TW202211257A

TW202211257A - 用來針對一勞工的疲勞狀況進行預警的系統以及方法

Info

Publication number: TW202211257A
Application number: TW109131222A
Authority: TW
Inventors: 劉傳名; 陳瑞發; 周瑞淑; 洪敬宜; 楊振昌; 陳建彰
Original assignee: 勞動部勞動及職業安全衛生研究所
Priority date: 2020-09-11
Filing date: 2020-09-11
Publication date: 2022-03-16

Abstract

本發明提供一種用來針對一勞工的疲勞狀況進行預警的系統以及方法，其中該系統包含一電子裝置、一穿戴式裝置、一環境監控裝置以及一後端處理器。該電子裝置執行問卷模組應用程式以針對該勞工所主觀地判斷之疲勞程度產生問卷收集結果，該穿戴式裝置偵測該勞工的生理特徵並據以產生該勞工的生理資訊，以及該環境監控裝置監控職場環境的至少一環境因子的環境即時資訊。該後端處理器分析以上資訊以產生一分析結果，其中該分析結果係用來檢核或預警該勞工發生疲勞的風險。

Description

用來針對一勞工的疲勞狀況進行預警的系統以及方法

本發明係關於疲勞駕駛的檢核或預警，尤指一種用來針對一勞工的疲勞狀況進行預警的系統以及方法。

在大眾運輸業，駕駛員開車前進行酒測已經非常普遍。另一方面，除了酒駕以外，疲勞駕駛也是使用運輸工具時的潛在風險之一，尤其近年來大眾運輸的意外事故、行車安全以及過勞等議題逐漸受到社會上之關注。由於過勞的成因相當複雜，例如工作環境因素、駕駛員心理狀態以及駕駛員長期以來的工作時數都可能影響駕駛員的疲勞程度，因此駕駛員的疲勞狀況難以透過現有的裝置或方法來進行妥善的評估。

因此，需要一種用於運輸工具的駕駛者的自我疲勞檢視工具，使得該駕駛者除了在駕駛前針對酒精濃度做檢測外也能針對疲勞風險進行事前的檢測，藉此降低交通事故發生，並期能掌握職業駕駛的生理及心理健康，降低在運輸業的職業災害或是預防職業病的發生。

本發明之一目的在於提供一種用來針對一勞工的疲勞狀況進行預警的系統以及方法，以透過大量資料（例如職場環境的資訊或是在該職場環境工作的勞工的資訊）的收集來分析該勞工在該職場環境的風險程度及工作狀況，並藉此建立一個用於在勞工開始工作前進行疲勞風險檢測的設備，藉此降低該勞工在工作中發生疲勞（例如疲勞駕駛）的風險。

本發明之至少一實施例提供一種用來針對一勞工的疲勞狀況進行預警的系統，其中該系統可包含一電子裝置、一穿戴式裝置、一環境監控裝置以及一後端處理器，且該後端處理器可透過無線通訊分別與該電子裝置、該穿戴式裝置以及該環境監控裝置進行通訊。該電子裝置可用來執行一問卷模組應用程式，以供收集該勞工所主觀地判斷之自身疲勞程度以產生一問卷收集結果。該穿戴式裝置係穿戴於該勞工的身上，並且可用來偵測該勞工的生理特徵並據以產生該勞工的生理資訊。該環境監控裝置係設置於該勞工的職場環境中，並且可用來監控該職場環境的至少一環境因子的環境即時資訊。該後端處理器可自該環境監控裝置取得在過去的多個工作天之該環境即時資訊以計算出該至少一環境因子的環境累積資訊，並且分別自該電子裝置以及該穿戴式裝置取得該問卷收集結果以及該生理資訊，以依據該環境累積資訊、該問卷收集結果以及該生理資訊產生一分析結果，其中該分析結果係用來檢核或預警該勞工發生疲勞的風險。

本發明之至少一實施例提供一種用來針對一勞工的疲勞狀況進行預警的方法。該方法可包含：利用一電子裝置執行一問卷模組應用程式，以收集該勞工所主觀地判斷之自身疲勞程度以產生一問卷收集結果；利用穿戴於該勞工的身上的一穿戴式裝置偵測該勞工的生理特徵並據以產生該勞工的生理資訊；利用一環境監控裝置監控一職場環境的至少一環境因子的環境即時資訊；利用一後端處理器自該環境監控裝置取得在過去的多個工作天之該環境即時資訊以計算出該至少一環境因子的環境累積資訊；以及利用該後端處理器分別自該電子裝置以及該穿戴式裝置取得該問卷收集結果以及該生理資訊，並且依據該環境累積資訊、該問卷收集結果以及該生理資訊產生一分析結果，其中該分析結果係用來檢核或預警該勞工發生疲勞的風險。

