编辑推荐：
本文提出四层物联网职业健康安全系统架构，分析传感器、机器学习算法及云平台的应用现状，指出传感器技术广泛应用但云平台存在采纳障碍，监督学习与分类模型主导但无监督学习应用不足，总结事故预防、环境监测等典型应用场景及技术挑战。
Sotiris Zikas | Theodor Panagiotakopoulos | Yiannis Kiouvrekis
数学、计算机科学与人工智能实验室（MCSAI Lab），公共与健康学院，塞萨利大学，Terma Mavromichali，Karditsa，43100，塞萨利，希腊
摘要
物联网（IoT）通过智能传感器和连接设备实现了对工作场所环境和员工福祉的实时监控，显著提升了职业健康与安全（OHS）。IoT系统有助于识别危险、缩短响应时间，并确保遵守安全规定。尽管取得了这些进展，但现有文献在研究专门针对OHS应用的技术和算法方面仍存在不足。本文对IoT OHS技术进行了全面综述，该综述围绕四层IoT OHS系统架构展开，为分析该领域的现有研究提供了框架。我们的研究发现，感知层的传感器是IoT OHS实施中最广泛使用的组件，这突显了它们在危险检测和安全监控中的关键作用。相比之下，IoT云技术尚未得到充分利用，这可能成为其广泛应用的障碍。从机器学习（ML）的角度来看，监督学习和分类模型是主导方法，尤其是在涉及所有四种传感器类别的研究中。相比之下，无监督学习模型在IoT OHS系统中的应用较少，表明人们更倾向于结构化、标记化的数据分析。值得注意的是，事故预防应用，特别是那些针对碰撞和高空坠落的应用，充分利用了各种ML方法和传感器技术，使其成为该领域中最全面的类别。通过分类传感器、控制器、网关、通信技术和云平台，并分析ML方法，本文为当前IoT OHS系统的现状提供了宝贵见解，并指出了关键趋势、挑战及未来研究的方向。
引言
物联网（IoT）是一种突破性的技术范式，它将众多设备、传感器和日常物品连接起来，实现了通过互联网的无缝通信和数据共享。2020年，全球IoT市场价值约为1820亿美元。专家预测，到2030年，这一数字将显著增长至超过6210亿美元，同期全球联网设备的数量预计将增加两倍[1]。IoT与大数据分析的融合标志着一个变革时代的到来，这一时代从根本上重塑了我们观察和理解周围世界的方式[2]。这种技术的动态融合在各个领域都产生了深远影响[3][4][5]，其中在职业健康与安全（OHS）领域的影响尤为显著。
OHS的主要目标是促进和维护工作场所中工人的健康、安全与福祉。IoT在OHS中的整合引发了一场范式转变，为各种专业环境中的工人保护与福祉提供了大量创新解决方案[6][7]。IoT技术能够持续监控人员、设备和基础设施，收集和分析各种类型的数据，以确保工作场所的安全。例如，移动技术和智能设备被用于监测生命体征（如体温、心率和脉搏血氧饱和度），通过网站或智能手机应用程序为健康专家和医生提供实时数据[8]。此外，在[9]中，RFID读取器、半被动标签和IoT网络被用于预防施工现场的事故并提高安全性。因此，显而易见，IoT技术可以在支持和增强OHS方面发挥关键作用，满足各种需求和场景。
现有文献广泛探讨了IoT与OHS的交叉点。然而，现有研究主要集中在特定职业、风险和技术方面，缺乏涵盖这一动态领域整个多学科范围的综合性综述。这凸显了需要一种更全面的方法来理解IoT在OHS中的整体影响，以确保在追求提升工人福祉和安全的过程中不会忽略任何方面。具体来说，有些研究仅关注特定技术组件，如数字孪生技术[10]或无线传感器网络（WSNs）[11]及其在采矿等特定职业中的应用。某些调查[12]特别关注特定环境（如办公室）的安全性，研究了用于提升工人福祉和安全的硬件和软件解决方案。其他调查则更侧重于软件方面的分析。例如，[13]探讨了人工智能（AI）及其在OHS中的应用，揭示了最新的AI进展及其提升工作场所安全性的潜力。同样，[14]研究了AI与机器学习（ML）的结合，而[15]则探讨了建筑信息模型（BIM）在建筑行业中的安全与健康应用。一些研究[16][17][18]以及最近的[19][20]与我们的研究目标更为契合，因为它们在用例和专业场景方面采取了更全面的方法。然而，这些研究都侧重于OHS的单一方面，未能提供我们期望的综合性视角。通过分析传感器、控制器、网关、通信技术和云平台，并研究ML方法，本文为当前IoT OHS系统的现状提供了宝贵见解，并指出了关键趋势、挑战及未来研究的方向。
