CN111524614B - 一种疫情信息通知系统 - Google Patents
一种疫情信息通知系统 Download PDFInfo
- Publication number
- CN111524614B CN111524614B CN202010629224.4A CN202010629224A CN111524614B CN 111524614 B CN111524614 B CN 111524614B CN 202010629224 A CN202010629224 A CN 202010629224A CN 111524614 B CN111524614 B CN 111524614B
- Authority
- CN
- China
- Prior art keywords
- user
- flight
- airport
- database
- confirmed
- 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
- 208000015181 infectious disease Diseases 0.000 claims abstract description 43
- 230000003203 everyday effect Effects 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 238000003066 decision tree Methods 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 28
- 238000000034 method Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013103 analytical ultracentrifugation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Public Health (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Epidemiology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种疫情信息通知系统，首先根据确诊用户ID，获取对应的航班ID，接着，根据检索到的航班ID检索对应的一个或多个非确诊用户的用户ID，然后，对于检索到的每一个用户ID，确定用户的感染概率，并向用户ID对应的移动终端发送包括用户ID对应的航班ID和用户的感染概率的消息，从而能够使得存在确诊用户的航班上的每个用户都能知道自身被感染的概率。
Description
技术领域
本发明涉及一种疫情信息通知系统，具体涉及一种对民航出行的用户进行通知的疫情信息通知系统。
背景技术
具有一定规模的飞机上空间密闭并且狭小，利于呼吸道传染性病毒或细菌等微生物的扩散和传播。现有的方案可以根据乘坐的航班信息查询飞机上是否存在确诊用户，但是没有对每个航班以及航班上的非确诊用户在飞机上被感染的可能性进行精确分析，并进行通知。
发明内容
本发明旨在提供一种疫情信息通知系统，用于对每个用户在飞机上被感染的概率进行分析并将感染的概率自动进行通知，以使得用户能够知道自己的感染概率。
本发明采用的技术方案为：
本发明实施例提供一种疫情信息通知系统，包括处理器、数据库和存储有计算机程序的存储介质；所述数据库中关联存储有表征用户唯一身份标识的用户ID和表征航班唯一身份标识的航班ID；当所述计算机程序被所述处理器执行时，实现以下步骤：
S100，获取确诊用户ID，并使用获取的确诊用户ID在所述数据库中检索对应的航班ID；
S200，如果检索到的航班ID不为Null，则使用检索到的航班ID在所述数据库中检索对应的一个或多个非确诊用户的用户ID；
S300，对于检索到的每一个用户ID，确定用户的感染概率；
S400，向用户ID对应的移动终端发送消息，所述消息的内容包括用户ID对应的航班ID和用户的感染概率。
本发明实施例提供的疫情信息通知系统，首先根据确诊用户ID，获取对应的航班ID，接着，根据检索到的航班ID检索对应的一个或多个非确诊用户的用户ID，然后，对于检索到的每一个用户ID，确定用户的感染概率，并向用户ID对应的移动终端发送包括用户ID对应的航班ID和用户的感染概率的消息，从而能够使得存在确诊用户的航班上的每个用户都能知道自身被感染的概率。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合具体实施例进行详细描述。
