CN104391967B - 一种基于多源数据分析的就诊推荐方法 - Google Patents
一种基于多源数据分析的就诊推荐方法 Download PDFInfo
- Publication number
- CN104391967B CN104391967B CN201410727073.0A CN201410727073A CN104391967B CN 104391967 B CN104391967 B CN 104391967B CN 201410727073 A CN201410727073 A CN 201410727073A CN 104391967 B CN104391967 B CN 104391967B
- Authority
- CN
- China
- Prior art keywords
- medical
- health organization
- user
- time
- time period
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000007405 data analysis Methods 0.000 title claims abstract description 11
- 230000036541 health Effects 0.000 claims abstract description 127
- 230000008520 organization Effects 0.000 claims abstract description 117
- 230000004927 fusion Effects 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims description 26
- ZVFQEOPUXVPSLB-UHFFFAOYSA-N 3-(4-tert-butylphenyl)-4-phenyl-5-(4-phenylphenyl)-1,2,4-triazole Chemical compound C1=CC(C(C)(C)C)=CC=C1C(N1C=2C=CC=CC=2)=NN=C1C1=CC=C(C=2C=CC=CC=2)C=C1 ZVFQEOPUXVPSLB-UHFFFAOYSA-N 0.000 claims description 14
- 230000007246 mechanism Effects 0.000 claims description 5
- 238000000611 regression analysis Methods 0.000 claims description 5
- 239000012141 concentrate Substances 0.000 claims description 4
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims 1
- 230000037430 deletion Effects 0.000 claims 1
- 102100026508 Tafazzin Human genes 0.000 description 28
- 101710175789 Tafazzin Proteins 0.000 description 21
- 238000005516 engineering process Methods 0.000 description 10
- 101000835595 Homo sapiens Tafazzin Proteins 0.000 description 7
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 239000004744 fabric Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003455 independent Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G06F19/34—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Child & Adolescent Psychology (AREA)
- Remote Sensing (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Medical Informatics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于多源数据分析的就诊推荐方法，包括：通过网络对区域内的医疗卫生机构信息进行注册；采集用户就诊项目信息和用户所处位置信息，发送就诊推荐请求；根据就诊推荐请求，利用每个医疗卫生机构信息、每个医疗卫生机构当前的人口分布密度和用户所处位置信息进行多源数据融合，获得每个医疗卫生机构在某一时段内被用户选择可能性；按选择可能性的值对医疗卫生机构进行排名；将排名前10位的医疗卫生机构以及用户的地理位置通过调用地图应用程序编程接口进行发布；用户最后选择的医疗卫生机构的前往路线在地图上进行导航。本发明实现了实时的就诊推荐，为用户提供了更为切合其需求的就诊推荐和便捷的导航服务。
