苗常启 周兴旺 张瀚文 张 磊 王金鑫

(郑州大学 地球科学与技术学院, 河南 郑州 450001)

0 引言

随着我国社会经济的快速发展,社会环境与矛盾也日益复杂,刑事案件中的恶性袭警事件频繁发生。据统计,2010—2015年,我国公安机关因公牺牲的民警有2 567人,负伤25 340人,其中,暴力袭警引起的伤亡人数占总数的42.8%[1]。2016年,全国因公牺牲民警362人、受伤民警4 913人[2]。2018年7月25日至8月6日,在不到半个月的时间内,全国发生多起持刀袭警、暴力抗法、咬伤民警等袭警辱警事件10余起,造成3名民警辅警牺牲、数名民警辅警受重伤或轻伤[3]。警务人员被突然袭击时,因防护系统问题、增援不及时或不能及时得到具体位置,最终酿成悲剧的例子数不胜数。卫星定位是当代空间科技的制高点。2020年7月底,我国北斗卫星导航系统(BeiDou Navigation Satellite System,BDS)正式开通,面向全球提供定位导航授时、全球短报文通信、国际搜救、星基增强、地基增强、精密单点定位和区域短报文通信七种服务。惯性导航系统(Inertial Navigation System,INS)是通过测量速度和加速度等参数,并对测得参数进行积分运算,实时获取物体的位置和速度信息。惯性导航系统通常内置在待测物体中,通过自身传感器获得待测信息,不依赖于卫星等外部条件,对外界变化不敏感[4]。与此同时,我国也在快速发展具有专业性强、灵敏度高、响应速度快等特点的生物传感器,并加速推进其在医学领域的应用[5]。深度学习(Deep Learning)是建立在计算机神经网络理论和机器学习理论上的系统科学, 它使用建立在复杂的机器结构上的多处理层, 结合非线性转换方法算法, 对高层复杂数据模型进行抽象[6]。在北斗卫星导航系统、惯性导航系统、传感器技术、深度学习和地理信息系统(Geographic Information System,GIS)等技术的有机结合下,研究开发自动化、智能化的执法人员保护系统已迫在眉睫。本系统致力于建成一个警员之间相互联系的防护系统,解决警员之间增援迟缓问题。在一人被袭击时,其他联动警员能够第一时间发现险情,并赶赴现场进行支援,从而有效保障警员的安全。

1 系统总体框架与运行机制

1.1 系统总体构架

系统以手机和警员警靴为载体,结合卫星定位、网络通信、GIS等技术,形成了一套有机的警员保护机制。该系统可分为以下几部分:警员警靴、手机端应用程序(Application,APP)、数据库和控制中心。警靴负责警员身体指标的采集及与警员手机的连接;APP负责对警员警靴发送的身体指标进行综合处理、向其他警员和控制中心传送信息以及路线的规划和可视化;数据库主要用于存储系统所用的空间信息和属性信息;控制中心则对警员进行整体的部署调度。系统总体构架如图1所示。

图1 系统总体构架图

1.2 系统运行机制

系统运行路线分为三部分,分别为预警阶段、警报处理阶段以及事后处理阶段。

1.2.1预警阶段

警靴通过北斗芯片自动定位,向控制中心发送实时位置信息,并通过蓝牙模块,将所测得的警员身体相关参数发送给自身的手机,由手机对所接受到的信息做出以下处理:

(1)主动判断

警员判断自身处于危险状态,做出特定动作,触发交互模块。手机接收到模块状态变化信号后,立即向控制中心报警,并向其他警员发送求助信息。

(2)水平仪自动判断

警员受到袭击倒地时,则利用警靴中的水平仪触发警报。此时数字水平仪所测得的参数将超过手机设定的度数范围(时长3 s左右),使手机向周围关联警员和控制中心发出求救信号。

(3)专家系统自动判断

手机端未接收到警员做出主动动作的信号,且未触发水平仪警报时,则通过对警员的身体指标进行判断。若通过处理警员的心率、血压、血氧等综合信息发现警员处于危险状态,则在手机端进行报警。

1.2.2警报处理阶段

当警员遇险且系统处于报警状态时,其他警员根据控制中心的调度安排,快速抵达事发地点进行救援。此时警员的手机为可视化的工具,即在手机端APP中,显示抵达危险警员所在地的最佳路线。

1.2.3事后处理阶段

数据库存储报警时警员的位置信息和身体状态信息。险情解除后,对是否误报进行评价。并运用报警过程中警员的身体体征,对警员个人报警算法参数进行优化,由此减少误报概率,提高报警精度,形成“私人订制”系统。系统技术路线图如图2所示。

图2 系统技术路线图

2 系统功能模块设计

2.1 警员警靴设计

警靴由微控制单元(Micro Control Unit,MCU)、心率传感器、体温传感器、血压传感器、数字水平仪、蓝牙模块、互联网模块、电池模块、电路模块等组成。警员警靴构成如图3所示。

