情境感知巡檢路線即時導引機制之研製 Development of a Real-time Patrol Routing Mechanism in a Context-Aware Environment

中華大學

碩士論文

情境感知巡檢路線即時導引機制之研製 Development of a Real-time Patrol Routing Mechanism in a Context-Aware Environment

系 所 別：資訊工程學系碩士班 學號姓名：M09802004 張豪雲 指導教授：張欽智 博士

中華民國 101 年 8 月

摘要

安全巡檢對於大樓或廠區管理而言是很重要的工作。目前巡檢路線的安排一般都 是以固定路線為主，當某個空間有危機發生時，無法機動性地調整巡檢路線，更沒有 一個有效的巡檢路線導引演算法，可以在危機尚未發生但有可能即將發生之前，導引 警衛前去巡視，讓警衛可以最短的時間採取適當的行動，以避免危機的發生或是減少 危機所造成的損失。

本研究的目的在提出一個情境感知巡檢路線即時導引機制，利用多種感測器擷取 環境中的各種情境資訊，透過情境資訊分析，推測出可能發生或已經發生的危機，再 以適當的巡檢路線導引演算法，即時調整巡檢路線，以便在危機尚未釀成災難之前將 問題解決，使災害損失降到最低。以電腦進行模擬實驗分析，結果顯示本論文所提出 的巡檢路線導引機制，確實可在各種應用環境下降低災害損失。

關鍵字: 情境感知、巡檢路徑規劃、貪婪法

Abstract

Patrolling is very important to the safety of an office building or a factory. Currently, most patrolling routes are fixed. In the case of crisis the route adjustment is not so dynamic and there is no effective algorithm available to guide guards to resolve the crisis within the shortest time and reduce the damage.

The main objective of this research is to develop a real-time patrol routing mechanism in a context-aware environment. We use different sorts of sensors to acquire the various context information. Through the analysis of the content information we can deduce the next checking point so that the crisis can be resolved and minimize the damage before it becomes worse and a disaster. In the proposed method we assign weightings to each piece of context information to calculate the patrolling route using an evaluation function we devise. In the proposed function we take into account of the various factors in the real world so that the function could fit real situation more. From the experimental results it indicates the proposed method can be applied into various environment and reduce the damage.

Keyword: Context-awareness, Patrol routing planning, Greed method

誌謝

首先誠摯的感謝我的指導教授張欽智博士，時常提供我許多不同的思考方向，並 且讓我接觸許多新的設備與系統。經常與我討論並且指引我正確的方向，甚至花許多 心思提醒我的錯誤，使我在這幾年中獲益良多，感謝您的教誨及指導！

另外，要感謝曾秋蓉博士，在計畫中與論文中給我的肯定與指導，並且在有不懂 的地方，對我不厭其煩的舉例說明。在研究方面，老師也會與我討論並指出錯誤，讓 我能更快速、精確的修正，謝謝老師的幫助我會銘記在心。

研究所的日子裡，實驗室的點點滴滴豐富我研究以外的生活，秉宏學弟、嘉麒學 弟陪我一起紓解壓力，感謝世川學弟與文祥學弟，常常與我討論程式相關的技術研究；

此外感謝乖乖提供我演算法上的研究，也使我認清自己的目標，還有珮君最後幫我校 稿與修改論文，多虧有這些朋友與學弟們的幫助，讓我可以順利畢業。

最後我感謝的家人，謝謝父母在背後默默的支持與鞭策，常常關心我的生活與學 業狀況，讓我倍感溫馨。如今學業已順利圓滿結束，在此謹將這份成果獻給這段旅程 中陪伴我一起度過的人。

目錄

摘要 ... I ABSTRACT ... II 誌謝 ... III 目錄 ... IV 表目錄 ... VI 圖目錄 ... VII

第一章 緒論 ... 1

1.1 研究背景 ... 1

1.2 研究動機 ... 1

1.3 研究目的 ... 2

1.4 論文架構 ... 3

第二章 相關研究 ... 4

2.1 石化廠工安管理輔助巡檢系統 ... 4

2.2 校園電子巡檢系統 ... 6

2.3 基因演算法巡檢系統 ... 9

第三章 情境感知巡檢導引方法 ... 12

3.1 巡檢導引之問題 ... 12

3.1.1 問題分析 ... 12

3.1.2 參數分析 ... 13

3.2 損失評估函數 ... 15

3.3 情境感知巡檢路線導引演算法 ... 17

3.3.1 演算法 ... 18

3.3.2 範例 ... 20

第四章 系統實作 ... 25

4.1 開發環境 ... 25

4.2 系統架構 ... 27

4.3 系統介面 ... 28

4.4 遭遇困難及解決方案 ... 32

第五章 系統實驗與分析 ... 33

5.1 模擬實驗 ... 33

5.2 巡檢效益評估 ... 35

5.3 巡檢時間評估 ... 37

第六章 結論與未來工作 ... 40

6.1 結論 ... 40

6.2 未來工作 ... 40

參考文獻 ... 42

表目錄

表 2.1 傳統巡檢與電子巡檢比較 ... 8

表 2.2 牛耕式、螺旋式、XY 軸混合式、基因演算法之巡檢適用性比較 ... 10

表 2.3 巡檢系統一覽表 ... 11

表 3.1 危機類型、等級、損失評估函數表 ... 16

表 3.2CPR 評估函式參數說明 ... 18

表 3.3 各點最短距離紀錄表 ... 22

表 4.1 巡檢系統開發環境 ... 25

表 5.1 巡檢點與危機亂數範圍表 ... 34

表 5.2 巡檢數量、巡檢點距離、危機發生機率變因之範圍 ... 35

圖目錄

圖 2.1 石化工廠巡檢系統架構圖 ... 5

圖 2.2 巡查路線示意圖 ... 5

圖 2.3「RFID 結合 GPS 電子巡檢」系統架構圖 ... 7

圖 2.4 巡檢作業流程圖 ... 7

圖 2.5 牛耕式、螺旋式、XY 軸混合式示意圖 ... 9

圖 2.6 基因演算法流程圖 ... 10

圖 3.1 巡檢路線示意圖 ... 13

圖 3.2 危機類型分類 ... 15

圖 3.3 以 PETRI NET表示危機轉換過程 ... 17

圖 3.4 情境感知巡檢路徑規劃流程圖 ... 20

圖 3.5 辦公大樓之巡檢環境參數設定圖 ... 21

圖 4.1 佈建在電梯前走道的天花板上 ... 26

圖 4.2 佈建在視訊會議室、會議室及會議室前走道 ... 26

圖 4.3 安檢導引系統架構圖 ... 27

圖 4.4 巡檢導引系統 ... 29

圖 4.5 感測器查詢介面 ... 30

圖 4.6 查詢巡檢點實際狀況 ... 30

圖 4.7PC 端感測器查詢介面 ... 31

圖 4.8PC 端巡檢查詢介面 ... 32

圖 5.1 巡檢點數量與巡檢損失之關係 ... 35

圖 5.2 巡檢點距離與巡檢損失之關係 ... 36

圖 5.3 巡檢點危機發生機率與巡檢損失之關係 ... 36

圖 5.4 巡檢點數量與巡檢總時間之關係 ... 37

圖 5.5 巡檢點數量與巡檢總時間之關係 ... 38

第一章 緒論

1.1 研究背景

在現今社會，安全巡檢已成為大樓、廠區或是居家環境中不可忽略的部分。在現 代生活中，人們更重視環境安全以及財物損失，若能擁有一套完備的安全巡檢系統，

不僅能有效降低危機產生的機率，也能夠保障人員安全以及維護環境秩序，進而降低 各項財物損失。

目前傳統巡檢的路線安排大多以最短巡檢路徑或最鄰近的點為優先，在此路徑的 變化性不高，容易被視為犯罪的死角。為求短時間將巡檢工作巡視完畢，可能忽略環 境狀況或以巡視過的區域不再巡視，而且在巡檢時不能掌握巡檢的環境狀況，經常都 是危機發生後由民眾通報，再由監控中心通知鄰近的警衛前往處理，而監控中心也不 能掌握巡檢人員的即時位置，在一來一回的通報過程中往往已經浪費不少時間。也有 些區域的巡檢人員是以隨機的方式安排巡檢路線，但是通常需要有經驗的巡檢人員才 能對環境有所了解並注意細節防止意外的發生。