Description
技术领域
本发明涉及多源数据分析领域，具体涉及一种基于多源数据分析的就诊推荐方法。
背景技术
目前，居民在选择就诊医院时，大部分人采取的是慕名原则或就近原则，由于无法掌握所选择的就诊医院的就诊人数动态信息，所以常常会遇到所选择的就诊医院就诊病患太多、等待时间过长的情况。
手机定位技术的成熟和手机用户的快速增长为实现人口时空动态监控提供了可实施环境。目前手机定位技术已经能够对目标对象进行位置定位，并连续追踪其位置变化信息，在此基础上，可通过位置数据处理和建模分析进行相应的人口移动轨迹分析，而这种基于手机定位技术的人口移动轨迹分析方法相对于传统的调查方法有着明显优势：
(1)它是利用手机无线通信已有的基础设施，其成本较低；
(2)它是基于手机定位技术，当追踪目标对象的位置变化时，能够获取各种时间周期间隔内移动轨迹的动态变化特征，能够获取充足的追踪对象的位置数据样本，获得的数据具有较强的代表性和真实性，数据质量较高。
而随着大数据技术的发展，利用手机定位技术能够随时得到当前各医疗卫生机构人口时空动态分布数据以及医疗卫生机构各个科室的水平和之前就诊病患的评价等多源数据，如果将这些关联数据进行就诊推荐分析，并利用地理信息系统(GeographicInformation System)进行定位导航，就可以在了解用户就诊需求的基础上，为用户提供更为切合其需求的就诊推荐和便捷的导航服务。
有鉴于此，开发一种基于多源数据分析，利用地理信息系统为用户推荐所需就诊项最优医疗卫生机构和便捷的导航服务的方案非常符合当前的需求。
发明内容
本发明所要解决的技术问题是如何为用户推荐所需就诊项最优的医疗卫生机构和便捷的导航服务的问题。
为了解决上述技术问题，本发明所采用的技术方案是提供一种基于多源数据分析的就诊推荐方法包括以下步骤：
第一步、对辖区内医疗卫生机构信息进行注册；
第二步、采集用户就诊项目信息和用户所处位置信息，发送就诊推荐请求；
第三步、根据就诊推荐请求，利用每个医疗卫生机构信息、每个医疗卫生机构当前的人口分布密度和用户所处位置信息进行多源数据融合，获得每个医疗卫生机构在某一时段内被用户选择可能性；
第四步、按照每个医疗卫生机构被用户选择可能性由大到小进行排名；
第五步、将排名前10位的医疗卫生机构以及用户的地理位置通过调用地图应用程序编程接口进行发布，其中排第一位的为首推医疗卫生机构；
第六步、对用户最后选择的医疗卫生机构的前往路线在地图上进行导航。
在上述方法中，医疗卫生机构信息包括以下内容：
医疗卫生机构名称、地址；
医疗卫生机构面积；
医疗卫生机构简介，包含科室种类、各科室的医疗水平、各科室医疗情况简介以及联系电话；
以往就诊病患的评价级别。
在上述方法中，在第二步中，采集用户就诊项目信息的方式为：用户通过移动终端或web终端在固定的多条就诊项目选择需要的就诊项目来完成，若用户对自身病症所属就诊项目不明确，可进行在线咨询。
在上述方法中，在第二步中采集用户所处位置信息的方式包括以下情况：
当用户通过移动终端选择就诊项目时，通过移动终端GPS定位自动获取用户当前所处位置信息；
当用户通过web终端选择就诊项目时，提示用户同时输入所处位置信息。
在上述方法中，在步骤第三步中，利用多源数据融合获得某一时段内，每个医疗卫生机构被用户选择可能性的数学模型为：
y＝ε+a1×x1+a2×x2+a3×x3+a4×x4；
其中，y为某一时段内用户选择医疗卫生机构可能性的值，ε为常数项，x1为医疗卫生机构人口分布密度，x2为医疗卫生机构各个科室的医疗水平，x3为以往就诊病患的评价级别，x4为用户与医疗卫生机构之间的距离，aj为因素xj的影响系数，j取1、2、3、4；
常数项ε和影响系数aj采用如下方式获得：首先通过问卷调查的方式采集各医疗卫生机构在某一时段内被用户选择可能性y，以及对应的因素xj值，然后再利用多元回归分析算法获得数学模型获得在该时段内的常数项ε和影响系数aj。
在上述方法中，第三步具体包括以下步骤：
步骤A310、接收用户就诊推荐请求，并记录该就诊推荐请求的接收时间；
步骤A320、根据用户所处位置信息计算用户与每个医疗卫生机构间距离；
步骤A330、根据该就诊推荐请求的接收时间获取相应时间段内各医疗卫生机构的当前人口分布密度；
步骤A340、将每个医疗卫生机构的当前人口分布密度、医疗卫生机构各个科室的医疗水平、以往就诊病患的评价级别以及用户与医疗卫生机构间距离代入数学模型，得到每个医疗卫生机构在该时间段内用户选择的可能性。
在上述方法中，步骤A340中，采用如下方法获得每个医疗卫生机构的当前人口分布密度：
步骤A341、将一天等分为N个时间段T(i),i≤N，i、N为正整数；
步骤A342、采用问卷调查的方式获得每个医疗卫生机构覆盖范围内，在每一个时间段内的手机用户百分比；
步骤A343、实时获取每个医疗卫生机构覆盖范围的时间段T(i)内，所有手机用户的定位信息，据此得到时间段T(i)内各医疗卫生机构的手机用户数量；
步骤A344、利用时间段T(i)内，手机用户百分比和各医疗卫生机构的手机用户数量，获得时间段T(i)内各个医疗卫生机构当前人口总数；
步骤A345、将各个医疗卫生机构时间段T(i)内当前人口总数除以对应医疗卫生机构面积，得到各个医疗卫生机构当前人口分布密度。
在上述方法中，步骤A343包括以下步骤：
