CN111477339A - 传染病接触情况检测方法、设备及可读存储介质 - Google Patents

传染病接触情况检测方法、设备及可读存储介质 Download PDF

Info

Publication number
CN111477339A
CN111477339A CN202010286748.8A CN202010286748A CN111477339A CN 111477339 A CN111477339 A CN 111477339A CN 202010286748 A CN202010286748 A CN 202010286748A CN 111477339 A CN111477339 A CN 111477339A
Authority
CN
China
Prior art keywords
infectious disease
user
track
risk
detected
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.)
Pending
Application number
CN202010286748.8A
Other languages
English (en)
Inventor
衣志昊
刘洋
陈天健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
WeBank Co Ltd
Original Assignee
WeBank Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by WeBank Co Ltd filed Critical WeBank Co Ltd
Priority to CN202010286748.8A priority Critical patent/CN111477339A/zh
Publication of CN111477339A publication Critical patent/CN111477339A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
    • 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
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Primary Health Care (AREA)
  • Remote Sensing (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明公开了一种传染病接触情况检测方法、设备及可读存储介质，所述方法包括：接收传染病接触情况检测指令，从所述移动终端本地提取所述移动终端对应的待检测用户的时空轨迹数据，而后获取基于若干传染病确诊用户的时空轨迹数据联邦得到的高危轨迹集合，接下来基于所述高危轨迹点集合以及所述待检测用户的时空轨迹数据，确定所述待检测用户与传染病确诊用户的接触情况。待检测用户无需上传时空轨迹数据，根据从服务器获取的高危轨迹点集合，在本地可实现与传染病确诊用户的接触情况判断，有效避免了用户隐私的泄露。

Description

传染病接触情况检测方法、设备及可读存储介质
技术领域
本发明涉及智能领域，尤其涉及一种传染病接触情况检测方法、设备及可读存储介质。
背景技术
传染性疾病是严重威胁人民群众健康和公共卫生的重要疾病，对于潜伏期较长的传染疫情，很多传染病的确诊病例在确诊之前并没有明显的症状，并未得到及时的隔离，在潜伏期会无形的传染很多人。随着疫情的爆发，大家都比较关心自己是否与确诊病例有过近距离接触，例如，是否与确诊、疑似病人同乘一个航班，一列火车，一辆大巴，同处过一个菜市场、商场、饭店等。
可以将待排查用户的活动轨迹与确诊用户的时空轨迹数据进行比对，然后根据比对结果确认用户是否为传染病接触者。但是，这种比对方式需要上传手机用户的活动轨迹数据，存在泄露用户隐私的风险。
发明内容
本发明的主要目的在于提供一种传染病接触情况检测方法、装置、设备及可读存储介质，旨在解决现有传染病接触者的检测过程中，由于用户端需要上传时空轨迹数据，而引起泄露用户隐私的技术问题。
为实现上述目的，本发明提供一种传染病接触情况检测方法，应用于移动终端，所述传染病接触情况检测方法包括：
接收传染病接触情况检测指令，从所述移动终端本地提取所述移动终端对应的待检测用户的时空轨迹数据；