以一般的安全巡檢為例：當任一危機產生時，由於巡檢路線安排的不完善，可能 造成安檢人員無法在第一時間內獲得危機消息，而延誤了危機處理的時間，甚至可能 錯過危機處理的黃金時間，進而造成大量的財物損失、環境破壞以及人員傷亡等。另 一方面，若同一空間中有兩件(多件)危機事件同時產生，監控中心無法判別各個事件 產生的危機權重，使安檢人員無法立即採取最佳行動進行危機處理，這可能造成該單 位必須承擔更多無法挽救的損失後果。因此建構一有效的巡檢機制有其必要性。

1.2 研究動機

隨著網路與感測器的技術進步與價格的降低，感測器在現今無線通訊協定的進步 與價格的下降，無線感測網路(Wireless Sensor Network, WSN)的技術也被應用在眾 多領域，如環境與生態監測、建築物能源自給及節能、家居健康監護、視頻監控、航 空交通控制、工業自動化以及交通監視等。WSN 是由許多分佈在空間中的感測裝置，

組合而成的一種無線通訊系統網路，這些裝置使用感測器監控著不同位置的環境狀況

（如溫度、照度、濕度、聲音、震動、氣體、壓力等）。在巡檢的工作中如能結合網 路與這些感測裝置，將可提升巡檢的效益。

在無線感測網路中，感測器與無線網路為兩大核心。整個系統是由大量具備通訊 能力的感測節點組成，這些節點可攜載各式的感測器，蒐集到的資訊可透過這些感測 節點所形成的網路能力回傳到處理系統中，進行各類的分析。這些感測器再與網際網 路的連接，形成了物聯網(Internet of Things, IOT)的基礎，透過各類瀏覽器，網 頁上可呈現各式實體世界中的感測資訊。

由於感測器的硬體設計須以成本、體積與耗電量為主要的考量因素(因感測器節 點尺寸與複雜度的限制決定了能量、計算速度與頻寬的受限程度)，造成在無線感測 網路中，裝置節點本身所配備的電源、記憶體以及運算能力均受到極大的限制，因此 無線感測網路被歸類在以任務導向的應用網路型態。無線感測網路的每個節點上，除 了配備了一個或是多個感測器之外，還裝設了無線電收發器、極小的微控制器以及電 源供應器，若為了達到大量佈建的目的，無線感測網路則必須具備低成本、低耗電、

體積小、容易佈建、感應能力、可程式化、可動態組成等特性。

導入這些無線網路感測器，我們可以快速且方便的取得環境中的情境資訊，並且 將這些情境資訊利用在不同的應用上；在本研究中，將這些情境資訊應用在安全巡檢 中，以利巡檢順利進行。因此，在一般的安全巡檢中結合無線感測網路的應用，使用 相關情境感測器，並且取得這些感測器蒐集到的資訊(溫度、照度、濕度、一氧化碳、

二氧化碳濃度等)，推導出一個有效的巡檢路線導引演算法，使安檢人員在各種應用 環境下，能在最短時間內進行危機處理，以預防危機擴大與降低災害損失。

1.3 研究目的

本研究的目的在運用感測網路，建置一套有效巡檢機制，並以模組化的設計，以 利適應在不同的場所中。我們利用數個無線感測器收集資訊，將這些蒐集到的資訊透 過 Zigbee 無線通訊協定，回傳到中央的伺服系統加以運算和分析，並且透過規則庫

以減少危機的發生；在危機發生時，可立刻導引至威脅性較大或危機易擴散的巡檢點，

進而在損失增加之前將危機處理完畢。

由於巡檢不僅僅只用在辦公大樓中，為了使電子化巡檢能更普及，在導引系統中，

將各個功能進行模組化，配合感測器與環境的建置，對於不同的巡檢場所，不必重新 設計系統架構，只需修改相關參數，達到在各種環境下都能使用之目的。

1.4 論文架構

本論文規畫六個章節：第一章說明研究的背景、動機及目的；第二章針對巡檢電 子化過程的相關文獻加以探討且比較差異；第三章提出以貪婪演算法為概念的導引演 算法，在情境感知的巡檢環境下，將導引問題分析、轉換成符合情境導引的方法；第 四章介紹與企業結合實作巡檢導引系統，並說明在模擬程式中所遇到的困難與解決辦 法；第五章以程式模擬不同實驗環境，比較在巡檢導引問題在不同環境下的巡檢花費 時間及巡檢效益；第六章對本論文做一總結，並提出未來改進的方向。

第二章 相關研究

在巡檢相關研究中，首先在 2.1 節中，介紹黃文聰(民 95)提出資訊化巡檢應用在 石化廠的系統，運用 RFID(Radio Frequency IDentification)電子式標籤以輔助廠區的巡 檢；在 2.2 節中，介紹劉亮文(民 97)提出將 RFID 結合 GPS 應用在校園的電子巡檢；

最後在 2.3 節介紹 Masatoshi Takamiya(2011)在巡檢中導入基因演算法來減少犯罪的 發生。

2.1 石化廠工安管理輔助巡檢系統

在大規模的企業，其內部工廠的機具數量也較大，為了確保資產的完整與維持生 產效能，巡檢成為工廠內警衛的重要工作之一。警衛不僅要巡邏環境的安全，更要檢 查設備的運作狀況，但是大部分值班人員會因巡檢疏忽或忽略巡檢路程較偏遠地點，

而導致巡檢作業的不確實，造成工廠的損失。由於傳統巡檢以抄表的方式作為巡檢依 據，每到一巡查點，檢視狀況後，簽到或回報後前往下一個巡檢點。但是這確有許多 問題，如：

1. 紙本的巡檢紀錄表容易損毀，可能因掉頁或字跡模糊而資料遺失。

2. 手動抄表在巡檢資料電子化及輸出報表上，會造成誤填及格式不一的問題。

3. 在設備上可能因新進巡檢人員對設備不熟悉，導致檢查上有所疏忽或檢查不確 實。

4. 巡檢人員可能會找人代簽、補簽，導致巡檢效率不彰。

在郭信宏(民 90)提出使用 PDA 幫助抄表，陳文欽等人(民 91)導入 PDA 結合無線 網路與條碼掃描來改善巡檢作業方式，使用電子輔助巡檢可以解決人員手動抄表的作 業方式，巡檢不確實的問題。黃文聰(民 95)提出以 RFID 取代手抄簽到，建立一套資 訊化巡檢管理系統應用在石化廠的工安管理，以提高巡檢作業的可靠性與完整性。