将医疗卫生机构覆盖范围等分为多个分析区域TAZ(n),其中：n为正整数；
获取时间段T(i)内所有手机的定位信息，将其与每个分析区域TAZ(n)进行映射，得到每个手机用户途经的分析区域情况；
按预设时间间隔将时间段T(i)等分为m个范围，m为正整数；
以手机号为用户ID，将每个预设时间间隔内的手机定位信息按用户ID进行分组，并对每组手机定位信息按时间戳进行排序；
分别获取每个预设时间间隔内每个用户ID对应的最后分析区域，得到在每个预设时间间隔内各分析区域TAZ(n)所对应的ID集；
将分析区域TAZ(n)的每一预设时间间隔的ID集与相邻的上一预设时间间隔的每一区域的ID集进行合并，ID相同的保留时间戳最新的数据，得到的分析区域TAZ(n)合并ID集；
将分析区域TAZ(n)合并ID集中每个ID对应的时间戳与时间段T(i)结束时刻的时间间隔与预设时间阈值做比较，删除合并ID集中时间间隔大于预设时间阈值的用户ID，每个分析区域合并ID集中用户ID的数量即为时间段T(i)内手机用户的数量；
将时间段T(i)内每个分析区域手机用户的数量相加，获得每个医疗卫生机构覆盖范围的时间段T(i)内手机用户的数量。
在上述方法中，在第六步中，导航包括获取实时路况信息，给予用户路况提醒
本发明利用手机定位技术做到了随时得到当前各医疗卫生机构人口时空动态分布数据，并通过多源数据分析实现了实时的就诊推荐分析，使用户可以掌握选择就诊医院的就诊人数动态信息，能够有效的避免遇到就诊病患太多等待时间过长的情况，同时还利用地理信息系统为用户对选择的就诊医疗机构进行定位导航，在了解用户就诊需求的基础上，为用户提供更为切合其需求的就诊推荐和便捷的导航服务。
附图说明
图1为本发明一种基于多源数据分析的就诊推荐方法的流程图；
图2为本发明中第三步的流程图；
图3为本发明中获得每个医疗卫生机构的当前人口分布密度的流程图；
图4为本发明中步骤A343的流程图。
具体实施方式
下面结合说明书附图和具体实施例对本发明做出详细的说明。
如图1所示，本发明提供的一种基于多源数据分析的就诊推荐方法包括以下步骤：
第一步、通过网络对辖区内医疗卫生机构信息进行注册；
医疗卫生机构信息包括以下内容：
医疗卫生机构名称、地址；
医疗卫生机构面积；
医疗卫生机构简介，包含科室种类(就诊项)、各科室的医疗水平、各科室医疗情况简介以及联系电话等；
以往就诊病患的评价级别。
具体实施过程中，医疗卫生机构的信息可由医疗卫生机构通过网络自行录入到辖区医疗卫生机构信息库中。
第二步、采集用户就诊项目信息和用户所处位置信息，发送就诊推荐请求；
采集用户就诊项目信息的方式为：用户通过移动终端或web终端在固定的多条就诊项目选择需要的就诊项目来完成，在选择就诊项目时，若用户对自身病症所属就诊项目不明确，可进行在线咨询。
采集用户所处位置信息的方式分包括以下情况：
当用户通过移动终端选择就诊项目时，通过移动终端GPS定位自动获取用户当前所处位置信息；
当用户通过web终端选择就诊项目时，提示用户同时输入所处位置信息。
第三步、根据就诊推荐请求，利用每个医疗卫生机构信息、每个医疗卫生机构当前的人口分布密度和用户所处位置信息进行多源数据融合，获得每个医疗卫生机构在某一时段内被用户选择可能性y。
第四步、按照每个医疗卫生机构被用户选择的可能性y由大到小进行排名。
第五步、将排名前10位的卫生医疗机构(不满10个的，则全部选择)以及用户的地理位置通过调用百度地图API(Application Programming Interface，应用程序编程接口)在百度地图上进行发布，即排名前十位的机构都需在地图上进行标注显示，其中排第一位的为首推医疗卫生机构。
第六步、对用户最后选择的医疗卫生机构的前往路线在地图(百度地图等)上进行导航。
用户根据推荐结果以及自身的需求、意向自行选择要前往就诊的医疗卫生机构，例如用户选择了排名第一的1号医疗卫生机构，就会为用户提供从用户所在地理位置到1号医疗卫生机构的路线安排导航。
在本发明第六步中，导航包括通过调用百度TrafficControl接口(地图交通控制接口)获取实时路况信息，给予用户路况提醒。
在本发明第三步中，采用可以回归分析法进行多源数据融合，获得某一时段内每个医疗卫生机构被用户选择可能性。
其中，回归分析法，它是对客观事务数量依存关系的分析，是一种重要的统计分析方法，广泛地应用于各类社会现象变量之间影响因素和关联的研究；例如多元回归、逻辑回归(logistic regression)分析等算法，这些算法都可以对数据进行融合；而多元回归分析在自然科学、社会科学和应用技术中都有重要应用，他是研究多个自变量与某个应变量之间相关关系的一种常用统计方法，其根据统计资料来建立预报公式(经验公式)，得到相应的多元回归数学模型或逻辑回归(logistic regression)数学模型。
在本发明中，利用多元回归分析算法进行多源数据融合，获得某一时段内每个医疗卫生机构被用户选择可能性的数学模型为：
y＝ε+a1×x1+a2×x2+a3×x3+a4×x4 (1)；
其中，y为某一时段内用户选择医疗卫生机构可能性的值，ε为常数项，x1为医疗卫生机构人口分布密度，x2为医疗卫生机构各个科室的医疗水平，x3为以往就诊病患的评价级别，x4为用户与医疗卫生机构之间的距离，aj为因素xj的影响系数，j取1、2、3、4。