本發明的實施例提供的系統及方法能結合環境因素、勞工的客觀生理狀況以及主觀心理狀況相對於疲勞的關聯性，建立一個可用來檢核或預警該勞工的疲勞駕駛的設備。如此一來，運輸工具的駕駛員在開始工作以前除了能針對酒精濃度作檢測確認是否有酒駕之疑慮以外，也能針對疲勞駕駛的狀況作評估，以避免有較高的疲勞駕駛風險的駕駛員上路。

第1圖為依據本發明一實施例之一種用來針對一勞工的疲勞狀況進行預警的系統10的示意圖，其中系統10可應用於大眾運輸業。如第1圖所示，系統10可包含一電子裝置160、被穿戴於一勞工（例如一駕駛員）身上的穿戴式裝置150、一環境監控裝置諸如一物質濃度感測器110以及一後端處理器170。在本實施例中，系統10可另包含一錄影裝置諸如影像錄影裝置120、一定位裝置130以及一無線傳輸裝置140，其中物質濃度感測器110、影像錄影裝置120、定位裝置130以及無線傳輸裝置140可被架設在職場環境中諸如大眾運輸工具10A內，尤其可被架設在駕駛座附近。此外，後端處理器170可透過無線通訊分別與電子裝置160、穿戴式裝置150、物質濃度感測器110、影像錄影裝置120以及定位裝置130進行通訊。例如，物質濃度感測器110、影像錄影裝置120以及定位裝置130均可耦接至無線傳輸裝置140，以使後端處理器170可透過無線通訊自物質濃度感測器110、影像錄影裝置120以及定位裝置130取得相關資訊。此外，電子裝置160以及穿戴式裝置150可內建相關的無線傳輸模組，以容許後端處理器170自電子裝置160以及穿戴式裝置150取得相關資訊。舉例來說，穿戴式裝置150可透過藍芽通訊將相關資料先傳送至該駕駛員的智慧型手機，再由這個智慧型手機將這些資料傳送至後端處理器170；又例如，穿戴式裝置150可透過Wi-Fi、4G或5G等無線通訊技術將相關資料直接傳送至某個基地台，再接著自這個基地台傳送至後端處理器170；但本發明不限於此。

在本實施例中，第1圖所示之電子裝置160可為一多功能行動電話、一平板電腦、一筆記型電腦、或是任何能執行問卷模組應用程式160P的電子裝置，其中第2圖為依據本發明一實施例之執行問卷模組應用程式160P的智慧型手機300，而智慧型手機300可為電子裝置160的一個例子。如第3圖所示，智慧型手機300可具備一觸控螢幕，該觸控螢幕可顯示問卷內容以供該勞工進行作答，並藉此收集該勞工所主觀地判斷之自身疲勞程度以產生一問卷收集結果。另外，第1圖所示之穿戴式裝置150可為一穿戴式電子裝置諸如智慧型手環。例如，穿戴式裝置150可在工作時間的期間穿戴於該勞工的身上，藉此收集該勞工在工作時間的期間內的心率狀況；又例如，穿戴式裝置150可全天候地穿戴於該勞工身上，藉此即時地收集該勞工的睡眠狀況、心率狀況等。

在本實施例中，該環境監控裝置可用來監控該職場環境的至少一環境因子的環境即時資訊，而後端處理器170可自該環境監控裝置取得在過去的多個工作天之該環境即時資訊以計算出該至少一環境因子的環境累積資訊。例如，該環境即時資訊可包含至少一特定物質（例如一或多種特定物質）在該職場環境中（例如大眾運輸工具10A內）的一即時濃度，諸如該職場環境（例如大眾運輸工具10A內）的空氣組成狀況或空氣品質，以及該環境累積資訊可包含該至少一特定物質的一累積濃度，諸如該職場環境（例如大眾運輸工具10A內）在上述過去的多個工作天的期間的累積或平均的空氣組成狀況或空氣品質。

