系統流程

銀髮村居民在入住時皆會配對一個專屬

Tag

，當居民於環境中移動時，

Tag

會隨著一同移動，移動時裝設在銀髮村中的

Reader

會讀取

Tag

的訊 號強度，並將讀取之訊號強度傳送至

RFID

中繼系統，中繼系統會將資訊 儲存至資料庫，系統再從資料庫中讀取移動訊號的強度，並將資訊傳送至 定位演算系統進行定位演算，演算結束後直接將結果儲存至資料庫。若醫 療人員在銀髮村中發現傳染病患者，欲啟動接觸者檢查，便可輸入患者、

傳染病之傳染相關條件至系統，系統會依照輸入條件從資料庫中自動化 演算，並篩選出高風險感染者。從系統確認高風險感染者名單後，對高風 險感染者進行傳染病檢驗，再依據檢查結果狀況向衛生局進行感染通報，

衛生機構則會依照感染狀況安排相對應之措施。

本研究所開發之銀髮村感染管控系統流程以

UML

循序圖呈現，整體 流程如圖 9所示。

衛生機構 RFID中繼系統 居民+Tag

RFID Reader 資料庫

醫生 高風險感染者

系統 定位演算系統

Tag資訊傳送至環境中 Reader

2.將讀取的Tag資訊傳送到RFID中繼系統 3.格式轉換並儲存至資料庫

4.從資料庫取得Tag訊號

5.將資料傳至定位演算系統

6.進行定位演算

7.將定位演算結果存至資料庫

8.發現感染者，啟動接觸者檢查

，輸入感染者、感染資訊以及條件 9.取得演算結果與相關資料

10.依照醫生輸入感染疾病條件，篩選出高風險感染者

11.取得高風險感染者名單

12.對高風險 感染者進行 傳染病檢驗

13.取得檢 查結果 14.向衛生局進行感染通報

15.通知安排對密閉式環境進行消毒

圖 9 系統流程圖

第三節

地區特徵指紋定位法(Location Fingerprinting)

在各種無線定位的設備中，

Received Signal Strength(RSS)是一個很重

要的定位依據，他可用於計算

Reader

和

Tag

間的距離。Received Signal

Strength Indicator(RSSI)則是 RSS

的表示值，可以用正值與負值加以表示，

當以正值表示時，通常以

0dBm

為訊號最差，100dBm為訊號最佳，以負 值表示時，通常以

0dBm

為訊號最佳，

-100dBm

為訊號最差，同理，

-60dBm

的訊號比-80dBm要好。本研究使用負值表示，範圍為

0dBm

至-100dBm。

其訊號和距離間的關係與

RSS

相同，Reader 和

Tag

越近則訊號越佳，

Reader

和

Tag

越遠則越差。

但是，不僅是

RFID，各種 RF

訊號都容易因環境當中的變化而產生 差異，不同的時間點，現場設備的變動也會造成影響，即使位於相同的位 置量測，也可能測量出不同於以往的訊號，因此必須要以演算法加以校正。

本研究使用

Location Fingerprinting

結合

KNN

演算法，並加上文獻探 討章節中的傳染病感染條件，建立系統的定位機制。此定位機制主要作用 在於定位環境中所須追蹤的目標，目標通稱為

Mobile Unit(MU)，包含了

人以及物品。此機制由兩階段所組合，第一個為建置內含許多訊號的

Fingerprinting

訓練資料庫，稱作校準階段(Calibration Phase)另一部分為

K-

近鄰演算法(K-Nearest Neighbor，KNN)加上歐氏距離演算法(Euclidean

Distance)的追蹤機制，稱作定位階段(Location Estimation Phase)。傳染條

件則是將居民與病人間的接觸距離與共處時間列入演算，加以篩選高風 險的感染患者。

(一) 校準階段(Calibration Phase)

在這個部分，要創立一個訓練資料庫，資料庫當中會儲存環境中所收 集而來的

Tag

訊號，以供定位階段(Location Estimation Phase)計算使用。

在此定位機制中，並未將訊號與距離間的遞減關係列入資料庫，因環境中 的訊號容易發生折射、反射與繞射等現象，若使用距離作為判斷，容易受 到以上現象所影響，造成定位失誤。

建置此資料庫的流程中，首先需要先於環境中布置數個

Reader，本

研究中布置四台

Reader，每個 Reader

所布置位置並不相同，因此每個

Reader

對同一個

Tag

所收集到之訊號也不同。

布置好

Reader

後，將這些

Reader

的讀取範圍涵蓋環境全域，並將環

的

Tag

稱作參考標籤(Reference Tag，RT)。這是一個重要的階段，須依使 用者需求決定區域與

RT

的數量、劃分方式，以及位置，且此階段亦會影 響後續演算時的準確度。

每個區域的

RT

訊號與座標位置會加以儲存，並記錄至資料庫中，儲 存的格式則根據使用的演算法有所不同，在本研究的儲存格式中，每一筆 儲存的訊號與座標編號會給予一個編號，並視為一個

CP(Calibration Point)