常数项ε和影响系数aj采用如下方式获得：首先通过问卷调查的方式采集各医疗卫生机构在某一时段内被用户选择可能性y，以及对应的因素xj值，然后再利用多元回归分析算法获得数学模型获得在该时段内的常数项ε和影响系数aj。
如表1所示，通过问卷调查的方式采集各医疗卫生机构在某一时段内被用户选择可能性y，以及对应的因素xj值，这组数据包括：用户选择医疗生卫机构时医疗卫生机构人口分布密度、医疗卫生机构各个科室的医疗水平数据、以往就诊病患的评价级别数据和用户与医卫机构间距离以及相应用户选择医疗生卫机构可能性的值，将这些数据分别代入数学模型(1)中，计算出常数项ε及每个因素影响系数a1、a2、a3、a4的值；例如根据表1中数据，得到ε≈-1.30675、a1≈2.3243、a2≈1.02695、a3≈0.9582、a4≈-2.44068，这样就得到了符合辖区各医疗卫生机构实际情况的数学模型(1)：
y＝-1.30675+2.3243×x1+1.02695×x2+0.9582×x3-2.44068×x4；
其中，仅有y、x1、x2、x3和x4为未知数。
表1：通过问卷调查的方式采集各医疗卫生机构在某一时段内被用户选择可能性y，以及对应的因素xj值列表。
如图2所示，在本发明中，第三步具体包括以下步骤：
步骤A310、接收用户就诊推荐请求，并记录该就诊推荐请求的接收时间；
步骤A320、根据用户所处位置信息计算用户与每个医疗卫生机构间距离；
步骤A330、根据该就诊推荐请求的接收时间获取相应时间段内各医疗卫生机构的当前人口分布密度；
步骤A340、将每个医疗卫生机构的当前人口分布密度、医疗卫生机构各个科室的医疗水平、以往就诊病患的评价级别以及用户与医疗卫生机构间距离代入数学模型(1)，得到每个医疗卫生机构在该时间段内用户选择的可能性，如表2所示。
表2：一组利用数学模型(1)获得的医疗卫生机构在某一时段内被用户选择可能性y，以及对应的因素xj值列表。
如图3所示，在步骤A340中获得每个医疗卫生机构的当前人口分布密度包括以下步骤：
步骤A341、将一天等分为N个时间段T(i),i≤N，i、N为正整数；
步骤A342、采用问卷调查的方式获得M个医疗卫生机构覆盖范围内，在每一个时间段内的手机用户百分比pi(n)，n≤M，M、n为正整数；
步骤A343、实时获取每个医疗卫生机构覆盖范围的时间段T(i)内，所有手机用户的定位信息，据此得到时间段T(i)内各医疗卫生机构的手机用户数量Ti(n)；
步骤A344、利用时间段T(i)内，手机用户百分比pi(n)和各医疗卫生机构的手机用户数量Ti(n)，获得时间段T(i)内各个医疗卫生机构当前人口总数SUM(n)，即SUM(n)＝Ti(n)/pi(n)；
步骤A345、根据公式PL(n)＝SUM(n)/AREA(n)(单位：人每平方米)，将各个医疗卫生机构时间段T(i)内当前人口总数SUM(n)除以对应医疗卫生机构面积AREA(n)，得到各个医疗卫生机构当前人口分布密度PL(n)。
如图4所示，在本发明中，步骤A343包括以下步骤：
步骤A3431、将医疗卫生机构覆盖范围等分为多个分析区域TAZ(n),其中：n为正整数。
步骤A3432、获取时间段T(i)内所有手机的定位信息，将其与每个分析区域TAZ(n)进行映射，得到每个手机用户途经的分析区域情况。
步骤A3433、由于每个时间段医疗卫生机构就诊人数是不一样的，所以需要进行分段分析，按预设时间间隔将时间段T(i)等分为m个范围，m为正整数；例如预设时间间隔为10min，如表3为2014-10-1107:00:00至2014-10-1107:10:00预设时间间隔内手机用户与每个分析子区域的映射的部分节选。
表3：2014-10-1107:00:00至2014-10-1107:10:00时预设时间间隔内手机用户与每个分析区域的映射的部分节选。
| 手机号 | 时间戳 | 途经TAZ |
| … | … | … |
| 13329833425 | 2014-10-1107:00:02 | TAZ1 |
| 13329833425 | 2014-10-1107:01:01 | TAZ1 |
| 13329833425 | 2014-10-1107:01:42 | TAZ2 |
| 13329833425 | 2014-10-1107:03:00 | TAZ1 |
| 13476587223 | 2014-10-1107:02:03 | TAZ1 |
| 13476587223 | 2014-10-1107:03:05 | TAZ2 |
| 13476587223 | 2014-10-1107:04:10 | TAZ3 |
| 13476587223 | 2014-10-1107:05:00 | TAZ3 |
| … | … | … |
步骤A3434、以手机号为用户ID，将每个预设时间间隔内的手机定位信息按用户ID进行分组，并对每组手机定位信息按时间戳进行排序。
步骤A3435、分别获取每个预设时间间隔内每个用户ID对应的最后分析区域，得到在每个预设时间间隔内各分析区域TAZ(n)所对应的ID集；如表4所示，在2014-10-1107:00:00至2014-10-1107:10:00预设时间间隔内每个手机号对应最后分析区域TAZ(n)，那么在2014-10-1107:00:00至2014-10-1107:10:00预设时间间隔内每个分析区域TAZ(n)所对应的ID集如表5所示。
