大数据下数字化矿山井下人员职业安全跟踪系统设计

李春贺

关键词： 大数据; 数字化矿山; 井下作业; 职业安全; 安全跟踪; 信号衰落模型

中图分类号： TN02?34; TP273                    文献标识码： A                      文章编号： 1004?373X（2019）05?0040?05

Design of occupational safety tracking system for digital mine

underground personnel in big data environment

LI Chunhe

（China University of Mining & Technology （Beijing）， Beijing 100083， China）

Abstract： According to the operation information flow of digital mine in big data environment， the overall structure of the system is designed. In the second section of this paper， the CC2431 is adopted as the core controller of master station， six reference nodes at least are used to form a wireless network， the substation beacon nodes are set up to determine the position of operators by analyzing the angle between beacon node and blind node， and the coordinator is designed to provide routing services for nodes and hardware support for the implementation of the software localization algorithm. According to the function sequence diagram， the distribution of underground personnel in digitized mine is analyzed， and the distance from the identification card to two sub?stations is calculated by constructing the signal fading model to complete the occupational safety tracking of personnel. The experimental results show that， with the increase of the number of workers， the tracking efficiency of the system remains above 85%， and the system provides a guarantee for the operation safety of underground mine personnel.

Keywords： big data; digital mine; underground operation; occupation safety; safety tracking; signal fading model

0  引  言

近几年，信息技术快速发展，使得不同行业都向着数字化方向转变，其中矿业公司也不例外。利用信息技术对数字化矿山井下作业人员进行统一管理，能够有效提高矿山开发效率。目前，数字化矿山作业还存在一些问题，其中最为突出的是矿山井上人员信息不统一，在不同时间内都建立各自独立运行部分，导致系统无法及时上报信息，各个部门之间也无法协调运行，此时会形成信息孤岛，工作人员无法及时进行决策，导致作业人员生命安全受到威胁[1]。

由于井下工作人员作业地点不同，一旦发生灾变将难以确定井下人员位置，无法实现事故发生后的及时营救。传统安全跟踪系统无法实时报告人员具体位置，也无法进行实时通信，只能对井下人员进行区域性考勤登记，无法满足事故救援需要[2]。为了保障煤矿产业安全生产，本文提出大数据下数字化矿山井下人员职业安全跟踪系统设计，为矿山井下人员工作安全提供保障。

1  系统总体结构设计

数字化矿山井下安全跟踪系统内部所设计的基站需要相互通信，采用MGXTSV?4B 型号光缆进行连接可防止煤矿突然发生火灾所造成的信息中断现象发生。而主机运行监控软件需经过通信适配器与井上连接，并放置在井下各个检测点之中[3]。数字化矿山井下定位基站能够将采集到的信号向其他接收终端发射出去，并在四周形成信号场，当职工经过信号场时，其身上的标识卡将被跟踪，此时系统立即接收到反射回来的信号，并再次向四周释放[4]。

为了实现人员职业安全跟踪，需在大数据环境下构架网络平台，由此处理大数据，并对系统所需原始数据进行分析，以数据流形式表述，如图1所示。

由图1可知，用户信息、活动信息以及报表信息全部都在其中。在大数据环境下对这些信息进行处理，挑选出考勤信息和人员登记信息，以该信息为基准设计系统总体结构，如图2所示。

由图2可知，人员职业安全跟踪系统定位由基站、标识卡和现场总线组成，一旦基站被激活，那么带有职工信息的标识卡将向接收终端发送信号，一旦各个终端接收到该信号，那么管理人员可手动按下报警按钮，使工作中心及时发现危险[5]。

2  硬件结构设计

根据数字化矿山井下特殊要求，需采用DD?WRT开源路由協议扩展无线网络，并将BelkinF5D7230作为主板，使用高性能、低能耗的BCM4716型号处理器，可满足矿山井下作业要求。以标识卡为基本采集工具，采集矿山井下地理信息和工作信息，并对异常状态进行预警，实现对矿山井下人员职业安全跟踪[6]。具体结构设计如图3所示。

由图3可知，人员职业安全跟踪系统硬件结构主要包括主站、分站和协调器，均通过现场总线连接，形成封闭性结构[7]。设置人员位置监测分站，共用一套数据传输系统，而数据则由各自监控软件部分进行处理[8]。

2.1  主站结构设计

主站既是系统信息处理核心，又是信息获取主要来源，经过主站完成数据筛选与信息存储;而分站与协调形成动态信息采集区域，通过一定的信息传送方式，可将数据汇总到主站。主站结构设计如图4所示。

采用CC2431作为主站核心控制器，由于该控制器缺少其他元件支持，导致部分结构不能完全被利用，但其芯片具有精准定位功能，因此，至少使用6个参考节点组成大数据网络，在该环境下进行人员安全精准定位与跟踪[9]。

