CN108764621A - 一种数据驱动的居家养老协同看护调度方法 - Google Patents

Abstract

本发明公开了一种数据驱动的居家养老协同看护调度方法，该方法根据定性与定量相结合的评估方法，对居家老人进行需求评估，并根据评估结果提供社区嵌入式的居家养老服务。对于具有一定生活自理能力的老人，提供服务上门的居家养老服务，以辅助其独立生活。同时，设计算法来对各类看护资源进行有效地调度，在为老人提供恰当、有效服务的同时，实现看护资源的合理调度。本发明能够很好的解决居家老人基数庞大、位置分散等问题，通过计算机算法自动生成护理人员看护方案，来合理、有效地调度看护人员，在为老人提供及时、准确的看护服务的同时，实现养老看护资源的均衡利用。

Description

一种数据驱动的居家养老协同看护调度方法

技术领域

本发明涉及居家养老的协同看护技术领域，是一种数据驱动的居家养老协同看护调度方法。

背景技术

随着老龄化问题的日益加剧，养老问题成为一个全球关注的重要民生问题。“居家养老”是世界卫生组织(WHO)及各国政府所鼓励和倡导的一种养老理念。与广义的集中式养老理念不同，居家养老理念鼓励老人在成长环境中的积极养老过程(Active Aging)，尽可能地维持老人的独立生活能力和自理能力。

然而，“居家养老”理念目前的研究大都停留在理论和政策阶段，在具体实践过程中面临着诸多挑战。一方面，居家老人庞大的人口基数、差异化的看护需求、分散的地理位置等，都给居家养老的具体实施带来了可行性上的挑战。另一方面，传统的养老产业往往是依赖于人力资源完成，而老龄化问题的迅速加剧使得这种劳动密集型模式难以适应社会发展的需求。信息技术的加速发展为养老产业提供了新的可能性，使得养老看护从传统的劳动密集型产业逐渐过渡到知识密集型产业，催生了“智慧养老”等新的理念。在这样的背景下，如何利用信息技术、大数据、普适硬件等技术，充分地挖掘和分析老人的特征和需求，并合理调度各类社会资源为居家老人提供恰当、有效的协同看护服务，进而为“居家养老”政策提供切实有效的技术路线，是居家养老产业发展过程中亟待解决的重要问题。

特别地，调动各类社会资源为老人提供协同居家养老看护服务，是一类高度情境化、复杂化的协同交互过程。不同于传统的以数据、技术为核心的协同交互过程，协同养老看护更加是一种“以人为中心”的多角色协同交互过程，该过程需要基于老人的个性化需求，合理调度医生、护士、护理员、管理员等多种角色，协同为老人提供服务，具有较高的技术难度，具体体现在：

1)如何设计可计算、可扩展的协同养老看护框架。目前大部分养老看护工作相关机构(例如相关政府部门等)以“以人为中心”的管理方式运作，这种模式无法响应当前老龄人口迅速加剧的需求。如何设计可计算、可扩展的协同养老框架，是协同养老看护过程的第一个技术难点；

2)如何充分了解老人的个性化需求。老人是一类差异化明显的群体，不同老人对看护服务具有完全差异化的需求，这种差异化除了受其身体特征影响之外，还受其所处的生活环境、社会关系、经济条件等社会因素的影响，如何充分结合这些情境化数据来对老人进行需求分析，是协同养老看护过程的第二个技术难点；

3)如何充分调度各类看护角色。协同养老看护过程需要合理调度医生、护士、护理员、管理员等多种角色，不同角色构建了一个共享领导力的协同环境，在该环境下，如何根据老人的需求合理调度不同角色，以为老人提供高效、恰当的看护服务，是协同养老看护过程的第三个技术难点。

发明内容

本发明的目的是针对上述问题而提出一种数据驱动的居家养老协同看护调度方法，来提高居家养老看护的可靠性和实时性。

实现本发明目的的具体技术方案是：

一种数据驱动的居家养老协同看护调度方法，该方法包括以下具体步骤：

步骤1：数据采集

采用社会计算的方法采集老人多维度的日常行为数据，包括身体状况、生活状况、经济状况、心理状况及家庭状况；

步骤2：老人评估及分类

对采集到的数据，采用定性与定量相结合的方法进行需求评估，得到老人的需求评估结果；根据评估结果，将老人分为居家看护和社区看护两类；对居家养老的老人，根据独立生活的相似性特征，进行基于相似度的特征匹配和细分，将老年人划分为不同的看护等级；

