[发明专利]预测移动对象位置的系统和方法

说明书

技术领域

[0001]本发明总体上涉及一种对象监视及跟踪的系统和方法。本发明尤其涉及一种用于基于对移动对象的位置信息的记录数据进行统计地处理来概率统计地(problilistically)预测移动对象位置的系统和方法。

背景技术

[0002]对象根踪及监视技术目前广泛应用于工业和人们的生活。应用该技术的情况的一个例子为矿工通常在地下实施采矿操作的采矿工业。典型地，地下采矿操作需要工人在矿井中的复杂的地下通道(passageway)布置(arrangement)中行进。将大量的地下通道连接起来以形成用于为工人提供交换路线(commuting channel)并向地表运输矿石的复杂网路。

[0003]为了提高地下矿工的安全性，已经发展了不同的技术来跟踪矿工的移动路径，其中之一是射频识别(Radio Frequency Identification，RFID)技术。在采用RFID技术的监视系统中，将用唯一的识别信息来电子编程的RFID标签(tag)物理地附于工人身上。将大量的RFID阅读器放置于矿井中不同的地下位置。阅读器依靠阅读器的输出功率在几厘米到50米或更大的范围内发射无线电波，从而建立预定的电磁区。当RFID标签通过该电磁区时，该RFID阅读器解码在RFID标签中编码的数据并把该数据发送到外部服务器以供处理。因此，需要在地下矿井中对该RFID阅读器进行战略性地分配，以覆盖尽可能多的地下区域。

[0004]图1图示了已知的使用RFID技术的地下矿井监视系统。如图1所示，地下网络由在节点之间延伸的地下通道连接的多个节点(交叉点)A-C和E-N形成。在每个节点处，至少设置一个RFID阅读器以与附于地下矿工身上的RFID标签进行通信。假设每个RFID阅读器具有50米的覆盖范围，那么在长于100米的通道中将存在放置于该通道两端的RFID阅读器都不能同RFID标签建立通信的盲区。例如，假设图1中的通道BA，BC和BG都长于100米并且带有RFID标签的矿工正在移出三条通道的交叉点的RFID阅读器B的覆盖范围，那么直到矿工移动到下一个RFID阅读器的覆盖范围内时，才可能确定矿工的位置或者移动方向，下一个RFID阅读器可能是RFID阅读器A、RFID C或者RFID G。因此，在矿难事件发生时，当矿工位于其中一个盲区时，营救人员需要检查每一个盲区来搜索被困矿工。通常，搜索和营救无目标地或者按照一定顺序地实施，直到找到工人的位置。但是，如果矿工被困于最后搜索的盲区中，那么这种方法带来了浪费宝贵的营救时间的潜在问题。

[0005]因此，预测矿工的移动方向和位置是非常有利的。基于预测的矿工位置相继地实施营救会大大地加快营救速度。

发明内容

[0006]考虑到上述以及其它问题，本发明提供一种用于通过利用射频识别(RFID)技术预测在网络中的移动对象的位置的方法，其中该网络包括多个彼此连接的节点，在该网络的每一个节点处放置至少一个具有监视范围的RFID阅读器，并且至少一个RFID标签物理地附于该移动对象上。该方法包括当该移动对象在放置于节点处的RFID阅读器的监视范围内移动时生成与该移动对象有关的记录数据的步骤，并且统计地处理该记录数据以估计该移动对象位置。在监视范围内移动包括进入阅读器的信号范围和继续在阅读器的范围内的进一步移动。

[0007]在本方法的一个方面，统计地处理该记录数据以估计该移动对象的位置包括生成统计模型和将该统计模型应用于该记录数据。优选地，生成统计模型和将该统计模型应用于该记录数据包括基于该网络生成贝叶斯网络模型并将该贝叶斯网络模型应用于该记录数据。

[0008]在本方法的另一个方面，统计地处理该记录数据以估计该移动对象的位置包括生成取决于多个参数的位置约束模型和将该位置约束模型应用于该记录数据。优选地，该多个参数从由该移动对象的移动速度、该移动对象的移动历史、网络的情况、预测该移动对象的位置的时间和它们的任何组合组成的组中选择。

[0009]在本方法的另一个方面，该方法还包括生成与该移动对象的估计位置对应的输出数据并将该输出数据传送至显示器。

[0010]在本方法的另一方面，该方法还包括生成与该移动对象的估计位置对应的输出数据并将该输出数据传送至用于为该移动对象建立最优移动路线的路线最优化机。