在本實施例中，上述至少一特定物質可包含二氧化碳、揮發性有機化合物（Total Volatile Organic Compound，簡稱TVOC）或懸浮微粒（例如PM2.5等包含有一或多種特定元素或化合物的懸浮微粒）。以上特定物質可分別用物質濃度感測器110中的二氧化碳即時感測器111、TVOC即時感測器112以及懸浮微粒即時感測器113來產生對應的濃度結果，例如該即時濃度可包含二氧化碳即時濃度、TVOC即時濃度以及懸浮微粒即時濃度，其中這些濃度感測結果可被即時地透過無線傳輸裝置140傳送至後端處理器170，而輸出最新的濃度感測結果的週期不限於特定週期，例如物質濃度感測器110的至少一部分（例如其內的一部分或全部的感測器）可每一分鐘產生一筆最新濃度感測結果、也可每五分鐘產生一筆最新濃度感測結果，凡是能在該勞工的工作時間內持續地更新濃度測結果，均隸屬於本發明之範疇。

在本實施例中，影像錄影裝置120可用來擷取一勞工在該職場環境中的動作影像。此外，後端處理器170可透過無線通訊自影像錄影裝置120取得該動作影像並且利用一動作辨識演算法分析該動作影像以產生一影像感測結果。另外，後端處理器170可利用該動作辨識演算法分析該勞工的肢體動作，以判斷該勞工的肢體動作是否出現疲勞動作，並且據以產生該影像感測結果。例如，該影像感測結果可包含在所述過去的多個工作天之多個即時影像感測結果（例如用來指出該勞工在某一時間點是否做出疲勞動作的影像感測結果）、以及依據該多個影像感測結果計算得到之一累積影像感測結果（例如用來指出該勞工是否長期頻繁地做出疲勞動作的影像感測結果）。

第3圖為依據本發明一實施例之影像200的示意圖，而影像200可為上述影像錄影裝置120擷取之動作影像的一個例子。在本實施例中，該職場環境係在一運輸工具內（例如大眾運輸工具10A內），以及該影像感測結果可指出該運輸工具上的一駕駛員的肢體動作。在某些實施例中，影像錄影裝置120可透過擷取該駕駛員的臉部特徵，以供後端處理器針對該些臉部特徵（例如眼部是否出現闔眼時間過長的特徵、口部是否出現打呵欠的特徵）分析該勞工是否處在疲勞狀態。在本實施例中，為了在該駕駛員有戴墨鏡或帽子導致臉部特徵無法完整被截取的情況下判斷該駕駛員是否出現疲勞狀況，透過影像辨識的技術，辨識資料200D可自影像200中擷取出來以用來代表這個駕駛員在駕駛座的肢體動作（例如利用影像辨識的技術找出駕駛員的頭部、軀幹、四肢在影像200中的像素位置，並且將這些像素位置相連而組成），接著在後端處理器170取得該影像感測結果（例如影像錄影裝置錄製的完整影像200、或者自影像200中擷取出的辨識資料200D）後，後端處理器170可利用該動作辨識演算法分析辨識資料200D，以判斷該勞工的肢體動作是否出現「呆滯」、「打呵欠手遮嘴」、「伸懶腰」等動作，藉此達到上述判斷該駕駛員是否處在疲勞狀態的目的。另外，後端處理器170可利用該動作辨識演算法分析該駕駛員的頭部動作，並且將駕駛員的頭部狀態區分為「頭部向前」、「頭部左轉」以及「頭部右轉」，進一步提升駕駛安全，例如，可判斷該勞工的肢體動作是否做出駕駛中不應出現的行為，例如低頭使用手機等。

此外，動作辨識的技術也可整合定位技術進一步提升駕駛安全。具體來說，定位裝置130可用來偵測該運輸工具的位置，以產生該運輸工具的定位資訊。在本實施例中，後端處理器170可透過無線通訊自定位裝置130取得該定位資訊，並且依據該影像感測結果以及該定位資訊判斷該駕駛員是否在該運輸工具經過至少一特定位置時執行至少一特定肢體動作。舉例來說，由於該定位資訊可指出該運輸工具的位置，因此當該運輸工具要轉彎時，後端處理器170可利用前述的動作辨識技術判斷該駕駛員是否做出「擺頭」確認後照鏡的動作，藉此管理該駕駛員在駕駛時是否遵循正確的安全守則。