2.2  分站信标节点设置

分站结构是由网络路由节点、信标节点和盲节点共同组成的，如图5所示。

由图5可知：盲节点设置是为了保证工作人员在施工过程中具有充足的照明，在其头部设置灯点，该点内部安装了定位终端;信标节点设置是为了固定位置而设置的参考终端;而协调器设置是为了信息快速收集和传输，需组建定位子网络，将其收集到的信息全部传输到井上。通过计算信标节点与盲节点之间的角度确定盲节点位置，进而定位到作业人员位置。

2.3  协调器设计

根据上述内容可知，协调器的主要功能是为节点提供路由服务，能够接收来自盲节点和信标节点的定位信息，根据定位信息完成软件部分定位算法[10]。

根据定位信息传送的数据，可将其传输到基站上，结果如图6所示。

由图6可知，采用非平衡天线设计协调器来连接各个变压器，使电源电压能够稳定输出，保证信息接收与发送性能良好。利用RS 232接口可将采集到的信息全部传输到主站，一旦出现信息终端现象，则说明协调器出现故障，立刻通知维护人员更换或维修协调器，保证跟踪系统的实时性。

3  软件功能设计

根据具体人员工作状态，充分考虑数字化矿山井下环境特殊性，采用线性空间定位算法，将两个分站信息发送给终端，利用标识卡进行双向通信，通过一定的算法获取标识卡与分站之间的实际距离，由此实现软件功能设计。设计用户登录功能序列，为定位算法研究提供支持，具体设计图如图7所示。

根据该功能序列图可研究系统在相互作用时所进行的行为，能够实时记录细节，通过描述不同工作状态下所传送的信息，可满足登录功能实际需求。

由于电磁场在数字化矿山井下的传递受到人员布局因素影响，导致网络通信信号呈现衰落现象，而这种现象是无法预测的，因此需要构建衰落模型，保证追踪结果的有效性。

模型构建如下：

[P1s=P0s0-10θlnss0] （1）

式中：[s]表示人工标识卡到目标分站之间行走的距离;[P1s]表示[s]距离下产生的衰减信号功率;[s0]表示人工标识卡到综合分站行走的距离;[P0]表示信号发射功率;[θ]表示人工行走过程中标识卡消耗的速率。根据式（1）可计算路径损耗情况，随着通信距离增大，损耗也随之增加。

设信号发射功率为[PA]，[x]分站发射功率为[Px]，[y]分站发射功率为[Py]，[x]和[y]分站之间的距离为[L]，人工标识卡[A]到[x，y]分站行走的距离分别为[dx]，[dy]，由此可知[x，y]之间的距离为[dx+dy]。当人工标识卡同时向分站[x，y]发送信号时，接收到的信号强度为：

[RxA=PA-TxARyA=PA-TyA] （2）

式中：[TxA]表示信号从[x]站向外传输时信号整体衰落情况;[TyA]表示信号从[y]站向外传输时信号整体衰落情况。

设[Rxy]表示分站[x]接收到的信号强度值;[Ryx]表示分站[Y]接收到的信号强度值，由此可得出：

[Rxy=P（y）-TyxRyx=P（x）-TxyTyx=Txy=P0s0-10θlndx+dys0] （3）

式中：[Tyx]和[Txy]分别表示从分站[x]和分站[y]传输时所产生的信号衰落。

整理式（2）与式（3）之间的关系，结果如下：

[RxA-Rxy=PA-Py+10θlndxs0-10θlndx+dys0RyA-Ryx=PA-Px+10θlndys0-10θlndx+dys0] （4）

由于分站和标识卡具有相同的發射功率，由此可计算出[dx]，[dy]值，进而确定人员位置，实现大数据下数字化矿山井下人员职业安全跟踪系统设计。

4  实  验

为了验证大数据下数字化矿山井下人员职业安全跟踪系统设计的合理性，进行如下实验。

4.1  实验参数设置

实验参数设置如表1所示。

根据该参数对数据进行分析。

4.2  数据分析

通过在工作人员头部的照明装置内安装定位终端，可快速进行信息收集和传输，确定盲节点位置，保证工作人员位置定位的精准性。收集与之相关数据，如表2所示。

由表2可知，当节点数量呈现有选择性剔除时，网络拓扑结构出现变化，最大连通分支规模一直处于实际规模上方，但失效节点数量却持续增加，这说明分站信标节点的设置可剔除不相关节点，保证其他节点的实用性。

4.3  实验结果与分析

根据上述数据分析结果，可将传统系统与大数据下数字化安全跟踪系统对数字化矿山井下人员定位精准度进行分析，结果如表3所示。

由表3可知，当实验次数分别为10，30，50，70次时，大数据下数字化安全跟踪系统比传统系统对数字化矿山井下人员定位精准度高70.073%，65.743%，55.852%，47.666%。由此可知，采用大数据下数字化安全跟踪系统对数字化矿山井下人员职业安全的定位精准度较高。

