一种融合区域风险与累计暴露的矿工状态分级预警方法

本发明涉及地下矿山智能安全监测，具体涉及一种融合区域风险与累计暴露的矿工状态分级预警方法。

背景技术：

1、地下矿山作业环境封闭、空间受限、通风条件差异显著，人员长期处于高温、高湿、粉尘及有害气体可能聚集的复杂条件下。矿工安全状态不仅取决于个体生理波动与动作行为变化，还与所在区域的通风有效性、有害气体历史异常频次、热负荷水平、逃生距离及避灾硐室可达性等属性密切相关。精准识别矿工作业状态并及时分级预警，已成为井下安全监测的核心技术难题。

2、现有监测手段主要包括环境气体单点超限报警、人员定位越界报警及可穿戴设备阈值触发报警三类。上述方法对明显突变事件具有一定识别能力，但对疲劳累积、热应激加深及早期中毒征兆等缓慢演化状态，单时刻瞬时特征缺乏足够表征力，易导致识别滞后或漏报。在低剂量有害气体持续暴露、湿热环境长期作用及高强度体力作业叠加时，人员风险呈现显著累积特性，仅凭瞬时阈值无法刻画风险随暴露时间与活动强度递增的演化规律。

3、现有算法普遍将不同区域的人员状态样本等同处理，未将区域风险属性纳入判定体系。在回风巷、通风盲区、历史异常高发区、远离避灾硐室或禁入区域中，同等生理波动或动作异常所蕴含的风险远高于一般区域；而在低风险区域，部分瞬时异常可能源于剧烈运动或传感器佩戴干扰。缺乏区域差异化引导，导致低风险区域误报频发、高风险区域漏报严重，削弱了预警系统的可信度与现场响应意愿。

4、现有方法对人员轨迹的利用局限于越界判别或停留时长统计，未能将区域停留聚集、路径偏离、异常绕行及禁入靠近等空间分布特征有效融入识别模型。判定策略多基于孤立时间窗，忽视连续窗口间各模态特征的时序演化关系，难以捕捉正常向异常状态渐变的过程。

5、同时，井下异常状态样本稀缺致使模型训练面临严重类别不平衡，对中毒征兆、热应激及跌倒等异常状态识别灵敏度不足。预警输出方面，单阈值或单窗口策略易在类别边界处产生报警频繁跳变，且对慢变量状态与突发事件的响应逻辑缺乏合理区分，难以实现稳定可靠的分级预警。

6、因此，解决瞬时特征难以表征累积风险、区域风险属性未参与模型判定、多模态时空特征融合不充分、异常样本稀缺导致识别偏差以及预警输出缺乏分级滞回机制的技术问题，是本领域亟需攻克的重点方向。

7、公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

技术实现思路

1、针对上述技术问题，本发明实施例提供了一种融合区域风险与累计暴露的矿工状态分级预警方法，以解决上述背景技术中提出的问题，包括以下步骤：

2、一种融合区域风险与累计暴露的矿工状态分级预警方法，包括以下步骤：

3、s1、获取作业人员在统一时间轴和统一空间网格下的人员-环境-区域融合样本，融合样本包括作业人员位置信息、生理信息、动作信息、区域环境信息和区域属性信息；

4、s2、根据融合样本构建滑动时间窗，并在每个滑动时间窗内提取生理时序特征、动作行为特征和人员轨迹特征；

5、s3、根据区域环境信息、作业人员活动强度和区域停留时间，计算作业人员在滑动时间窗内的累计暴露特征；

6、s4、根据区域属性信息构建区域风险编码，区域风险编码包括通风风险编码、气体风险编码、热负荷风险编码、逃生困难度编码和禁入属性编码；

7、s5、将生理时序特征、动作行为特征、人员轨迹特征、累计暴露特征和区域风险编码输入状态识别模型；

8、s6、状态识别模型包括一维卷积子网络、二维卷积子网络、风险嵌入层、特征拼接与归一化模块、长短时记忆网络、区域风险引导注意力层和分类器；一维卷积子网络、二维卷积子网络和风险嵌入层的输出经特征拼接与归一化模块拼接后输入长短时记忆网络；

9、s7、区域风险引导注意力层利用区域风险编码生成注意力权重，并对各模态特征进行加权融合，得到多模态融合特征；

10、s8、分类器根据多模态融合特征输出作业人员状态类别及置信度，状态类别包括正常作业、疲劳、热应激、中毒征兆和行为异常；

11、s9、根据状态类别、置信度、持续时间、区域风险编码和事件优先规则生成分级预警结果，并将分级预警结果发送至可穿戴终端、矿灯、语音广播系统、灯带指示系统或调度平台。

