RTLS及跌倒检测对于危险区域工业安全越来越重要

随着定期执行更严格的安全要求，在危险区域遵守工业安全的重要性变得越来越重要。

实时定位系统（即 RTLS）是当今运营环境的完美解决方案。RTLS实时监控人员和资产的位置和状态信息，提供最 新的商业智能，为从危机决策到路线规划和工作安排的一切提供信息。它通常还可以与现有解决方案集成，例如访问控制和 PAGA 系统，作为站点范围的 IIoT 连接计划的一部分。

在尝试满足工人安全要求时，我们首先确定需要克服的运营挑战 - 我们希望工人安全系统帮助我们实现什么目标？

n  通过 RTLS 提高工人安全

快速找到失踪或受伤人员并向其所在位置发送帮助

过程工业环境可以覆盖广阔的区域，具有多个级别和一系列危险区域。在危险区域定位员工、承包商和设施访客可能是一项巨大的挑战。RTLS 允许您在整个站点中定位工作人员，并提供每个人的位置信息。除此之外，您还能够快速识别专业工作人员（例如急救人员），以便立即向其他人提供帮助。

n  增强态势感知

实时定位系统不仅可以让您定位个别人员，还可以让您获得完整的态势感知。工作人员通常分散在大型设施中，因此很难实时定位人员。RTLS 的部署允许通过一个简单的界面对站点的所有部分进行可视化访问，从而使您能够完全控制和了解与人员和资产跟踪相关的所有业务活动。

n  用于优化决策的实时信息

石油和天然气等行业至关重要。气体、化学品和药品制造采用高标准的快速响应和决策程序，帮助为所有人员创造一个更安全的环境。如果发生紧急情况，快速反应可以增加获得最 佳结果的机会。优化决策是部署 RTLS 的一个关键优势，能够在紧急情况下接收即时弹出通知和人员识别警报。

n  紧急情况下聚集和非聚集工人的动态计数

作为解决方案的一部分，个人人员标签用于监控员工、承包商或访客何时进入集合点附近。因此，您可以访问有关“安全区”中哪些员工的信息，并了解安全集合所需的人数。这有助于了解何时需要部署专业人员和程序，以在紧急情况下协助救援和保护未聚集的工人。

n  实时定位系统应急响应

有源标签包含紧急呼叫按钮，允许所有员工、承包商和访客实时发出警报。有源标签定期发送个人 ID 信号，以专门定位个人，从而使快速行动成为可能。

MobileView 等软件允许控制室快速识别是否按下了呼叫按钮以及在现场的哪个位置激活了呼叫按钮，从而缩短了对人员所在位置的紧急响应时间。

然后存储事件的审计跟踪——包括日期/时间戳、采取的行动和涉及的人员——然后在未来的应急培训和规划改进中转移和实施。

n  RTLS 减少人为错误

人为错误可以通过在紧急情况下降低效率和有效性的人为决策或行为来定义。由于有源标签的实时自动监控，人员无需“刷卡或敲出”某个区域，这意味着工作人员可以在危险期间安全、及时地撤离。

n  更好的问责制和合规性

工人位置的历史轨迹不仅可以用于应急培训和规划，还可以提高整体组织的责任感和合规性。标签作为 RTLS 解决方案的一部分，可以证明工作人员（无论是质量检查员、保安还是承包商）在正确的时间在正确的地点记录合规记录，从而减少电子票泄漏。

n  增加安全性

最后，创建更高级别的安全性是使用 RTLS 保障工人安全的另一大好处。RTLS 与 Lenel OnGuard、C.Cure 等系统集成，以确保访问控制功能。识别进入危险区域的人员、在需要时找到安保人员以及确保访客和承包商在访问期间受到监控对于确保工人安全至关重要

Man Down技术-跌倒检测

跌倒技术也称为跌倒检测，旨在自动检测人员何时跌倒并发送求助警报。该技术已集成到 iTAG X-Range 等设备中，以保护单独工作人员和危险环境中的工作人员。

当检测到跌倒或方向突然改变时，设备将启动警报序列，通过振动、闪烁和蜂鸣声来提醒用户。如果用户在30秒内未取消警报，设备将向监控软件或人员发送紧急警报。

n  倒地检测的工作原理

跌倒检测依靠加速度计来监测三个轴上的加速度并检测跌倒所涉及的力。当跌倒发生时，加速度计会检测到突然向下的加速度，然后在人撞到地面时突然停止。复杂的算法会分析这些加速度计读数，以确定是否发生了跌倒。