在该数据支持下，将两种系统的跟踪效率进行对比分析，结果如图8所示。

由图8可知：作业人数少于50人时，采用大数据下数字化安全跟踪系统与传统系统跟踪效率基本一致，但随着作业人数增加，跟踪效率逐渐降低。当作业人数为50人时，采用传统系统跟踪效率为53%，大数据下数字化安全跟踪效率为88%;当作业人数为60人时，采用传统系统跟踪效率为59%，大数据下数字化安全跟踪效率为82%;当作业人数为70人时，采用传统系统跟踪效率为48%，大数据下数字化安全跟踪效率为79%;当作业人数为80人时，采用传统系统跟踪效率为55%，大数据下数字化安全跟踪效率为90%;当作业人数为100人时，采用传统系统跟踪效率为46%，大数据下数字化安全跟踪效率为87%;当作业人数为120人时，采用传统系统跟踪效率为40%，大数据下数字化安全跟踪效率为85%。由此可知，采用大数据下数字化安全跟踪系统对数字化矿山井下人员职业安全的跟踪效率较高。

综上所述，大数据下数字化矿山井下人员职业安全跟踪系统设计是具有合理性的。

5  结  语

目前我国矿井人员定位跟踪系统处于发展阶段，但对于井下安全监控投入却日益加大，对于井下安全作业得到了有效改善。传统系统无法根据井下交错复杂的情况而精准定位到作业人员具体位置，导致跟踪效率较低。而本文提出的大数据下数字化矿山井下人员职业安全跟踪系统，设计了分站信标节点，可改善传统问题，使调度中心能够准确追踪到被困人员位置，使其得到及时救援，保障了矿山井下人员作业的安全。

参考文献

[1] 李凤贤.数字矿山物联网综合一体化系统建设[J].西安科技大学学报，2017，37（5）：765?770.

LI Fengxian. Integrated system construction of digital mine in Internet of Things [J]. Journal of Xian University of Science and Technology， 2017， 37（5）： 765?770.

[2] 王金华，汪有刚，傅俊皓.数字矿山关键技术研究与示范[J].煤炭学报，2016，41（6）：1323?1331.

WANG Jinhua， WANG Yougang， FU Junhao. Crucial technology research and demonstration of digital mines [J]. Journal of China coal society， 2016， 41（6）： 1323?1331.

[3] 刘香兰.煤矿安全生产大数据分析与管理平台设计研究[J].煤炭工程，2017，49（6）：32?35.

LIU Xianglan. Design and research of big data analysis and management platform for coal mine safety production [J]. Coal engineering， 2017， 49（6）： 32?35.

[4] 申琢.基于云计算和大数据挖掘的矿山事故预警系统研究与设计[J].中国煤炭，2017，43（12）：109?114.

SHEN Zhuo. Study on early warning system of coal mine accidents based on cloud computing and big data crunching platform [J]. China coal， 2017， 43（12）： 109?114.

[5] 邢朕国，杜文凤，梁喆，等.煤矿地下水实时跟踪监测预警系统设计[J].工矿自动化，2017，43（8）：72?75.

XING Zhenguo， DU Wenfeng， LIANG Zhe， et al. Design of real?time tracking monitoring and early warning system for coal mine groundwater [J]. Industry and mine automation， 2017， 43（8）： 72?75.

[6] 黎敏.基于五层物联网架构的煤矿安全监控系统设计[J].煤炭技术，2016，35（3）：264?266.

LI Min. Design of safety monitoring system in coal mine based on five layers Internet of Things [J]. Coal technology， 2016， 35（3）： 264?266.

[7] 刘建友，李代平.无线移动网络通信用户节点跟踪监测仿真[J].计算机仿真，2018，34（2）：24?26.

LIU Jianyou， LI Daiping. Simulation of wireless mobile network communication user node tracking monitoring [J]. Compu?ter simulation， 2018， 34（2）： 24?26.

[8] 蒙嘉文.无线网络中通信用户目标节点定位仿真研究[J].计算机仿真，2017，33（12）：275?278.

MENG Jiawen. Research on the localization of target node in wireless network [J]. Computer simulation， 2017， 33（12）： 275?278.

[9] LIU Jinyao， YU Shenshen， SUN Shijie， et al. Upper computer software of mine underground personnel positioning system based on WEB [J]. Safety in coal mines， 2017， 48（9）： 127?129.

[10] 李瑞华，乔玉峰，刘峰.基于物联网的矿井安全检测系统设计[J].电子设计工程，2016（2）：135?136.

LI Ruihua， QIAO Yufeng， LIU Feng. Design of mine safety detection system based on Internet of Things [J]. Electronic design engineering， 2016（2）： 135?136.