场景01：井下人员定位信号异常预警

当前阶段： 🔍 探索中 | 行业： 矿山安全 | 关键词： 人员定位、异常预警、应急响应 | 返回矿山场景 →

一、需求探索

1.1 痛点时刻

具体场景：

凌晨2点，井下C区作业人员张三的定位信号突然消失。调度室发现时已经过去5分钟，立即呼叫但无人应答。此时无法确定：
是设备故障（定位卡没电、信号干扰）
还是人员遇险（被困、受伤、昏迷）
调度员需要立即启动应急预案，但不知道该派谁去、去哪里找、需要带什么设备。

业务背景：

作业规模：井下同时作业100-500人，分布在多个作业面
定位技术：井下无GPS信号，使用UWB（超宽带）定位系统
作业环境：纵深数公里，通信条件差，存在盲区
时间特点：24小时连续作业，夜班（22:00-6:00）人员较少

1.2 核心痛点

问题1：发现滞后

定位信号消失后，调度室可能5-10分钟才发现
没有自动报警机制，依赖人工盯屏
夜班调度员可能疲劳，容易漏看

问题2：判断困难

不知道是设备故障还是人员遇险
不知道最后位置在哪里（信号消失前的轨迹）
不知道附近有没有其他人员可以协助

问题3：响应慢

人工呼叫、人工派单、人工记录，耗时长
应急预案在纸上，执行时容易遗漏步骤
事后追溯困难，责任不清

1.3 业务规则（行业标准）

《煤矿安全规程》相关要求：

井下人员必须携带定位设备（第447条）
定位系统应能实时显示井下人员位置（第448条）
发现人员定位异常应立即核实并采取措施（第449条）

实际业务规则（基于行业调研）：

3分钟判定规则：定位信号消失 > 3分钟 → 判定为异常
15分钟应急响应：异常发生后15分钟内必须完成人员确认
升级规则：10分钟内未处理 → 升级到安全科科长

成本测算：

误报成本：派人下井核实，耗时30分钟，人工成本约200元/次
漏报成本：人员遇险延误救援，可能造成重大伤亡（无法估量）
平衡点：宁可误报，不可漏报

二、方案设计

2.1 业务规则设计

规则1：异常判定规则

异常判定接口规范

接口名称: checkLocationAnomaly

数据模型规范:

typescript

// 输入模型
interface Worker {
  id: string;
  name: string;
  lastLocationUpdate: Date;
  lastKnownLocation: LocationPoint;
}

// 输出模型
interface LocationAnomaly {
  isAnomalous: boolean;
  severity?: 'warning' | 'critical';
  signalLostDuration: number;
  threshold: number;
  lastKnownLocation?: {
    area: string;
    coordinates: { x: number; y: number; z: number };
    timestamp: Date;
  };
}

业务规则定义:

判定条件：定位信号消失时长 > 阈值(默认180秒)
严重程度分级：
- warning: 3-10分钟
- critical: > 10分钟

业务约束:

阈值可配置，默认180秒(3分钟)
阈值取值范围：[60, 600]秒
必须记录最后已知位置

规则2：自动响应规则

typescript

// 自动响应动作
interface AutoResponse {
  // 立即动作（0分钟）
  immediate: {
    alert: {
      channels: ['调度室大屏', '调度员手机', '安全科长手机'];
      sound: '高优先级报警音';
      message: '井下人员定位异常：张三（工号001）信号消失3分钟';
    };
    displayInfo: {
      workerInfo: '姓名、工号、班组、联系方式';
      lastLocation: '最后位置、时间、轨迹回放';
      nearbyWorkers: '附近500米内的其他人员列表';
      emergencyContacts: '紧急联系人（家属、班组长）';
    };
  };

  // 10分钟未处理 → 升级
  escalation_10min: {
    notifyTo: ['安全科科长', '值班矿长'];
    message: '人员定位异常未处理：张三信号消失13分钟，请立即处理';
  };