需注意的是，上述影像處理相關的技術不限於由特定的元件來實施，例如，上述辨識駕駛員肢體位置的技術可透過內建於影像錄影裝置120中的影像處理電路執行相關的程式碼來實施，而後端處理器170可透過無線通訊自影像錄影裝置120取得辨識資料200D以供後續進行動作辨識；又例如，後端處理器170可透過無線通訊自影像錄影裝置120取得完整的影像200，而辨識肢體位置以及辨識肢體動作均由後端處理器170來執行。另外，上述肢體位置辨識以及動作辨識的技術不限於使用特定的演算法，凡是能自影像200中擷取出駕駛員的肢體動作資訊並且據以判斷該些肢體動作是否符合某些疲勞特徵之影像辨識技術，均隸屬於本發明之範疇。

如上所述，第1圖所示之後端處理器170可分別自物質濃度感測器110、電子裝置160、穿戴式裝置150以及影像錄影裝置120取得該環境累積資訊諸如該累積濃度、該問卷收集結果、該生理資訊以及該影像感測結果，以依據該環境累積資訊諸如該累積濃度、該問卷收集結果、該生理資訊以及該影像感測結果中之一或多者（例如一部分或全部）產生一分析結果，其中該分析結果係用來檢核或預警該勞工發生疲勞的風險。

具體來說，後端處理器170可記錄有該環境累積資訊（例如該累積濃度）、該問卷收集結果、該生理資訊以及該影像感測結果相對於該勞工出現疲勞動作之各自的相關性參數，以及後端處理器170可利用所述各自的相關性參數分別作為該環境累積資訊（例如該累積濃度）、該問卷收集結果、該生理資訊以及該影像感測結果的權值（weighting），以依據該環境累積資訊（例如該累積濃度）、該問卷收集結果、該生理資訊以及該影像感測結果計算出一整體疲勞指數來檢核或預警該勞工在該職場環境出現疲勞動作的風險。為了取得上述相關性參數，該駕駛員的生理特徵（例如睡眠時數、靜息心率、工作中心率等）、個人壓力量表、工作疲勞量表、生活習慣等資訊可分別在疲勞發生時與未發生時分別被預先收集，藉此分析出各個因素與疲勞之間的相關性，而這些分析可針對多個駕駛員進行以產生統整性的結果。如此一來，後端處理器170可利用依據上述分析所建立的回歸模型來整合自物質濃度感測器110、影像錄影裝置120、穿戴式裝置150以及電子裝置160所取得的資訊，以產生該整體疲勞指數。舉例來說，偵測到的TVOC濃度可對應於一TVOC濃度分數F1，其對應的相關性參數為W1；偵測到的二氧化碳濃度可對應於一二氧化碳濃度分數F2，其對應的相關性參數為W2；偵測到的懸浮微粒濃度可對應於懸浮微粒濃度分數F3，其對應的相關性參數為W3；偵測到的靜息心率可對應於一靜息心率分數F4，其對應的相關性參數為W4；偵測到或收集到的總睡眠時數可對應於一總睡眠分數F5，其對應的相關性參數為W5；在駕駛中偵測到的心率等級可對應於一駕駛中心率分數F6，其對應的相關性參數為W6；而該運輸工具的行駛距離（長短途）可對應於一長短途分數F7，其對應的相關性參數為W7；駕駛員在前一日的工時可對應於一前日工時分數F8，其對應的相關性參數為W8；以及透過影像辨識（例如上述動作辨識）所取得的資訊可對應於一影像分數F9，其對應的相關性參數為W9；其中計算該整題疲勞指數的方式如下：疲勞風險度（例如可用0~100的某個數值來表示） = W1 × F1 + W2 × F2 + W3 × F3 + W4 × F4 + W5 × F5 + W6 × F6 + W7 × F7 + W8 × F8 + W9 × F9；需注意的是，上述W1、W2、W3、W4、W5、W6、W7、W8及W9不限於特定數值（可為正數也可為負數），尤其在不同情境下各個數值也可予以變化，例如針對自駕車、計程車、公車，由於實際情境的不同，各個因素與駕駛員疲勞之間的相關性也不同，因此需基於預先分析的結果來決定上述參數。