表4：在2014-10-1107:00:00至2014-10-1107:10:00预设时间间隔内每个手机号对应最后分析区域TAZ(n)。
| 手机号 | 时间戳 | 途经TAZ |
| … | … | … |
| 13329833425 | 2014-10-1107:03:00 | TAZ1 |
| 13476587223 | 2014-10-1107:05:00 | TAZ3 |
| 13542988425 | 2014-10-1107:05:02 | TAZ3 |
| … | … | … |
表5：在2014-10-1107:00:00至2014-10-1107:10:00预设时间间隔内每个分析区域TAZ(n)所对应的ID集。
步骤A3436、将分析区域TAZ(n)的每一预设时间间隔的ID集与相邻的上一预设时间间隔的每一区域的ID集进行合并，ID相同的保留时间戳最新的数据，得到的分析区域TAZ(n)合并ID集；
步骤A3437、将分析区域TAZ(n)的合并ID集中每个ID的时间戳与时间段T(i)结束时刻的时间间隔与预设时间阈值(该预设时间阈值根据各个医疗卫生机构不同时段人口流动程度提前设定)做比较，从合并ID集中删除时间间隔大于预设时间阈值大的用户ID，获得的每个分析区域TAZ(n)合并ID集，其中用户ID的数量为该区域在时间段T(i)内手机用户的数量。例如，以时间段结束时刻为2014-10-1108:00:00，时间阈值设定为15min，合并ID集数据如表6所示，在表6中手机号为13233690232的用户合并ID集中的时间戳与时间段结束时刻比较后，时间间隔超过15min，认为该用户已经离开该医疗卫生机构，所以从合并ID集中删除，表6进行时间阈值比较后的阈值比较ID集如表7所示。
表6：一个分析区域的合并ID集数据。
| 手机号 | 时间戳 | 途经TAZ |
| … | … | … |
| 13329833425 | 2014-10-1107:46:02 | TAZ1 |
| … | … | … |
| 13233690232 | 2014-10-1107:44:02 | TAZ2 |
| … | … | … |
| 13476587223 | 2014-10-1107:55:06 | TAZ3 |
| 13542988425 | 2014-10-1107:59:12 | TAZ3 |
| … | … | … |
表7：表6进行时间阈值比较后的阈值比较ID集。
| 手机号 | 时间戳 | 途经TAZ |
| … | … | … |
| 13329833425 | 2014-10-1107:46:02 | TAZ1 |
| … | … | … |
| 13476587223 | 2014-10-1107:55:06 | TAZ3 |
| 13542988425 | 2014-10-1107:59:12 | TAZ3 |
| … | … | … |
步骤A3438、将时间段T(i)内每个分析区域手机用户的数量相加，获得每个医疗卫生机构覆盖范围的时间段T(i)内手机用户的数量Ti(n)。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种基于多源数据分析的就诊推荐方法，其特征在于，包括以下步骤：
第一步、对辖区内医疗卫生机构信息进行注册；
第二步、采集用户就诊项目信息和用户所处位置信息，发送就诊推荐请求；
第三步、根据就诊推荐请求，利用每个医疗卫生机构信息、每个医疗卫生机构当前的人口分布密度和用户所处位置信息进行多源数据融合，获得每个医疗卫生机构在某一时段内被用户选择可能性；
第四步、按照每个医疗卫生机构被用户选择可能性由大到小进行排名；
第五步、将排名前10位的医疗卫生机构以及用户的地理位置通过调用地图应用程序编程接口进行发布，其中排第一位的为首推医疗卫生机构；
第六步、对用户最后选择的医疗卫生机构的前往路线在地图上进行导航；
医疗卫生机构信息包括以下内容：
医疗卫生机构名称、地址；
医疗卫生机构面积；
医疗卫生机构简介，包含科室种类、各科室的医疗水平、各科室医疗情况简介以及联系电话；
以往就诊病患的评价级别；
在步骤第三步中，利用多源数据融合获得某一时段内，每个医疗卫生机构被用户选择可能性的数学模型为：
y＝ε+a1×x1+a2×x2+a3×x3+a4×x4；
其中，y为某一时段内用户选择医疗卫生机构可能性的值，ε为常数项，x1为医疗卫生机构人口分布密度，x2为医疗卫生机构各个科室的医疗水平，x3为以往就诊病患的评价级别，x4为用户与医疗卫生机构之间的距离，aj为因素xj的影响系数，j取1、2、3、4；
常数项ε和影响系数aj采用如下方式获得：首先通过问卷调查的方式采集各医疗卫生机构在某一时段内被用户选择可能性y，以及对应的因素xj值，然后再利用多元回归分析算法获得数学模型获得在该时段内的常数项ε和影响系数aj。
2.如权利要求1所述的方法，其特征在于，在第二步中，采集用户就诊项目信息的方式为：用户通过移动终端或web终端在固定的多条就诊项目选择需要的就诊项目来完成，若用户对自身病症所属就诊项目不明确，可进行在线咨询。
3.如权利要求1所述的方法，其特征在于，在第二步中采集用户所处位置信息的方式包括以下情况：
当用户通过移动终端选择就诊项目时，通过移动终端GPS定位自动获取用户当前所处位置信息；
