CN111933297B - 一种基于近场通信的人员密接情况调查方法 - Google Patents
一种基于近场通信的人员密接情况调查方法 Download PDFInfo
- Publication number
- CN111933297B CN111933297B CN202010780956.3A CN202010780956A CN111933297B CN 111933297 B CN111933297 B CN 111933297B CN 202010780956 A CN202010780956 A CN 202010780956A CN 111933297 B CN111933297 B CN 111933297B
- Authority
- CN
- China
- Prior art keywords
- unique
- wearing
- near field
- field communication
- server
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000011835 investigation Methods 0.000 title claims abstract description 8
- 238000012216 screening Methods 0.000 claims abstract description 24
- 238000005516 engineering process Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 230000005180 public health Effects 0.000 claims abstract description 8
- 230000005541 medical transmission Effects 0.000 claims abstract description 5
- 238000003062 neural network model Methods 0.000 claims abstract description 5
- 238000007689 inspection Methods 0.000 claims abstract description 3
- 230000015654 memory Effects 0.000 claims description 52
- 239000003550 marker Substances 0.000 claims description 38
- 230000005540 biological transmission Effects 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 26
- 238000003860 storage Methods 0.000 description 22
- 208000015181 infectious disease Diseases 0.000 description 13
- 238000013507 mapping Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 208000035473 Communicable disease Diseases 0.000 description 6
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000005065 mining Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011841 epidemiological investigation Methods 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 241000711573 Coronaviridae Species 0.000 description 2
- 241000700605 Viruses Species 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 230000006806 disease prevention Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 206010008631 Cholera Diseases 0.000 description 1
- PMATZTZNYRCHOR-CGLBZJNRSA-N Cyclosporin A Chemical compound CC[C@@H]1NC(=O)[C@H]([C@H](O)[C@H](C)C\C=C\C)N(C)C(=O)[C@H](C(C)C)N(C)C(=O)[C@H](CC(C)C)N(C)C(=O)[C@H](CC(C)C)N(C)C(=O)[C@@H](C)NC(=O)[C@H](C)NC(=O)[C@H](CC(C)C)N(C)C(=O)[C@H](C(C)C)NC(=O)[C@H](CC(C)C)N(C)C(=O)CN(C)C1=O PMATZTZNYRCHOR-CGLBZJNRSA-N 0.000 description 1
- 229930105110 Cyclosporin A Natural products 0.000 description 1
- 108010036949 Cyclosporine Proteins 0.000 description 1
- 208000001490 Dengue Diseases 0.000 description 1
- 206010012310 Dengue fever Diseases 0.000 description 1
- 208000024777 Prion disease Diseases 0.000 description 1
- 208000028227 Viral hemorrhagic fever Diseases 0.000 description 1
- 241000907316 Zika virus Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229960001265 ciclosporin Drugs 0.000 description 1
- 230000009351 contact transmission Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 229930182912 cyclosporin Natural products 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 208000025729 dengue disease Diseases 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 208000001848 dysentery Diseases 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000010544 human prion disease Diseases 0.000 description 1
- 206010022000 influenza Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 201000004792 malaria Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000002558 medical inspection Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000007481 next generation sequencing Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请涉及公共卫生技术领域，公开了一种基于近场通信的人员密接情况调查方法，包括：向在被监测区域内活动的所有人员分发基于近场通信技术的佩件设备，在被监测区域内的疾病传播高风险设施处设置多个基于近场通信技术的打标器，设置至少一个读写器和至少一个服务器，在发生公共卫生事件确认疑似病例后，回收疑似病例的佩件设备，使用所述至少一个读写器读取佩件设备，进而确定接触人群列表，根据以往确定的疑似病例的相关数据即历史数据，建立筛选计算神经网络模型，计算筛选参数，并依据筛选参数从人群列表中筛选优先接受生化检查的人员。