引言
物联网（IoT）是一种将众多设备、传感器和日常物品连接起来的突破性技术范式，实现了互联网上的无缝通信和数据共享。2020年，全球IoT市场规模约为1820亿美元。专家预测，到2030年，这一数字将增长至超过6210亿美元，同期全球联网设备数量预计将增加两倍[1]。IoT与大数据分析的结合标志着一个变革时代的到来，这一时代从根本上改变了我们观察和理解周围世界的方式[2]。这种技术的动态融合在多个领域产生了深远影响[3][4][5]，其中在职业健康与安全（OHS）领域的影响尤为显著。
OHS的核心目标是促进和维护工作场所中工人的健康、安全与福祉。IoT在OHS中的整合引发了一场范式转变，为各种专业环境中的工人保护与福祉提供了众多创新解决方案[6][7]。IoT技术能够持续监控人员、设备和基础设施，收集和分析各种类型的数据，从而保障工作场所的安全。例如，移动技术和智能设备被用于监测体温、心率和脉搏血氧饱和度等生命体征[8]，通过网站或智能手机应用程序为健康专家和医生提供实时数据。此外，在[9]中，RFID读取器、半被动标签和IoT网络被用于预防施工现场的事故并提高安全性。由此可见，IoT技术在支持和增强OHS方面具有关键作用，适用于多种需求和场景。
现有文献已深入探讨了IoT与OHS的交叉点。然而，现有研究往往侧重于特定职业、风险和技术方面，缺乏涵盖这一动态领域整个多学科范围的综合性综述。这凸显了需要一种更全面的方法来理解IoT在OHS中的整体影响，确保在追求提升工人福祉和安全的过程中不会忽略任何方面。具体而言，有些研究仅关注特定技术组件，如数字孪生技术[10]或无线传感器网络（WSNs）[11]及其在采矿等特定职业中的应用。某些调查[12]特别关注特定环境（如办公室）的安全性，研究了用于提升工人福祉和安全的硬件和软件解决方案。其他调查则更侧重于软件方面的分析。例如，[13]研究了人工智能（AI）及其在OHS中的应用，揭示了最新的AI进展及其提升工作场所安全性的潜力。同样，[14]研究了AI与机器学习（ML）的结合，而[15]探讨了建筑信息模型（BIM）在建筑行业中的安全与健康应用。一些研究[16][17][18]以及最近的[19][20]与我们的研究目标更为契合，因为它们在用例和专业场景方面采取了更全面的方法。然而，这些研究仍侧重于OHS的单一方面，未能提供我们希望提供的综合性视角。通过分析相关调查（见表1），可以更清楚地看到这些研究的局限性，包括它们的研究领域、用例和贡献，同时也指出了启发我们研究方法的局限性。表2还概述了我们的研究贡献，涵盖了多个专业场景，并列出了所涉及的职业风险，如火灾风险（涉及烧伤和爆炸）、高空坠落（FFH，指从高处跌落造成的伤害）、与重复性劳损和不良人体工程学相关的工作相关肌肉骨骼疾病（WMSD）、因过度工作负荷导致的身体疲劳（PH）、极端温度暴露（ETE，指热或冷应力）、工作场所的碰撞风险（CRW，涉及移动机械或车辆）、法规遵从性（RA，涉及安全协议的遵守）、与有害生物或化学物质暴露相关的空气传播疾病（AD）、工作环境风险（WEH，包括噪音、振动或照明条件），以及与心理压力和认知负担相关的工作场所压力问题（MFWS）。表2为表1提供了更清晰的视图，强调了我们工作的新颖性。它总结了以往关于IoT技术在OHS领域的研究论文，这些论文通常聚焦于单一行业，忽视了IoT在多样化专业背景和风险中的广泛应用。许多研究忽略了IoT在多种专业环境中的整合，而另一些研究则侧重于技术接受度或风险评估，而没有系统地分析所应用的算法和通信组件。相比之下，我们的研究首次系统地、多维度地综合了IoT在OHS中的应用，将技术、分析和行业视角整合在一个统一的架构中。在这一概念框架下，下一节将详细介绍用于识别、筛选和分析相关研究的方法论。这种结构化的方法确保了透明度和方法论的严谨性，为分析和讨论奠定了坚实的基础。