圖 2.1 石化工廠巡檢系統架構圖

石化廠的巡檢系統架構如圖 2.1，分成以下六個功能，「人員組織架構」、「巡 檢項目與操作範圍」、「巡檢路線與周期規劃」、「巡檢工作排班」、「巡查機現場 巡檢」、「巡檢記錄報表與統計資料」。巡檢人員手持 PDA 進行巡檢作業，於每個 巡檢點上利用 PDA 做簽到(讀取 RFID Tag)及抄表的工作(使用 PDA 輸入資料)，並檢 查每個巡檢點的巡檢項目是否符合運作範圍，並將記錄目前狀態，示意圖如圖 2.2。

圖 2.2 巡查路線示意圖

根據上述系統的成效可改進四個方向，分別是「使用電子巡檢取代人力監控」、

「巡檢人員的績效改為定量考核機制」、「監控中心可全面性控管」、「電子巡檢可

巡檢人員

現場裝置 現場裝置

現場裝置 現場裝置

巡檢路線 現場裝置

巡檢設備

工作站 工作站

巡檢設備 報表列印 巡檢設備 報表列印

巡檢紀錄資料庫 資訊化巡檢系統

主動預防設備損毀」。讓巡檢人員使用 PDA 進行巡檢作業，除了減輕巡檢人員的巡 檢工作外，更能確保巡檢人員的巡檢品質。

由於石化廠的環境為室外，電子儀器在室外的損耗率大大增加，在保護的成本上 也會提升；另一方面，導入資訊科技設備會造成人員學習上的衝擊與反彈，需要不斷 的進行教育訓練與操作練習才能降低此方面造成的影響。隨者行動裝置、條碼、與 RFID 的普及，這類型巡檢已漸成趨勢。

2.2 校園電子巡檢系統

以往系統僅將巡檢簽到方式資訊化，巡檢資料卻未能即時傳回監控中心，監控中 心卻無法立即掌握巡檢狀況，也無法即時取得巡檢人員的位置，在突發狀況發生時，

監控中心無法有效的派遣人力協助。隨著 GPS(Global Positioning System)的廣泛應用，

GPS 也導入電子巡檢系統。主要目標希望透過 PDA 可將 GPS 定位座標與 RFID 識別 及巡檢結果立刻回傳至監控系統，可以對巡檢工作進行有效的監督，使巡檢作業擺脫 傳統人工簽到的作業模式，且增加巡檢人員作業效率與即時掌握巡檢狀況。

在 PDA 方面強調以電子標籤 RFID 來取代簽到，而簽到的過程需在巡檢點停留 超過一定的時間，也可以利用行動裝置的無線網路功能上傳照片與巡檢即時資訊。在 管理系統方面，結合 GPS 定位透過 Google Map，可即時在地圖上顯示巡檢人員的位 置，以網頁結合網路服務(Web Services)顯示各巡檢狀況，其系統架構如圖 2.3。

圖 2.3「RFID 結合 GPS 電子巡檢」系統架構圖

此研究導入 GPS 結合 RFID 兩項新科技特性，為了避免電子巡檢與傳統巡檢是否 有差異，經詢訪部分學校及民間保全將巡檢流程歸納如下圖 2.4。

圖 2.4 巡檢作業流程圖 使用電子巡檢其成效可歸納三點：

管理人員排定班表

巡檢人員執行巡檢作業

系統分析與設計 管理人員查核巡檢結果

輸出巡檢結果報表 建立巡檢資料

提出警告 Internet

RFID Tag

RFID Tag RFID Tag

RFID Tag RFID Tag

宿舍

使用者 GPS 衛星

行政大樓

教學大樓

籃球場 PDA 校園巡

檢系統

伺服器與資 料庫 校園巡檢伺服器網頁

1. 確保巡檢人員正常出勤：使用 RFID 與 GPS 可以在管理介面顯示巡檢人員的位置，

方便管理人員監督。

2. 確保巡檢作業品質：以 PDA 畫面導引巡檢路線及項目，可減少人員教育訓練的 時間；透過 PDA 方便的操作介面，遇到突發狀況時可迅速支援。

3. 簡化後勤管理作業：相關巡檢資訊可透過無線網路直接傳送至系統資料庫，便利 管理單位資料整理、查詢及輸出相關報表。

使用 GPS 是利用衛星取得座標，在空曠的地方定位精準度可達 2~10 公尺，但是 當警衛進入建築物裡巡檢時，因建築物的遮蔽導致無法定位，所以使用 GPS 定位是 無法涵蓋整個巡檢區域。在陳文昇(民 98)的研究中，也是利用 GPS 結合 RFID 做森林 巡檢的研究。文中提到 RFID 有效的訊號範圍在 60 公尺以內，可以涵蓋大部分的樹 木，而且也因為某些地區可能無法接收到基地台訊號導致不能全面性的涵蓋。Zigbee 為一種感測協定，每一個 Zigbee 模組是接收器也是發射器，資料可以不必透過星狀 拓樸收集並上傳至中央系統，因此本論文提出以 Zigbee 模組來實現。從上面的電子 巡檢可整理出與一般巡檢之差異，如表 2.1。

表 2.1 傳統巡檢與電子巡檢比較

指標 傳統巡檢 電子巡檢

巡檢勤務品質 新進巡檢人員常因不清楚巡檢 路徑和檢查重點，以致狀況發

生卻無人知曉

行動設備導引巡檢路線及項目

人員教育訓練 花費時間較長 花費時間較短

緊急事故處理 無一定標準 依表準作業程序執行，有效降低

災害損失發生 簽到作業 容易有預簽、補簽及一次多簽

等狀況

隨時記錄巡檢人員位置與巡檢 時間

2.3 基因演算法巡檢系統

路徑規劃應用在許多的場景，以警察巡檢為例，現行警察勤務執行方式共六種，

分別是值班、備勤、守望、巡邏、臨檢與勤區查探，其中巡邏勤務具有主動發現問題 與預防問題發生之功能。而且在巡邏勤務中的見警率(Police Visibility)可提升並預防 犯罪發生(李湧清，民 90)，可見警員巡邏路線在治安上扮演不可或缺的角色。在傳統 的巡檢路線上可分為最鄰近點法、漢米爾頓迴路法、牛耕式路線法、螺旋式路線法、

XY 軸混合式路線法(蔡崑佑，民 98)，其中現行警察巡邏方式是以最鄰近點法，此方 法能縮短巡檢的時間。以見警率巡檢方式則有牛耕式路線法、螺旋式路線法、XY 軸 混合式路線法，如圖 2.5，可以降低問題發生的機率。

圖 2.5 牛耕式、螺旋式、XY 軸混合式示意圖

為了有效在城鎮裡預防與抑止犯罪的發生，Masatoshi Takamiya(2011)提出使用基 因演算法求得最佳巡檢路線，其方法流程如圖 2.6。在基因演算法演化的結果容易突 出常發生事故點的巡邏，長時間下來可以分析地區的犯罪熱點，但是往往需要豐富的 染色體長度，所以在多巡檢點的環境下使用基因演算法可以獲得比較標準的值，但是 產生一次路徑需花費數分鐘的時間。在緊急情況下會造成問題惡化或犯罪率提高。除 此之外，Andre Sutanto(2011)、Danilo Reis(2011)、Sudarshan S. Chawathe(2007)皆是研 究基因演算法的導引方法。

圖 2.6 基因演算法流程圖

根據上述整理巡檢路線規劃比較表 2.2，在牛耕式、螺旋式、XY 軸混合式這三 種方法中的動態參數無法隨環境改變而重新計算路徑，在基因演算法的部份即時運算 能力不佳，無法馬上導引巡檢人員到達危機現場。

表 2.2 牛耕式、螺旋式、XY 軸混合式、基因演算法之巡檢適用性比較 適用性 牛耕式 螺旋式 XY 軸混合式 基因演算法

即時運算 ○ ○ ○ △

動態參數 ╳ ╳ △ ○

資源限制性 ○ ○ ○ ○

(○代表適用性佳；△代表適用性普通；╳代表不適用)

以上從傳統巡檢開始有人研究利用 RFID 輔助巡檢系統，接著 GPS 結合 RFID 電 的子化巡檢，最後結合路線的規劃與安排，可看出巡檢電子化的發展逐漸普及，在巡

開始 建立初始解

加入一些必要的點

建立相鄰點的解決方案

沒有其他點優於 Q

移除一個必要的點

選擇較好的解

是否滿足終止條件

結束

表 2.3 巡檢系統一覽表 類別

特性

石化廠輔助巡檢系統 校園電子巡檢系統 基因演算法巡檢系統

巡檢方式 RFID 代替人工抄表 RFID 代替人工抄表 無

定位系統 無 GPS 無

路線規劃 固定路線巡檢 最短路線巡檢 基因演算法巡檢

記錄檔 (log)

無 無 利用統計常犯罪區域作

為熱點 情境感知

能力 無 定位 無

情境感知

設備 無 GPS 無

第三章 情境感知巡檢導引方法

本章將介紹本研究所提出的巡檢路線導引方法。第 3.1 節中，針對巡檢路線導引 做問題分析及巡檢環境的參數分析；第 3.2 節中，提出發生危機時所造成的損失評估 函式；第 3.3 節中，以執行範例來說明本研究的巡檢導引演算法如何運作。

3.1 巡檢導引之問題

巡檢在不同的場合，巡檢的重點不同，導引策略也許有所不同，但目標都在防範 意外事件的發生及降低損害。舉例：警察巡邏勤務的重點在發掘與防範治安問題的發 生。辦公大樓可能發生的意外狀況種類繁多，如火災、毒氣外洩、小偷入侵等，因此 重點在防範這些意外的發生，這些意外的發生，事前多半有徵兆，若能及時解除危機，

便可避免意外之發生或進一步的惡化，降低財物的損失。然而一般安全巡檢的路線多 為固定且不具機動性，安檢人員在到達巡檢點之前，對巡檢點的狀況也一無所知，無 法預先做好處理緊急狀況的準備工作，導致安檢的效果無法充分彰顯。因此本研究提 出有效率的演算法，提供巡檢人員最佳的巡檢路線，提升巡檢效益，所謂提升巡檢效 益為減少排除問題的時間及降低可能的損失。

3.1.1 問題分析

在解決問題前，我們必須先將整個巡檢環境做明確的定義。假設一個空間中有數 個巡檢點，每個巡檢點在單位時間內，危機發生的次數最多一次，兩個巡檢點之間有 路徑直接相連，警衛在兩點間移動需要一段時間。設定起點亦是終點。當警衛從起點 出發到達新的一個巡檢點時，須要花費時間做巡檢相關工作，而在巡檢工作完畢後，

前往下一個巡檢點，直到所有的巡檢點都巡視完畢後回到終點。

本研究以辦公大樓為說明例子。假設辦公大樓中依照不同房間劃分五個巡檢點，

警衛根據行動裝置所顯示辦公大樓各個巡檢點可能發生危機的緊急程度，導引警衛適 當的巡檢路線，以即時解除各種緊急狀況，獲得最大的巡檢效益值。

我們可以將每一個巡檢點都視為圖3.1上的一個頂點(Vertex)，而兩巡檢點之間的 路徑是為圖上的一個邊(Edge)，而且任兩巡檢點之間都有路徑(Path)相連，那麼整個 環境即可視為一個無向的連通圖(Complete Connected Graph)。

圖 3.1 巡檢路線示意圖

在情境感知巡檢中，將所有巡檢點都走過一次可視為完全巡檢，並且巡檢過的點 不再重複，但是當危機發生在巡檢過的點時，需重新將此點設為未巡檢點，並且再次 巡檢，在巡檢完畢後回到終點，也就是起點。在此限制條件下，找出能將損失降至最 小的路徑是本論文的重點。

3.1.2 參數分析

警衛在情境感知的環境中，除了需要隨時考慮路徑的規劃，還需要注意是否有危

C₂

會議室 B

C₃

機房 C₁

會議室 A

C₀ 起點 (終點)

C₅

會客室

C₄

辦公室

2 分鐘

0.5 分鐘

1 分鐘

1.5 分鐘

1 分鐘

0.5 分鐘

1.5 分鐘 1 分鐘 1 分鐘

1 分鐘 0.5 分鐘

1.5 分鐘

1 分鐘

0.5 分鐘 0.5 分鐘

機的發生，並且在危機發生時改變巡檢路線，盡快避免危機的擴大。在本研究中，將 巡檢路線導引的參數分三類「巡檢點環境參數」、「危機參數」、「巡檢參數」，詳 述如下：

1. 巡檢點環境參數

這部分是與整個巡檢環境相關的全域參數，主要有以下四個參數：

(1) n：巡檢點總數。在巡檢環境中巡檢點的數目，且 n N。

(2) Cj：巡檢點。代表在巡檢環境中編號為 j 的巡檢點，且 j N，j ≦ n。

(3) Ei,j：Ci與 Cj中間相連的路徑，且 i , j N，i, j n，i j。

(4) Ti,j：Ci到 Cj的移動時間，單位為分鐘。且 i , j N，i, j n，i j。

(5) RLj：巡檢點重要程度，且 1 RLj 。

2. 危機參數

這部分是與巡檢點上發生的危機有相關且為動態的參數。警衛在巡檢時，危機狀 況隨時都有可能產生，且產生的類型、等級及權重皆會因為危機經過的時間不同而有 所變化。透過圖 3.2 危機的四個參數如下：

(1) ECj：巡檢點之危機類型，且 0 ECj ，ECj，在本研究我們根據感測器資料分 類出九種危機，如圖 3.2 所示。

(2) DTj：巡檢點中 j 危機類型所經過的時間。

(3) EW_j：巡檢點中 j 類型的危機權重，當經過時間 DT_j越大時，EW_j的權重也跟著改 變，且 EWj N， 1 EWj 。

(4) EL：巡檢點中 j 類型的危機等級，當經過時間 DTj j越大時，ELj的等級也跟著改變，

且 ELj N，1 ELj 。

圖 3.2 危機類型分類 3. 巡檢參數

警衛巡檢時的相關基本參數，包含一般巡檢與危機巡檢，參數包括：

(1) HTj：危機時，巡檢 j 處裡危機的時間。

(2) STj：一般巡檢時，巡檢 j 至少所花的巡檢時間。

以上敘述的 11 個參數是本研究所提出的巡檢導引演算法中考量的因素，依巡檢時 可能發生危機的狀況，設計損失及評估函數。在以此評估函數引用在貪婪演算法 (Greedy Algorithm)上，以降低損失，以下會詳細說明本研究所訂定的損失評估函數。

3.2 損失評估函數

根據不同環境所重視的巡檢點不同，會發生的危機情況也不一定，為了評估在巡 檢中的巡檢損失，我們提出一個辦公大樓的損失模型，此模型可依據不同單位、環境 針對權重以及參數作調整。以樓層巡檢的相關變數作為我們導引演算法的評估參數，

根據無線網路感測器取得環境資訊，依據情境推理出辦公室危機的九種類型分別是

「疑似闖入」、「氣體異常」、「電源異常」、「火災」、「失竊」、「空調異常」、

「燈光異常」、「濕度異常」、「溫度異常」。這九種危機依照可能所造成的損失，

將影響度分成五等級，等級越大，在短時間造成的損失越大，如表 3.1 所示。

這在危機影響度的部分，因為「電源異常」、「空調異常」、「燈光異常」皆是

CO 感測器 CO2感測 器

亮度感測 器

時間 (人員)動 態感應器

濕度感應 器

貴重物品 感應器

電源開關 溫度感應

器

過高 過高 下班時間 燈光開啟

下班時間 有動態感 測器移動

過高 過高 過高 功率過高

或過低 貴重物品

氣體異常 火災 燈光異常 疑似闖入 溫度異常 濕度異常 失竊、破 空調異常 電流異常 壞

電能消耗，我們再以等級區分不同的耗電器具也會有不同程度的耗電損失。損失計算 我們參照電力公司(2012)每度電消耗的成本得知為線性的損失，依據感測器在不同時 間感測到的結果也將影響線性的斜率。

氣體異常通常為潛在的危機，過多的 CO 與 CO2會使人產生頭痛、頭昏、容易疲 倦、咳嗽等症狀，進而影響工作效率。根據行政院環境保護署(2012)規範的空氣 PSI 質與健康的影響，我們定義了一個損失評估的線性函數，評估函數如表 3.1 所示。

表 3.1 危機類型、等級、損失評估函數表

危機影響程度 損失評估參數 危機類型

等級一 𝑓(𝑡 ) = 𝑅𝐿 × 𝐸𝑊 × 𝐸𝐿 ×√∆𝑇 + 𝛾 氣體異常、濕度異常、

疑似闖入 等級二 𝑓(𝑡 ) = 𝑅𝐿 × 𝐸𝑊 × 𝐸𝐿 + 𝛾 失竊、破壞 等級三 𝑓(𝑡 ) = 𝑅𝐿 × 𝐸𝑊 × 𝐸𝐿 × ∆𝑇 + 𝛾 電流異常、空調異常、

燈光異常 等級四 𝑓(𝑡 ) = 𝑅𝐿 × 𝐸𝑊 × 𝐸𝐿 × ∆𝑇 + 𝛾 溫度異常 等級五 𝑓(𝑡 ) = 𝑅𝐿 × 𝐸𝑊 × 𝐸𝐿 × ∆𝑇 + 𝛾 火災

此外，在「火災」與「失竊」會在短時間造成極大的損失，但是當這兩種危機發 生之前皆會有其它異常狀況發生。在失竊發生前紅外線感測器會偵測到有疑似闖入的 異常狀態，警衛在一定的時間內，如果沒有去巡檢就有可能造成物品失竊或遭受破壞 的嚴重損失。火災發生前伴隨著溫度上升，溫度上升我們分為五個等級，當溫度過高 且 CO、CO₂濃度過高時危機就會發生轉變，轉變過程如圖 3.3 所示。

圖 3.3 以 Petri net 表示危機轉換過程

危機影響度根據危機經過的時間越長所造成的損失就會越大，為了避免重要的危 機沒有立刻解決，危機權重越是重要的項目在時間上的加乘也會越大。這樣不僅可以 達到即時處理，更可以預防危機擴散的問題。以下介紹我們提出的情境感知巡檢路徑 規劃(Context-aware Patrol Routing，CPR)方法的範例。

3.3 情境感知巡檢路線導引演算法

在傳統巡檢上路線的導引通常都是由有經驗的警衛規劃安排，越有經驗的警衛在 路徑的規劃上除了有比新手更了解巡檢點距離外，就是對環境的熟悉度，且在第一時 間找到問題。啟發式演算法可以說是以經驗法則來求最佳解或次佳解的方法，但在某

溫度增 加

氣體濃 度增加

動態感 應器位 置偏離

濕度提 高

照度太 高

照度太 低

溫度異 常

氣體異 常

非法人 員入侵

燈光異 常 濕度 異常

溫度提 升

動態感 應器位 置偏離

時間過 久

濕度提 高

溫度異 常等級 提升

火災

氣體異 常等級 提升

失竊

濕度異常 等級提升

溫度提 升

溫度提 升

氣體濃 度增加

濕度提 高

火災等 級提升

溫度提 升

氣體濃 度增加

氣體濃 度增加

(溫度) (濕度) (照度) (CO 濃度) (CO2 濃度) (時間) (動態感應器) (電源開關)

些特殊情況下有機會求出很差或是效率較差的解。在本研究中我們以貪婪演算法作為 基礎，加入情境感知與評估函數來動態導引巡檢。

3.3.1 演算法

貪婪演算法的過程是以短視近利的方式求得最佳解，挑選目前具備最大效益的巡 檢點。若在巡檢環境中，具有 n 個被選的問題，我們在參數的限制條件下，也就是評 分函數的限制下，可以選出一個合乎此限制的一條路線，這就是一個可行解。由於貪 婪法是在每一次去尋找周圍最佳的解，只是一步步的逼近最佳解，也就是說不見得是 最佳解。

巡檢導引演算法決策目前最佳的巡檢點會影響整體巡檢的效益，因此定義一個適 合的評分機制來選擇下個巡檢點是很重要的。巡檢的目的是提供一個安全且高效率的 環境，所造成的損失是我們評分函數的依據。

根據上述的目標，定義表 3.2 的參數來制定評分函數：

表 3.2CPR 評估函式參數說明

參數 說明

危 機 參 數

EW

j 危機影響度(1~5)

EL

j 危機等級(1~5)

EC

_j 危機類型

HT

_j 危機處理時間

DT

j 危機發生過的時間 巡

檢 點 參 數

T

i,j 兩點間的移動時間

ST

_j 巡檢時間

RL

j 房間重要程度(1~5)

本研究選取最相關的 8 個參數，依照一般巡檢及危機巡檢訂定其評分標準為「評

公式(1)中，α 為「權重常數控制一般巡檢與危機巡檢之比例」，當環境中對於一 般巡檢重視度較高的情況下，α 的比例則上升；反之，對於危機巡檢重視度較高則 α 比例下降。Ti,j為「Ci移動到 Cj的花費時間」，STj為「一般巡檢 j 點的巡檢時間」，

HT

j為「危機巡檢 j 點的處理時間」，RLj為「巡檢點 j 的重要程度」。因為產生危機 類型不同所以有不同的損失函數，且經過的時間不同所造成的損失也會不同。我們分 別用不同的公式(2)代入，考慮房間等級(RLj)、危機影響度(EWj)、危機等級(ELj)及危 機經過時間(△T)可以計算出下個巡檢點的損失分數，γ 為「損失常數控制環境中基本 損失」。

𝑓 (𝑗, ∆𝑇)= {

𝑅𝐿 × 𝐸𝑊 × 𝐸𝐿 + 𝛾 𝑅𝐿 × 𝐸𝑊 × 𝐸𝐿 ×√∆𝑇 + 𝛾

, 𝑘 = 1 , 𝑘 = 2 𝑅𝐿 × 𝐸𝑊 × 𝐸𝐿 × ∆𝑇 + 𝛾 , 𝑘 = 3 𝑅𝐿 × 𝐸𝑊 × 𝐸𝐿 × ∆𝑇 + 𝛾 , 𝑘 = 4

… … (2)

圖 3.4 為巡檢導引演算法的運作流程，導引步驟如下：

步驟 1：初始化所有參數，包含警衛從起點出發，環境狀態參數如：感測器所擷取的 值。

步驟 2：找尋是否有未巡檢過的點。

步驟 2.1：如果沒有則返回終點，完成巡檢。

步驟 2.2：前往步驟 3。

步驟 3：計算全部候選未巡檢點的評估函數值，找出最佳巡檢點。

步驟 4：指示警衛前往此巡檢點。

步驟 5：巡檢完畢後，檢查環境中是否還有危機尚未處理。

步驟 5.1：如果否就跳回步驟 2。

步驟 5.2：將危機發生的點設為未巡檢點。

此演算法尋找最佳巡檢路徑會選擇最大評分數值者作為導引的目標，一個完整巡 檢須將所有巡檢點 n 都走過，若有危機發生則巡檢次數還會增加，同一個巡檢點不會 走超過兩次，每次執行評估函數所花費的時間複雜度為 O(1)，所以整個巡檢的時間 複雜度為 O(2n*1)=O(2n)。

圖 3.4 情境感知巡檢路徑規劃流程圖

3.3.2 範例

初始化(起點)

計算候選點巡檢點評估值

將最佳點設定為 優先巡檢點

j = 0

j = j + 1

j 點 是 否 優 於 最 佳 點

將 C^j點設為最佳點

是否計算過所 有未巡檢點

前往 C^j點巡檢

將發生危機點設為未巡檢 點

返回終點

是 是

是 是否有未巡檢 點

是否有危機點

否

否

否 否 是

找 尋 最 佳 巡 檢 點

圖 3.5 辦公大樓之巡檢環境參數設定圖

以圖 3.5 所示意之辦公大樓巡檢導引為例，五個巡檢點的參數如下：

(1) 「會議室 A」：代號 C₁，巡檢時間為 15 分鐘，巡檢點重要程度為 3，與「會議室 B」、「會客室」、「辦公室」、「機房」均有路可通，且移動時間分別為 0.5 分 鐘、1.5 分鐘、1 分鐘、1 分鐘。

(2) 「會議室 B」：代號 C₂，巡檢時間為 20 分鐘，巡檢點重要程度為 4，與「會議室 A」、「會客室」、「辦公室」、「機房」均有路可通，且移動時間分別為 0.5 分 鐘、1 分鐘、0.5 分鐘、0.5 分鐘。

(3) 「會客室」：代號 C₃，巡檢時間為 15 分鐘，巡檢點重要程度為 2，與「會議室 A」、

「會議室 B」、「辦公室」、「機房」均有路可通，且移動時間分別為 1.5 分鐘、

1 分鐘、0.5 分鐘、1 分鐘。

(4) 「辦公室」：代號 C₄，巡檢時間為 5 分鐘，巡檢點重要程度為 2，與「會議室 A」、

「會議室 B」、「會客室」、「機房」均有路可通，且移動時間分別為 1 分鐘、

C₂

會議室 B

C₃

會客室 C₁

會議室 A

C₀ 起點 (終點)

C₅

機房

C₄

辦公室 ST = 0

RL = 0

ST = 15 RL = 3

ST = 20 RL = 4

ST = 15 RL = 2

ST = 5 RL = 2 ST = 10

RL = 4 T0,1 = 2

T0,2 = 1.5

T0,3 = 1

T0,4 = 1 T0,5 = 0.5

T1,2 = 0.5

T2,3 = 1 T1,3 = 1.5

T1,4 = 1 T1,5 = 1

T2,5 = 0.5

T2,4 = 0.5

T3,4 = 0.5 T3,5 = 1

T4,5 = 1.5

0.5 分鐘、0.5 分鐘、0.5 分鐘。

(5) 「機房」：代號 C5，巡檢時間為 10 分鐘，巡檢點重要程度為 4，與「會議室 A」、

「會議室 B」、「會客室」、「辦公室」均有路可通，且移動時間分別為 1 分鐘、

0.5 分鐘、1 分鐘、0.5 分鐘。

表 3.3 各點最短距離紀錄表 C0 C1 C2 C3 C4 C5

C0 ∞ 2 1.5 1 1 0.5 C1 2 ∞ 0.5 1.5 1 1 C₂ 1.5 0.5 ∞ 1 0.5 0.5 C3 1 1.5 1 ∞ 0.5 1 C₄ 1 1 0.5 0.5 ∞ 0.5 C5 0.5 1 0.5 1 0.5 ∞

設定五個巡檢點外，依據真實狀況設置 C0為起點，也為終點。當從巡檢點 C0出 發後必須再回到 C0才算一次完整巡檢。其每個點都有路可通往其他的巡檢點，巡檢 環境的最短路徑如表 3.3 所示。

假設且一巡檢人員在某一時間開始巡檢，且在巡檢後 10 分鐘發現巡檢點 C1發生 危機影響程度五、危機等級一的火災，與 C2發生危機影響程度四、危機等級一的溫 度異常。此外，其他沒有發生危機的巡檢點，在危機參數的部分皆為 0，在一般與危

機權重

α 設為 0.5，表示一般巡檢與危機巡檢一樣重要。

以情境感知巡檢路徑規劃的演算法選擇分數最高的巡檢點進行導引，其步驟如 下：

 步驟 1：警衛從起點 C₀開始巡檢

 步驟 2：系統選擇下一個巡檢點，依照評分函數計算警衛欲前往巡檢點的分數如 下，因為沒有危機發生故危機參數皆為 0：

RL f(∆T)

Score=α× RL

(T +ST )+(1-α)× f(∆T)

(T +HT)= ×

(1+1 )+

(1+ )=

Score=α× RL

(T +ST )+(1-α)× f(∆T)

(T +HT)= × (1+ )+

(1+ )= 1

Score=α× RL

(T +ST )+(1-α)× f(∆T)

(T +HT)= ×

( +1 )+

( + )= 1

因為巡檢點 C₅的分數最高，因此系統導引警員前往巡檢點 C₅。

 步驟 3：在警員巡檢完 C₅時，已花費 10.5 分鐘，此時 C₁的危機已經發生 0.5 分 鐘，C1的危機類型為火災，危機影響程度為五，危機等級一，C1的危機評估函 數為𝑓 (𝑗, ∆𝑇)= 𝑅𝐿 × 𝐸𝑊 × 𝐸𝐿 × ∆𝑇 + 𝛾，經過時間為危機發生經過時間加上

C

5移動到 C₁的時間為 1.5 分鐘，損失分數為𝑓 ( , 1 )= 3 × × 1 × 1 = 33 ， 且危機處裡時間為 10 分鐘；C₂的危機也已經發生 0.5 分鐘，C₂的危機類型為溫 度異常，危機影響程度為四，危機等級一，C2的評估函數為𝑓 (𝑗, ∆𝑇)= 𝑅𝐿 × 𝐸𝑊 × 𝐸𝐿 × ∆𝑇 + 𝛾，危機經過時間加上 C5移動到 C2的時間為 1 分鐘，損失分 數為𝑓 (𝑗, 1)= 4 × 4 × 1 × 1 = 1 ，且危機處裡時間為 5 分鐘。

Score =α× RL₁

(T 1+ST₁)+(1-α)× f(∆T)

(T ₁+HT)= ×

(1+1 )+ ×

(1+1 )=

Score=α× RL

(T +ST )+(1-α)× f(∆T)

(T +HT)= × ( + )+ × 1

( + )=1 3

Score=α× RL

(T +ST )+(1-α)× f(∆T)

(T +HT)= ×

(1+1 )+ ×

(1+ )=

Score=α× RL

(T +ST )+(1-α)× f(∆T)