， 儲存格式如

CP

n

(X,Y)[RSSI

1

, RSSI

2

, RSSI

3

…RSSI

n

]，CP

n表示編號代碼，

X

代表該代碼位於環境中的橫軸座標，Y 代表縱軸座標，RSSIn代表收集 來的訊號，後方數字為此訊號是經由環境中哪一個

Reader

收集而來，訊 號的個數多寡，會隨著環境中架設的

Reader

數量而增減。

然而，如同先前所提到的，

RFID

訊號容易因環境的變動而產生差異，

在環境中收集

RT

訊號時，亦會面臨到，若將所有飄移訊號全數寫入至資 料庫中，不但會造成定位失準，使資料庫過於龐大，也會降低資料庫演算 效率。而要將哪個訊號當作

RT

的訊號，紀錄至資料庫中，在學術領域已 有許多學者提出文獻，本研究所使用的演算機制除了可透過

Location

Estimation Phase

的演算法加以定位，在訓練資料庫的設計上，將各個

RT

的訊號收集後，去除離群值，並將訊號加以平均，其後將平均值作為

RT

的訊號，如此一來可減少資料庫的承載，也可提升演算的效率，將這些

RT

值儲存至資料庫後，便可建立一個供

Location Estimation Phase

演算的訓 練資料庫。

(二) 定位階段(Location Estimation Phase)

Location Fingerprinting

的第二個部分為定位階段(Location Estimation

Phase)

，這個階段的主要目的是計算

MU

在環境當中的位置，計算方式則

是將

MU

的訊號，與

Calibration Phase

部分中所收集的訓練資料庫進行比 對。

在訊號的比對上，須要使用距離演算法加以計算，本研究在此使用歐 氏距離演算法(Euclidean Distance)，此演算法可計算出空間中兩點之間的 距離，演算式列於

Eq.(1)， 𝐷(𝑀𝑈, 𝐶𝑃)表示 MU

與

CP

的距離，𝑠_𝑖為

MU

從

Reader i

收集來的訊號，𝑆_𝑖為

CP

於資料庫中，經由

Reader i

所收集之

RT

訊號，將兩值相減，並總和

Reader i

至

Reader n

之差距，即可得

MU

與該

CP

之距離。

𝐷(𝑀𝑈, 𝐶𝑃) = √∑|𝑠_𝑖 − 𝑆_𝑖|²

𝑛 𝑖=1

(1)

計算完各

CP

距離後，要選出與

MU

最相近的

CP

值，在此

K-Nearest

Neighbor(KNN)

，為一種廣為使用的方式。

KNN

的概念為透過距離演算式

將所需比對的值，與訓練資料庫的值進行比對，並找出最相近的

CP，而

尋找的

CP

數目可以隨使用者需求而訂定，當

K

值設定為

1

時，就會搜 尋最接近的一個

CP，K

值設定為

n

時，就會搜尋最接近的

n

個

CP，並

依照

MU

與各個

K

值的距離給予權重，而

K

值數量會直接的影響系統的 演算效率與定位的精準度，須根據使用者的需求加以訂定。

(三) 高風險感染患者篩選式

本研究在此將參考文獻中的三種傳染病接觸者檢查流程列為主要參 照對象，在此三種病例中，患者與接觸者的接觸距離及共處一室的時間長

所需調查的期間，接著輸入該患者所換疾病之傳染距離至系統中，系統會 自動化比對該期間內患者於與其它接觸者間是否有曾小於該疾病的傳染 距離，若有則會將接觸者列入高風險感染清單中，計算兩者間的距離式如

Eq.(2)。

𝐷(𝑙_𝑎^{𝑟𝑜𝑜𝑚}, 𝑙_𝑏^{𝑟𝑜𝑜𝑚})^t = √|𝑥_𝑎^{𝑡,𝑟𝑜𝑜𝑚}− 𝑥_𝑏^{𝑡,𝑟𝑜𝑜𝑚}|² + |𝑦_𝑎^{𝑡,𝑟𝑜𝑜𝑚} − 𝑦_𝑏^{𝑡,𝑟𝑜𝑜𝑚}|²

(2) Eq.(2)中，

𝑙_𝑎^{𝑟𝑜𝑜𝑚}代表患者所在房間及位置，𝑙_𝑏^{𝑟𝑜𝑜𝑚}代表銀髮村某居民所 在房間及位置，𝐷代表兩者於房內之距離，t 表示特定時間點，𝑥_𝑎^{𝑡,𝑟𝑜𝑜𝑚}與 𝑦_𝑎^{𝑡,𝑟𝑜𝑜𝑚}表示𝑙_𝑎^{𝑟𝑜𝑜𝑚}在時間點 t 時患者所在房間的𝑥軸與𝑦軸座標位置，