步骤3：数据驱动的任务调度算法

为保证不同等级的居家老人在规定的时间内能够得到护理员的服务；采用遗传算法来自动生成护理人员对居家老人的看护方案；具体算法流程如下：

i)初始化种群：初始化N个个体，每一个个体根据老人的ID编码为一个向量，即每一个个体都是一串老人的序列，代表一种对应的护理人员服务策略；

ii)适应度计算：通过公式(1)计算每一个个体的适应度；适应度表示这个服务策略的好坏程度，适应度越高，表明该个体越优；

其中m代表护理员个数，d∈[0，1]表示两个看护地最大距离的权重，d_ij表示两个老人之间的距离；

iii)选择最好的父类：根据每一个个体的适应度值，选择适应度最高的个体用于下一代子序列生成操作，并插入下一代；

iv)交叉操作：根据交叉概率p_m确定父个体是否需要进行交叉操作，采用Order 1进行交叉；其中，p_m为一常数，设定为0.2-0.5范围内；

v)突变操作：在交叉操作以后，根据突变概率p_c来决定是否需要突变；其中，p_c为一常数，设定为0.1-0.3范围内；

vi)重复ii)-v)步骤操作，直到生成居家老人的最佳看护方案，即得到每一个护理人员每天的看护计划，包括看护老人需要服务的时间和地点，准时为老人提供服务。

所述定性方法采用开放式编码、轴线编码和选择编码进行三级数据编码和评估；定量方法利用机器学习算法挖掘规则和特征；首先对于每一个老人都有n个行为数据特征X＝{x₁，x₂，...，x_n}和分类标签Y；然后，利用这些历史标签数据训练一个分类器模型；最后，通过新的老人的日常数据来自动预测老人所属的分类。

所述分类器模型为决策树或SVM。

本发明的有益效果：随着老龄化的日益严重，老人数目越来越大，老人需求也越来越多，靠人力来制定护理人员的看护方案变得越来越麻烦，需要消耗大量的人力。本发明设计了基于需求、距离和响应时间的调度算法，来合理、有效地调度看护人员，能很好的解决居家老人基数庞大、位置分散等问题，在为老人提供及时、准确的看护服务的同时，实现养老看护资源的均衡利用。

附图说明

图1为本发明居家养老协同看护流程示意图；

图2为本发明居家养老看护场景示意图；

图3为本发明看护安排实例示意图；

图4为本发明的遗传算法流程示意图；

图5为本发明的个体初始化样例示意图。

具体实施方式

本发明采用嵌入式社区来构建整个看护过程。考虑到居家老人的差异化需求，首先进行定性与定量相结合的看护需求多学科协同评估。对居家老人进行多维度的定性与定量数据采集，并采用扎根理论进行定性的行为和需求分析；在收集了足够多的老人信息之后，添加机器学习算法来挖掘规则和特征，以协助评估过程的进行。根据评估，将老年人分为两类：居家养老和社区养老。对于能够独立生活的老人，鼓励居家养老，一方面缓解医疗保健机构的老龄化看护压力，另一方面可以使老年人保持独立自主，保持与家人和朋友的联系。同时，对于居家养老的老人，根据老年人独立生活能力，将老年人划分为不同的看护等级，并设计调度算法来合理、有效地调度各类看护资源，为居家老人提供必要的看护服务，以确保他们的正常和独立生活。

参阅图1，本发明包括以下具体步骤：

第一步：基于老年人多维度行为和需求数据采集。为了更好地了解、评估老人的身体状况，首先对老人的日常行为和需求进行多维度数据采集，包括身体状况、生活状况、经济状况、心理状况、家庭状况等。

第二步：定性与定量相结合的看护需求评估。在收集到了足够多的数据后，采用定性与定量相结合的方法来进行需求评估，得到老人的综合需求评估结果。

在定性分析部分，采用扎根理论来进行三级数据编码和评估，即开放式编码(OpenCoding)、轴线编码(Axis Coding)和选择编码(Selective Coding)。开放式编码是对收集来的原始数据进行打散和重构的过程，从比较具体的实例中抽象出较为通用的、与协同看护过程相关的主题、属性和概念，并进行形式化定义。轴线编码是在开放式编码的基础上，通过归纳(Inductive)和演绎(Deductive)等方法分析相关概念、分类、属性之间的关系，包括看护关系、使用关系、生产关系、协同关系等。选择编码则是在轴线编码的基础上，确定某一个分类为核心分类和核心概念，并建立与其余分类的联系。这样，通过三级编码的方式，分析居家环境下老人的看护需求。

在定量分析部分，利用机器学习算法来挖掘规则和特征，从而来辅助评估的过程。当有大量有关老人的历史数据后，利用机器学习算法训练一个模型，来自动挖掘数据中的规则和特征，从而自动评测老人的身体状况供工作者来参考，减少工作者的工作量。比如，当拥有老人的身体各项指标以及对应老人的身体整体状况时，可以利用决策树等分类算法训练一个分类模型，根据老人的身体各项指标对老人的整体身体状况进行分类，并通过决策树来查看老人分类的原因，作为可视化供工作人员参考，从而提高工作人员的效率，同时可以解决专家不足的问题。

第三步：在得到老人的整体评价之后，根据评估结果将老人分为在家照顾和社区照顾两类。对于具有一定独立生活能力的老人，通过服务上门的方式鼓励老人居家养老。

第四步：对于居家养老的老人，根据居家老人在看护需求、生活习惯、社会环境等方面的差异化特征，进行基于相似度的特征匹配和细分，进而将老年人划分为不同的看护等级，根据不同的看护等级来提供不同类别的看护服务，进而辅助老人正常、独立的生活。

第五步：由于居家老人基数庞大、位置分散等特征，设计了基于需求、距离和响应时间的调度算法，来合理、有效地调度各类看护资源，在为老人提供及时、准确的看护服务的同时，实现养老看护资源的均衡利用。图2是一个居家养老的场景，护理人员从社区中心出发，根据调度去老人的家中提供看护服务。在这个算法中有两个基本的要求：老人可以获取及时、准确的服务；护理人员可以在有限的时间内服务尽量多的老人。为此，我们首先进行问题的定义，再用遗传算法来解决这个问题。

1)问题定义。如图3所示，有n个居家老人分别编码为{1,2,…,n}，护理人员需要快速到达n个地方。算法中，设定每一个护理人员每天可以服务8个老人，上、下午分别服务四人。为此一共需要m＝(n+7)/8个护理人员来服务这n个老人。在服务的过程中，护理人员从嵌入式社区出发，同时在完成四个任务后返回。为了确保老人可以及时得到服务，两个看护地的最大距离应该尽量的短，同时每一个护理人员的看护距离之和也要尽量的短，以实现资源的均衡、有效利用。由于每一个看护人员有足够的时间从嵌入式社区到老人的家中，因此，忽略社区到家庭的物理距离。目标函数设定为公式1。

其中m代表护理员个数，α∈[0,1]表示两个看护地最大距离的权重，d_ij表示两个老人之间的距离。

2)遗传算法。算法的流程如图4所示。首先，将所有的老人初始化为几个子群体，每一个子群体有4个老人。然后通过迭代杂交和变异过程来确保每一个老人可以被准时地服务。具体的算法流程如下:

A)初始化：初始化了N个个体，每一个个体根据老人的ID编码为一个向量。首先随机选一个老人，然后选择最近的三个老人作为一个群体。同时，为了生成四个看护地点最短的距离，初始化成图5作为更好的个体。

B)适应度计算：通过公式1计算每一个个体的适应度。

C)选择最好的父类：根据每一个个体的适应度值，选择适应度最高的个体用于下一代子序列生成操作，并插入下一代。

D)交叉操作：根据交叉概率p_m确定父个体是否需要进行交叉操作，采用Order 1进行交叉；其中，p_m为一常数，设定为0.2；

E)突变操作：在交叉操作以后，根据突变概率pc来决定是否需要突变；其中，pc为一常数，设定为0.1；

D)重复上面B-E操作直到较优解生成，即生成最后的护理人员看护方案。具体来说，对于每一个护理人员，根据老人登记、地理位置和需要服务时间生成对应的看护方案，告诉护理人员应该在何时何地服务哪个老人。

结果评测。为了验证算法的有效性，随机选择上海市32个居家老人数据，并在这些数据上运行上述算法，并将结果可视化到地图上。

第六步：针对上述流程，设计了可视化系统来支持整个协同看护流程，并通过流程可视化的方式来方便护理人员和老人了解目前的看护情况，提高工作效率。该系统包含三个部分：老人画像、护理人员画像和基于算法的调度三个部分，具体的功能如下。

1)老人画像：在这个部分，可以看所有老人的特征，包括老人的姓名、住址和老人服务类别等信息，具有添加、删除、查询等操作功能。

2)护理人员画像：在这个部分，可以查看护理人员的信息(包括姓名、性别、年龄、地址等)，具有添加、删除、查询等操作功能。

3)基于算法的调度。首先选择站点，每一个站点包含一个嵌入式的社区和一定数量的居家老人。在导入老人的具体信息以后，系统会自动生成一个排班。可以在地图上查看护理人员的具体安排。为了更好的可视化，调用百度地图接口在地图上展示老人的具体信息，首先调用Bmap.LocalSearch()来获得经纬度，然后通过Bmap.DrivingRoute()接口获得两个位置的形势路径和距离，最后通过Bmap.Polyline()在地图上画出路径。

Claims (3)

1.一种数据驱动的居家养老协同看护调度方法，其特征在于，该方法包括以下具体步骤：

步骤1：数据采集

采用社会计算的方法采集老人多维度的日常行为数据，包括身体状况、生活状况、经济状况、心理状况及家庭状况；

步骤2：老人评估及分类

对采集到的数据，采用定性与定量相结合的方法进行需求评估，得到老人的需求评估结果；根据评估结果，将老人分为居家看护和社区看护两类；对居家养老的老人，根据独立生活的相似性特征，进行基于相似度的特征匹配和细分，将老年人划分为不同的看护等级；

步骤3：数据驱动的任务调度算法

为保证不同等级的居家老人在规定的时间内能够得到护理员的服务；采用遗传算法来自动生成护理人员对居家老人的看护方案；具体算法流程如下：

i)初始化种群：初始化N个个体，每一个个体根据老人的ID编码为一个向量，即每一个个体都是一串老人的序列，代表一种对应的护理人员服务策略；

ii)适应度计算：通过公式(1)计算每一个个体的适应度；适应度表示这个服务策略的好坏程度，适应度越高，表明该个体越优；

其中m代表护理员个数，α∈[0，1]表示两个看护地最大距离的权重，d_ij表示两个老人之间的距离；

iii)选择最好的父类：根据每一个个体的适应度值，选择适应度最高的个体用于下一代子序列生成操作，并插入下一代；

iv)交叉操作：根据交叉概率p_m确定父个体是否需要进行交叉操作，采用Order 1进行交叉；其中，p_m为一常数，设定为0.20.5的范围内；

v)突变操作：在交叉操作以后，根据突变概率p_c来决定是否需要突变；其中，p_c为一常数，设定为0.1-0.3的范围内；

vi)重复ii)-v)步骤操作，直到生成居家老人的最佳看护方案，即得到每一个护理人员每天的看护计划，包括看护老人需要服务的时间和地点，准时为老人提供服务。

2.根据权利要求1所述数据驱动的居家养老协同看护调度方法，其特征在于，所述定性方法采用开放式编码、轴线编码和选择编码进行三级数据编码和评估；定量方法利用机器学习算法挖掘规则和特征；首先对于每一个老人都有n个行为数据特征X＝{x₁，x₂，...，x_n}和分类标签Y；然后，利用这些历史标签数据训练一个分类器模型；最后，通过新的老人的日常数据来自动预测老人所属的分类。

3.根据权利要求2所述数据驱动的居家养老协同看护调度方法，其特征在于，所述分类器模型为决策树或SVM。