获取基于若干传染病确诊用户的时空轨迹数据联邦得到的高危轨迹集合；
基于所述高危轨迹点集合以及所述待检测用户的时空轨迹数据，确定所述待检测用户与传染病确诊用户的接触情况。
进一步地，所述基于所述高危轨迹点集合以及所述待检测用户的时空轨迹数据，确定所述待检测用户与传染病确诊用户的接触情况的步骤包括：
在所述高危轨迹点集合中查询与所述待检测用户的时空轨迹数据重合的轨迹点；
基于所述重合的轨迹点确定所述待检测用户与传染病确诊用户的接触情况。
进一步地，所述基于所述重合的轨迹点确定所述待检测用户与传染病确诊用户的接触情况步骤包括：
获取所述重合的轨迹点各自对应的感染率；
对所述重合的轨迹点各自对应的感染率进行求和运算，得到求和后的感染率；
根据求和后的感染率所处阈值区间，确定所述待检测用户与传染病确诊用户的接触程度；或者；
获取所述重合的轨迹点对应的轨迹点数量；
根据所述轨迹点数量所处阈值区间，确定所述待检测用户与传染病确诊用户的接触程度。
进一步地，所述基于所述高危轨迹点集合以及所述待检测用户的时空轨迹数据，确定所述待检测用户与传染病确诊用户的接触情况的步骤之后，所述方法还包括：
若基于所述高危轨迹点集合以及所述待检测用户的时空轨迹数据，确定所述待检测用户是传染病密切接触者，则输出疫情风险告警信息。
进一步地，所述获取基于若干传染病确诊用户的时空轨迹数据联邦得到的高危轨迹集合的步骤包括：
向服务器发送高危轨迹的获取请求，以供所述服务器基于所述获取请求反馈高危轨迹集合，其中，所述高危轨迹集合是根据若干传染病确诊用户的时空轨迹数据联邦得到的；
接收所述服务器发送的所述高危轨迹集合。
为实现上述目的，本发明还提供一种传染病接触情况检测方法，应用于服务器，所述传染病接触情况检测方法包括以下步骤：
利用多个传染病确诊用户对应的时空轨迹数据，联邦得到所述高危轨迹点集合；
将所述高危轨迹点集合发送给移动终端进行传染病接触情况检查。
进一步地，所述利用多个传染病确诊用户对应的时空轨迹数据，联邦得到所述高危轨迹点集合的步骤包括：
对本地的时空轨迹数据进行离散化处理，得到离散化处理后的轨迹点集；
将离散化处理后的轨迹点集发送至各个传染病确诊用户对应的终端，以供所述传染病确诊用户对应的终端将本地时空轨迹数据与所述轨迹点集合进行数据对齐得到的交集轨迹点；
接收各个传染病确诊用户对应的终端发送的交集轨迹点，对各个交集轨迹点进行合并处理，将合并后的轨迹点确定为所述高危轨迹点集合。
进一步地，所述利用多个传染病确诊用户对应的时空轨迹数据，联邦得到所述高危轨迹点集合的步骤包括：
接收预设的轨迹推送平台发送的多个传染病确诊用户对应的高危轨迹点子集合，其中，所述高危轨迹点子集合是所述轨迹推送平台对多个传染病确诊用户的时空轨迹数据进行离散化处理后得到的；
对各个高危轨迹点子集合进行合并处理，将合并后的集合确定为所述高危轨迹点集合。
为实现上述目的，本发明还提供一种设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的传染病接触情况检测程序，所述传染病接触情况检测程序被所述处理器执行时实现如上所述的传染病接触情况检测方法的步骤。
此外，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质上存储有传染病接触情况检测程序，所述传染病接触情况检测程序被处理器执行时实现上述任一项所述传染病接触情况检测方法的步骤。
本发明接收传染病接触情况检测请求，接收传染病接触情况检测指令，从所述移动终端本地提取所述移动终端对应的待检测用户的时空轨迹数据，而后获取基于若干传染病确诊用户的时空轨迹数据联邦得到的高危轨迹集合，接下来基于所述高危轨迹点集合以及所述待检测用户的时空轨迹数据，确定所述待检测用户与传染病确诊用户的接触情况。待检测用户无需上传时空轨迹数据，根据从服务器获取的高危轨迹点集合，在本地可实现与传染病确诊用户的接触情况判断，有效避免了用户隐私的泄露。
附图说明
图1是本发明实施例方案涉及的硬件运行环境中设备的结构示意图；
图2为本发明传染病接触情况检测方法第一实施例的流程示意图；
图3为本发明传染病接触情况检测方法一实施例中检测待检测用户与传染病确诊用户的接触情况的流程示意图；
图4为本发明传染病接触情况检测方法第二实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境中设备的结构示意图。