当用户通过web终端选择就诊项目时，提示用户同时输入所处位置信息。
4.如权利要求1所述的方法，其特征在于，第三步具体包括以下步骤：
步骤A310、接收用户就诊推荐请求，并记录该就诊推荐请求的接收时间；
步骤A320、根据用户所处位置信息计算用户与每个医疗卫生机构间距离；
步骤A330、根据该就诊推荐请求的接收时间获取相应时间段内各医疗卫生机构的当前人口分布密度；
步骤A340、将每个医疗卫生机构的当前人口分布密度、医疗卫生机构各个科室的医疗水平、以往就诊病患的评价级别以及用户与医疗卫生机构间距离代入数学模型，得到每个医疗卫生机构在该时间段内用户选择的可能性。
5.如权利要求4所述的方法，其特征在于，步骤A340中，采用如下方法获得每个医疗卫生机构的当前人口分布密度：
步骤A341、将一天等分为N个时间段T(i),i≤N，i、N为正整数；
步骤A342、采用问卷调查的方式获得每个医疗卫生机构覆盖范围内，在每一个时间段内的手机用户百分比；
步骤A343、实时获取每个医疗卫生机构覆盖范围的时间段T(i)内，所有手机用户的定位信息，据此得到时间段T(i)内各医疗卫生机构的手机用户数量；
步骤A344、利用时间段T(i)内，手机用户百分比和各医疗卫生机构的手机用户数量，获得时间段T(i)内各个医疗卫生机构当前人口总数；
步骤A345、将各个医疗卫生机构时间段T(i)内当前人口总数除以对应医疗卫生机构面积，得到各个医疗卫生机构当前人口分布密度。
6.如权利要求5所述的方法，其特征在于，步骤A343包括以下步骤：
将医疗卫生机构覆盖范围等分为多个分析区域TAZ(n),其中：n为正整数；
获取时间段T(i)内所有手机的定位信息，将其与每个分析区域TAZ(n)进行映射，得到每个手机用户途经的分析区域情况；
按预设时间间隔将时间段T(i)等分为m个范围，m为正整数；
以手机号为用户ID，将每个预设时间间隔内的手机定位信息按用户ID进行分组，并对每组手机定位信息按时间戳进行排序；
分别获取每个预设时间间隔内每个用户ID对应的最后分析区域，得到在每个预设时间间隔内各分析区域TAZ(n)所对应的ID集；
将分析区域TAZ(n)的每一预设时间间隔的ID集与相邻的上一预设时间间隔的每一区域的ID集进行合并，ID相同的保留时间戳最新的数据，得到的分析区域TAZ(n)合并ID集；
将分析区域TAZ(n)合并ID集中每个ID对应的时间戳与时间段T(i)结束时刻的时间间隔与预设时间阈值做比较，删除合并ID集中时间间隔大于预设时间阈值的用户ID，每个分析区域合并ID集中用户ID的数量即为时间段T(i)内手机用户的数量；
将时间段T(i)内每个分析区域手机用户的数量相加，获得每个医疗卫生机构覆盖范围的时间段T(i)内手机用户的数量。
7.如权利要求1所述的方法，其特征在于，在第六步中，导航包括获取实时路况信息，给予用户路况提醒。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410727073.0A CN104391967B (zh) | 2014-12-03 | 2014-12-03 | 一种基于多源数据分析的就诊推荐方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410727073.0A CN104391967B (zh) | 2014-12-03 | 2014-12-03 | 一种基于多源数据分析的就诊推荐方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104391967A CN104391967A (zh) | 2015-03-04 |
| CN104391967B true CN104391967B (zh) | 2017-06-20 |
Family
ID=52609871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410727073.0A Active CN104391967B (zh) | 2014-12-03 | 2014-12-03 | 一种基于多源数据分析的就诊推荐方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104391967B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104917816A (zh) * | 2015-04-22 | 2015-09-16 | 青岛智德安信息科技有限公司 | 基于智能设备的医疗导航系统 |
| US9940362B2 (en) * | 2015-05-26 | 2018-04-10 | Google Llc | Predicting user needs for a particular context |
| CN105184714A (zh) * | 2015-07-18 | 2015-12-23 | 深圳市前海安测信息技术有限公司 | 基于电子诊疗单的科室识别方法和网络医院平台 |
| CN105956674A (zh) * | 2016-04-20 | 2016-09-21 | 中国联合网络通信集团有限公司 | 医疗管理控制方法及系统 |