本发明实施例提供一种疫情信息通知系统，包括处理器、数据库和存储有计算机程序的存储介质；所述数据库中关联存储有表征用户唯一身份标识的用户ID和表征航班唯一身份标识的航班ID，用户ID可为移动终端ID或者身份证ID，航班ID可以是包括能够唯一确定航班的航班号+日期的ID；当用户ID不为移动终端ID时，所述数据库中还关联存储有用户ID和用户的移动终端ID；当所述计算机程序被所述处理器执行时，实现以下步骤：
S100，获取确诊用户ID，并使用获取的确诊用户ID在所述数据库中检索对应的航班ID；
S200，如果检索到的航班ID不为Null，则使用检索到的航班ID在所述数据库中检索对应的一个或多个非确诊用户的用户ID；所述非确诊用户的用户ID为数据库中存储的，除了步骤S100中获取的确诊用户ID之外的其他用户ID；
S300，对于检索到的每一个用户ID，确定用户的感染概率；
S400，向用户ID对应的移动终端发送消息，所述消息的内容包括用户ID对应的航班ID和用户的感染概率。
进一步地，在本发明实施例中，疫情信息通知系统还可包括疫情信息获取模块。在一实施方式中，所述疫情信息获取模块与多个第一发布服务器通信连接，用于从所述多个第一发布服务器获取多个地理围栏区域即多个疫情区域内感染疫情的用户数量，包括确诊感染用户数量和新增感染用户数量。该实施方式中，第一发布服务器可以为例如霍普金斯大学网站等统计并存储有疫情信息的网站服务器，这些网站服务器具有唯一的网络地址，从而使得疫情获取模块能够使用计算机程序从这些网站服务器中获取相关信息。
在另一实施方式中，所述疫情信息获取模块还与M个第二发布服务器通信连接，用于从所述M个第二发布服务器获取确诊用户的ID和航班ID，并存储到所述数据库中。在该实施方式中，第二发布服务器是与第一发布服务器不同的存储有疫情信息的网站服务器，这些网站服务器具有唯一的网络地址，从而使得疫情获取模块能够使用计算机程序从这些网站服务器中获取相关信息。
在步骤S100中，处理器可以通过疫情信息获取模块获取确诊用户ID。
在另一实施方式中，所述疫情信息获取模块还与航班信息数据库通信连接，用于将所述航班ID发送到所述航班信息数据库中进行检索，如果检索结果不为Null，则将确诊用户的ID和航班ID存储到所述数据库中，如果检索结果为Null，则不存储。也就是说，疫情信息获取模块通过与航班信息数据库中通信连接，能够根据各地数据来源，结合航班信息进行实时校验，航班信息不准确的将被过滤掉，从而避免造成用户不必要的恐慌。例如，在一些数据来源中，提到了某些航班上存在确诊人数，但是在实际校验中发现，航班已经取消或者值机人数为0，将过滤该航班。若某个数据来源出现错误数据，则不采纳该数据来源的数据或者人工处理。
进一步地，在本发明实施例中，疫情信息通知系统还可包括交互模块，所述交互模块与多个移动终端通信连接，所述交互模块用于接收所述移动终端发送的航班ID，并利用接收到的航班ID在所述数据库中进行检索，以及将检索结果发送给所述移动终端。在实际应用中，交互模块可为用户的移动终端上的APP，用户可通过自身的移动终端在交互模块APP上输入航班号和航班日期进行查询，看同程航班内是否有确诊用户。若同程航班内证实有确诊用户，会通过交互模块APP、即时通讯软件和短信对航旅用户发送消息进行提醒，能够实现疫情航班的查询以及通知功能，第一时间将疫情相关消息发送给用户。
进一步地，在本发明实施例中，所述数据库中还存储有用户ID对应的机型、航班舱位、航班座位位置、用户年龄，以及存储有所述航班ID对应的航班座位距离、飞行时长。此外，所述疫情信息通知系统还与多个飞机场的内部数据库通信连接，所述内部数据库关联存储有飞机场ID、飞机场位置、飞机场在若干特定时间段（例如天）内的进出港总人数。本领域技术人员知晓，这些信息可以以文本字符串的格式存储于数据库中。
进一步的，所述疫情信息通知系统中还存储有航班座位图数据。一个实施例中，所述航班座位图数据中包括了每个航班座位位置的在航班座位图中的坐标，根据坐标，可以计算获取任意两个航班座位位置的相对距离D。
其中，步骤S300可具体包括：
S310、对于第i个用户ID，从所述数据库中获取对应的航班舱位、航班座位位置、用户年龄和对应的航班ID对应的航班座位距离和飞行时长。
S320，根据确诊用户ID的航班座位位置P0、第i个用户ID的航班座位位置Pi和航班座位距离，获得确诊用户和第i个用户之间的相对距离D，可根据航班座位图计算得到。
