面向老年群体的日常照护是当下我国正在面临的重要民生问题。在老龄人群的日常生活中,跌倒是发生频率最高且对老人健康带来威胁最为严重的事件,如何实时发现、预防、干预跌倒事件,降低跌倒发生概率,减少其对老年群体生活质量的影响,是养老照护相关行业一直面临的行业难点。随着信息技术、数字智能技术的飞速发展,研究学者们开展了一系列面向跌倒问题的检测、建模、预测研究,以期为老年群体的跌倒问题提供新的解决方案。然而,当下所开展的数字驱动跌倒技术研究大都是在相对较为理想的数据和实验环境中开展的,而现实中的老年生活场景往往缺乏支持这些算法和技术有效运行的基础设施和数据条件,进而直接影响了这些数字技术在实际养老照护场景中的有用性和有效性。基于此,本文开展了在实际养老生态环境中的数据驱动跌倒实时监测和模型预测研究,以提升数字技术在实际场景中的使用效能,使其真正赋能给老年群体和他们的服务提供者。本文的主要工作及贡献点包括以下三点:首先,针对当下跌倒实时监测技术普遍面临的‘成本高、基础设施要求高,难以在老年群体中普适应用’的困境,设计了一种基于轻量级网络的老人跌倒实时检测方法,包括视频感知和预处理、AI流聚合和传输、集群计算三个核心模块。该方法充分利用边缘计算的优势,设计基于弹性协作机制的边缘计算方法来处理大规模AI流,以降低实时监测模型对于带宽、算力等的高要求;设计了多样化的建模算法,从不同维度开展老人跌倒的实时监测,提升检测准确率。本文在实际养老场景中进行了应用测试。结果表明,本文所提出的方法在扩展性、可靠性、宽带利用率、准确性和隐私保护方面具有良好的性能。然后,针对当下跌倒建模技术普遍存在的‘依赖理想的数据和实验环境,难以在实际养老数据情境下发挥作用’的困境,开展了在实际养老数据生态环境下的数据分析与建模工作,包括在实际环境中的养老数据采集与分析、人机协同的数据清洗、基于灰度关联和逻辑回归的跌倒风险模型预测、基于深度学习的跌倒风险预测模型构建等,并在同一实际养老数据集中,进行了多维度的模型对比分析和讨论。对比以往模型构建工作,本文提供了真实养老照护数据场景下的数据分析、处理和建模研究,可为之后的数据驱动养老数据模型构建工作提供实证依据和技术依据。接着,针对当下数字驱动跌倒技术产品普遍存在的‘以技术性能为核心目标,缺乏对老年群体实际接收能力考虑’的问题,开展了面向老年群体的无障碍数据驱动跌倒风险评估系统。本系统基于“降低数字鸿沟、让更多老年人享受数字红利”的核心理念,以研究工作二中所提出的预测模型作为核心算法,把根据实际的交互需求考虑进行了模型微调,使得老人只需输入少量关键特征即可得出预测结果;在交互设计上,针对老年群体对数字技术普遍不高的认知能力,设计了简单、友好的交互界面;在结果呈现上,采用了虚拟化的人物形象进行结果和建议输出,以提高老年群体对输出结果的接受度。本系统将专业的健康医学知识、复杂的评估流程用老人更易接受的设计传递给老年人,为数字智能技术在老年群体中的普适性应用提供了设计参考。在人工智能技术飞速发展的当下,我们对于智能技术的设计研究不仅仅要考虑技术性能,更加需要考虑技术在实际情境下的使用效能,使技术真正赋能给人和社会。本文所开展的工作核心是基于实际养老生态环境的跌倒分析与应用技术设计研究,基于当下跌倒相关的数字智能技术在实际场景中遇到的问题,分别从跌倒实时检测、建模、应用技术三个维度开展了情景化设计研究。本文所开展的工作可为之后面向养老照护的数字智能技术提供实证依据和技术基础,推动以人为本的数字智能养老技术设计,具有一定社会意义。