| CN107343043A (zh) * | 2017-07-04 | 2017-11-10 | 冯贵良 | 一种医疗服务信息精准发布的方法和发布服务器 |
| CN108061558A (zh) * | 2017-11-30 | 2018-05-22 | 深圳中兴网信科技有限公司 | 智能路线导航方法、装置、服务器、移动终端和存储介质 |
| CN108491533B (zh) * | 2018-03-29 | 2019-04-02 | 百度在线网络技术（北京）有限公司 | 数据融合方法、装置、数据处理系统及存储介质 |
| CN108881388A (zh) * | 2018-05-17 | 2018-11-23 | 镇江国中亿家科技有限公司 | 一种位置数据的处理方法和装置 |
| CN109524099A (zh) * | 2018-10-31 | 2019-03-26 | 平安医疗健康管理股份有限公司 | 医疗机构推荐方法、服务器及用户终端 |
| CN109686429B (zh) * | 2018-11-15 | 2023-05-09 | 贵阳朗玛信息技术股份有限公司 | 医生就诊时间段推荐方法及装置 |
| CN110660471A (zh) * | 2019-07-01 | 2020-01-07 | 江苏环亚医用科技集团股份有限公司 | 一种医疗场所调配管理的方法和装置 |
| CN110428890A (zh) * | 2019-07-19 | 2019-11-08 | 万达信息股份有限公司 | 一种就医导诊方法和系统 |
| CN112084409A (zh) * | 2020-09-09 | 2020-12-15 | 中南大学 | 一种基于多目标优化的血液透析资源管理及服务系统与方法 |
| CN112885438A (zh) * | 2021-01-12 | 2021-06-01 | 山东众阳健康科技集团有限公司 | 一种基于卒中地图的院前急救路径规划方法及系统 |
| CN113762889B (zh) * | 2021-08-15 | 2023-09-26 | 上海道拓医药科技股份有限公司 | 用于药店管理的o2o中台系统及其控制方法 |
| CN114783627A (zh) * | 2022-04-12 | 2022-07-22 | 平辅寅健康科技(上海)有限公司 | 基于ai的健康医疗服务推荐系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010113577A1 (en) * | 2009-03-31 | 2010-10-07 | Aisin Aw Co., Ltd. | Map distribution apparatus, map distribution method, and computer program |
| CN101937489A (zh) * | 2010-08-26 | 2011-01-05 | 无锡北邮感知技术产业研究院有限公司 | 基于事件驱动的导医信息服务系统及其工作方法 |
| JP2011070682A (ja) * | 2010-10-14 | 2011-04-07 | Hitachi Ltd | 情報配信装置、情報配信方法、情報配信プログラム |
| CN102129526A (zh) * | 2011-04-02 | 2011-07-20 | 中国医学科学院医学信息研究所 | 面向公众的就医向导式自助分诊挂号方法及系统 |
-
2014
- 2014-12-03 CN CN201410727073.0A patent/CN104391967B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010113577A1 (en) * | 2009-03-31 | 2010-10-07 | Aisin Aw Co., Ltd. | Map distribution apparatus, map distribution method, and computer program |
| CN101937489A (zh) * | 2010-08-26 | 2011-01-05 | 无锡北邮感知技术产业研究院有限公司 | 基于事件驱动的导医信息服务系统及其工作方法 |
| JP2011070682A (ja) * | 2010-10-14 | 2011-04-07 | Hitachi Ltd | 情報配信装置、情報配信方法、情報配信プログラム |
| CN102129526A (zh) * | 2011-04-02 | 2011-07-20 | 中国医学科学院医学信息研究所 | 面向公众的就医向导式自助分诊挂号方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104391967A (zh) | 2015-03-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104391967B (zh) | 一种基于多源数据分析的就诊推荐方法 | |
| Järv et al. | Ethnic differences in activity spaces as a characteristic of segregation: A study based on mobile phone usage in Tallinn, Estonia | |
