國消防協會科學技術年會論文集，2010：599-602.

[5]沈蘇彬，毛燕琴，范曲立，等.物聯網的體系結構與相關技術研究[J].南京郵電大學學報（自然科學版），2009，29（6）：1-11.