  // 15分钟未确认 → 启动应急预案
  escalation_15min: {
    triggerEmergencyPlan: true;
    notifyTo: ['矿长', '安全科', '救护队'];
    autoActions: [
      '调取该区域监控录像',
      '通知附近人员前往查看',
      '准备救援设备'
    ];
  };
}

规则3：处置闭环规则

typescript

// 处置流程
interface DisposalProcess {
  // 步骤1：调度员确认（必须）
  step1_confirm: {
    action: '呼叫该人员 + 呼叫附近人员';
    timeLimit: 5;  // 5分钟内完成
    recordRequired: true;  // 必须记录呼叫结果
  };

  // 步骤2：现场核实（必须）
  step2_verify: {
    action: '派人前往最后位置核实';
    timeLimit: 15;  // 15分钟内到达
    reportRequired: true;  // 必须上报核实结果
  };

  // 步骤3：结果记录（必须）
  step3_record: {
    mustRecord: [
      '异常原因（设备故障/人员遇险/其他）',
      '处置措施',
      '处置结果',
      '处置时长',
      '责任人'
    ];
    autoArchive: true;  // 自动归档到安全台账
  };
}

2.2 技术方案

技术架构

UWB定位基站 → 定位数据采集 → 规则引擎 → 报警推送
                    ↓
              数据存储（轨迹、事件）
                    ↓
              可视化大屏 + 移动端

核心技术点

1. UWB定位数据采集

定位精度：±30cm（井下环境）
更新频率：1次/秒
数据格式：{ workerId, x, y, z, timestamp, signalStrength }

2. 信号异常检测

实时监测：每秒检查一次所有在井人员的定位数据
异常判定：超过3分钟未收到数据 → 触发报警
误报过滤：排除已出井人员、休息区人员

3. 规则引擎

基于时间窗口的规则判断
支持规则配置（阈值、升级时间可调整）
支持规则测试（模拟异常场景）

4. 报警推送

多通道推送：大屏、手机APP、短信、语音电话
优先级控制：高优先级报警强制弹窗
推送确认：必须确认收到，否则持续推送

数据模型

typescript

// 人员定位记录
interface LocationRecord {
  id: string;
  workerId: string;           // 人员ID
  workerName: string;         // 姓名
  area: string;               // 作业区域
  coordinates: { x: number; y: number; z: number };
  timestamp: Date;
  signalStrength: number;     // 信号强度
}

// 异常事件记录
interface AnomalyEvent {
  id: string;
  workerId: string;
  workerName: string;
  anomalyType: 'SIGNAL_LOST';
  detectedAt: Date;           // 检测到异常的时间
  lastSignalAt: Date;         // 最后信号时间
  lastLocation: LocationRecord;
  status: 'PENDING' | 'CONFIRMED' | 'RESOLVED';

  // 处置记录
  disposal: {
    confirmedBy: string;      // 确认人
    confirmedAt: Date;
    verifiedBy: string;       // 核实人
    verifiedAt: Date;
    cause: string;            // 异常原因
    actions: string[];        // 处置措施
    result: string;           // 处置结果
    resolvedAt: Date;
  };
}

三、AI辅助开发方案

3.1 技术迁移分析

复用已有资产：医废场景的"GPS轨迹验证"规则

相似点：

都是基于位置数据的异常监测
都需要实时判断 + 自动报警
都需要记录轨迹 + 事后追溯

差异点：

维度	医废场景	矿山场景
定位技术	GPS（室外）	UWB（井下）
异常判断	偏离路线 > 50米	信号消失 > 3分钟
响应动作	推送报警	推送报警 + 应急预案
数据采集	4G网络实时上传	本地网络（井下无4G）