12、优选的，步骤s2中，生理时序特征包括心率均值、心率变化率、血氧下降幅度和皮肤温升速率；

13、动作行为特征包括步频、姿态突变次数、跌落冲击强度、长时静止时长和路径偏离量；

14、人员轨迹特征包括区域停留时间、区域切换次数、轨迹热力图和区域占用矩阵。

15、优选的，步骤s3中，累计暴露特征按照e=σ[renv(t)×a(t)×δt]计算；

16、其中，e为累计暴露特征，renv(t)为t时刻的环境风险强度，a(t)为t时刻的作业人员活动强度，δt为采样时间间隔。

17、优选的，环境风险强度renv(t)由有害气体风险项、缺氧风险项和热环境风险项加权得到；

18、有害气体风险项由一氧化碳、硫化氢、甲烷、二氧化氮中的至少一种气体浓度相对于对应安全阈值的归一化超限程度确定；热环境风险项由温度、湿度、风速和人员活动强度共同确定。

19、优选的，步骤s4中，区域风险编码根据作业区域的通风条件、历史气体异常频次、温度基线、逃生距离、避灾硐室可达性、禁入标识和通信覆盖等级生成，并以离散等级编码、连续归一化编码或嵌入向量中的任意一种形式输入状态识别模型。

20、优选的，步骤s6中，一维卷积子网络包括至少一层一维卷积层和池化层，用于提取生理序列和环境序列的局部变化特征，生理序列和环境序列包括心率、血氧、温度、气体浓度和累计暴露序列；

21、二维卷积子网络包括至少一层二维卷积层和池化层，用于提取人员轨迹热力图或区域占用矩阵的空间分布特征，空间分布特征包括空间聚集、路径偏离和禁入区域靠近特征；

22、风险嵌入层用于将累计暴露特征和区域风险编码转换为风险语义特征；长短时记忆网络用于提取连续时间窗内的状态演化特征。

23、优选的，步骤s7中，区域风险引导注意力层根据区域风险编码生成模态注意力权重，并将高通风风险区域中的环境特征权重、热负荷高区域中的生理温升特征权重以及逃生困难区域中的行为异常特征权重提高。

24、优选的，步骤s9中，分级预警结果包括提示级预警、中等级预警和高等级预警；

25、当状态类别为跌倒、中毒征兆、禁入区域闯入或长时静止且置信度高于第一阈值时，触发高等级预警；

26、当状态类别为疲劳或热应激且在连续多个时间窗内出现并且置信度高于第二阈值时，触发中等级预警；当状态类别为瞬时异常且置信度低于第二阈值时，触发提示级预警或继续观测。

27、优选的，状态识别模型的训练样本根据现场标注、班组巡检记录、调度处置记录、可穿戴终端事件标签和环境超限记录生成，并采用类别重采样、损失函数加权或难例挖掘方式降低异常状态样本稀缺导致的类别偏置。

28、本发明实施例提供的一种融合区域风险与累计暴露的矿工状态分级预警方法，具有以下有益效果：

29、（1）本发明通过累计暴露特征的构建，将有害气体浓度、热环境指标、人员活动强度与区域停留时间进行耦合表征，使模型能够捕捉低剂量长时间暴露和湿热环境持续作用下风险的递增演化规律，有效解决了瞬时特征对缓慢演化状态识别滞后的问题，显著提升了疲劳、热应激及早期中毒征兆等累积性风险的预警及时性。

30、（2）本发明通过区域风险编码与注意力机制的协同设计，使状态识别模型能够根据作业区域的风属性、气体异常历史、热负荷水平、逃生困难度及禁入属性，自适应调整生理、动作、轨迹、环境及累计暴露特征的注意力权重，实现了区域风险对多模态特征判定的差异化引导，有效降低了低风险区域的误报率和高风险区域的漏报率。

31、（3）本发明通过一维卷积子网络、二维卷积子网络与长短时记忆网络的级联架构，实现了局部时序变化特征、轨迹空间分布特征与连续时间窗状态演化特征的联合提取，弥补了现有方法对轨迹空间信息利用不足和孤立时间窗决策的缺陷，增强了模型对正常状态向异常状态渐变过程的识别能力。

32、（4）本发明针对异常状态样本稀缺问题，采用类别重采样、损失函数加权与难例挖掘相结合的训练策略，有效抑制了类别不平衡导致的识别偏置，提高了对中毒征兆、热应激及跌倒等异常状态的分类灵敏度。同时，分级预警机制结合事件优先规则与滞回控制，对突发高风险事件和慢变量累积状态实施差异化响应，并消除了预警等级在类别边界处的频繁跳变，保障了预警输出的稳定性和可靠性。