S330，根据获取的航班ID，在所述内部数据库中检索得到对应的起飞机场ID和起飞机场位置，并基于得到的起飞机场位置获取起飞机场所在的地理围栏区域，以及该地理围栏区域内的每日感染疫情的用户数量U。起飞机场所在的地理围栏区域内的每日感染疫情的用户数量U可通过疫情信息获取模块获取，包括起飞机场存量确诊病例数和起飞地新增病例数。
S340，根据起飞机场位置，获取起飞机场的进出港总人数。可通过航班所属机场的内部数据库直接获取起飞机场的进出港总人数。
S350，根据航班ID，在数据库中检索获取用户ID的数量和对应的机型，获取对应的客座率。在获得对应的机型后，能够获取机型对应的满载人数，这样，就能得到客座率，即客座率=用户ID的数量/满载人数。
S360，根据步骤S310~S350获取的参数数据计算第i个用户的感染概率，所述参数数据包括：与确诊用户之间的相对距离D、机型、客座率、航班舱位、航班座位距离、飞行时长、起飞机场所在的地理围栏区域内的每日感染疫情的用户数量U、起飞机场的进出港总人数和用户年龄。本发明的发明人经过大量调研和试验发现，这些参数数据与感染概率之间高度正相关，对感染概率的准确性起到关键性作用，因此，选择这些参数数据作为计算感染概率的参数数据。
在本发明中，发明人分别利用多个不同的算法来基于上述参数数据计算感染概率，经过试验发现，使用轻量级的梯度提升决策树计算的感染概率在计算效率方面最高，并且准确性也相对较高，这对于需要迅速得到预测效果的感染概率而言，是最优的选择，因此，本发明的一个实施例中，选用梯度提升决策树来计算感染概率。
具体的，在本发明实施例中，感染概率P=f（M，C1，C2，G，X）。
其中，f表示用于获取感染概率所使用的梯度提升决策树，M表示f使用的弱分类器的数量，C1表示f的深度，C2表示f的梯度提升学习率，G为f的内参数向量；X为根据用户ID所获取的参数数据，进一步的，X=(x1,x2,.....x9)，x1,x2,.....x9分别表示经过预处理和数据编码的参数数据，包括：与确诊用户之间的相对距离D、机型、客座率、航班舱位、航班座位距离、飞行时长、起飞机场所在的地理围栏区域内的每日感染疫情的用户数量U、起飞机场的进出港总人数和用户年龄共9个参数。所述预处理包括处理异常值和缺失值进行处理。异常值是指不遵循数据总体趋势的数据点，通过散点图将异常数据去除掉。训练数据集中的数据丢失会降低模型的功效/拟合度，空值默认为中位数。所述编码包括标签编码（例如0、1、2）或者One-Hot编码。标签编码：比如飞机型号，波音737、波音747、A300、A340等编码成1、2、3、4。One-hot编码：比如舱位，编码成经济舱100，商务舱010，头等舱001。
在本发明实施例中，G，M，C1，C2根据用户样本集确定。所述用户样本集包括N1个确诊用户的参数数据（用于获取正样本）和N2个非确诊用户的参数数据（用于获取负样本），其中N1+N2=N，N1<N2。具体的，用户样本集={(X1,Z1),(X2,Z2),⋅⋅⋅,(XN,ZN)}，Xi表示第i个用户的以特征向量标识的参数数据，包括根据第i个用户的用户ID获取的第i个用户与确诊用户之间的相对距离D、机型、客座率、航班舱位、航班座位距离、飞行时长、起飞机场所在的地理围栏区域内的每日感染疫情的用户数量U、起飞机场的进出港总人数和用户年龄共9个参数，i=1，…，N，N表示用户数量，Zi为第i个用户的状态值，Zi=1表示第i个用户为确诊用户，相应的参数数据为正样本，Zi=0表示第i个用户为未确诊用户，相应的参数数据为负样本。
进一步的，M，C1，C2的取值可基于实际经验选择给定，在一个示例中，M的取值可为（5,10,15,20,30,40,50,60,70,80,90,100,150,200,300,500）中的任一选择，共计16种选择；C1的取值可为(2,3,4,5)中的任一选择，共计4种选择；C2的取值可为(0.001,0.005,0.01,0.05,0.1,0.2,0.3,0.4,0.5)，共计9种选择。
对于任一(M，C1，C2)的取值组合，可根据以下具体训练步骤获取G：
S361、将用户样本集的顺序随机处理，并按照预设比例（优选的7:3）分为训练集和测试集。
S362、本发明中，由于确诊用户的数量远小于非确诊用户的数量，即正样本的占比很小，因此对用户样本集中的正样本进行向上采样，负样本向下采样，例如，将正样本的数量乘以2作为向上采样后的正样本，即正样本为2*N1个，从负样本中随机抽取一半作为向下采样后的负样本，即负样本为N2/2个。
S363、根据训练集中上采样后的正样本和下采样的负样本，获取对应于任一（M，C1，C2）的G。本领域技术人员知晓，在已经确定正负样本和（M，C1，C2），利用现有的人工智能相关技术手段，获取梯度提升决策树f的内参数G可以通过本领域中的一种或多种现有技术实现。虽然，本发明并不意图保护从这些具体的现有技术，但将任一现有技术应用到本发明中以获取G的方式均将落入本发明的保护范围。