如图1所示，该设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及传染病接触情况检测程序。
在图1所示的设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接用户端，与用户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的传染病接触情况检测程序。
在本实施例中，设备包括：存储器1005、处理器1001及存储在所述存储器1005上并可在所述处理器1001上运行的传染病接触情况检测程序，其中，处理器1001调用存储器1005中存储的传染病接触情况检测程序时，执行本申请各个实施例提供的传染病接触情况检测方法的步骤。
本发明还提供一种传染病接触情况检测方法，参照图2，图2为本发明传染病接触情况检测方法第一实施例的流程示意图。
本发明实施例提供了传染病接触情况检测方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本发明第一实施例传染病接触情况检测方法应用于移动终端，在本实施例中，传染病接触情况检测方法包括：
步骤S10，接收传染病接触情况检测指令，从所述移动终端本地提取所述移动终端对应的待检测用户的时空轨迹数据；
在本实施例中，传染性疾病是严重威胁人民群众健康和公共卫生的重要疾病，涉及病种包含鼠疫、霍乱、传染性非典型肺炎、艾滋病、病毒性肝炎、伤寒、百白咳、流感和黑热病等各类传染病。传染病患者在呼吸过程中产生的废气会携带有大量传染病菌，并附着在所接触的物品上存活一定时间。大家都比较关心自己是否与确诊病例有过近距离接触。
如前所述，可以将待排查用户的活动轨迹与确诊用户的时空轨迹数据进行比对，然后根据比对结果确认用户是否为传染病接触者。但是，这种比对方式需要上传手机用户的活动轨迹数据，存在泄露用户隐私的风险。本发明提出的传染病接触情况检测方法，待检测用户无需上传活动轨迹数据，根据从服务器获取的高危轨迹点集合，在本地可实现与传染病确诊用户的接触情况判断，有效避免了用户隐私的泄露。
具体地，对于所有的用户将其最近一段时间的GPS定位数据保存在移动终端本地，当接收到传染病接触情况检测指令，从移动终端本地提取该移动终端对应的待检测用户的时空轨迹数据。
步骤S20，获取基于若干传染病确诊用户的时空轨迹数据联邦得到的高危轨迹集合；
具体地，步骤S20包括：
步骤S21，向服务器发送高危轨迹的获取请求，以供所述服务器基于所述获取请求反馈高危轨迹集合，其中，所述高危轨迹集合是根据若干传染病确诊用户的时空轨迹数据联邦得到的；
步骤S22，所述服务器发送的所述高危轨迹集合。
在本实施例中，移动终端获取服务器保存的高危轨迹点集合，其中，高危轨迹点集合是基于传染病确诊用户的时空轨迹数据得到的。移动终端向服务器发送高危轨迹的获取请求，服务器根据该获取请求反馈高危轨迹集合。其中，高危轨迹点集合可以有两种生成方法：一种是在服务器端对时间地点做离散化处理。例如，可以将一天时间按分钟进行分段处理，地点可以抽象为XX超市、XX商场、XX饭店等等，然后下发给确诊病例用户，针对每位确诊病例用户，将本地保存的时空轨迹数据与离散化的时间地点数据进行比对，若发现有重合，即将该轨迹点(时间，地点)上传到服务器。例如(2020-01-2010：23，XX饭店)，服务器将所有上传的轨迹点组成一个集合，即高危轨迹点集合；另一种是由具有确诊病例用户数据的权威部门如(权威卫生管理部门)和具有用户定位数据的运营商联合确定，具体地，权威卫生管理部门对确诊病例用户的时空轨迹数据进行离散化处理，然后根据离散化的处理结果，生成确诊病例用户的集合，即高危轨迹点集合。整个过程无需确诊病例用户参与，避免给确诊病例用户增加负担。
步骤S30，基于所述高危轨迹点集合以及所述待检测用户的时空轨迹数据，确定所述待检测用户与传染病确诊用户的接触情况。
具体地，步骤30包括：
步骤31，在所述高危轨迹点集合中查询与所述待检测用户的时空轨迹数据重合的轨迹点；
步骤32，基于所述重合的轨迹点确定所述待检测用户与传染病确诊用户的接触情况。
在本实施例中，根据高危轨迹点集合以及待检测用户的时空轨迹数据，确定该待检测用户与传染病确诊用户的接触情况。高危轨迹点集合与待检测用户的时空轨迹的比对是在移动终端本地完成的，没有上传待检测用户轨迹数据，实现了对待检测用户隐私的保护。具体地，将待检测用户的时空轨迹数据与高危轨迹点集合进行一一比对，确定重合的轨迹点，进一步，根据重合的轨迹点确定所述待检测用户与传染病确诊用户的接触情况。