第4圖為依據本發明一實施例之一種用來針對一勞工的疲勞狀況進行預警的方法的工作流程，其中該方法係可應用於（applicable to）第1圖所示之系統10。需注意的是，第4圖所示之工作流程只是為了說明之目的，並非本發明的限制，其中一或多個步驟可在該工作流程中被新增、刪除或修改。此外，假若可得到相同的結果，則這些步驟不一定要完全遵照第4圖所示的順序來執行。

在步驟410中，系統10可利用一電子裝置（例如第1圖所示之電子裝置160）執行一問卷模組應用程式（例如第1圖所示之問卷模組應用程式160P），以收集該勞工所主觀地判斷之自身疲勞程度以產生一問卷收集結果。

在步驟420中，系統10可利用穿戴於該勞工的身上的一穿戴式裝置（例如第1圖所示之穿戴式裝置150）偵測該勞工的生理特徵並據以產生該勞工的生理資訊。

在步驟430中，系統10可利用一環境監控裝置（例如第1圖所示之物質濃度感測器110）監控一職場環境的至少一環境因子（例如二氧化碳、TVOC、懸浮微粒等）的環境即時資訊（例如二氧化碳、TVOC、懸浮微粒的即時濃度）。

在步驟440中，系統10可利用一後端處理器（例如第1圖所示之後端處理器170）自該環境監控裝置（例如第1圖所示之物質濃度感測器110）取得在過去的多個工作天之該環境即時資訊以計算出該至少一環境因子的環境累積資訊（例如二氧化碳、TVOC、懸浮微粒在上述過去的多個工作天的期間的累積濃度或平均濃度）。

在步驟450中，系統10可利用一錄影裝置（例如第1圖所示之影像錄影裝置120）擷取該勞工在該職場環境中的動作影像。

在步驟460中，系統10可利用該後端處理器（例如第1圖所示之後端處理器170）透過無線通訊自該錄影裝置取得該動作影像並且利用一動作辨識演算法分析該動作影像以產生一影像感測結果。

在步驟470中，系統10可利用該後端處理器（例如第1圖所示之後端處理器170）分別自該電子裝置以及該穿戴式裝置取得該問卷收集結果以及該生理資訊，並且依據該環境累積資訊、該問卷收集結果、該生理資訊以及該影像感測結果產生一分析結果，其中該分析結果係用來檢核或預警該勞工發生疲勞的風險。

總結來說，本發明之實施例提供了一種用來針對一勞工的疲勞狀況進行預警的系統以及方法，能透過偵測職場環境的空氣品質、勞工的肢體動作、該勞工的生理與心理狀況，對該勞工（尤指運輸業的駕駛員）的疲勞風險進行評估，而此評估可應用於在一駕駛員開車前進行檢測以避免該駕駛員在疲勞駕駛風險過高的情況下開車上路，或是應用於在該駕駛員開車中即時地進行監控，以在疲勞駕駛或是危險駕駛的情況已發生或是發生風險過高時能產生預警的訊息告知後端的指揮中心，如此一來指揮中心能即時地得知駕駛員的駕駛安全狀況，降低在工作中因為疲勞而導致的危害風險。以上所述僅為本發明之較佳實施例，凡依本發明申請專利範圍所做之均等變化與修飾，皆應屬本發明之涵蓋範圍。

10:系統 10A:大眾運輸工具 110:物質濃度感測器 111:二氧化碳即時感測器 112:TVOC即時感測器 113:懸浮微粒即時感測器 120:影像錄影裝置 130:定位裝置 140:無線傳輸裝置 150:穿戴式裝置 160:電子裝置 160P:問卷模組應用程式 170:後端處理器 200:影像 200D:辨識資料 300:智慧型手機 410,420,430,440,450,460,470:步驟

第1圖為依據本發明一實施例之一種用來針對一勞工的疲勞狀況進行預警的系統。第2圖為依據本發明一實施例之執行問卷模組應用程式的智慧型手機。第3圖為依據本發明一實施例之一影像的示意圖。第4圖為依據本發明一實施例之一種用來針對一勞工的疲勞狀況進行預警的方法的工作流程。