在本发明前述实施例中，参数组合（M，C1，C2）可为16*4*9=576个，对于任一个参数组合，经过步骤S361-363，均可获得对应的G，这样，可得到576个G，即得到576个包括参数组合（M，C1，C2，G）的f。
进一步的，本发明还包括步骤S364、利用测试集，对步骤S363中的多个（例如576个）f进行验证，得到一个最优参数组合（M，C1，C2，G），进而得到最优的f。
在本发明实施例中，可使用AUC（Area Under Curve被定义为ROC曲线下的面积）来评估根据多个f计算的感染概率P的效果，即从576个感染预测模型中选择出一个最优的感染预测模型。ROC曲线的全名叫做Receiver Operating Characteristic，平面的横坐标是false positive rate(FPR)，纵坐标是true positive rate(TPR)，其中，伪阳性率（FPR）为：判定为正例却不是真正例的概率，即真负例中判为正例的概率，即没有感染的被判定为感染的概率；真阳性率（TPR）为：判定为正例也是真正例的概率，即真正例中判为正例的概率（也即正例召回率），即感染的被判定为感染的概率。具体验证可包括以下步骤：
（1）对步骤S363中得到的每个感染预测模型，分别输入测试集中的参数数据，得到相应的AUC；
（2）将步骤（1）得到的AUC进行比较，选择AUC最高的参数组合（M，C1，C2，G作为最优参数组合，从而得到最终用于预测感染概率的感染预测模型。
在本发明的一个优选示例中，采用M=50，C1=3，C2=0.2的参数组合的梯度提升决策树f，得到最好的效果。
本发明中，还根据感染概率P，并进行分级处理。
在本发明实施例中，根据实际经验，可将感染概率分成高中低三个感染等级，0＜P≤0.3属于低感染等级，0.3＜P≤0.7属于中感染等级，0.7＜P属于高感染等级。
综上，本发明实施例提供的疫情信息通知系统，能聚合多个数据源，第一时间发现疫情航班，并对疫情航班信息进行真实性校验。通过对民航出行用户在飞行过程中的风险等级进行评估和预测，提醒用户在出行过程中注意佩戴口罩，提高防范意识，减少人员接触，降低感染风险。出现同程确诊用户时，能够第一时间提醒同程用户注意居家隔离，减少人员接触，降低可能的传播风险。能够使得存在确诊用户的航班上的每个用户都能知道自身被感染的概率。
以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (6)
1.一种疫情信息通知系统，其特征在于，包括处理器、数据库和存储有计算机程序的存储介质；所述数据库中关联存储有表征用户唯一身份标识的用户ID和表征航班唯一身份标识的航班ID；当所述计算机程序被所述处理器执行时，实现以下步骤：
S100，获取确诊用户对应的用户ID，并使用获取的确诊用户的用户ID在所述数据库中检索对应的航班ID；
S200，如果检索到的航班ID不为Null，则使用检索到的航班ID在所述数据库中检索对应的一个或多个非确诊用户的用户ID；
S300，对于步骤S200检索到的每一个非确诊用户的用户ID，确定用户的感染概率；
S400，向步骤S200检索到的每一个非确诊用户的用户ID对应的移动终端发送消息，所述消息的内容包括非确诊用户的用户ID对应的航班ID和用户的感染概率；
还包括疫情信息获取模块，所述疫情信息获取模块与多个第一发布服务器通信连接，用于从所述多个第一发布服务器获取多个地理围栏区域内感染疫情的用户数量，包括确诊感染用户数量和每日新增感染用户数量；
所述数据库中还存储有用户ID对应的机型、航班舱位、航班座位位置和用户年龄，以及存储有所述航班ID对应的航班座位距离和飞行时长；所述疫情信息通知系统还与多个飞机场的内部数据库通信连接，所述内部数据库关联存储有飞机场ID、飞机场位置和飞机场在若干特定时间段内的进出港总人数；
其中，步骤S300具体包括：
S310、对于第i个非确诊用户的用户ID，从所述数据库中获取对应的机型、航班舱位、航班座位位置、用户年龄和对应的航班ID对应的航班座位距离和飞行时长；
S320，根据确诊用户的用户ID的航班座位位置P0、第i个非确诊用户的用户ID的航班座位位置Pi和航班座位距离，获得确诊用户和第i个非确诊用户之间的相对距离D；
S330，根据获取的航班ID，在所述内部数据库中检索得到对应的起飞机场的飞机场ID和起飞机场的飞机场位置，并基于得到的起飞机场的飞机场位置获取起飞机场所在的地理围栏区域，以及该地理围栏区域内的每日感染疫情的用户数量U；