Description
技术领域
本发明涉及公共卫生技术领域的传染病防控体系中追踪与特定人员有接触史的人群的技术，并具体涉及一种基于近场通信的人员密接情况调查方法。
背景技术
随着交通工具便捷程度的提高，经贸活动日益发达，一国之内各个区域之间以及国际上国家与国家、地区间人口、货物的流动相较于之前变得更为频繁，人员、物资的这种大范围快速交流也使得传染性疾病在全球流行和扩散蔓延的态势愈发严峻。例如，最近20年，在全球范围内先后爆发过甲型H1N1流感、HIV、疟疾、环孢子虫病、霍乱、病毒性出血热、传染性海绵样脑病、登革热、耐药性痢疾、Zika病毒等传染病。
现有技术中目前已知的发现可疑潜在病例的方法包括医学巡查、体温监测或人员自主申报等方式。例如，当某地出现可疑病例或者确诊病例后，通过对该病例的口头询问，结合对其拥有的具有行程记录功能的电子设备(例如具有GPS定位功能的手机)所记录的历史行程，确定其大致活动范围，并通过媒体公告、追踪划定范围内留下行程记录的手机所有人等方式确定可能与该病例有接触的人群。这种方式虽然有效，但是存在一定缺陷。首先，为避免遗漏可能的潜在病例，需要投入大量资源查找分析潜在接触人群；其次，通过上述分析后划定的人群范围一般可能远远超出实际有传染风险的人群范围，因而总体检测成本高。由于这种追踪方式有赖于确诊病例对自身行程的回忆的可靠性，有可能遗漏某些与其有接触的人群，因而可靠性并不稳定。而且，这种追踪方式无疑必须掌握确诊病例大致活动范围内一定时间段中所有出现过的人的行程，可能有侵犯被调查人员隐私的风险。
现有技术中存在基于GPS信息的流行病学信息采集方法。例如，在申请号为CN201110147566.3的中国专利申请中公开了一种基于谷歌地图的信息采集方法。其通过谷歌地图、GPS系统、移动通信、网络技术辅助现场处置人员、医生、实验室人员、专家和行政人员的交流，可对现场调查人员进行定位，能够提高信息采集效率。
在申请号为201811282809.2的中国专利申请中公开了一种疾控与出行信息互联的防控方法，包括调取本地染病病例历史数据和影响疾病传染源生存的环境因素组成，拟合网格风险图；确定新发感染者为传染源，并获得所述新发感染者发病前一段时间内的出行信息；对所述出行信息进行分类筛选，并挖掘可能驻留点，并和空间路网数据结合，对可能驻留点进行语义化；将可能驻留点和风险图进行对比，从而得出主要的可疑点，作为高概率发生点；采用关联规则挖掘算法或者字串模式挖掘算法对运动模式进行挖掘，从而预测可能的传播趋势；根据上述结果对高风险区域进行干预。该方法有赖于GPS信息获取轨迹，因而无法保障被调查对象的隐私。该方法是一种基于概率的预测模型，所确定的高风险区域是有较高概率发生传染的区域，因而其是否能够真实地覆盖所有实际应调查区域取决于算法模型的有效性。当发生传染性较高的疫情时，不一定能够达到防控目标的要求。
在申请号为201880068419.7的中国专利申请中，公开了一种使用实时定位系统和下一代测序在健康护理机构中预测、预防和控制感染传播的技术方案，使用跟踪标签的位置来计算至少一个感染节点在地图上的路径，其中，感染节点具有非零感染可能性；计算沿着所述路径在所述地图上的感染区；针对接触所述感染区的每个节点，调整所述接触节点的感染可能性，并且当所述接触节点的更新后的感染可能性满足感染准则时，将所述接触节点指定为感染节点。该方案有赖于实时定位和地图数据，并且跟踪标签必须与实时定位系统保持通信，因而无法保障被调查对象的隐私并且部署和使用成本高昂。
发明内容
针对现有技术中的不足，本发明提供了一种一种基于近场通信的人员密接情况调查方法，包括：
步骤1：向在被监测区域内活动的所有人员分发基于近场通信技术的佩件设备，佩件设备具有唯一ID，佩件设备之间以近场通信方式交换并保存对方唯一ID；
步骤2：在被监测区域内的疾病传播高风险设施处设置多个基于近场通信技术的打标器，打标器具有唯一ID，佩件设备和打标器之间以近场通信方式交换并保存对方唯一ID；
步骤3：设置至少一个读写器和至少一个服务器，所述至少一个读写器用于和佩件设备通信以配置佩件设备，并且所述读写器通过通信网络与服务器连接；所述至少一个服务器包括数据库，用于存储读写器上传的被发放的佩件设备的唯一ID与接受该佩件设备的被监测人员的可追踪信息；
步骤4：在发生公共卫生事件确认疑似病例后，回收疑似病例的佩件设备；
步骤5：使用所述至少一个读写器读取佩件设备内是否记录了其他佩件设备唯一ID，若存在其他佩件设备的唯一ID，则生成唯一ID列表；
步骤6：根据所述唯一ID列表，利用唯一ID作为索引，在服务器的数据库中逐一查询唯一ID对应的可追踪信息，进而确定接触人群列表；
步骤7：根据以往确定的疑似病例的相关数据即历史数据，建立筛选计算神经网络模型，计算筛选参数，并依据筛选参数从步骤6的人群列表中筛选优先进行生化检查的人员。
每一佩件设备包括近场通信收发器、控制器和存储器，每一佩件设备被分配有区别于其他设备的唯一ID，佩件设备之间通过近场通信技术通信连接，当两佩件设备之间距离接近导致其接收功率大于接收功率阈值Pt时，所述两佩件设备之间建立近场通信连接，并在所述两佩件设备自身的非易失性存储器中至少存储对方的唯一ID和接收功率。读写器用于在向被监测人员发放佩件设备时根据被监测人员的可追踪信息产生佩件设备的唯一ID，将唯一ID以及接收功率阈值Pt写入被发放的佩件设备自身的非易失存储器中，并通过通信网络将被发放的佩件设备的唯一ID与接受该佩件设备的被监测人员的可追踪信息传送到服务器中。打标器具备近场通信功能，其射频发射功率高于佩件设备，当佩件设备接收到的打标器信号功率大于接收功率阈值Pt时，佩件设备记录打标器的唯一ID和打标时间；当打标器接收的佩件设备信号功率高于打标器接收功率阈值Pt2时，打标器记录佩件设备的唯一ID和时间。打标器通过通信网络与服务器进行通信，将记录的佩件设备的唯一ID和时间传送到服务器，并由服务器将其存储到数据库中。读写器通过佩件设备的近场通信收发器将唯一ID以及接收功率阈值Pt写入被发放的佩件设备自身的非易失存储器中。
佩件设备还包括用于和读写器连接的I/O接口，读写器通过佩件设备所述I/O接口将唯一ID以及等效距离阈值Dt或接收功率阈值Pt写入被发放的佩件设备自身的非易失存储器中。
所述近场通信通过蓝牙技术实现，并且打标器的唯一ID和佩件设备的唯一ID的有效长度不同。
确定接触人群列表之后，还包括以下步骤：识别佩件设备内是否记录了打标器唯一ID；如果存在打标器唯一ID，则根据佩件设备记录的打标器唯一ID从服务器读取所述打标器的打标记录；根据所述佩件设备中记录的打标时间获取打标时间前后指定时间范围内打标器记录的所有佩件唯一ID，利用唯一ID作为索引，在服务器的数据库中逐一查询各唯一ID对应的可追踪信息，进而确定间接接触人群列表。
以往确定的疑似病例的相关数据包括疑似病例的传播影响因素变量：身高H、体重W、年龄A、被列为疑似病例之前Y天内平均每日使用公共交通通勤的里程S、所述Y天内的日平均气温T，以及被确定为与该病例有过直接密切接触的人员与该病例接触时的接收功率的均方根值P，采用基于加权欧氏距离的K-means聚类算法，将收集的疑似病例的相关数据分为K类，每个类代表不同传播类型，将属同一传播类型的数据作为一组训练样本，采用三层结构的神经网络算法进行训练，建立K个筛选计算模型：收集新疑似病例的传播影响因素变量的数据形成矢量，计算其与K个聚类中心的加权欧氏距离，按照距离最小原则确定该疑似病例所属的传播类型，将该疑似病例的传播影响因素变量数据矢量输入计算模型，求出对应的接收功率基准值Pref作为筛选参数。