本文引言强调了IoT技术的重要性，并指出了其在各个领域中的关键作用。同时，它也指出了现有文献中的空白，我们的研究旨在填补这些空白。在引言之后，我们探讨了第3节“IoT OHS系统的特点”。在这一节中，我们讨论了IoT OHS系统的目标、涉及的各种专业场景和专业人士，并对这些场景进行了分类，以便在整篇文章中保持一致性。此外，我们根据文献中的信息对各种风险进行了全面分类。接下来是第4节“IoT OHS系统架构和组件”，我们介绍了一个包含四个层次的IoT OHS架构，从感知层开始，最终到应用层。在这一节中，我们详细介绍了用于应对特定风险的传感器、控制器、网关、通信技术、IoT云平台和机器学习算法。第5节探讨了该架构的应用层，我们将识别出的风险分类为更广泛的类别，并强调了每种应用场景中使用的传感器和算法。第6节关注了使用IoT OHS系统所带来的挑战和未解决的问题。我们讨论了新技术（如机器人和AI）整合所带来的工人压力问题，以及机器学习挑战，特别是对抗性攻击，并提出了一些文献中建议的解决方案。
研究框架
研究框架
基于上一节中指出的空白，我们确定了需要进一步研究的领域，从而制定了构成本文研究框架的一系列研究问题。如表3所示，这些问题涵盖了四个关键研究维度：(a) 影响，即IoT系统在OHS领域的应用和贡献；(b) 数据管理和分析，即最常用的机器学习方法。
IoT OHS系统的特点
在本节中，我们旨在探讨IoT系统在OHS方面的基本特点。我们的重点关注IoT在OHS中的关键应用要素，以揭示主要的研究主题、最紧迫的职业问题以及IoT带来的改进领域。
IoT OHS系统架构和组件
在IoT网络中，一个综合性的架构整合了各种组件，以促进高效的数据收集、传输、处理和分析，涵盖四个不同的层次。虽然存在多种IoT架构变体，但在本文中我们将考虑一个四层架构（图4），包括感知层、网络层、数据管理和处理层以及应用层[49]。
感知层：在感知层，传感器对于捕获原始数据至关重要
应用
我们根据IoT OHS系统所解决的风险，将其应用分为五大类。第一类是心理健康，专注于解决与工作相关心理问题的系统。这些系统旨在监测和改善工人的心理健康和福祉，认识到心理健康对整体工作场所安全的重要性。第二类是物理条件监测，涉及解决环境因素的系统
挑战和未解决的问题
尽管IoT OHS系统有众多应用并带来了积极影响，但如[185]所示，仍存在许多需要解决的风险，例如与自动化和人工智能使用增加相关的心理风险[186]，以及其他可能导致工作流程和职位变化的技术风险，如机器人或其他自动化设备造成的事故或伤害[187]。
结论
本研究通过四层架构（感知层、网络层、数据管理和处理层以及应用层）详细探讨了IoT OHS系统。每一层都分析了其在应对不同专业场景中工作场所风险中的作用。在感知层，我们根据传感器的功能对其进行了分类，并将其与最常见的专业场景和相关风险进行了对应。这种详细的分类突显了
未引用的参考文献
缺失的参考文献：图1、图3、图5、图6
CRediT作者贡献声明
Sotiris Zikas：撰写——原始草稿、方法论、正式分析、数据整理。Theodor Panagiotakopoulos：撰写——审稿与编辑、方法论。Yiannis Kiouvrekis：监督、方法论。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