(T +HT)= ×

( +1 )+ ×

( + )= 1

因為 C₁與 C₂發生危機，在危機權重加乘下，系統會選擇影響程度大的危機先做處裡，

所以立刻導引警員去處理火災。

 步驟 4：在火災被處裡完後繼續巡檢導引，由於 C2的危機尚未處理，在這次導 引也會加入權重的考量，危機損失的分數因為經過的時間越久損失分數為 𝑓 (𝑗, )= 4 × 4 × 1 × 11 = 1 4。系統根據評估函數的分數最大的作為導引 目標，下一個巡檢點為 C2，此時巡檢路徑 S 為「C0 → C5 → C1 → C2」。

 步驟 5：警衛處理完 C2的危機後，系統繼續評估下一個巡檢點為 C4。此時巡檢 路徑 S 為「C₀ → C₅ → C₁ → C₂ → C₄」。

 步驟 6：警衛巡檢完 C₄後，系統計算出最後一個點為 C₃，並且在巡檢完後回到 起點 C0，此時完整巡檢路徑 S 為「C0 → C5 → C1 → C2 → C4 → C3 → C0」。

以上範例中，巡檢路徑 S 的巡檢損失評估分數為 217.75。在步驟 3 中可得知有危 機發生，系統會計算比較兩個危機所會造成的損失以及巡檢後的分數，先處理較嚴重 的危機，以降低更多的損失。

第四章 系統實作

在這一章中，我們將會利用在第三章裡所以提出的方法，將系統建置在「前鼎光 電」的辦公大樓內。在 4.1 節中，我們介紹部署環境及軟硬體設備。在 4.2 節說明本 研究之系統架構。在 4.3 節介紹巡檢情境下的系統畫面。在 4.4 節描述在系統開發時 遇到的問題及如何解決。

4.1 開發環境

在研究中，為了讓系統不論在行動裝置或是作業系統都可以跨平台使用，我們選 擇以網頁的方式呈現。因為 HTML5 與 Javascript 的進步，在網頁的即時性與資料的 方便性更便利於實作這套系統。網站建立在 Linux 作業系統上，使用 PHP、Javascript、

CSS 與 HTML 等程式語言撰寫，主要開發工具為 Aptana Studio 3.0，其實際網址設立 於 http://linux2.chu.edu.tw/~windpig/WSN。詳細的開發資源如下表 4.1。

表 4.1 巡檢系統開發環境

硬體

CPU Intel® Xeon® 6 核心處理器 X5660 (2.80 GHz，12 MB 快取，1333 MHz 記憶體)

晶片組 Intel® 5520

記憶體 24 GB 1333 MHz DDR3 Unbuffered SDRAM;

網路介面卡 Broadcom NetXtreme Gigabit Ethernet Plus NIC (PCIe)

軟體

作業系統 Cent OS 6.0 開發平台 Aptana Studio 3.0

開發程式語言 PHP、Javascript、CSS、HTML 資料庫 MySql 5.1.52

網頁伺服器 PHP Version 5.3.3、Apache 2.0

此外，我們使用清華大學開發的 Octopus X Zigbee 模組，在辦公大樓佈建數種感 測器擷取情境資訊，佈建的狀況如圖 4.1 與 4.2 所示。

圖 4.1 佈建在電梯前走道的天花板上

視訊會議室

會議室

4.2 系統架構

本研究主要目標是為了透過巡檢來預防危機的發生或蔓延，但是各種辦公大樓的 形狀、巡檢點數量、巡檢點位置均不相同，若每次換一間辦公大樓就要重新設計系統 架構，會造成設計成本的浪費。因此我們規劃出一個系統架構，如圖 4.3，將各種功 能模組化，以應變各種不同的巡檢環境。考慮行動設備的運算速度及電池續航力的問 題，故將需要複雜計算與情境分析的部分放在伺服端(Server)，客戶端(Client)只需處 理資料擷取與顯示導引資訊。在伺服端與客戶端之間的資料傳輸，採用網路服務(We b Service)呼叫模組的方式傳輸資料，以下分「伺服端」、「客戶端」來對各模組詳 細說明：

圖 4.3 安檢導引系統架構圖 1. 伺服端：

(a) 情境推理模組：收集、分析在各個巡檢點上感測器得到的數據，利用推理機制 推理出符合現實的情境資訊，並存入情境資料庫裡，供其它模組使用。

情境推理模組 情境推理

知識庫 使用者

使用者 GUI 介面

使用者認證 模組

權重管理模 組 導引演算法

模組

情境資料

權重資料

資訊顯示模 組 情境資訊擷

取模組

智能巡檢模組

Web service

客戶端 伺服端

(b) 權重管理模組：主要根據情境資料庫的資料將危機類型賦予適當的權重，並動 態的根據情境調整權重的大小。

(c) 巡檢演算法導引模組：以權重管理模組為資訊基礎，使用巡檢導引演算法來計 算出最佳路線，以提供智能巡檢模組使用。

(d) 智能巡檢模組：整理伺服端資訊，負責接收與客戶端的資料，再將資料傳遞到

「導引演算法模組」、「權重管理模組」中，且重新計算出最佳的巡檢路徑後 再回傳給客戶端。

2. 客戶端：

(a) 情境資訊擷取模組：使用感測器接收空間訊息，計算感測數據後，提供給使用 者介面模組使用。

(b) 使用者認證模組：對於使用者身分的驗證。

(c) 資訊顯示模組：接收伺服端傳送過來的資料，並提供訊息的顯示。

(d) 使用者介面模組：主要提供介面給使用者存取，以情境資訊擷取模組觸發資訊。

在情境資訊與伺服端的資料結合運算，客戶端會收到回傳的資料，並且透過資 訊顯示模組導引巡檢人員。

4.3 系統介面

本研究實作的地點在前鼎光電的辦公大樓，警衛可以透過行動裝置查看樓層內的 環境資訊，並且使用此系統作為巡檢導引的相關依據，在未發生危機時，系統也會提 供巡檢路線讓警衛依照房間的重要程度在最短時間內巡檢完畢；在發生危機的時，會 優先解決較危險的巡檢點以免危機擴散，且在前往危機之前也可透過系統查看感測器 資訊及該巡檢點的，環境及巡檢點的圖片狀況。

圖 4.4 巡檢導引系統

在巡檢系統(圖 4.4)中，左上角黃色背景的部分會顯示系統提供的下一個巡檢點，

在地圖上下一個巡檢點就會被藍色虛線所包圍；而綠色背景的部分則是如果情境感知 系統分析出環境有異常，則會顯示異常的狀況及位置，在地圖上就會被紅色虛線所包 圍。此時地圖上紅色的點為該巡檢人員就會被導引到系統提供的位置上。

在環境查詢介面(圖 4.5)以許多小圖示代表各種不同的感測器元件，當點擊感測 器，畫面便會顯示該感測器目前感測到的數值。另外，點選欲前往的巡檢點可顯示該 巡檢點目前情況，如圖 4.6 所示。

圖 4.5 感測器查詢介面

圖 4.7 PC 端感測器查詢介面

在電腦上可登入此系統查看各巡檢點的感測器狀況，在上方勾選欲查詢的感測器，

便會出現在地圖上所佈建的位置，如圖 4.7 所示。另外，在警衛室中也可查詢該巡邏 警員是否正在巡邏及目前位置，如圖 4.8 所示。

圖 4.8 PC 端巡檢查詢介面

4.4 遭遇困難及解決方案

在開發系統時，主要遇到「更改地圖圖片格式不一致」、「顯示的資料型態不一 致」兩個問題。

 「更改地圖圖片格式不一致」：除了檔案類性(如 jpg、bmp、tif…等)的來源不同 之外，還有圖片中比例尺與解析度的差異會影響圖片的顯示，間接影響定位的偏 差，所以在資訊顯示模組中，規定圖檔格式為 jpg 的檔案之外，也將圖片的大小 做初始化。