10:系統

10A:大眾運輸工具

110:物質濃度感測器

111:二氧化碳即時感測器

112:TVOC即時感測器

113:懸浮微粒即時感測器

120:影像錄影裝置

130:定位裝置

140:無線傳輸裝置

150:穿戴式裝置

160:電子裝置

160P:問卷模組應用程式

170:後端處理器

Claims

一種用來針對一勞工的疲勞狀況進行預警的系統，包含：一電子裝置，用來執行一問卷模組應用程式，以供收集該勞工所主觀地判斷之自身疲勞程度以產生一問卷收集結果；一穿戴式裝置，穿戴於該勞工的身上，用來偵測該勞工的生理特徵並據以產生該勞工的生理資訊；一環境監控裝置，設置於該勞工的職場環境中，用來監控該職場環境的至少一環境因子的環境即時資訊；一後端處理器，透過無線通訊分別與該電子裝置、該穿戴式裝置以及該環境監控裝置進行通訊，其中該後端處理器自該環境監控裝置取得在過去的多個工作天之該環境即時資訊以計算出該至少一環境因子的環境累積資訊，並且分別自該電子裝置以及該穿戴式裝置取得該問卷收集結果以及該生理資訊，以依據該環境累積資訊、該問卷收集結果以及該生理資訊產生一分析結果，其中該分析結果係用來檢核或預警該勞工發生疲勞的風險。
如申請專利範圍第1項所述之系統，其中該環境監控裝置為一物質濃度感測器，該環境即時資訊包含至少一特定物質在該職場環境中的一即時濃度，以及該環境累積資訊包含該至少一特定物質的一累積濃度。
如申請專利範圍第2項所述之系統，其中該至少一特定物質包含二氧化碳、懸浮微粒或揮發性有機化合物。
如申請專利範圍第1項所述之系統，另包含：一錄影裝置，用來擷取該勞工在該職場環境中的動作影像；其中該後端處理器透過無線通訊自該錄影裝置取得該動作影像並且利用一動作辨識演算法分析該動作影像以產生一影像感測結果，以及該後端處理器依據該環境累積資訊、該問卷收集結果、該生理資訊以及該影像感測結果產生該分析結果。
如申請專利範圍第4項所述之系統，其中該後端處理器記錄有該環境累積資訊、該問卷收集結果、該生理資訊以及該影像感測結果相對於該勞工出現疲勞動作之各自的相關性參數，以及該後端處理器利用所述各自的相關性參數分別作為該環境累積資訊、該問卷收集結果、該生理資訊以及該影像感測結果的權值（weighting），以依據該環境累積資訊、該問卷收集結果、該生理資訊以及該影像感測結果計算出一整體疲勞指數來檢核或預警該勞工在該職場環境出現疲勞動作的風險。
如申請專利範圍第4項所述之系統，其中該後端處理器利用該動作辨識演算法分析該勞工的肢體動作，以判斷該勞工的肢體動作是否出現疲勞動作，並且據以產生該影像感測結果。
如申請專利範圍第4項所述之系統，其中該影像感測結果包含在所述過去的多個工作天之多個即時影像感測結果、以及依據該多個影像感測結果計算得到之一累積影像感測結果。
如申請專利範圍第4項所述之系統，其中該職場環境係在一運輸工具內，以及該影像感測結果指出該運輸工具上的一駕駛員的肢體動作。
如申請專利範圍第8項所述之系統，另包含：一定位裝置，用來偵測該運輸工具的位置，以產生該運輸工具的定位資訊；其中該後端處理器透過無線通訊自該定位裝置取得該定位資訊，並且依據該影像感測結果以及該定位資訊判斷該駕駛員是否在該運輸工具經過至少一特定位置時執行至少一特定肢體動作。
一種用來針對一勞工的疲勞狀況進行預警的方法，包含：利用一電子裝置執行一問卷模組應用程式，以收集該勞工所主觀地判斷之自身疲勞程度以產生一問卷收集結果；利用穿戴於該勞工的身上的一穿戴式裝置偵測該勞工的生理特徵並據以產生該勞工的生理資訊；利用一環境監控裝置監控一職場環境的至少一環境因子的環境即時資訊；利用一後端處理器自該環境監控裝置取得在過去的多個工作天之該環境即時資訊以計算出該至少一環境因子的環境累積資訊；以及利用該後端處理器分別自該電子裝置以及該穿戴式裝置取得該問卷收集結果以及該生理資訊，並且依據該環境累積資訊、該問卷收集結果以及該生理資訊產生一分析結果，其中該分析結果係用來檢核或預警該勞工發生疲勞的風險。