跌倒检测过程的关键步骤：

1.      加速度计检测指示跌倒或方向发生重大变化的力。

2.      设备通过发出蜂鸣声、振动和闪烁灯光来启动警报序列。

3.      用户有 30 秒的时间通过双击设备取消警报，避免误报。

4.      如果警报未取消，设备会发送紧急人员倒地警报。

通过分析一段时间内的加速度计数据并寻找跌倒时涉及的不同力，这些设备可以自动检测跌倒，而无需用户输入任何信息。这确保即使用户丧失能力并且无法按下紧急按钮，也会发送警报。

n  对工人安全的好处

人员倒地技术为危险环境或单独工作的工人提供了重要的保障。通过自动检测跌倒并启动紧急响应，它可以在事故发生后更快地为工人提供帮助。主要优点包括：

l  更快的紧急响应：自动检测跌倒，无需工人输入

l  丧失行为能力时的保护：即使工人失去知觉也可以寻求帮助

l  单独工人的安全网：确保单独工作时发生事故时的备份

l  降低风险：工人跌倒后可以更快地得到医疗救助

l  高枕无忧：为从事危险工作和环境的工人提供安心

n  最 大限度地减少误报

人员跌倒检测面临的挑战是，当正常运动被误认为是跌倒时，可能会出现误报。然而，这些设备使用智能算法来过滤掉大多数常规动作并最 大限度地减少误报。要求用户在警报启动后取消警报可以提供额外的保护，防止误报。用户可以快速了解可能触发警报的动作，并进行调整以防止再次发生。总体而言，检测真实跌倒的好处胜过偶尔的误报。

总之，人员倒地技术为高危工人提供了重要的额外保障。通过自动检测跌倒并启动警报，它可以减少响应时间并更快地为工作人员提供帮助。智能跌倒检测算法可以过滤掉大多数误报，同时确保可靠地检测到真正的跌倒。这项技术为孤独工人和危险环境中的工人提供了安全和安心。

智能倒倒检测算法通常使用三轴加速度传感器的数据来分析人体运动模式，并识别倒倒事件。

跌倒检测算法

1.      模式识别和分类算法：使用机器学习或模式识别算法，如支持支持机（SVM）、神经网络、决策树等，将特征输入模型进行训练。

2.      训练模型：使用已标记的数据集，将提取的特征作为输入，将跌倒和非跌倒事件区分开来，训练模型以学习这种区分。

为了有效地捕捉人体运动的基本特征，尤其是针对跌倒等重要事件的检测，建议的最 低采样率可能在 20Hz 到 50Hz 之间

在跌倒检测领域，有一些成熟的开源算法和工具可以作为参考或直接评估实际系统中。以下是一些常用的开源库和算法：

打开跌倒检测数据集

l  开放跌倒检测数据集（OFDD）：一个公开的跌倒检测数据集，其中包含不同类型的跌倒和非跌倒事件，可用于训练和测试跌倒检测算法。

基于梯度计的算法

l  开放运动项目：提供了一些基于高度计数据的跌倒检测算法，介绍了一些常用的动作分析和跌倒检测方法。

l  基于 IMU 的跌倒检测：一些研究论文和开源项目提供了基于惯性测量单元（IMU）数据的跌倒检测算法。

机器学习和模式识别

l  scikit-learn：一个常用的机器学习库，包含许多分类器和模式识别算法，可以用于训练和部署跌倒检测模型。

l  TensorFlow / Keras：这两个库提供了深度学习和神经网络相关的工具和算法，可以用于构建复杂的模型，对跌倒检测问题进行建模和预测。

基于三轴加速度传感器的跌倒检测算法模型已经被广泛研究和应用，并且在某些情况下已经被商业化和实际应用。这些算法模型通常依赖于从加速度传感器中提取的特征，如加速度的宽度值、加速度、频率分布等，然后利用机器学习算法如支持支持机（SVM）、决策树、神经网络等进行模式识别和分类。

智能手表、智能手机或者健康监测设备等智能硬件已经在一些产品中使用了这些算法模型，用于实时监测用户的动作并识别跌倒事件。这些系统能够自动触发警报或者通知紧急状况，帮助用户进行状态监测情况意外下得到及时的帮助。

在这方面，像Apple Watch、三星Galaxy Watch、Fitbit等品牌的智能手表都推出了一些版本或特定型号，据称具备跌倒检测的功能。这些智能手表通过内置的传感器和算法来监测用户的运动，当检测到可能的跌倒事件时，会自动发送警报或提示，并提供应对措施。