𝑥_𝑏^{𝑡,𝑟𝑜𝑜𝑚}與𝑦_𝑏^{𝑡,𝑟𝑜𝑜𝑚}表示𝑙_𝑏^{𝑟𝑜𝑜𝑚}在時間點 t 時某居民所在房間的𝒙軸與𝒚軸座標 位置。

部分疾病在共處一室的情形下，即使沒有近距離接觸，只要時間符合 標準，亦有可能造成感染的情形，因此本系統可由使用者輸入疾病的共處 一室的時間門檻值，以及輸入所需調查的期間，如同距離比對功能，系統 會自動化的計算該期間內患者與何接觸者之共處時間符合使用者輸入之 門檻值，門檻值之計算式如

Eq.(3)。

𝐶𝑇(𝑟𝑜𝑙𝑒_𝑎, 𝑟𝑜𝑙𝑒_𝑏)^𝑇 = ∑ {𝑡𝑖𝑚𝑒_𝑎,𝑏^{𝑟𝑜𝑜𝑚}, 𝑖𝑓 𝑟𝑜𝑙𝑒_𝑎^{𝑟𝑜𝑜𝑚} = 𝑟𝑜𝑙𝑒_𝑏^{𝑟𝑜𝑜𝑚} 0, 𝑜𝑡ℎ𝑒𝑟𝑤𝑖𝑠𝑒

𝑛 𝑑=1

(3)

𝑟𝑜𝑙𝑒_𝑎表示患者，𝑟𝑜𝑙𝑒_𝑏表示銀髮村某居民，T 表示使用者輸入的調查 期間，CT表示此期間內的累計共處時間，𝑑表示該期間內日期，𝑟𝑜𝑙𝑒_𝑎^{𝑟𝑜𝑜𝑚} 表示患者於某室內環境，𝑟𝑜𝑙𝑒_𝑏^{𝑟𝑜𝑜𝑚}表示接觸者於某室內環境，當兩者所在 環境相同時，便會進行時間累計，𝑡𝑖𝑚𝑒_𝑎,𝑏^{𝑟𝑜𝑜𝑚}表示於日期 d中，兩者於該室 內環境之同室時間。

第肆章 系統實做說明與結果

第一節 研究對象與設備

本研究參訪台灣北部知名老人長照機構後，參照其環境配置，並於室 內環境模擬其室內環境進行測試，並令實驗人員位於房內，模擬實驗對象 之銀髮村居民於環境中移動，測試訊號的接收情形與定位的準確度。

本研究使用之

Reader

型號為

MRK-R40A

，主要功能為接受

Tag

所傳 送而來之資料，包含

Tag ID

以及訊號，Reader詳細規格如表

4

所示。

表 4本研究使用之讀取器(Reader)規格

Parameter Min Typical Max Unit

電源電壓

4.5 5.0 5.5 V

平均電流

- - 60 mA

使用頻率

Unlicensed ISM band 433 MHz

範圍

45 - - M

運作溫度

0 - 55

℃

貯藏溫度

0 - 60

℃

Reader

傳輸介面為

RS-232，電源為有線形式，附有天線，Reader

外

型如圖 10所示。

本研究使用之

Tag

型號為 UM-T401，每個

Tag

的

ID

可更改，設備 的詳細規格如表 5所示。

表 5 本研究使用之標籤(Tag)規格

Parameter Min Typical Max Unit

電源電壓

2.4 3.0 3.3 V

使用頻率

Unlicensed ISM band 433 MHz

範圍

- - 15 M

運作溫度

0 - 55

℃

貯藏溫度

0 - 60

℃

Tag

需要另外安裝電池，與

Reader

間的訊號傳輸為無線形式，

Tag

外 型如圖

11

所示。

圖 11 本研究使用之標籤(Tag)

第二節 無線射頻辨識技術之配置與測試

本研究以北部某銀髮村之室內環境為參考範例，於室內環境中進行 模擬測試，並於其中收集、測試

RFID

訊號，模擬環境長

1340cm，寬為 1120cm

平面圖如圖 12所示。

圖 12 模擬環境平面圖

本研究的測試中會使用到多個

Tag

，因此在測試前，需要測試每個

Tag

的訊號是否會有誤差，因此本研究首先將各個

Tag

在無干擾的環境中進 行訊號測試，以觀察是否需要校正，在測試中將

4

個

Tag

分別於

Reader

0

公尺處進行訊號測量，並逐漸增加至

5

公尺，測試各個

Tag

的訊號之誤