| Shang et al. | Finding regions of interest using location based social media | |
| Guo et al. | Route design problem of customized buses: Mixed integer programming model and case study | |
| Kaczynski et al. | Association of parkland proximity with neighborhood and park-based physical activity: variations by gender and age | |
| CN104508507B (zh) | 位置的自适应聚类 | |
| Geurs et al. | Recent advances and applications in accessibility modelling | |
| CN104246751B (zh) | 推荐装置、推荐系统以及推荐方法 | |
| CN110119689A (zh) | 一种基于多任务迁移学习的人脸美丽预测方法 | |
| Ji et al. | Alleviating users' pain of waiting: Effective task grouping for online-to-offline food delivery services | |
| CN108288106A (zh) | 一种基于大数据的旅游客流预测方法 | |
| CN106446157B (zh) | 行程目的地推荐方法和装置 | |
| CN108267151A (zh) | 导航路线推荐方法、系统和装置 | |
| CN108267145A (zh) | 一种导航路线推荐方法、系统和装置 | |
| Vega-Gonzalo et al. | How has COVID-19 changed private car use in European urban areas? An analysis of the effect of socio-economic characteristics and mobility habits | |
| CN108596520B (zh) | 一种餐厅选址优化方法及装置 | |
| CN109121093A (zh) | 一种基于被动式WiFi与深度聚类的用户画像构建方法及系统 | |
| CN107066565A (zh) | 一种旅游热点预测系统 | |
| Lee et al. | Spatiotemporal distributions of population in Seoul: joint influence of ridership and accessibility of the subway system | |
| Chen et al. | A holistic data-driven framework for developing a complete profile of bus passengers | |
| CN107622075A (zh) | 地标推荐方法及其计算机程序产品 | |
| Tanaka | MAXIMUM FLOW-COVERING LOCATION AND SERVICE START TIME PROBLEM AND ITS APPLICATION TO TOKYO METROPOLITAN RAILWAY NETWORK (< Special Issue> SCOPE (Seminar on Computation and OPtimization for new Extensions)) | |
| Kumar et al. | Sustainable Intelligent Information System for Tourism Industry | |
| CN112508657B (zh) | 基于智慧大脑控制迎宾机器人的方法及系统 | |
| CN102750288A (zh) | 一种互联网内容推荐方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 430074, No. 88, postal academy road, Hongshan District, Hubei, Wuhan Patentee after: Wuhan post and Telecommunications Science Research Institute Co., Ltd. Address before: 430074, No. 88, postal academy road, Hongshan District, Hubei, Wuhan Patentee before: Wuhan Inst. of Post & Telecom Science |
|
| CP01 | Change in the name or title of a patent holder |