S340，根据起飞机场的飞机场位置，获取起飞机场的进出港总人数；
S350，根据航班ID，在内部数据库中检索获取用户ID的数量和对应的机型，获取对应的客座率；
S360，根据步骤S310~S350获取的参数数据计算第i个用户的感染概率，所述参数数据包括：与确诊用户之间的相对距离D、机型、航班舱位、客座率、航班座位距离、飞行时长、起飞机场所在的地理围栏区域内的每日感染疫情的用户数量U、起飞机场的进出港总人数和用户年龄。
2.根据权利要求1所述的疫情信息通知系统，其特征在于，所述疫情信息获取模块还与M个第二发布服务器通信连接，用于从所述M个第二发布服务器获取确诊用户对应的用户ID和航班ID，并存储到所述数据库中。
3.根据权利要求2所述的疫情信息通知系统，其特征在于，所述疫情信息获取模块还与航班信息数据库通信连接，用于将所述航班ID发送到所述航班信息数据库中进行检索，如果检索结果不为Null，则将确诊用户的用户ID和航班ID存储到所述疫情信息通知系统的数据库中，如果检索结果为Null，则不存储。
4.根据权利要求1所述的疫情信息通知系统，其特征在于，还包括交互模块，所述交互模块与多个移动终端通信连接，所述交互模块用于接收所述移动终端发送的航班ID，并利用接收到的航班ID在所述数据库中进行检索，以及将检索结果发送给所述移动终端。
5.根据权利要求1所述的疫情信息通知系统，其特征在于，步骤S360中使用梯度提升决策树计算感染概率。
6.根据权利要求5所述的疫情信息通知系统，其特征在于，所述梯度提升决策树的模型参数为：弱分类器的个数为50，树的深度为3，学习率为0.2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010629224.4A CN111524614B (zh) | 2020-07-03 | 2020-07-03 | 一种疫情信息通知系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010629224.4A CN111524614B (zh) | 2020-07-03 | 2020-07-03 | 一种疫情信息通知系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111524614A CN111524614A (zh) | 2020-08-11 |
| CN111524614B true CN111524614B (zh) | 2020-10-09 |
Family
ID=71911969
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010629224.4A Active CN111524614B (zh) | 2020-07-03 | 2020-07-03 | 一种疫情信息通知系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111524614B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111933299B (zh) * | 2020-08-14 | 2023-09-15 | 中国工商银行股份有限公司 | 传染病感染风险评估方法和装置、电子设备以及存储介质 |
| CN115018436B (zh) * | 2021-11-16 | 2023-12-01 | 荣耀终端有限公司 | 出行提醒方法及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111261302A (zh) * | 2020-02-26 | 2020-06-09 | 汤一平 | 基于时空轨迹数据的流行传染病病毒场可视化方法及系统 |
| CN111261301A (zh) * | 2020-02-13 | 2020-06-09 | 姜通渊 | 一种大数据传染病防控方法及系统 |
| CN111276256A (zh) * | 2020-02-28 | 2020-06-12 | 苏州浪潮智能科技有限公司 | 一种疫情预警及处理的方法、系统、设备及介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170178037A1 (en) * | 2015-12-16 | 2017-06-22 | Evan John Kaye | Flight Safety Forecasting and Hazard Avoidance |
-
2020