具体地，步骤S32包括：
步骤a，获取所述重合的轨迹点各自对应的感染率；
步骤b，对所述重合的轨迹点各自对应的感染率进行求和运算，得到求和后的感染率；
步骤c，根据求和后的感染率所处阈值区间，确定所述待检测用户与传染病确诊用户的接触程度。
在本实施例中，重合的轨迹点中，每个轨迹点各自对应的一个感染率，根据轨迹点曾经出现过的传染病确诊用户的数量来确定，例如，一个轨迹点曾经出现过1个确诊病人，则该轨迹点的感染率为a％，一个轨迹点曾经出现过2个确诊病人，则该轨迹点的感染率为2a％，总之出现的传染病确诊用户的数量越多，则感染率越大。对重合的轨迹点各自对应的感染率进行求和运算，得到求和后的感染率，根据求和后的感染率所处阈值区间，确定所述待检测用户与传染病确诊用户的接触程度。例如，感染率处于第一阈值区间，则确定待检测用户为传染病密切接触者；感染率处于第二阈值区间，则确定待检测用户是传染病轻度接触者；感染率处于第三阈值区间，则确定待检测用户是非传染病密切接触者。其中，感染率在第一阈值区间、第二阈值区间、第三阈值区间依次减小。
或者，步骤S32包括：
步骤d，获取所述重合的轨迹点对应的轨迹点数量；
步骤e，根据所述轨迹点数量所处阈值区间，确定所述待检测用户与传染病确诊用户的接触程度。
在本实施例中，统计重合的轨迹点对应的轨迹点数量，根据轨迹点数量所处阈值区间，确定待检测用户与传染病确诊用户的接触程度。例如，轨迹点数量大于或等于第一阈值，则确定待检测用户为传染病密切接触者；轨迹点数量小于第二阈值，则确定待检测用户是非传染病密切接触者；如果轨迹点数量小于第一阈值且大于或等于第二阈值，则确定待检测用户是传染病轻度接触者。其中，第一阈值大于第二阈值。
具体地，步骤S32还包括：
步骤f，若基于所述高危轨迹点集合以及所述待检测用户的时空轨迹数据，确定所述待检测用户是传染病密切接触者，则输出疫情风险告警信息。
在本实施例中，当根据高危轨迹点集合以及待检测用户的时空轨迹数据，即根据感染率或轨迹点数量确定该待检测用户是传染病密切接触者，则输出疫情风险告警信息。
如图3所示，图3为检测待检测用户与传染病确诊用户的接触情况的流程示意图，具体过程如下：
1、服务器下发离散化处理后的轨迹点集至传染病确诊用户对应的终端；
2、传染病确诊用户对应的终端利用本地数据与离散化处理后的轨迹点集进行比对，得到重合的轨迹点，并将重合的轨迹点上报给服务器，以供服务器根据接收到的重合的轨迹点生产高危轨迹集合；
3、服务器接收到高危轨迹的获取请求后，下发高危轨迹集合C至待检测用户对应的终端；
4、待检测用户对应的终端利用本地时空轨迹数据与C进行比对，根据比对结果确定待检测用户与传染病确诊用户的接触情况。
本实施例提出的传染病接触情况检测方法，接收传染病接触情况检测指令，从所述移动终端本地提取所述移动终端对应的待检测用户的时空轨迹数据，而后获取基于若干传染病确诊用户的时空轨迹数据联邦得到的高危轨迹集合，接下来基于所述高危轨迹点集合以及所述待检测用户的时空轨迹数据，确定所述待检测用户与传染病确诊用户的接触情况。待检测用户无需上传时空轨迹数据，根据从服务器获取的高危轨迹点集合，在本地可实现与传染病确诊用户的接触情况判断，有效避免了用户隐私的泄露。
进一步的，根据第一实施例，本发明传染病接触情况检测方法第二实施例提供一种传染病接触情况检测方法，参照图4，所述传染病接触情况检测方法应用于服务器，所述传染病接触情况检测方法包括：
步骤A10，利用多个传染病确诊用户对应的时空轨迹数据，联邦得到所述高危轨迹点集合；
在本实施例中，利用多个传染病确诊用户对应的时空轨迹数据，联邦得到高危轨迹点集合，高危轨迹点集合用于判断待检测用户是否与传染病确诊用户存在接触情况。
具体地，步骤A10包括：
步骤A11，对本地的时空轨迹数据进行离散化处理，得到离散化处理后的轨迹点集；
步骤A12，将离散化处理后的轨迹点集发送至各个传染病确诊用户对应的终端，以供所述传染病确诊用户对应的终端将本地时空轨迹数据与所述轨迹点集合进行数据对齐得到的交集轨迹点；
步骤A13，接收各个传染病确诊用户对应的终端发送的交集轨迹点，对各个交集轨迹点进行合并处理，将合并后的轨迹点确定为所述高危轨迹点集合。
在本实施例中，服务器首先对对本地的时空轨迹数据进行离散化处理，得到离散化处理后的轨迹点集。举例说明离散化处理，可以将一天时间按分钟进行分段处理，地点可以抽象为XX超市、XX商场、XX饭店等等。将离散化处理后的轨迹点集发送至各个传染病确诊用户对应的终端，接下来各个传染病确诊用户对应的终端将本地保存时空轨迹数据与离散化的时间地点数据进行比对，发现有重合轨迹点，这些重合轨迹点即为交集轨迹点，最后将交集轨迹点上传到服务器。接下来，服务器将接收到的各个传染病确诊用户对应的终端发送的交集轨迹点进行合并处理，最后将合并后的轨迹点确定为所述高危轨迹点集合。
步骤A14，接收预设的轨迹推送平台发送的多个传染病确诊用户对应的高危轨迹点子集合，其中，所述高危轨迹点子集合是所述轨迹推送平台对多个传染病确诊用户的时空轨迹数据进行离散化处理后得到的；
步骤A15，对各个高危轨迹点子集合进行合并处理，将合并后的集合确定为所述高危轨迹点集合。
在本实施例中，高危轨迹点集合是基于传染病确诊用户的时空轨迹数据得到的。具体地，服务器接收预设的轨迹推送平台发送的多个传染病确诊用户对应的高危轨迹点子集合，高危轨迹点子集合是轨迹推送平台对各个传染病确诊用户的时空轨迹数据进行离散化处理后得到的，对各个高危轨迹点子集合进行合并处理，将合并后的集合确定为高危轨迹点集合。其中，预设的轨迹推送平台可以是具有确诊病例用户数据的权威部门如(权威卫生管理部门)和具有用户定位数据的运营商，传染病确诊用户对应的时空轨迹数据由这些部门联合确定。整个过程无需确诊病例用户参与，避免给确诊病例用户增加负担。
步骤A20，将所述高危轨迹点集合发送给移动终端进行传染病接触情况检查。
在本实施例中，利用多个传染病确诊用户对应的时空轨迹数据，联邦得到高危轨迹点集合后，将该高危轨迹点集合发送至待检测用户的移动终端，以供该移动终端进行传染病接触情况检查。
本实施例提出的传染病接触情况检测方法，利用多个传染病确诊用户对应的时空轨迹数据，联邦得到所述高危轨迹点集合，而后将所述高危轨迹点集合发送给移动终端进行传染病接触情况检查。通过对传染病确诊用户的时空轨迹数据进行离散化处理，从而生成高危轨迹点集合，供待检测用户进行传染病接触情况检测。根据高危轨迹点集合，待检测用户无需上传活动轨迹数据，在本地可实现与传染病确诊用户的接触情况判断，有效避免了用户隐私的泄露。
此外，本发明实施例还提出一种可读存储介质，所述可读存储介质上存储有传染病接触情况检测程序，所述传染病接触情况检测程序被处理器执行时实现上述各个实施例中传染病接触情况检测方法的步骤。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台系统设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (11)

1.一种基于联邦数据的传染病接触情况检测方法，应用于移动终端，其特征在于，所述传染病接触情况检测方法包括：
接收传染病接触情况检测指令，从所述移动终端本地提取所述移动终端对应的待检测用户的时空轨迹数据；
获取基于若干传染病确诊用户的时空轨迹数据联邦得到的高危轨迹集合；
基于所述高危轨迹点集合以及所述待检测用户的时空轨迹数据，确定所述待检测用户与传染病确诊用户的接触情况。
2.如权利要求1所述传染病接触情况检测方法，其特征在于，所述基于所述高危轨迹点集合以及所述待检测用户的时空轨迹数据，确定所述待检测用户与传染病确诊用户的接触情况的步骤包括：
在所述高危轨迹点集合中查询与所述待检测用户的时空轨迹数据重合的轨迹点；
基于所述重合的轨迹点确定所述待检测用户与传染病确诊用户的接触情况。
3.如权利要求2所述传染病接触情况检测方法，其特征在于，所述基于所述重合的轨迹点确定所述待检测用户与传染病确诊用户的接触情况步骤包括：
获取所述重合的轨迹点各自对应的感染率；
对所述重合的轨迹点各自对应的感染率进行求和运算，得到求和后的感染率；
根据求和后的感染率所处阈值区间，确定所述待检测用户与传染病确诊用户的接触程度；或者；
获取所述重合的轨迹点对应的轨迹点数量；
根据所述轨迹点数量所处阈值区间，确定所述待检测用户与传染病确诊用户的接触程度。
4.如权利要求1至3中任一项所述传染病接触情况检测方法，其特征在于，所述基于所述高危轨迹点集合以及所述待检测用户的时空轨迹数据，确定所述待检测用户与传染病确诊用户的接触情况的步骤之后，所述方法还包括：
若基于所述高危轨迹点集合以及所述待检测用户的时空轨迹数据，确定所述待检测用户是传染病密切接触者，则输出疫情风险告警信息。
5.如权利要求1所述传染病接触情况检测方法，其特征在于，所述获取基于若干传染病确诊用户的时空轨迹数据联邦得到的高危轨迹集合时空轨迹数据的步骤包括：
向服务器发送高危轨迹的获取请求，以供所述服务器基于所述获取请求反馈高危轨迹集合，其中，所述高危轨迹集合是根据若干传染病确诊用户的时空轨迹数据联邦得到的；