本发明基于近场通信技术，不需要获取被追踪人员的行程轨迹，使用的佩件内除了保存能够唯一确定佩戴者身份的佩件ID信息以外，仅记录与其临近的其他佩件ID或者打标器信息。由于无需访问网络和保存行程信息等敏感信息，因而即使佩件遗失，他人也无法从中获取所有者的个人信息，因而能够保障佩戴者的隐私。
本发明所用的方法与现代物流技术中基于RFID技术对各种货物进行精确追踪和管理的方法存在类似之处，都利用了近场通信技术的低成本实现大规模的经济部署。由于无需支持与通信网络交互数据的功能而只需实现近场通信功能，因此当以定制设备的形式实现佩件时能够以较低成本实现大范围部署，具有较高的可行性。
附图说明
图1是根据本发明实施例的具有追踪功能的佩件及其所包含的标签模块的结构框图。
图2是根据本发明实施例的佩件中的存储器的逻辑分区示意图。
图3是根据本发明实施例的佩件中的数据记录格式示意图。
图4是根据本发明另一实施例的人员接触状况追踪系统的框图。
图5是根据本发明另一实施例的人员接触状况追踪系统的框图。
图6是部署图4所示系统的流程图。
图7是部署图5所示系统的流程图。
图8是根据本发明实施例的人员接触状况追踪方法的流程图。
图9是根据本发明实施例对部分接触人群进行筛选测试的流程图。
具体实施方式
下面根据具体实施例描述本发明的可保护隐私的人员接触状况追踪方法和系统。在本发明中，佩件设备或者佩件是可互换的术语，指示专门定制的电子设备或者在现有的具有近场通信及数据处理功能的便携式装置上通过运行软件指令实现本发明功能的电子设备。
图1是根据本发明实施例的具有追踪功能的佩件100及其所包含的标签模块的结构框图。佩件100可以是专门设计的用于追踪接触人群的电子设备，其可被设计为便于人们携带和使用的各种形式，例如可以使可穿戴设备的形式，如手环，也可以是卡片形式。根据本发明实施例，佩件100包含近场通信收发器104、控制器106、存储器108和电源112。佩件100上还包括作为系统定时基准的晶体振荡器(未示出)。电源112用于向单元104-108供电。电源112可以为电池，例如常规的纽扣电池或者现有技术中已知的便于佩件小型化的其他形态和类型的电池。由于对单元104-108的供电并非本发明的贡献，在此不再详细描述。
近场通信收发器104是有源单元，由电源112供电。在控制器106控制下，近场通信收发器104每隔时间t1通过天线104a向周围环境空间定期地发射无线电信号，并从周围空间接收其他的佩件发射的无线电信号。近场通信收发器104处于发射和接收信号状态的时间窗口长度为t2。即近场通信收发器104工作的周期为T＝t1+t2。在t1时间内，近场通信收发器104不工作以节省功耗。例如，t1为500毫秒，t2为100毫秒。t1越大，则处于休眠状态的时间越长，佩件100的功耗较低，在同样电池供电条件下能够工作更长时间而无需更换电池。然而，考虑许多情况下人员处于运动状态，t1过大将会因近场通信收发器104处于休眠状态而无法监测到处于周边较近距离内的其他佩件100的存在。在t2时间内，近场通信收发器104处于发射和接收状态。其既可以以单工方式工作，也可以以双工方式工作。例如，近场通信收发器104可以先处于发射状态t2/2时间，再处于接收状态t2/2时间。休眠状态下，可以切断电源112的供电。
由于所有佩件100所包含的近场通信收发器104具有大致相同的发射功率，通过检测接收到的近场信号的功率强度能够大致确定接收端与发射端的距离。在现有技术中，由于接收到的信号功率受到障碍物、接收和发射端相对空间位置灯多种因素的影响，根据功率强度所计算出的距离值具有一定误差，因而本领域技术人员通常不会选择通过检测功率强度进行测距的方案。然而，本发明所要解决的问题是确定人群之间是否发生较近距离的相互接触，因此所关注的实质上不是准确确定发生接触的人员之间的接触距离，而是判定人员之间是否发生过可能导致疾病传播的较近距离的接触。事实上，由于疾病传播的发生受多种因素的印象，即使距离相同，也因接触时现场环境、人员状态不同而有不同的传播后果，因而无需准确确定接触距离。因此，通过由控制器106检测接收到的信号功率，并把信号功率超过设定阈值Pt的发射端作为接收端的密切接触者，即可记录与作为接收端的佩件100有过密切接触的人员。或者也可以由控制器106将接收到的信号功率的转化为等效的距离D，并把小于阈值距离Dt的发射端作为接收端的密切接触者。需要说明的是，由于追踪密切接触者时通常不关注距离较远的人群，因此可将近场通信收发器104的发射功率设置得较低，这样只有较近范围内的佩件100才能被其他佩件检测到，从而可以节约能源，延长佩件100续航时间。
具体来说，当接收端的佩件100的控制器106确定通过近场通信收发器104接收到的其他佩件100发射的信号功率大于设定阈值Pt或折算的有效距离小于阈值距离Dt时，通过近场通信收发器104与所述发射端的佩件100建立无线连接，接收其发射的数据，并由控制器106所述数据为发射端佩件100的唯一ID。所有佩件100均具有独特的唯一ID，用于和其他佩件100进行区分。所属唯一ID存储在存储器108内。发射端和接收端是相对的，即作为接收端的佩件100既接收其他佩件100发射的唯一ID，也会将自身的唯一ID发射给其他佩件100。也就是说，当任意两个持有佩件100的人足够接近时，其携带的佩件100将把对方的佩件唯一ID记录下来，存储在自身的存储器108内。存储器108内既存储自身的唯一ID，也存储与其接近到设定程度(以接收功率阈值或者等效距离衡量)的其他佩件的唯一ID。
图2是存储器108的存储空间划分的示意图。存储器108是非易失性存储器，例如flash。存储器108内的存储空间在逻辑上被分为两部分，即存储空间1和存储器2。存储空间1的容量较小，存储空间2的容量较大。佩件100的自身的唯一ID被存储在存储空间1中。存储空间1还可用于存储其他涉及佩件100的管理信息的数据，例如制造时间、制造厂商、自身唯一ID的写入时间、被授权写入的部门等等。存储空间2用于存储近距离接触到的其他佩件的唯一ID以及与接触状况相关的信息，例如功率，等效距离等。各个近距离接触相关的信息被以记录的形式逐一存储在存储空间2内。存储空间1和存储空间2是同一存储器件，例如flash存储器上的不同逻辑分区，或者存储空间1和存储空间2甚至可以是不同的存储器件。
佩件100自身的唯一ID可以在制造时写入，此时存储空间1可以由只读存储器ROM构成。佩件100自身的唯一ID也可以在将佩件100分发给用户时写入。不同的写入方式将会影响建立所述唯一ID与用户的可追踪信息之间的映射关系的方式。例如，如果存储空间1是ROM只读，则所有信息在制造时写入且无法更改。使用佩件100时，需要在后台数据库记录唯一ID及使用具有该唯一ID的佩件的用户的可追踪信息，从而能够确定所述唯一ID被分配给了哪个用户。如果存储空间1可读写，则可以在分发佩件100时根据用户的可追踪信息产生一个唯一ID，将其写入存储空间1，并将唯一ID与用户的可追踪信息存储到数据库中，以建立佩件100与其用户的映射关系。用户的可追踪信息例如可以包括用户的身份证号、住址、工作地点等信息。现有技术中存在多种根据用户的可追踪信息产生佩件的唯一ID的方式。例如，可通过对用户的身份证号计算哈希值作为其使用的佩件的唯一ID。也可以对身份证号码及住址、工作地点信息计算哈希值作为其使用的佩件的唯一ID。由于在存储空间1中不直接写入佩件100使用者的可追踪信息，因此即使佩件遗失的情况下，一般未被授权访问后台数据库的人员能够读取佩件100的存储器108内的信息，或者与其近距离接触过的佩件的唯一ID，但无法确认其身份及行程路径或者接触历史，从而保障了用户隐私。另一方面，后台数据库中仅存储所有佩件唯一ID以及拥有该佩件的用户的可追踪信息，但不存储各佩件彼此接触的数据，因此虽然后台数据库的管理员能够知晓特定用户持有的佩件唯一ID是什么，但无法获知其与其他哪些持有佩件的用户接触过，因而也保障了用户隐私。也就是说，由于所有接触信息都是以佩件唯一ID的形式存储在佩件存储器内，不涉及例如GPS坐标等可用于重建行程轨迹的信息，因此除非发生疾病防控事件时，从特定佩件的持有人处回收所述佩件并读取其中存储的其他佩件唯一ID，并依据后台服务器上存储的佩件唯一ID与佩件的用户的可追踪信息的映射关系确定该持有人的接触对象以外，任何人或者管理结构不能随意地掌握佩件使用者的接触历史，从而在技术上保障了佩件使用者的隐私。
存在至少两种将佩件的唯一ID写入存储器108的存储空间1的方式。根据本发明实施例，在第一种方式中，佩件100还可以包括一个I/O接口(图中未示出)，用于将控制器和佩件读写器(未示出)相连，通过控制器106将唯一ID写入存储空间1。在第二种方式中，则通过收发器104与佩件读写器无线连接，读写器将唯一ID数据发送给收发器104，进而通过控制器106写入存储器108的存储空间1中。上述两种写入方式都是本领域技术人员根据现有技术容易实现的常规设计。
在使用中，当如图1所示的一个佩件A与另一佩件B彼此之间的距离足够接近，例如佩件A接收到的信号功率大于设定阈值Pt或折算的有效距离小于阈值距离Dt时，佩件A和B之间建立通信连接，佩件A和B互为发射接收端进行数据交换，并由控制器106执行将接收到的需要保存的数据存储在存储器108内的存储空间2中，并将累计写入的记录数量也存储在存储空间2中。数据在存储空间2内以记录的形式逐条保存，所述数据记录的格式如图3所示，至少包括以下字段：区域标识字段，用于存储和标识部署和使用佩件100的区域。唯一ID字段，用于存储对方佩件的唯一ID。功率字段，用于存储确认建立通信连接时的接收功率。尽管可能存在误差，但是接收功率字段存储的功率值可以作为两个佩件之间接近程度的参考值。例如，当生化检测能力有限时，可以根据上述功率值对潜在感染对象的接近程度排序，优先对功率值高(相当于距离近)的对象进行检测。其他字段，用于存储其他相关信息，例如在能够获取时间信息的情况下，可以把时间信息存储在该字段。上述字段的长度可根据需要设置。例如区域标识字段为16位，唯一ID字段为32位，功率字段为16位，其他字段64位。本领域技术人员知道，字段的设置和宽度可根据存储信息的需求设置，以上仅为举例而非限制。例如，如果需要部署佩件进行人群追踪的区域内有大量人口，则可以扩大唯一ID字段宽度，从而确保每一个人均可具有不重复的唯一ID。
控制器106负责控制佩件100的总体操作。控制器106将接收到的数据写入存储器108中。当佩件100与读写器连接进行佩件100的初始配置时，控制器106将属于该佩件的唯一ID写入存储空间1。当佩件100与其他佩件通过收发器104连接并通信时，控制器106将接收的数据写入存储空间2。控制器106内具有易失性随机访问存储器(RAM)。当佩件100上电启动或从休眠状态恢复时，控制器106从存储器108读取自身的唯一ID，并读取存储空间2中最近写入的m个(m为正整数，可依据佩件100的使用地域的人口密度设置，或者可以根据近场通信收发器104同时支持的连接数量设置，例如可以将m设置为4、6、8、10等)唯一ID的记录，将其存放在RAM中。若存储空间2中的记录数量少于m个，则全部读取。
当佩件100与其他佩件建立连接并获取其他佩件的唯一ID时，将与RAM中的m个佩件唯一ID进行比较以确定是否重复。RAM中的这m个唯一ID的记录代表最近与其建立过连接因而曾经在物理上足够接近的佩件。如果重复，则控制器106将不把刚接收到的唯一ID写入存储器108中，因为在最近的m个记录中出现过的唯一ID意味着两个佩件的持有人可能处于比较近的距离，因而只要保持一条记录即可实现接触情况的追踪，没有必要产生额外的记录占用存储空间。例如，在办公室或者运行时间较长的交通工具如火车车厢内的乘客之间座位相对规定，在旅行途中长时间处于同一空间内，只要保持一条记录即可实现追踪目的。如果新接收到的唯一ID不是最近m个被记录的唯一ID之一，则认为产生了新的需要记录的接触，由控制器106将新接收到的唯一ID写入存储器108内，同时将RAM内的唯一ID的记录更新，将新接收到的唯一ID作为最近的唯一ID，并检查RAM内唯一ID的数量是否已经为m个，若原来已有m个记录，则删除其中最早的唯一ID，以保持RAM内仍有m个记录。若记录数量少于m个，则只增加新的唯一ID记录而不删除RAM中的原有记录。
在根据图1到图3中描述的实施例中，佩件100被描述为专门制造的硬件设备。然而，本领域技术人员知道，根据上述实施例公开内容的教导，佩件100可以利用现有的硬件平台上实现而无需单独制造。例如，在具有近场通信(NFC)功能的智能手机上，可以利用其近场通信模块实现近场通信收发器，利用手机内置存储器的一部分来实现存储器108，利用手机处理器实现控制器106的控制和读写功能，利用手机电池作为电源112，并利用手机的外设接口例如USB接口作为1O接口，或者利用手机的通信能力从网络获取配置数据直接写入存储器而无需通过USB接口。因此，对于拥有智能手机的人群来说，佩件100的功能可以被在用户的手机上配置实现而无需单独携带。
根据本发明的另一个实施例，佩件100还可以包括一个天线及休眠状态检测单元102，用于当佩件100未检测到新的接触对象时将其置于休眠状态以降低功耗，从而提高佩件100的续航时间。检测单元102包括计数器C1、定时器1、定时器2、强制唤醒模块102c以及控制上述部件的逻辑控制电路。
天线及休眠状态检测单元102的工作方式如下。当控制器106正常工作时，天线及休眠状态检测单元102每隔时间T0从控制器106存储唯一ID记录的RAM区域获取最新一个唯一ID，并与前次获取的唯一ID进行比较，以检测是否出现了新的接触对象被记录。如果与前次ID相同，表示未出现新的接触对象，因而未更新唯一ID记录，这说明佩件持有人有可能处于周边人员相对固定的环境，此时计数器C1的计数值增加1。如果与前次ID不同，表示出现新的接触对象，将计数器C1清零，重新计数。若计数器C1计满达到计数值NC1，则意味着连续在NCI*T0时间内都未出现新的接触对象，则天线及休眠状态检测单元102将计数器C1清零，启动定时器1，并使104-106单元进入休眠状态。定时器1的定时周期为T1，因而104-106单元休眠时间为T1。当定时器1到期后，并不直接使104-106单元解除休眠状态，而是启动定时器2。定时器2的定时周期T2，T2＜T1。天线及休眠状态检测单元102在定时器2启动后到T2/2的时间内从天线102a向外发射信号，在T2/2到T2时间内检测是否从天线102a接收到近场通信的射频信号。若在定时器2到期之前未检测到信号，则说明该佩件周围没有其他佩件或其他佩件都处于休眠状态，则再次启动定时器1，并在定时器1到期后重复上述步骤。若在定时器2到期前，检测到其他佩件100发射的射频信号，则天线及休眠状态检测单元102使104-106单元脱离休眠状态进入正常工作模式，并且天线及休眠状态检测单元102开始每隔时间T0从控制器106存储唯一ID记录的RAM区域获取最新一个唯一ID的步骤。天线及休眠状态检测单元102的上述工作模式使得佩件100的携带者处于周围人群相对固定的环境时，各个佩件100处于休眠状态的时间比佩件100的携带者处于周围人群变化较快的环境时更长，从而既能节约功耗，也不至于因强制休眠而未能记录某些接触对象。天线及休眠状态检测单元102还可以包括一个强制唤醒模块102c，其功能是检测从天线102a接收到的射频信号功率，当其超过阈值Pw时，立刻强制将处于休眠状态的控制器、收发器和存储器唤醒，使其进入正常工作状态。
作为一种具体实施方法，为了降低佩件功耗，提高佩件续航时间，可以采用蓝牙低功耗技术(BLE)实现近场通信收发器104。BLE技术从一开始被面向超低功耗应用而设计，其采用可变连接时间间隔，从毫秒到秒量级可变，因为BLE技术采用快速连接，因此为降低功耗可以处于“非连接”状态，只有在必要时开启链路，并在数据通信完成后迅速关闭链路，因而适于本发明的应用场景，因为根据本发明，佩件之间仅需彼此交换唯一ID和接收功率等少量数据。为了缩小佩件体积，例如可以采用单模BLE方案实现近场通信，这样佩件电源可以采用例如型号CR2032的3V钮扣电池，在这种供电条件下佩件可以较长的续航时间。也可以其他类型的佩件电源，上述例子仅仅是距离而非限制。除此，也可以使用双模BLE技术实现近场通信。在使用单模BLE方案的情况下，用于对佩件进行参数配置的I/O接口可以采用通用输入输出接口(GPIO)实现。单模和双模BLE的具体硬件和协议均为现有技术，例如CN102883068A中公开了一种采用BLE技术的蓝牙报警系统。
下面参考图4描述根据本发明的可保护隐私的人员接触状况追踪系统400及其部署和追踪方法。如图4所示，根据本发明的追踪系统400包括服务器、读写器和n个佩件100_1到佩件100_n。n为发放给用户的佩件数量。佩件100_1到佩件100_n都具有佩件100的结构。
系统400部署和工作的过程如下。首先，需要设置系统服务器和佩件读写器，如图6步骤602所示。服务器用于存储佩件的唯一ID数据以及持有佩件的用户的可追踪信息。读写器用于读写佩件。在本发明的实施例中，读写器还可以具有配置佩件参数的功能。例如，将判断是否属于密切接触情况的接收功率阈值或者等效距离阈值写入佩件。
然后，向所有需要检测的目标人群分发佩件，如图6步骤604所示。在将某一佩件分发个特定人使用之前，需要在佩件与使用该佩件的特定人的可追踪信息之间建立唯一映射关系，赋予可标识该特定人的唯一ID。例如，可以根据所述特定人的可追踪信息生成唯一ID，并利用读写器(图中的读写器1或2其中之一)把该唯一ID写入佩件的存储器中。例如可通过对用户的身份证号计算哈希值作为其使用的佩件的唯一ID。也可以对身份证号码及住址、工作地点信息计算哈希值作为其使用的佩件的唯一ID。佩件的唯一ID与使用该佩件的特定人的可追踪信息之间具有唯一映射关系以实现追踪。随后，读写器将唯一ID与特定人的可追踪信息之间的映射关系存储到服务器上。如果佩件在出厂时已经在其内部存储器中固化了唯一ID(例如存储空间1为ROM)，则在佩件与使用该佩件的特定人的可追踪信息之间建立唯一映射关系的操作实际上简化为将映射关系存储到服务器上。虽然图4中未示出，但是本领域技术人员应该知道，为执行根据所述特定人的可追踪信息生成唯一ID的操作和将数据存储到服务器上的操作，可以为读写器配置额外的计算能力，例如通过将读写器连接到PC上。
在所示实施例中，仅示出了一台服务器和两个读写器。但是这仅仅是作为例子而非对本发明的限制。本领域技术人员知道，可以根据系统部署的需要设置服务器和读写器的数量。当存在多个服务器时，这些服务器之间的数据是同步的。所述服务器可以设置在云端。
持有佩件的人员在工作、生活、娱乐、社交等各种活动中可能与持有其他佩件的人员发生较近距离的接触。根据流行病学专家依据特定疾病的防控要求所确定的人群之间密切接触距离RE的定义，可设置佩件之间建立连接并彼此记录对方唯一ID的接收功率阈值Pt或者等效距离阈值Dt。最简单地，可以让Dt＝RE。例如在使用蓝牙技术4.0的情况下，接收功率和等效距离之间的关系可以用经验公式近似地表示为：Dt＝10^(abs(Pt)-P1/(10*En))，其中“^算符”表示指数。其中P1/是与设备相隔一米时的信号强度，En是环境衰减因子。P1和En都是经验值，在批量制造佩件设备时，P1和En需要反复试验与对照实际距离来确定。P1和En经验值的范围是P1为70，En为2。根据功率强度所计算出的距离值具有一定误差，因而本领域技术人员通常不会选择通过检测功率强度进行测距的方案。然而，本发明所要解决的问题是确定人群之间是否发生较近距离的相互接触，因此所关注的不是准确确定发生接触的人员之间的接触距离，而是判定人员之间是否发生过可能导致疾病传播的较近距离的接触。
以图4中持有佩件100_1的人员为例，其周围等效半径RE范围之内的佩件100_2和100_j属于密切接触范围，因而佩件100_1将与佩件100_2和佩件100_j建立连接并将其唯一ID和实际的等效距离r1和r2存储在自身存储器内。同样，佩件100_2和佩件100_j也分别存储佩件100_1的唯一ID及对饮的实际等效距离。佩件100_i和佩件100_n在等效半径RE范围之外，因此不被认为是需要记录的密切接触情况。需要说明的是，佩件100_i是以智能手机平台实现的而非定制硬件。本领域技术人员知道，受天线方向和障碍物等多种因素的印象，实际上佩件100_1周围属于密切接触区域的范围不会是图4中所示的理想的圆形。由于佩件使用者处于运动之中，因此该区域的形状和覆盖范围也会变化。但是只要使用者之间物理上距离较近并且共同存在时间较长，将有较高几率在佩件之间建立通信连接并记录彼此的唯一ID，这事实上也符合追踪需求，因为类似擦肩而过这样的接触一般不被认为具有较高传染风险，因而即使因接近瞬间处于佩件盲区导致遗漏也不会影响追踪效果。
使用图4所示的系统能够准确地记录一个佩件携带者与其他佩件携带者发生近距离接触的情况。然而图4系统只能对两个使用者同时出现在某一地域并彼此接近的情况进行记录，如果两个佩件携带者先后到达过某一地点而非同时出现，则使用图4的系统无法追踪这种空间上发生重叠的情况，因为二者并未“接触”。但很多传染性疾病的传播途径复杂而多样，甚至医学界对于某些新出现的传染性疾病的传播途径短期内无法达成共识或者从科学角度做出实证，不“接触”也有可能传播。例如2019年年底在全球多地发生的冠状病毒的全部传播途径有哪些目前仍存在争议。但是根据对已发生的各种传染性疾病的流行病学调查的结果可以肯定的是人群聚集，温度湿度适宜的地点的环境中，病毒或者细菌能够在物体表面、空气中的悬浮颗粒上存活几十分钟到几十个小时乃至更长的时间，因此有必要对人群先后到达这些地点的情况进行追踪。
为解决图4系统只能对两个使用者同时出现在某一地域并彼此接近的情况进行追踪的问题，根据本发明的另一实施例公开了可保护隐私的人员接触状况追踪系统500及其部署和追踪方法。如图5所示，追踪系统500除了包括系统400的部件之外，还包括打标器1和打标器2。打标器被设置在根据流行病学调查发现的可能导致非人群直接接触传播的场所，例如公共卫生间、游泳池、KTV、餐馆等设施的入口处。在图5所示的系统500中显示了两个打标器，但是和读写器一样，系统500可以根据需要设置多个打标器。打标器数量的设置显然与追踪效果直接相关，打标器覆盖越密集，则追踪死角越小，但硬件投入成本越高。
打标器的构成和佩件100类似，也具有唯一ID，但是打标器ID由系统管理方统一设置，与佩件的唯一ID不同，打标器的唯一ID被保存在服务器中，并且可被通过例如读写器查询。打标器也包括近场通信收发器、控制器和存储器，不同之处在于收发器发射的信号功率远高于佩件100的发射功率，参考图1可知，佩件100可以具有强制唤醒模块102c，当天线102a接收到的信号的功率足够高时，其能够唤醒可能处于休眠状态的佩件100，从而使这些佩件将打标器的唯一ID及打标时间写入自身的存储器，并将自身的唯一ID传送给打标器，即佩件被处于特定场所的打标器“打标”，并在打标器中留下佩件的唯一ID及打标时间作为追踪记录。打标器对佩件进行记录的接收功率阈值低于佩件之间进行记录的功率阈值。如图5所示，打标器通过通信链接与服务器通信，能够将其记录的佩件唯一ID传送到服务器进行保存。假设持有佩件A的人员被确定为需要追踪的疑似病例，则通过读取佩件A的唯一ID记录，能够追踪到其在某时刻tx访问过设施1，被打标器1记录。随后可以从后台数据库中读取时刻tx前后，打标器1所记录的佩件唯一ID，例如读取打标器1所记录的tx-Δ到tx+Δ时间端内的所有佩件ID，Δ的大小根据流行病学调查的需要确定，例如可以为2小时、4小时等等。通过这种方式，能够确定时间上先后访问过特定场所的人群。相应地，部署系统500时与部署系统400类似，但增加了设置打标器的步骤，如图7所示。
图8示出了当发生公共卫生事件后使用图4和图5所示的系统400或500进行人员接触情况追踪的方法。发生公共卫生事件以通过生化检测等手段发现了潜在病例为标志。在步骤804，回收疑似病例所携带的佩件。在步骤806，使用读写器读取佩件存储器，获取其接触记录。由于系统存在多个读写器，并且通过网络与服务器相连，因而可以在任一读写器处读写佩件ID并上传数据。从佩件存储器读出的数据包括所接触的其他佩件的唯一ID以及表征接触接近程度的信号功率或者等效距离。在步骤808，把读取的接触记录与后台数据库进行比较以初步确定接触人群。利用接触记录中的唯一ID作为索引，从数据库中存储的唯一ID与使用者可追踪信息的映射关系查找唯一ID所属的人员，产生初级接触人群。在此过程中，可以利用佩件中保存的时间信息排除时间上明显不可能被传播的人员。接着在步骤810，如果需要追踪次级接触者，及与初级接触者有过接触的人员，则回收初级接触者的佩件，并执行步骤806和808以确定次级接触者人群。在步骤812，则判定是否追踪间接接触者，因打标器的唯一ID和佩件的唯一ID产生/编写方式不同，例如虽然在佩件内存储的空间相同，但是这两种唯一ID的有效长度不同，因此便于计算机设备或者人工判断所记录的唯一ID中是否包括属于打标器的唯一ID。如果系统中设置了打标器，并且佩件中存在打标器唯一ID的记录，则可对时间上先后达到某处(间接接触)的人员进行追踪。若要获取间接接触者，在步骤814中，首先根据佩件记录的打标器唯一ID从服务器读取所述打标器的打标记录，根据所述佩件中记录的打标时间获取打标时间前后指定时间范围内打标器记录的所有佩件唯一ID。之后使用这些佩件唯一ID查询数据库获取待筛查人员。
通过上述系统和方法，当发现疑似病例后，只要一读取该病例的佩件所记录的信息，就能够迅速地确定其接触人群，而无需调取监控视频、手机GPS轨迹等数据，从而提高了追踪数据。由于佩件仅记录接触历史而不记录行程轨迹，服务器中的数据库仅记录佩件唯一ID与人员身份映射关系而不记录接触历史，因此佩件使用者的隐私得到了最大保障。只有在发生公共卫生事件，佩件使用者被作为疑似病例需要追踪时才由获得授权的管理部门回收佩件、读取信息。除此之外，佩件丢失或者管理部门中未经授权的工作人员均无法获得特定人员的接触历史。同时，由于不需要保持网络连接或提供GPS信息，佩件的结构简单，成本较低，适于大规模向人群发放。
上述系统和追踪方法的成功有赖于一定区域内具有佩件的人群的比例，因而在一定的行政区域内，通过向所有人发放佩件能够使用无遗漏的追踪。所述行政区域的大小不是关键因素，重要的是能够向区域内具有流动性的人群发放佩件。典型的使用场所例如岛屿、封闭管理的军营、大学、有疫情爆发可能的城市等等，通过向所有进入者发放佩件并设置足够的打标器，能够对所有人员的接触情况进行记录。
为了筛查被传播人群，对疑似病例的佩件所记录的所有初级接触人员(图8步骤808确定的人群)以及与初级接触人员进行过接触的次级接触人群毫无遗漏地进行进行生化检测必然是最可靠的筛查方式。然而，当生化检测资源有限，不能在有限时间内及时完成检测的情况下，需要选择一部分接触人员进行检测，例如优先对初级接触人群进行生化检测。当初级接触人群众多仍需要进一步选择被检测人员时，可以依据接触人群中每个人接收功率的大小排序，优先检测接收功率高(相当于距离近)的人员。这种选择方法虽然合理，但仍难以确定应该选择多大比例的初级接触人群进行检测，例如是应该检测60％还是70％并无依据。依据一定时间内的检测能力虽然能够反推所述比例。例如假设某传播区域期望时间窗口内的总检测能力为CK次，疑似病例1、2…L的接触人群为I1，I2…IL，如果(I1+I2+…+IL)＞CK，则检测比例Rd＝CK/(I1+I2+…+IL)。当存在多于一个疑似病例时，因每个病例的接触和传播途径可能有较大差异，因此通过按接收功率排序并选择固定检测比例进行检测的方式不够合理。
为更合理地选择初级接触人群中优先接受生化检测的人员，本发明给出了一种基于欧氏距离模式分类的确定筛选时的接收功率基准值的方法，如图9所示。
在步骤902，获取以往确定的疑似病例的相关数据，包括5个传播影响因素变量的数据：疑似病例的身高H、体重W、年龄A、被列为疑似病例之前Y天内平均每日使用公共交通通勤的里程S、所述Y天内的日平均气温T，以及被确定为与该病例有过直接密切接触的人员与该病例接触时的接收功率的均方根值P。若某个密切接触人员不具备接收功率数值，则将其接收功率值取为疑似病例所用佩件的接收功率阈值的2倍。
在步骤904，对数据进行预处理，去除明显的异常数据，并通过归一化的方法将每项数据归一化到[0，1]区间。归一化后的相关数据形式以矩阵表示为：
其中，X为传播影响因素矢量，P为接收功率的均方根值，xij(i＝1，2，...，n；j＝1，2，...，t)为样本数据，i对应902中所列传播影响因素变量序号，j为样本序号，n为传播影响因素变量个数，在本例中n＝5，t为样本数即以往确定的疑似病例人数，pj(j＝1，2，...，t)为样本点对应的密切接触对象的接收功率的均方根值P。
在步骤906，构造欧氏距离。首先计算身高H、体重W、年龄A、被列为疑似病例之前Y天内平均每日使用公共交通通勤的里程S、所述Y天内的日平均气温T各变量与接收功率的均方根值P之间的相关系数。
其中，ri表示第i个传播影响因素和接收功率的均方根值P的相关系数，表示第i个气象变量在t个样本点数据的平均值，表示接收功率的均方根值在t个样本点数据的平均值。然后根据相关系数确定各传播影响因素的影响权重为：
其中，ωi表示第i个传播影响因素的影响权重。
接着，利用影响权重构造样本数据点之间的加权欧氏距离为：
其中，da，b表示a、b两个样本数据点之间的加权欧氏距离，xia表示第i个影响因素在第a个样本点的数据，xib表示第i个影响因素在第b个样本点的数据。
在步骤908，建立筛选计算神经网络模型。采用基于加权欧氏距离的K-means聚类算法，将收集的疑似病例的相关数据划分为K类，即K个传播类型，例如可以取K＝3。求取各传播类型下样本数据的聚类中心，样本数据的聚类中心为Ok＝[x′1，x′2，...，x′n，p′]，k＝1，2，...，K，其中，x′1，x′2，...，x′n，p′表示各传播类型下样本数据中各变量的平均值。迭代聚类的过程是本领域现有技术，在此不再赘述。然后，将属同一传播类型的数据作为一组训练样本，采用神经网络算法进行训练，建立K个筛选计算模型。其中，神经网络算法采用典型的三层结构：输入层为同一传播类型中的传播影响因素数据。隐含层的神经元个数采用经验值n2，其中，n2＝2n1+1，n1为输入层变量个数。当n1为5时，隐含层的神经元个数为11。输出层为对应的接收功率基准值。
在步骤910，收集新疑似病例的传播影响因素变量的数据形成矢量，计算其与K个聚类中心的加权欧氏距离，按照距离最小原则确定该疑似病例所属的传播类型。
在步骤912，将该疑似病例的传播影响因素变量数据矢量输入在步骤908建立的对应传播类型的神经网络模型，求出对应的接收功率基准值Pref。
最后，根据Pref对该疑似病例的所有初级接触人群的接收功率数据进行筛选，从中挑选优先接受生化检测的人员。例如，选择所有接收功率大于Pref的人员接受检测。在
注意，在上述模型中，并未体现以往确定的疑似病例是否采取了有效的个人防护措施，流行病学调查的实证数据表明，是否采取有效的个人防护措施对传播程度有直接显著影响。例如对于冠状病毒，佩戴口罩能够有效地防止将病毒释放到空气中，其对传播影响远远超过其他因素。因此在实际的追踪中，应将采取了主动防护措施的病例与未采取措施的病例数据区分对待，建立不同的模型以提高筛选的可靠性。
以上所述仅为本发明的优选实施方式，并非因此限制本发明专利范围，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它相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种基于近场通信的人员密接情况调查方法，包括：
步骤1：向在被监测区域内活动的所有人员分发基于近场通信技术的佩件设备，佩件设备具有唯一ID，佩件设备之间以近场通信方式交换并保存对方唯一ID；
步骤2：在被监测区域内的疾病传播高风险设施处设置多个基于近场通信技术的打标器，打标器具有唯一ID，佩件设备和打标器之间以近场通信方式交换并保存对方唯一ID；
步骤3：设置至少一个读写器和至少一个服务器，所述至少一个读写器用于和佩件设备通信以配置佩件设备，并且所述读写器通过通信网络与服务器连接；所述至少一个服务器包括数据库，用于存储读写器上传的被发放的佩件设备的唯一ID与接受该佩件设备的被监测人员的可追踪信息；
步骤4：在发生公共卫生事件确认疑似病例后，回收疑似病例的佩件设备；
步骤5：使用所述至少一个读写器读取佩件设备内是否记录了其他佩件设备唯一ID，若存在其他佩件设备的唯一ID，则生成唯一ID列表；
步骤6：根据所述唯一ID列表，利用唯一ID作为索引，在服务器的数据库中逐一查询唯一ID对应的可追踪信息，进而确定接触人群列表；
步骤7：识别佩件设备内是否记录了打标器唯一ID；如果存在打标器唯一ID，则根据佩件设备记录的打标器唯一ID从服务器读取所述打标器的打标记录；根据所述佩件设备中记录的打标时间获取打标时间前后指定时间范围内打标器记录的所有佩件唯一ID，利用唯一ID作为索引，在服务器的数据库中逐一查询各唯一ID对应的可追踪信息，进而确定间接接触人群列表；
步骤8：根据以往确定的疑似病例的相关数据即历史数据，建立筛选计算神经网络模型，计算筛选参数，并依据筛选参数从步骤6的人群列表中筛选优先进行生化检查的人员。
2.如权利要求1所述的方法，其中，每一佩件设备包括近场通信收发器、控制器和存储器，每一佩件设备被分配有区别于其他设备的唯一ID，佩件设备之间通过近场通信技术通信连接，当两佩件设备之间距离接近导致其接收功率大于接收功率阈值Pt时，所述两佩件设备之间建立近场通信连接，并在所述两佩件设备自身的非易失性存储器中至少存储对方的唯一ID和接收功率。
3.如权利要求2所述的方法，其中，读写器用于在向被监测人员发放佩件设备时根据被监测人员的可追踪信息产生佩件设备的唯一ID，将唯一ID以及接收功率阈值Pt写入被发放的佩件设备自身的非易失存储器中，并通过通信网络将被发放的佩件设备的唯一ID与接受该佩件设备的被监测人员的可追踪信息传送到服务器中。
4.如权利要求3所述的方法，其中，打标器具备近场通信功能，其射频发射功率高于佩件设备，当佩件设备接收到的打标器信号功率大于接收功率阈值Pt时，佩件设备记录打标器的唯一ID和打标时间；当打标器接收的佩件设备信号功率高于打标器接收功率阈值Pt2时，打标器记录佩件设备的唯一ID和时间。
5.如权利要求4所述的方法，其中，打标器通过通信网络与服务器进行通信，将记录的佩件设备的唯一ID和时间传送到服务器，并由服务器将其存储到数据库中。
6.如权利要求5所述的方法，读写器通过佩件设备的近场通信收发器将唯一ID以及接收功率阈值Pt写入被发放的佩件设备自身的非易失存储器中。
7.如权利要求5所述的方法，佩件设备还包括用于和读写器连接的I/O接口，读写器通过佩件设备所述I/O接口将唯一ID以及等效距离阈值Dt或接收功率阈值Pt写入被发放的佩件设备自身的非易失存储器中。
8.如权利要求5所述的方法，其中，所述近场通信通过蓝牙技术实现，并且打标器的唯一ID和佩件设备的唯一ID的有效长度不同。
9.如权利要求5所述的方法，其中，步骤8中，以往确定的疑似病例的相关数据包括疑似病例的传播影响因素变量：身高H、体重W、年龄A、被列为疑似病例之前Y天内平均每日使用公共交通通勤的里程S、所述Y天内的日平均气温T，以及被确定为与该病例有过直接密切接触的人员与该病例接触时的接收功率的均方根值P，采用基于加权欧氏距离的K-means聚类算法，将收集的疑似病例的相关数据分为K类，每个类代表不同传播类型，将属同一传播类型的数据作为一组训练样本，采用三层结构的神经网络算法进行训练，建立K个筛选计算模型：收集新疑似病例的传播影响因素变量的数据形成矢量，计算其与K个聚类中心的加权欧氏距离，按照距离最小原则确定该疑似病例所属的传播类型，将该疑似病例的传播影响因素变量数据矢量输入计算模型，求出对应的接收功率基准值Pref作为筛选参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010780956.3A CN111933297B (zh) | 2020-08-05 | 2020-08-05 | 一种基于近场通信的人员密接情况调查方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010780956.3A CN111933297B (zh) | 2020-08-05 | 2020-08-05 | 一种基于近场通信的人员密接情况调查方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111933297A CN111933297A (zh) | 2020-11-13 |
| CN111933297B true CN111933297B (zh) | 2024-02-06 |
Family
ID=73306610
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010780956.3A Active CN111933297B (zh) | 2020-08-05 | 2020-08-05 | 一种基于近场通信的人员密接情况调查方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111933297B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112581721A (zh) * | 2020-12-23 | 2021-03-30 | 山泰国际(香港)有限公司 | 一种人体社交距离报警器 |
| CN112599253B (zh) * | 2020-12-29 | 2022-04-15 | 医渡云（北京）技术有限公司 | 根据密接图谱确定疫情传播路径方法、装置、设备和介质 |
| CN112735603B (zh) * | 2021-01-08 | 2023-02-21 | 南方科技大学 | 密切接触处理方法、装置、电子设备及存储介质 |
| GB2603132B (en) * | 2021-01-26 | 2024-04-10 | Ethersec Ind Ltd | Monitoring system |
| CN113628357B (zh) * | 2021-07-23 | 2023-08-22 | 招商蛇口数字城市科技有限公司 | 基于可穿戴设备的乘车处理方法、系统及存储介质 |
| CN113409952B (zh) * | 2021-08-20 | 2021-11-26 | 苏州市疾病预防控制中心 | 多点触发视角下的传染病监测防控系统和方法 |
| CN113784292B (zh) * | 2021-08-24 | 2022-07-26 | 同济大学 | 一种基于手机信令数据的城市疫情风险评估方法 |
| CN114864102A (zh) * | 2022-04-28 | 2022-08-05 | 中国银行股份有限公司 | 用户数据的分析方法、装置、设备及存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050063414A (ko) * | 2003-12-22 | 2005-06-28 | 한국전자통신연구원 | 위치 추적 서비스 제공 시스템 및 그 방법 |
| JP2010277452A (ja) * | 2009-05-29 | 2010-12-09 | Softbank Telecom Corp | 携帯端末、情報処理装置、情報処理方法、および情報処理システム |
| CN102184258A (zh) * | 2011-06-02 | 2011-09-14 | 中国人民解放军军事医学科学院微生物流行病研究所 | 一种基于谷歌地图的现场流行病学信息采集方法 |
| CN109360660A (zh) * | 2018-10-31 | 2019-02-19 | 河南省疾病预防控制中心 | 一种疾控与出行信息互联的防控方法及防控系统 |
| CN110140691A (zh) * | 2019-06-14 | 2019-08-20 | 河南牧业经济学院 | 猪场疾病防控计算机管理方法 |
| CN111126535A (zh) * | 2020-03-03 | 2020-05-08 | 深圳市五湖智联实业有限公司 | 一种人群接触追溯装置及其追溯方法 |
| CN111163110A (zh) * | 2020-02-17 | 2020-05-15 | 深圳市刷新智能电子有限公司 | 一种基于可穿戴体温传感器的体温集中监测系统 |
| CN111247593A (zh) * | 2017-08-21 | 2020-06-05 | 皇家飞利浦有限公司 | 使用实时定位系统和下一代测序在健康护理机构中预测、预防和控制感染传播 |
| CN111405470A (zh) * | 2020-04-12 | 2020-07-10 | 北京牧家科技有限公司 | 基于移动手机定位算法的聚集人群追踪系统和方法 |
| CN111446006A (zh) * | 2020-04-08 | 2020-07-24 | 陈恬慧 | 一种传染病疫情中密切接触者的追踪方法 |
| CN111629340A (zh) * | 2020-07-30 | 2020-09-04 | 北京大学第三医院（北京大学第三临床医学院） | 一种可保护隐私的人员接触状况追踪方法和系统 |
-
2020
- 2020-08-05 CN CN202010780956.3A patent/CN111933297B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050063414A (ko) * | 2003-12-22 | 2005-06-28 | 한국전자통신연구원 | 위치 추적 서비스 제공 시스템 및 그 방법 |
| JP2010277452A (ja) * | 2009-05-29 | 2010-12-09 | Softbank Telecom Corp | 携帯端末、情報処理装置、情報処理方法、および情報処理システム |
| CN102184258A (zh) * | 2011-06-02 | 2011-09-14 | 中国人民解放军军事医学科学院微生物流行病研究所 | 一种基于谷歌地图的现场流行病学信息采集方法 |
| CN111247593A (zh) * | 2017-08-21 | 2020-06-05 | 皇家飞利浦有限公司 | 使用实时定位系统和下一代测序在健康护理机构中预测、预防和控制感染传播 |
| CN109360660A (zh) * | 2018-10-31 | 2019-02-19 | 河南省疾病预防控制中心 | 一种疾控与出行信息互联的防控方法及防控系统 |
| CN110140691A (zh) * | 2019-06-14 | 2019-08-20 | 河南牧业经济学院 | 猪场疾病防控计算机管理方法 |
| CN111163110A (zh) * | 2020-02-17 | 2020-05-15 | 深圳市刷新智能电子有限公司 | 一种基于可穿戴体温传感器的体温集中监测系统 |
| CN111126535A (zh) * | 2020-03-03 | 2020-05-08 | 深圳市五湖智联实业有限公司 | 一种人群接触追溯装置及其追溯方法 |
| CN111446006A (zh) * | 2020-04-08 | 2020-07-24 | 陈恬慧 | 一种传染病疫情中密切接触者的追踪方法 |
| CN111405470A (zh) * | 2020-04-12 | 2020-07-10 | 北京牧家科技有限公司 | 基于移动手机定位算法的聚集人群追踪系统和方法 |
| CN111629340A (zh) * | 2020-07-30 | 2020-09-04 | 北京大学第三医院（北京大学第三临床医学院） | 一种可保护隐私的人员接触状况追踪方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 人工干扰下重大传染病扩散演化的仿真研究——以非典为例;陈之强 等;《西南交通大学学报(社会科学版)》;第12卷(第04期);131-136 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111933297A (zh) | 2020-11-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111933297B (zh) | 一种基于近场通信的人员密接情况调查方法 | |
| CN111629340B (zh) | 一种可保护隐私的人员接触状况追踪方法和系统 | |
| US9801024B2 (en) | Method and system for managing people by detection and tracking | |
| Liu et al. | Mining frequent trajectory patterns for activity monitoring using radio frequency tag arrays | |
| US8405503B2 (en) | System and method for creating a proximity map of living beings and objects | |
| US7692530B2 (en) | Identification and tracking of information stored on radio frequency identification devices | |
| US10834549B2 (en) | Internet of things for healthcare monitoring applications based on RFID clustering scheme | |
| US20080228346A1 (en) | Apparatus, systems and methods for managing vehicle assets | |
| CN1647118A (zh) | 监视和跟踪人员的系统与方法 | |
| US20100176918A1 (en) | Identification and tracking of information stored on radio frequency identification devices | |
| CN107004172A (zh) | 用于资产状态确定的系统、方法和设备 | |
| Griggs et al. | Localizing missing entities using parked vehicles: An RFID-based system | |
| Liao et al. | The application of RFID to healthcare management of nursing house | |
| Nadeem et al. | A smart city application design for efficiently tracking missing person in large gatherings in Madinah using emerging IoT technologies | |
| US20240105047A1 (en) | Position search system and position search method | |
| Jain et al. | RFID and wireless sensor networks | |
| RU2734099C1 (ru) | Устройство и система для контроля объектов | |
| Chen | Design of a child localization system on RFID and wireless sensor networks | |
| Motamedi | Improving facilities lifecycle management using RFID localization and BIM-based visual analytics | |
| Azasoo et al. | Design of RF based multithreaded RFID student attendance management information system | |
| Takizawa et al. | Hybrid radio frequency identification system for use in disaster relief as positioning source and emergency message boards | |
| Khan et al. | Virtual Route Tracking in ZigBee (IEEE 802.15. 4) enabled RFID interrogator mesh network | |
| CN109035690A (zh) | 智能防丢系统 | |
| US20240114317A1 (en) | Power-efficient tracking using machine-learned patterns and routines | |
| CN202795467U (zh) | 一种基于rfid物联网外来流动人口综合管理系统 |
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 |