- 2020-07-03 CN CN202010629224.4A patent/CN111524614B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111261301A (zh) * | 2020-02-13 | 2020-06-09 | 姜通渊 | 一种大数据传染病防控方法及系统 |
| CN111261302A (zh) * | 2020-02-26 | 2020-06-09 | 汤一平 | 基于时空轨迹数据的流行传染病病毒场可视化方法及系统 |
| CN111276256A (zh) * | 2020-02-28 | 2020-06-12 | 苏州浪潮智能科技有限公司 | 一种疫情预警及处理的方法、系统、设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 航旅纵横紧急上线通知系统 实时推送航班疫情动态;中国民航信息集团有限公司;《http://wap.sasac.gov.cn/n2588025/n2588119/c13668669/content.html》;20200130;1 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111524614A (zh) | 2020-08-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108629413B (zh) | 神经网络模型训练、交易行为风险识别方法及装置 | |
| Burgman et al. | Setting reliability bounds on habitat suitability indices | |
| CN111524614B (zh) | 一种疫情信息通知系统 | |
| CN110175697B (zh) | 一种不良事件风险预测系统及方法 | |
| CN111968746A (zh) | 一种基于混合深度迁移学习的脑卒中风险预测方法及装置 | |
| CN111754044B (zh) | 员工行为审计方法、装置、设备及可读存储介质 | |
| CN113011889B (zh) | 账号异常识别方法、系统、装置、设备及介质 | |
| CN111274301A (zh) | 一种基于数据资产智能治理方法及系统 | |
| Hui | Construction of information security risk assessment model in smart city | |
| CN110061906B (zh) | 一种消息发布/接收方法 | |
| CN112288117A (zh) | 目标客户的成交概率预测方法、装置与电子设备 | |
| CN115329347A (zh) | 基于车联网漏洞数据的预测方法、设备和存储介质 | |
| CN112949745B (zh) | 多源数据的融合处理方法、装置、电子设备及存储介质 | |
| CN111553826B (zh) | 智慧城市数据处理方法 | |
| CN117291615B (zh) | 基于网络支付下克服反欺诈的可视化对比分析方法及装置 | |
| CN111553600B (zh) | 基于大数据的智慧城市业务分配系统 | |
| CN115525803B (zh) | 处警方法、系统、车载设备及计算机可读存储介质 | |
| CN112308319B (zh) | 一种民航会员旅客流失的预测方法及装置 | |
| CN116629388B (zh) | 差分隐私联邦学习训练方法、装置和计算机可读存储介质 | |
| CN116308444A (zh) | 数据处理方法及装置、电子设备、存储介质、程序产品 | |
| Pappadà et al. | Discrimination in machine learning algorithms | |
| Guan et al. | Intelligent Classification Method of Digital Twin Airport Hazard Based on ID3 Algorithm | |
| CN117194654A (zh) | 模型训练方法、装置、设备和介质 | |
| CN112381575A (zh) | 展业区域的获取方法、装置、电子设备以及存储介质 | |
| CN117579688A (zh) | 一种信息推送方法及相关设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |