面向极端工业环境的物联网与数字孪生融合安全监测系统研究及其应用

来自多机构的研究人员针对极端工业环境中作业人员安全监测难题，开展了物联网（IoT）与数字孪生（DT）融合的定位与健康状态追踪研究，提出了一种集成时空映射提取技术和自适应遗传定位算法的框架，实现了高精度室内定位与异常行为识别，显著提升恶劣环境下人员安全保障能力。

　　

现代仓储物流系统已发展为涵盖复杂操作流程、快速任务执行和高强度人力需求的体系，尤其在极端工作环境中更为突出。冷链仓储设施作为典型代表，对食品、药品等易腐品的环境控制至关重要，但低温、密闭等恶劣条件给操作人员带来严重的健康安全风险。多国工业场景中屡次发生因缺乏有效监控系统导致的严重事故，例如香港国际机场货站曾出现工作人员因无法被及时定位而延误救援的悲剧。

确保极端工业环境下作业人员位置与健康状态的实时监测仍是重大挑战。传统GPS技术在室内因砖墙、钢材等材料造成的信号衰减而表现不佳，促使研究者探索更可靠的室内传感定位方案。基于物联网（IoT）的解决方案——包括射频识别（RFID）、蓝牙（Bluetooth）和数字孪生（Digital Twin, DT）等技术——已在建筑、钢铁制造等行业展现出潜力，用于人员跟踪、危险区域进入监控及自动警报触发。

尽管如此，仓储安全追踪系统仍面临多项挑战：物理与数字系统的无缝集成、可靠的异常行为检测算法设计，以及适应工业环境的高精度室内定位方法。尽管环境中存在门、墙、机械等多种障碍物导致信号衰减，接收信号强度指示（RSSI）仍是距离估计中最实用的方法之一，但其基于指纹识别的可靠性会随时间下降。

本研究提出以下贡献：

构建物联网与数字孪生驱动的追踪框架，提升极端工业环境中的操作员安全管理；

引入时空映射提取技术，实现真实与虚拟环境在时间和位置上的同步；

开发一套数字孪生模型，用于监测工业环境、检测异常静止行为，并在恶劣工作条件下提供精确室内定位数据；

通过实验模拟，在时间效能、分类效率、预测精度和稳定性等关键指标上对比评估所提出框架与现有先进技术。

论文结构如下：第二部分综述相关前沿研究，第三部分详述基于物联网与数字孪生技术的追踪框架及算法，第四部分讨论实验模拟与性能评估，最后第五部分总结并展望未来研究方向。