技术复用度：85%

规则引擎逻辑：100%复用
报警推送逻辑：100%复用
数据采集层：需要适配UWB设备（15%新开发）

3.2 Cursor Skill设计

Skill名称： personnel-location-anomaly.md

Skill内容： （见下一节"开发资产"）

3.3 PROMPT模板

PROMPT 1：生成异常检测代码

你是一个业务逻辑开发专家。请根据以下业务规则，生成人员定位异常检测的代码。

## 业务场景
矿山井下人员定位信号消失超过3分钟，需要自动报警并启动应急响应流程。

## 业务规则
1. 异常判定：定位信号消失 > 3分钟 → 判定为异常
2. 严重程度：
   - 3-10分钟：warning（警告）
   - > 10分钟：critical（严重）
3. 自动响应：
   - 立即推送报警（调度室大屏 + 手机APP）
   - 显示最后位置、轨迹回放、附近人员
   - 10分钟未处理 → 升级到安全科科长
   - 15分钟未确认 → 启动应急预案

## 数据模型
- LocationRecord：人员定位记录（workerId, coordinates, timestamp）
- AnomalyEvent：异常事件记录（workerId, detectedAt, lastLocation, status）

## 技术要求
- 使用TypeScript
- 实时监测（每秒检查一次）
- 支持规则配置（阈值可调整）
- 记录所有异常事件和处置过程

请基于以上规范生成代码。

PROMPT 2：生成报警推送逻辑

你是一个业务逻辑开发专家。请根据以下业务规则，生成分级报警推送的代码。

## 业务场景
人员定位异常需要立即推送报警，并根据处理情况自动升级。

## 业务规则
1. 立即推送（0分钟）：
   - 推送到：调度室大屏、调度员手机、安全科长手机
   - 推送内容：人员信息、最后位置、附近人员

2. 升级推送（10分钟未处理）：
   - 推送到：安全科科长、值班矿长
   - 推送内容：异常持续时长、未处理原因

3. 应急推送（15分钟未确认）：
   - 推送到：矿长、安全科、救护队
   - 触发：启动应急预案

## 技术要求
- 支持多通道推送（APP、短信、语音电话）
- 推送确认机制（必须确认收到）
- 推送失败重试（最多3次）

请基于以上规范生成代码。

3.4 技术迁移复杂度评估

阶段一：原型验证

验证目标：确认UWB定位数据能否满足异常检测需求
技术难点：
- UWB数据采集接口适配
- 井下网络环境适配(无4G,需本地部署)
- 规则引擎复用度验证
关键依赖：
- UWB设备接口文档
- 井下网络拓扑图
- 历史定位数据样本(至少1000条)

阶段二：首版上线

核心模块：
1. UWB数据采集模块(新开发,复杂度:高)
2. 异常检测模块(复用医废场景,复杂度:低)
3. 报警推送模块(复用医废场景,复杂度:低)
技术风险：
- UWB设备兼容性
- 井下网络稳定性
- 规则引擎性能(需要实时监测100-500人)
性能要求：
- 异常检测延迟 < 5秒
- 报警推送延迟 < 10秒

阶段三：迭代优化

优化方向：根据实际使用反馈调整阈值、优化报警策略
关键指标：误报率、漏报率、响应时长

四、开发资产

4.1 Cursor Skill

文件名： personnel-location-anomaly.md

内容：

markdown

# 人员定位异常监测规则

## 业务场景
矿山、建筑、物流等场景中，需要实时监测人员定位信号，发现异常时自动报警并启动应急响应。

## 核心业务规则

### 1. 异常判定规则

**规则一：信号消失检测接口规范**

**接口签名:**
```typescript
function checkSignalLost(
  worker: Worker,
  currentTime: Date,
  threshold?: number
): boolean

参数说明:

worker: 人员信息对象
currentTime: 当前时间
threshold: 阈值(秒)，默认180秒

业务规则:

计算信号消失时长 = 当前时间 - 最后信号时间
时长 > 阈值 → 返回 true
时长 ≤ 阈值 → 返回 false

规则二：严重程度判定接口规范

接口签名:

typescript

function getSeverity(duration: number): 'warning' | 'critical'

业务规则:

duration > 600秒(10分钟) → 'critical'
duration ≤ 600秒 → 'warning'

2. 自动响应规则

规则一：立即报警(0分钟)

触发条件: 检测到信号消失超过阈值

响应动作规范:

typescript

interface ImmediateAlertAction {
  channels: ['大屏', '手机APP', '短信'];
  priority: 'HIGH';
  message: string;  // 格式: "人员定位异常：{姓名}信号消失{时长}秒"
  data: {
    workerInfo: Worker;
    lastLocation: LocationPoint;
    nearbyWorkers: Worker[];  // 半径500米内
  };
}

规则二：升级报警(10分钟未处理)

触发条件:

异常状态为 PENDING
信号消失时长 > 600秒

响应动作规范:

typescript

interface EscalationAlertAction {
  channels: ['安全科科长', '值班矿长'];
  priority: 'CRITICAL';
  message: string;  // 格式: "人员定位异常未处理：{姓名}信号消失{时长}秒"
}

规则三：启动应急预案(15分钟未确认)

触发条件:

异常状态为 PENDING
信号消失时长 > 900秒

响应动作规范:

typescript

interface EmergencyPlanAction {
  plan: 'PERSONNEL_MISSING';
  notifyTo: ['矿长', '安全科', '救护队'];
  autoActions: [
    '调取监控录像',
    '通知附近人员',
    '准备救援设备'
  ];
}

3. 处置闭环规则

规则一：处置步骤定义

typescript

interface DisposalSteps {
  step1: {
    action: '呼叫该人员 + 呼叫附近人员';
    timeLimit: 300;  // 5分钟
    recordRequired: true;
  };
  step2: {
    action: '派人前往最后位置核实';
    timeLimit: 900;  // 15分钟
    reportRequired: true;
  };
  step3: {
    action: '记录异常原因和处置结果';
    mustRecord: ['原因', '措施', '结果', '时长', '责任人'];
  };
}

数据模型

人员定位记录

typescript

interface LocationRecord {
  id: string;
  workerId: string;
  workerName: string;
  area: string;
  coordinates: { x: number; y: number; z: number };
  timestamp: Date;
  signalStrength: number;
}

异常事件记录

typescript

interface AnomalyEvent {
  id: string;
  workerId: string;
  workerName: string;
  anomalyType: 'SIGNAL_LOST';
  detectedAt: Date;
  lastSignalAt: Date;
  lastLocation: LocationRecord;
  status: 'PENDING' | 'CONFIRMED' | 'RESOLVED';
  disposal: {
    confirmedBy: string;
    confirmedAt: Date;
    verifiedBy: string;
    verifiedAt: Date;
    cause: string;
    actions: string[];
    result: string;
    resolvedAt: Date;
  };
}

关键处理流程

实时监测 → 每秒检查所有在岗人员的定位数据
异常判定 → 信号消失 > 阈值 → 触发报警
自动响应 → 推送报警 + 显示辅助信息
升级机制 → 10分钟/15分钟自动升级
处置闭环 → 记录处置过程 + 自动归档

开发注意事项

阈值可配置：不要硬编码3分钟，支持运营人员配置
误报过滤：排除已出井人员、休息区人员
推送确认：必须确认收到，否则持续推送
数据留痕：所有异常事件和处置过程必须记录

相似场景复用

这个规则可以复用到：

建筑施工：工人进入危险区域超时未出
物流配送：配送员长时间停留或失联
医院运送：运送人员长时间未完成任务


### 4.2 技术迁移说明

**可复用的已有资产：**

1. **医废场景：GPS轨迹验证规则**
   - 复用：规则引擎框架、报警推送逻辑
   - 调整：GPS → UWB，偏离距离 → 信号消失时间
   - 复用度：85%

2. **医废场景：超期预警规则**
   - 复用：时间窗口判断、升级机制
   - 调整：阈值（46/47/48小时 → 3/10/15分钟）
   - 复用度：90%

**需要新开发的部分：**
- UWB定位数据采集接口（15%）
- 井下网络环境适配（本地部署，无4G）

### 4.3 实施指南

**步骤1：准备环境**
```bash
# 安装依赖
npm install