接收所述服务器发送的所述高危轨迹集合。
6.一种基于联邦数据的传染病接触情况检测方法，应用于服务器，其特征在于，所述传染病接触情况检测方法包括：
利用多个传染病确诊用户对应的时空轨迹数据，联邦得到所述高危轨迹点集合；
将所述高危轨迹点集合发送给移动终端进行传染病接触情况检查。
7.如权利要求6所述传染病接触情况检测方法，其特征在于，所述利用多个传染病确诊用户对应的时空轨迹数据，联邦得到所述高危轨迹点集合的步骤包括：
对本地的时空轨迹数据进行离散化处理，得到离散化处理后的轨迹点集；
将离散化处理后的轨迹点集发送至各个传染病确诊用户对应的终端，以供所述传染病确诊用户对应的终端将本地时空轨迹数据与所述轨迹点集合进行数据对齐得到的交集轨迹点；
接收各个传染病确诊用户对应的终端发送的交集轨迹点，对各个交集轨迹点进行合并处理，将合并后的轨迹点确定为所述高危轨迹点集合。
8.如权利要求6所述传染病接触情况检测方法，其特征在于，所述利用多个传染病确诊用户对应的时空轨迹数据，联邦得到所述高危轨迹点集合的步骤包括：
接收预设的轨迹推送平台发送的多个传染病确诊用户对应的高危轨迹点子集合，其中，所述高危轨迹点子集合是所述轨迹推送平台对多个传染病确诊用户的时空轨迹数据进行离散化处理后得到的；
对各个高危轨迹点子集合进行合并处理，将合并后的集合确定为所述高危轨迹点集合。
9.一种设备，其特征在于，所述设备为移动终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的传染病接触情况检测程序，所述传染病接触情况检测程序被所述处理器执行时实现如权利要求1至5中任一项所述的传染病接触情况检测方法的步骤。
10.一种设备，其特征在于，所述设备为服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的传染病接触情况检测程序，所述传染病接触情况检测程序被所述处理器执行时实现如权利要求6至8中任一项所述的传染病接触情况检测方法的步骤。
11.一种可读存储介质，其特征在于，所述可读存储介质上存储有传染病接触情况检测程序，所述传染病接触情况检测程序被处理器执行时实现如权利要求1至8中任一项所述的传染病接触情况检测方法的步骤。
CN202010286748.8A 2020-04-13 2020-04-13 传染病接触情况检测方法、设备及可读存储介质 Pending CN111477339A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010286748.8A CN111477339A (zh) 2020-04-13 2020-04-13 传染病接触情况检测方法、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010286748.8A CN111477339A (zh) 2020-04-13 2020-04-13 传染病接触情况检测方法、设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN111477339A true CN111477339A (zh) 2020-07-31

Family

ID=71751717

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010286748.8A Pending CN111477339A (zh) 2020-04-13 2020-04-13 传染病接触情况检测方法、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN111477339A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111935632A (zh) * 2020-08-14 2020-11-13 英华达（南京）科技有限公司 位置追踪查询系统
CN112084238A (zh) * 2020-09-10 2020-12-15 南京邮电大学 一种基于轨迹数据的传染模式挖掘方法
CN112153575A (zh) * 2020-09-27 2020-12-29 深圳前海微众银行股份有限公司 一种接触者追踪方法、装置、设备及存储介质
CN112270999A (zh) * 2020-10-02 2021-01-26 孙炜 一种基于大数据和人工智能的流行病早期发现系统和方法
CN113035367A (zh) * 2021-03-26 2021-06-25 中国工商银行股份有限公司 传染病群体传染趋势预测方法、装置、设备及存储介质
WO2021208563A1 (zh) * 2020-04-13 2021-10-21 华为技术有限公司 一种通信方法、装置及系统
CN114422113A (zh) * 2020-10-12 2022-04-29 华为技术有限公司 获得邻近度的方法和电子设备
CN115240310A (zh) * 2022-07-22 2022-10-25 中国银行股份有限公司 防疫门禁控制方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105740615A (zh) * 2016-01-28 2016-07-06 中山大学 利用手机轨迹追踪传染源和预测传染病流行趋势的方法
CN108986921A (zh) * 2018-07-04 2018-12-11 泰康保险集团股份有限公司 疾病预测方法、装置、介质及电子设备
CN110399919A (zh) * 2019-07-24 2019-11-01 中国科学院地理科学与资源研究所 一种人类出行稀疏轨迹数据插值重构方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105740615A (zh) * 2016-01-28 2016-07-06 中山大学 利用手机轨迹追踪传染源和预测传染病流行趋势的方法
CN108986921A (zh) * 2018-07-04 2018-12-11 泰康保险集团股份有限公司 疾病预测方法、装置、介质及电子设备
CN110399919A (zh) * 2019-07-24 2019-11-01 中国科学院地理科学与资源研究所 一种人类出行稀疏轨迹数据插值重构方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
特大牛: ""1.5亿人次超级查询系统——"密切接触者测量仪"", 《搜狐网》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021208563A1 (zh) * 2020-04-13 2021-10-21 华为技术有限公司 一种通信方法、装置及系统
CN111935632A (zh) * 2020-08-14 2020-11-13 英华达（南京）科技有限公司 位置追踪查询系统
CN111935632B (zh) * 2020-08-14 2024-02-27 英华达（南京）科技有限公司 位置追踪查询系统
CN112084238B (zh) * 2020-09-10 2022-10-18 南京邮电大学 一种基于轨迹数据的传染模式挖掘方法
CN112084238A (zh) * 2020-09-10 2020-12-15 南京邮电大学 一种基于轨迹数据的传染模式挖掘方法
CN112153575A (zh) * 2020-09-27 2020-12-29 深圳前海微众银行股份有限公司 一种接触者追踪方法、装置、设备及存储介质
CN112153575B (zh) * 2020-09-27 2024-01-19 深圳前海微众银行股份有限公司 一种接触者追踪方法、装置、设备及存储介质
CN112270999A (zh) * 2020-10-02 2021-01-26 孙炜 一种基于大数据和人工智能的流行病早期发现系统和方法
CN114422113A (zh) * 2020-10-12 2022-04-29 华为技术有限公司 获得邻近度的方法和电子设备
CN114422113B (zh) * 2020-10-12 2024-04-12 华为技术有限公司 获得邻近度的方法和电子设备
CN113035367B (zh) * 2021-03-26 2024-02-27 中国工商银行股份有限公司 传染病群体传染趋势预测方法、装置、设备及存储介质
CN113035367A (zh) * 2021-03-26 2021-06-25 中国工商银行股份有限公司 传染病群体传染趋势预测方法、装置、设备及存储介质
CN115240310A (zh) * 2022-07-22 2022-10-25 中国银行股份有限公司 防疫门禁控制方法及系统

Similar Documents

Publication Publication Date Title
CN111477339A (zh) 传染病接触情况检测方法、设备及可读存储介质
CN111477340B (zh) 传染病接触情况检测方法、装置、设备及可读存储介质
CN111341463B (zh) 疫情排查方法、装置、计算机设备和存储介质
CN111885502B (zh) 一种保护隐私的疫情防控预警与追溯系统及方法
US20150100355A1 (en) Method and apparatus for identifying early status
CN105740615B (zh) 利用手机轨迹追踪传染源和预测传染病流行趋势的方法
CN112185582B (zh) 一种基于主动报送数据的传染病防控方法和系统
US20130275160A1 (en) System and method for analyzing and controlling epidemics
WO2021196561A1 (zh) 信息查询方法、系统、终端及计算机存储介质
US20030227383A1 (en) Method for identifying chemical, biological and nuclear attacks or hazards
CN111768594B (zh) 密切接触判断方法、装置、计算机设备及存储介质
US20070280462A1 (en) System and method for security monitoring and response delivery
CN112233808B (zh) 感染风险的预测方法、设备及存储介质
Osman et al. The thorny problems of Covid-19 Contact Tracing Apps: The need for a holistic approach
Souza et al. Where did I get dengue? Detecting spatial clusters of infection risk with social network data
CN111461610A (zh) 目标追踪方法、设备及可读存储介质
AU2020100481A4 (en) Provide a solution to estimate the person infected risk and the surrounding risks. The solution provides flexible policy configurations for giving individual instructions according to his infected risks. Therefore, it provides a solution to allow society to tuned to gain the balance of Economy and Health for different situations
CN116580851A (zh) 一种基于自动化精准行程记录的流行病学调查方法和系统
Cabana et al. Using mobile network data to color epidemic risk maps
CN113744887A (zh) 传染病的传染概率计算方法及装置、存储介质、电子设备
CN111405482A (zh) 利用lbs将时间信息重组以确定密切接触者的方法及系统
Safranek et al. A method to analyze rideshare data for the surveillance of novel strains of SARS-CoV-2
Zare et al. Establishment of an early warning system for cutaneous leishmaniasis in Fars province, Iran
Erly et al. Predictive Value of Time–Space Clusters for HIV Transmission in Washington State, 2017–2019
KR20190134930A (ko) IoT에 기반한 주변 기기 탐색 방법 및 장치

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200731