图3 警靴构成图

警靴芯片采用MT2503芯片[7],该系列芯片是一个高度集成且面积极小的SiP(System in Package)。它具备Bluetooth 3.0、2 G基带、且支持双星系统[7]。将该模块用于警靴的设计,可同时支持蓝牙3.0和互联网模块,为警靴功能的高效实现提供了便利。处理器为ARM7EJ-STM核心,具有内嵌内存,常用于穿戴设备、物流和行动追踪设备等方面。

心率传感器是监测个人心率的传感器。测量心率的方法采用光电容积脉搏波描记法(Photo Plethysmo Graphy,PPG)。这是一种将光照进皮肤来测量因血液流动而产生的光散射的方法,也是市面上大部分可穿戴设备使用的测量心率的方法。当血流动力发生改变时(如心率或血容积发生变化),进入人体的光会发生可预见的散射,通过测量穿透血液的不同光线的衰减程度,再利用血氧(HbO2)和血红蛋白(Hb)对红光和红外光的吸收率各不相同的特征,可以算出他们在血液中的含量,并以此来测量脉搏特征[8]。这种探测方法操作简单、性能稳定且适应性强,但消耗能量较多,且测量结果和实际值有一定误差[9]。

数字水平仪是基于传感器、数字信号处理、MCU技术的仪器,是当前倾角测试仪器数字化发展的方向,能够测量仪器测量面与水平面的倾角,并以数字信号的方式传递给微控制单元。该模块可采用分辨率高、能耗低的ADXL345三轴加速度传感器[10]模块。

全球导航卫星系统(Global Navigation Satellite System,GNSS)辅助惯性导航系统,是解决室内导航和GNSS信号弱的情况下精确导航问题的较为成熟的系统。惯性导航可采用运动跟踪模块制造商Xsens公司推出的MTi-680G模块。其集成内部实时动态(Real-Time Kinematic,RTK)功能可将标准商用GNSS接收机中的最大定位误差从1 m降低到0.02 m,具有厘米级精确定位功能,包含RTK GNSS接收器以及同步的三维姿态和航向输出[4]。

蓝牙模块采用JDY-30模块,该模块基于蓝牙3.0协议标准,其传输通信频率为2.4 GHz,采用无线通信方式,广泛应用于电子设备之间的短距离、高速数据传输,同时具有传输稳定,能耗低的优点[11]。

2G模块选择较多,例如可靠性高、稳定性和接口通用性强的中兴MG2639模块[12]。该模块支持全球移动通信系统/通用无线分组业务+全球定位系统+北斗功能,且支持短信、数据、电话本等功能,被广泛应用于数据传输、安防监控、医疗监护等领域。

交互模块为按键控制的独立电路。即微控制单元中独立的控制分支,当按下按键时,促使手机端向外传输特定信息进行报警。

2.2 手机端功能设计

手机具有强大的计算能力,在手机端完成警员身体指标的接收和处理是很好的选择。除去登录、修改密码、修改个人信息等基本操作之外,手机端主要完成以下功能。

2.2.1信息处理功能

在警员有危险时,手机将对警靴发送的信息进行处理,并传输信号给附近的警员和控制中心,且在控制中心的系统将该警员标记为报警状态,以供人员安排调度。

2.2.2取消求救功能

在危险情况解除后,或者系统误报危险情况时,警员可通过手机端APP进行操作,解除报警状态,停止心率血压信息的储存,转为正常监测状态。

2.2.3可视化功能

附近警员接到遇险警员的警报信息后,手机端APP会对遇险警员的附近警员在地图上安排路线,并提供导航,以便其快速抵达现场。同时手机端还可以可显示警员自身以及其他关联警员的身体状况和警报情况。

2.2.4私人定制功能

警员在APP中有属于个人的账号信息。在系统处于警报状态时,APP会记录并储存报警过程中心率、血压等各项参数,在报警解除后,各项数据与个人账号绑定,存入数据库,通过人工智能深度学习算法,自动调整个人警报参数范围,从而达到警员个人定制身体参数范围需求。

2.3 数据库设计

存储和管理空间数据是GIS的核心任务之一[13]。本系统采用关系数据库及空间数据引擎存储管理空间信息和属性信息。空间数据包含地图背景数据、警员的实时位置信息和一段时间尺度内警员遇险的位置信息;属性信息则包含警员的姓名、性别、年龄以及身体的各项指标。

2.4 控制中心设计

控制中心处于本系统的核心位置,位于警局的指挥中心。可显示各个警员的实时位置,并对他们进行调度指挥。当某个警员发出警报信息后,控制中心会自动将该警员的图层改为特殊标记,将其和其他警员区分开,并做出适当的调度决定。控制中心可实时操作数据库中的信息,通过一段时间的实际应用,对警员安全事故多发区进行等级划分,进而有效预防警员安全事故。