# 配置UWB定位设备接口
# 编辑 config/uwb-config.json

步骤2：使用Cursor Skill

1. 将 personnel-location-anomaly.md 保存到 .cursor/rules/
2. 在Cursor中告诉AI：
   "参考 personnel-location-anomaly.md 中的业务规则，
   实现人员定位异常监测功能"
3. AI会基于规则生成代码

步骤3：调整配置

typescript

// config/anomaly-rules.ts
export const ANOMALY_CONFIG = {
  signalLostThreshold: 180,      // 3分钟（可调整）
  escalationTime_1: 600,         // 10分钟升级
  escalationTime_2: 900,         // 15分钟启动应急预案
  nearbyRadius: 500,             // 附近人员搜索半径（米）
};

步骤4：测试验证

bash

# 运行测试
npm test

# 模拟异常场景
npm run simulate:signal-lost

五、下一步行动

如果您对这个场景感兴趣

快速验证：基于模拟数据做原型演示，验证业务规则可行性
技术对接：提供UWB设备接口文档，评估对接工作量
成本预估：根据人员规模、定位点数量，给出详细报价

场景01：井下人员定位信号异常预警

一、需求探索

1.1 痛点时刻

1.2 核心痛点

1.3 业务规则（行业标准）

二、方案设计

2.1 业务规则设计

规则1：异常判定规则

异常判定接口规范

规则2：自动响应规则

规则3：处置闭环规则

2.2 技术方案

技术架构

核心技术点

数据模型

三、AI辅助开发方案

3.1 技术迁移分析

3.2 Cursor Skill设计

3.3 PROMPT模板

PROMPT 1：生成异常检测代码

PROMPT 2：生成报警推送逻辑

3.4 技术迁移复杂度评估

四、开发资产

4.1 Cursor Skill

2. 自动响应规则

3. 处置闭环规则

数据模型

人员定位记录

异常事件记录

关键处理流程

开发注意事项

相似场景复用

五、下一步行动

如果您对这个场景感兴趣

相关场景

相关资产

场景01：井下人员定位信号异常预警 ​

一、需求探索 ​

1.1 痛点时刻 ​

1.2 核心痛点 ​

1.3 业务规则（行业标准） ​

二、方案设计 ​

2.1 业务规则设计 ​

规则1：异常判定规则 ​

异常判定接口规范 ​

规则2：自动响应规则 ​

规则3：处置闭环规则 ​

2.2 技术方案 ​

技术架构 ​

核心技术点 ​

数据模型 ​

三、AI辅助开发方案 ​

3.1 技术迁移分析 ​

3.2 Cursor Skill设计 ​

3.3 PROMPT模板 ​

PROMPT 1：生成异常检测代码 ​

PROMPT 2：生成报警推送逻辑 ​

3.4 技术迁移复杂度评估 ​

四、开发资产 ​

4.1 Cursor Skill ​

2. 自动响应规则 ​

3. 处置闭环规则 ​

数据模型 ​

人员定位记录 ​

异常事件记录 ​

关键处理流程 ​

开发注意事项 ​

相似场景复用 ​

五、下一步行动 ​

如果您对这个场景感兴趣 ​

相关场景 ​

相关资产 ​

场景01：井下人员定位信号异常预警

一、需求探索

1.1 痛点时刻

1.2 核心痛点

1.3 业务规则（行业标准）

二、方案设计

2.1 业务规则设计

规则1：异常判定规则

异常判定接口规范

规则2：自动响应规则

规则3：处置闭环规则

2.2 技术方案

技术架构

核心技术点

数据模型

三、AI辅助开发方案

3.1 技术迁移分析

3.2 Cursor Skill设计

3.3 PROMPT模板

PROMPT 1：生成异常检测代码

PROMPT 2：生成报警推送逻辑

3.4 技术迁移复杂度评估

四、开发资产

4.1 Cursor Skill

2. 自动响应规则

3. 处置闭环规则

数据模型

人员定位记录

异常事件记录

关键处理流程

开发注意事项

相似场景复用

五、下一步行动

如果您对这个场景感兴趣

相关场景

相关资产