 「顯示的資料型態不一致」：顯示方面需要從資料庫中取出，但是資料格式卻有

第五章 系統實驗與分析

由於實體環境中無法利用實際危機的發生來評估系統效能，為了驗證此演算法的 可行性，我們以原系統架構為基礎，建置出一套模擬系統，以驗證情境感知巡檢路線 規劃方法的可行性。模擬系統是在 Microsoft Windows 7 作業系統、I5 2.8GHz CPU 及 6 GB RAM 的個人電腦中執行，以 C#程式語言設計。以下 5.1 節，說明模擬實驗 的架構以及如何設計實驗及資料設定；5.2 節，針對實驗結果，進行巡檢效益的分析；

5.3 節，對實驗結果，進行巡檢時間花費的分析。

5.1 模擬實驗

模擬系統主旨在將警衛導引到所有的巡檢點，並且處理完所有的危機，完成巡檢 工作。當警衛從一個巡檢點前往到下一個巡檢點前會觸發導引演算法模組，進行路線 的導引。為了簡化模擬系統的流程，我們只留下必要的模組，「權重管理模組」、「導 引演算法模組」

在模擬系統中，首先需要將「環境初始化」，將巡檢點兩點間距離表隨機產生，

再來產生巡檢點物件，並填入初始值；接下來在巡檢點物件中，以一定機率隨機產生 環境狀況與危機。再來需要「巡檢初始化」，在巡檢時間上需歸零，並且將警衛初始 位置設為巡檢起點。最後「模擬巡檢活動」當警衛巡檢完後，欲前往下個巡檢點前觸 發導引演算法模組中的智能巡檢，計算下一個巡檢點並導引警衛前往。

在巡檢模擬系統中有兩個主要的問題需要注意，第一「動態參數隨時間改變」，

在模擬巡檢時，危機隨時間的增加會使危機發生的參數有連鎖反應。經過的時間越長，

發生危險的重要程度相對的提升，權重若是改變等級也會跟著轉變。所以我們根據經 驗法則定義一規則，讓危機在升級或是轉換時，其他參數也可以根據此規則做轉變；

第二「增加危機參數的擬真度」，模擬巡檢系統需導引警衛依序巡完全部的巡檢點，

並且在危機發生時，立刻處理危機。但是在現實生活中，警衛不一定會結束一個巡檢 點後就馬上換另一個巡檢點，且每個人的移動時間不見得相同，只能以平均時間來做 為移動時間的依據。另外在危機巡檢時，警衛處理各種危機的時間也不見得相同，在 此我們結合危機發生的權重與等級整理出不同的處裡時間，如火災處裡時間原本預定

25 分鐘，因為時間或者溫度過高的變異，所需處理時間將會增加到 30 或 40 分鐘。.

本實驗驗證分析兩個指標性的參數，分別是「巡檢效益」、「巡檢花費平均總時 間」。「巡檢效益」在於巡檢過程中損失的程度；「巡檢花費平均總時間」著重於導 引時間的效率。

我們以隨機的方式，產生多筆環境資料進行實驗的模擬測試。關於巡檢點與危機 隨機參數的範圍設定如表 5.1 所示。希望藉由在不同的「巡檢點數量」、「巡檢點距 離」、「危機發生機率」的環境下進行模擬測試，比較螺旋式與情境感知巡檢路徑規 劃的優缺點。

「巡檢點數量」代表巡檢點環境的複雜度，為了瞭解不同的數量對不同演算法造 成的影響，巡檢點的數量從 5、10、25、50、100，共分為五個等級。為了避免取樣 過少導致結果不客觀，每個等級隨機產生 100 筆環境資料。

表 5.1 巡檢點與危機亂數範圍表 參數名稱 範圍

危機參數

危機影響度 等級 1~5 危機等級 等級 1~5 危機類型 1~9 種 危機處裡時間 5~20 分鐘 巡檢點參數

巡檢時間 5~10 分鐘 房間重要程度 等級 1~5

「巡檢點距離」代表巡檢點環境的大小，由於距離是因人而異，我們將距離換算 成不同人的平均移動時間，將時間區分為四個等級，每個等級亂數產生的範圍分別為

「1~5」、「6~10」、「11~15」、「16~20」，以符合距離不一的實際情境。

「危機發生機率」是為了瞭解危機的多寡，對演算法造成的影響，由於一般辦公大樓 發生意外的機會不大，尤其在一些重大危機更是少見，這樣會造成大部分的巡檢皆與

5.2 巡檢效益評估

在巡檢效益中，我們以「牛耕法」、「最短路徑」、「CPR」的損失分數與最大 損失分數求得損失比率。在沒有損失造成時，巡檢效益為 100%；反之，則扣除損失 的比例即為此次巡檢效益，如公式(3)。

巡檢效益= 1 演算法損失分數

最大損失分數 × 1 … … (3)

在最大損失分數的部分，我們以一般巡檢較常使用到的螺旋式巡檢法作為最大損 失，比較「牛耕法」、「最短路徑」、「CPR」的損失比率，以求得每次的巡檢效益。

在控制變因上對三種環境做比較，分別為「巡檢點數量」、「巡檢點距離」、「危機 發生機率」，對三種演算法的影響，這三種環境參數的範圍控制如表 5.2。

表 5.2 巡檢數量、巡檢點距離、危機發生機率變因之範圍 固定變因 控制變因

巡檢點數量 50 個 5 個、10 個、25 個、50 個、100 個

巡檢點距離 1~5 分鐘 1~5 分鐘、6~10 分鐘、11~15 分鐘、16~20 分鐘 危機發生機率 5% 1%~10%

在這三種變因下「巡檢效益」的數值越高越好，表示所花費的損失較少。以下說 明三種環境變數的設定與巡檢效益實驗結果，如圖 5.1 至圖 5.3。

圖 5.1 巡檢點數量與巡檢損失之關係

88 90 92 94 96 98 100 102

5 10 25 50 100

巡 檢 效 益(

%)

巡檢點數量(個)

巡檢點數量與巡檢效益之關係

牛耕法 最短路線 CPR

在「巡檢點數量」的部分，固定危機機率 5%、巡檢點距離 1~5 分鐘，分別在五 個巡檢點數量不同的環境下實驗，實驗結果依據點的數量越多，在 CPR 的導引下巡 檢效益趨近穩定，而牛耕法與最短路線則會因為巡檢環境越複雜而降低巡檢效益。

圖 5.2 巡檢點距離與巡檢損失之關係

在「巡檢點距離」的部分，固定危機機率 5%、巡檢點數量為 50 個點，分別在四 種巡檢量距離不同的環境下實驗，實驗結果依據點的距離越遠，在 CPR 的導引下巡 檢效益不會因為環境大小而大幅下降，而牛耕法與最短路線則會因為巡檢環境越大而 降低巡檢效益。

91 92 93 94 95 96 97 98 99 100

0~5 6~10 11~15 16~20 巡

檢 效 益(

%)

巡檢點距離(分鐘)

巡檢點距離與巡檢效益之關係

牛耕法 最短路線 CPR

85 90 95 100 105

巡 檢 效 益(

%)

危機發生機率與巡檢效益之關係

牛耕法 最短路線 CPR