人工智能如何克服医院室内资产跟踪的挑战

在物联网应用中，人工智能最常用于数据堆栈的“顶端”——对通常来自多个来源的大型数据集进行操作。例如，在医院环境中，人工智能和实时定位系统可用于预测分析：您能否根据天气预测急诊室入院率？您能否根据使用情况更好地估计设备何时需要维护？

然而，在每个物联网堆栈的“底层”，人工智能开始应用于传感器本身，并产生非常重要的影响：人工智能使低质量的传感器能够实现非常高质量的性能，从而带来一直以来的投资回报。到目前为止，许多物联网解决方案中还没有出现这种情况。

人工智能和实时定位系统

人工智能在传感器中的应用之一是实时定位系统(RTLS)。许多行业都采用人工智能和实时定位系统来跟踪移动资产，以更好地监控、优化和自动化关键流程。

医院中一个简单的例子是洁净设备室的管理——遍布整个医院的储藏室，存放洁净设备以供使用。需要设备的护士应该能够在洁净室中准确找到他们需要的东西。

然而，如果洁净室库存水平没有得到正确维护，那么设备可能无法使用，从而迫使医院进行漫长的搜索，从而影响患者的安全和员工的工作效率，最终迫使医院过度购买昂贵的设备（通常是两倍），以确保有足够的设备可用性过剩。

如果您可以自动确定设备的位置，您就可以轻松跟踪每个洁净室中可用设备的数量，并在库存不足时自动触发补货。这是 RTLS 的一种用途，其中要求确定设备位于哪个房间。是在病房中吗？那么就无法使用了。是在洁净室里吗？然后它会影响可用设备的数量。

因此，以极高的置信度确定设备位于哪个房间至关重要：位置错误会让您认为您正在寻找的三个 IV 泵位于 12 号病房，而实际上它们位于隔壁的洁净室，这会导致通过高估可用泵来破坏过程。

通过 RTLS，移动标签被附加到资产上，固定基础设施（通常在天花板或墙壁上）确定标签的位置。各种无线技术被用来实现这一目标，而这正是人工智能产生重大积极影响的地方。使用的技术属于两个阵营之一：

1.      不穿透墙壁的无线技术，例如超声波和红外线。通过在每个房间放置接收器并侦听移动标签的传输来实现房间级精度。如果您能听到标签的声音，则它一定与您在同一个房间。达到房间级精度。

2.      确实可以穿透墙壁的无线技术，例如 Wi-Fi 和蓝牙（最常见的是低功耗蓝牙或 BLE）。接收器遍布整个建筑物，测量接收到的标签传输的信号强度，从而通过算法确定标签的位置。

常见问题

第 一阵营——非穿墙技术——的问题是多方面的。当有人没关门时会发生什么？（大多数医院的共同政策）。在没有墙壁的情况下如何确定设备的位置？（设备通常存放在露天区域）。

答案是在每个房间放置设备的成本已经非常高的要求中添加越来越多的基础设施设备，这意味着这些解决方案很快就会变得成本高昂，而且部署起来非常麻烦。

2 号营地需要的基础设施要少得多，从价格的角度来看更有吸引力，但也有局限性。测量多个固定接收器处从单个标签接收到的信号强度支持标签位置的确定性计算。通过使用信号强度如何随距离下降的通用模型，可以进行粗略的范围估计，并且三个范围估计产生 2D 位置估计。软件中的地理围栏将这些二维坐标转换为房间占用情况。

问题在于，信号在该范围内下降的方式复杂且混乱，不仅受到信号阻挡（墙壁、设备、人员）的影响，而且还受到多个信号反射相互作用（“多径衰落”）的影响。最终结果是确定位置的精度为 8 到 10 米或更差，不足以确定物体位于哪个房间。

机器学习

具有机器学习背景的人可能已经发现了一个机会：确定物体所在的房间不是跟踪问题，而是分类问题。与所有的顿悟一样，新一代的实时定位系统公司需要从他们的算法中退一步，以新的眼光来看待这个问题。正是在这里，人工智能正在改变 RTLS。

如果您可以利用 2 号营地的低成本技术来实现与 1 号营地相同的性能水平会怎么样？如果您可以在不付出成本的情况下提供所有价值怎么办？通过利用 BLE 传感器并应用机器学习，这正是人工智能为派对带来的效果。

为什么不利用信号强度作为特征来训练分类算法，而不是根据信号强度做出非常差的范围估计呢？由于信号穿透多堵墙，单个标签可以听到来自多个固定基础设施设备的信号，这些设备提供大量功能，可以对房间占用情况进行非常高置信度的推断。AI 在安装过程中接受一次训练，学习足以区分房间 1 和房间 2 等的特征。

这是思维方式的根本性转变，具有非常深远的成果。对于传统 Wi-Fi 和 BLE 系统，建筑物中的混沌信号传播会造成信号强度的巨大变化，从而混淆范围估计算法。

结果是精度非常差，但相反，从一个地方到另一个地方信号强度的相同变化正是使 ML 成为如此强大工具的特征变化。碾压传统方法的信号传播特性正是人工智能所需的素材。

RTLS 已经进入了一个新时代，在云大小的大脑上运行的复杂机器学习算法可以采用分类方法来定位对象。人工智能和实时定位系统的成果是高性能、低成本的传感器，这些传感器正在改进关键流程，并使医院能够以更低的成本提供更好的服务并取得更好的结果。