3 系统关键技术

3.1 位置信息获取及警靴建模

北斗警靴采用北斗芯片进行定位。北斗卫星导航系统进行定位,可用精度10 m,测速精度0.2 m/s,授时精度10 nm/s,足以满足该系统的需求。当警员处于室内或GNSS信号弱时,采用BDS和INS来完成准确的定位。惯性导航系统不仅可对BDS的定位精度进行提升,且可在短时间BDS信号中断期间,提供精确的定位。

警靴建模示意图如图4所示。警靴中的单片机集成模块包含MT2503芯片、ARM7EJ-STM核心、三轴加速度传感器ADXL345模块、2G通信模块以及惯性导航模块。ADXL345模块位于鞋底,能够测量不到1.0度的角度变化,警员正常水平站立时,该模块与水平地面平行,所测度数为0度。蓝牙以及电池模块,亦位于鞋底。心率血氧传感器、血压传感器和体温传感器位于脚踝或脚面与身体密切接触处,以便测得较为准确的身体指标。交互模块位于鞋子后跟上方,该位置日常生活不易触及,在紧急且有反映时间的情况下,可通过触发此按键进行警报。

图4 警靴建模示意图

3.2 数据存储与处理

数据的存储采用关系型数据库。随着系统运营时间的增加,数据库中存储的数据规模也越开越大,这对服务器硬件的要求就更加严格,一旦服务器设备无法承受数据库的工作,将可能导致整个系统瘫痪。因此，服务器建议采用支持系统多、存储稳定性良好的MySQL数据库服务器,从而达到满足长期运行且读写操作不易出现错误的目的。

警员的实时位置和身体体征信息数据通过蓝牙传输到手机端,经由手机接收并解译,对不同情况下的数据进行分类和存储。手机端得到警靴所传输的数据后(包含心率、数字水平仪度数、身体温度、血氧含量、特殊警报等),通过预先设计的算法,实现上述三种情况的求救。

3.3 专家系统和参数的自我更新

专家系统是系统是否准确报警的关键之一。警员受到袭击(未倒地),且未使用触发交互模块时,手机端可通过对心率、血压、体温、血氧的监测,判断是否发出求救信号。

该算法对警员当前处于危险的状况进行预测,分为三步。第一步,利用深度神经网络(Deep Neural Networks,DNN)对警员身体指标信息总数聚集进行训练得到权重参数W1;第二步,利用DNN对警员个人数据集进行训练得到权重参数W2;第三步,从总数据集和个人数据集中各选取n条数据组成数据集,利用前两步训练得到的权重参数W1和W2,分别计算出警员目前处于危险的概率X1和X2,并组成新矩阵[X1,X2],同时把2n条数据的危险状况作为训练集,利用logistic模型进行训练得出权重参数W3。当手机端得到警员的身体特征数据时,分别利用权重W1和W2计算出两个警员处于危险状态的概率数据,带入W3权重参数中,输出警员此时处于危险的概率y,判断警员状态。该算法利用了个人数据集对训练结果进行纠正,在理想状态下,系统经过一段时间的监测,可自动将参数调整至合适范围,相当于为每一位警员量身定做一套个人系统。算法流程如图5所示。

图5 深度学习算法流程图

3.4 手机端轨迹分析及可视化

轨迹分析和路径可视化是找到遇险警员运行轨迹和到达遇险警员位置的关键部分。GIS的核心功能就是空间分析,利用GIS配合遇险警员的位置信息进行时空位置分析,找到其位置,并规划出周围警员到达遇险警员的路径,是本系统中GIS的核心作用。手机端APP可调用百度地图的应用程序接口,进行地图显示,并运用GIS进行路径规划。在本系统的地图中,可加入警员可翻越的矮墙等数据,并对其进行可视化,方便周围警员通过更短的路径到达遇险警员的所在地,进而节省时间。

4 结束语

本文设计了一个基于北斗、惯性导航、传感器技术、深度学习、GIS和具有可穿戴终端的警员联动保护系统。该系统通过对警员的各项身体指标进行监测,建立一个个性化的生理指标体系,并通过深度学习建立判断警员是否受到袭击的模型,进而实现了警员安全的智能保障。在终端警靴部分,通过北斗获取警员位置,通过传感器获取警员的身体体征和运动状态,通过蓝牙和2G模块实现数据传输,并结合手机端APP进行报警;在数据处理部分,本系统对每次事故参数进行记录,并运用深度学习算法自动矫正系统中的相关参数,最终可实现量身定制;GIS在系统中被用于进行可视化和路径规划;而控制中心则可基于提供的决策级数据进行总体指挥。本文设计的警靴具有不易损坏,且空间充足的特点,为各项仪器提供了较为稳定的环境和充足的空间。本设计对广大执法人员的实时安全监控与管理具有重要的实用价值。

在本系统中存在的问题:第三种警报方式所涉及的专家系统精度有待提升。此处利用深度学习算法,对警员的体征数据进行处理,判断其所处状态,以达到警报目的。但目前对人体脚部体征测量的生物传感器的精度有待提高;同时若要达利用警员体征数据进行准确警报的效果,系统需要对警员个人体征数据进行一段时间的监测,不能达到“即用即准确的效果”。