CN112216387A - 基于云数据平台的复工复产管理方法及系统 - Google Patents
基于云数据平台的复工复产管理方法及系统 Download PDFInfo
- Publication number
- CN112216387A CN112216387A CN202010908419.2A CN202010908419A CN112216387A CN 112216387 A CN112216387 A CN 112216387A CN 202010908419 A CN202010908419 A CN 202010908419A CN 112216387 A CN112216387 A CN 112216387A
- Authority
- CN
- China
- Prior art keywords
- information
- label
- value
- health
- determining
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 31
- 238000007726 management method Methods 0.000 title claims abstract description 29
- 238000011084 recovery Methods 0.000 title claims abstract description 8
- 230000000694 effects Effects 0.000 claims abstract description 162
- 230000036541 health Effects 0.000 claims abstract description 157
- 238000001514 detection method Methods 0.000 claims abstract description 53
- 230000003862 health status Effects 0.000 claims description 70
- 238000013507 mapping Methods 0.000 claims description 69
- 238000000034 method Methods 0.000 claims description 15
- 229940036051 sojourn Drugs 0.000 claims description 13
- 239000002131 composite material Substances 0.000 claims description 11
- 208000015181 infectious disease Diseases 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 7
- 238000007789 sealing Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000036760 body temperature Effects 0.000 abstract description 6
- 230000006399 behavior Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 208000035473 Communicable disease Diseases 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010069767 H1N1 influenza Diseases 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 201000010740 swine influenza Diseases 0.000 description 1
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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例提供一种基于云数据平台的复工复产管理方法及系统。在该申请实施例中，云数据平台能够对被测对象的生物特征信息、身份信息以及活动轨迹进行分析，从而基于活动轨迹和目标对象的健康状态确定被测对象的健康检测结果。通过上述无接触式的健康检测技术，不仅可以避免通过体温检测造成的漏检，还可以规避通过问询检测产生的谎报和瞒报行为，这样能够快速、准确地对被测对象进行健康检测。
Description
技术领域
本申请涉及应用于疫情防控的大数据监控管理技术领域，具体而言，涉及一种基于云数据平台的复工复产管理方法及系统。
背景技术
新冠肺炎、H1N1流感等传染性疾病导致的疫情传染，严重影响了社会生活的正常运转。在这种背景下，各行各业对人员的健康进行监控再有序开展复工复产对稳定社会经济的正常运转显得尤为重要。例如，作为关系国家经济命脉的电力能源供应行业中的生产企业，水电站在疫情期间的复工复产是确保疫情期间各行各业的安全可靠用电的关键。水电站的复工复产不仅需要确保电力安全生产，还需要对工作人员的健康状态进行检测，从而实现复工复产的管理。现目前对工作人员的健康状态进行检测以实现复工复产的管理的方法大多采用人工排查和人工检测，这样不仅耗时耗力，还存在漏检和错检的问题。
发明内容
基于现有设计的不足，本申请提供了基于云数据平台的复工复产管理方法及系统，能够依附云数据平台对被测对象的生物特征信息、身份信息以及活动轨迹进行分析，从而基于活动轨迹确定被测对象的健康检测结果，这样能够快速、准确地对被测对象进行健康检测，避免漏检和错检。
本申请的第一方面，提供一种基于云数据平台的复工复产管理方法，应用于云数据平台，所述云数据平台与终端设备、采集设备以及目标数据库通信，所述方法包括：
在确定出所述采集设备采集到的被测对象的生物特征信息与所述被测对象通过所述终端设备上传的身份信息之间的比对结果一致时，确定与所述身份信息对应的多个信息标签；其中，所述信息标签包括人物标签、第一健康状态标签和活动轨迹标签；
根据所述人物标签和所述活动轨迹标签从所述目标数据库中查询与所述人物标签对应的旅居信息以及与所述活动轨迹标签对应的活动轨迹信息；
根据所述旅居信息和所述活动轨迹信息进行分析处理，得到所述被测对象的第一活动轨迹；
提取所述终端设备的定位记录，根据所述定位记录确定所述被测对象的第二活动轨迹；
计算所述第一活动轨迹和所述第二活动轨迹的轨迹相似度，在所述轨迹相似度达到设定值时，从所述目标数据库中获取与所述第二活动轨迹存在交集的每个第三活动轨迹对应的目标设备的第二健康状态标签；
根据每个第三活动轨迹与所述第二活动轨迹的交集对应的区域信息以及每个第三活动轨迹对应的第二健康状态标签，确定所述第一健康状态标签的类别；
根据所述第一健康状态标签的类别确定所述被测对象的健康检测结果并将所述健康检测结果回传给所述终端设备。
在一个可替换的实施方式中，所述方法还包括：
在所述轨迹相似度没有达到所述设定值时，确定所述被测对象的活动轨迹存在异常，将所述被测对象列入预设名单中并输出预设的提示信息。
在一个可替换的实施方式中，根据每个第三活动轨迹与所述第二活动轨迹的交集对应的区域信息以及每个第三活动轨迹对应的第二健康状态标签，确定所述第一健康状态标签的类别，包括：
确定每个第三活动轨迹与所述第二活动轨迹的交集对应的经纬度坐标；
在预设的电子地图中确定所述经纬度坐标处的地理标识信息；
根据所述地理标识信息确定每个第三活动轨迹与所述第二活动轨迹的交集的区域信息；其中，所述区域信息包括所述交集所对应的接触概率和空气流动系数，所述接触概率用于表征所述被测对象与所述目标设备对应的目标对象存在接触的概率，所述空气流动系数用于表征所述交集处的密闭程度；
采用每个区域信息中的接触概率和空气流动系数对该区域信息对应的第二健康状态标签的初始权重值进行调整，得到所述初始权重值对应的目标权重值；其中，所述目标权重值用于表征所述被测对象被所述目标权重值对应的目标对象感染的概率值；
确定每个第二健康状态标签的状态映射值，采用所述目标权重值对所述状态映射值进行加权，得到所述第一健康状态标签的综合指标值；
根据所述综合指标值所处的数值区间确定所述第一健康状态标签的类别；其中，所述第一健康状态标签的类别包括健康类别、待观察类别和疑似患病类别。
在一个可替换的实施方式中，确定每个第二健康状态标签的状态映射值，包括：
获取所述第二健康状态标签对应的第一标签编码字符，从所述云数据平台的运行日志中确定出预存的健康状态标签集对应的第二标签编码字符；其中，所述第一标签编码字符和所述第二标签编码字符分别包括多个不同字符属性的编码值；
提取所述第二健康状态标签在所述第一标签编码字符中的任一编码值的第一代码信息，将所述第二标签编码字符中具有目标字符属性的编码值确定为基准编码值；其中，所述目标字符属性用于表征其对应的编码值满足代码信息映射条件；
确定所述基准编码值的编码逻辑集合，将所述第一代码信息映射至所述编码逻辑集合中，得到所述第一代码信息在所述编码逻辑集合对应的编码环境下的第二代码信息，并根据所述第一代码信息和所述第二代码信息生成所述第二健康状态标签和所述预存的健康状态标签集之间的映射列表；
从所述映射列表中获取所述第二健康状态标签对应的第一标签编码字符中每个编码值的映射编码值，将获取的映射编码值进行组合得到所述第二健康状态标签的编码串；
按照预设对应关系将所述编码串进行转换，得到所述第二健康状态标签的状态映射值。
在一个可替换的实施方式中，根据所述综合指标值所处的数值区间确定所述第一健康状态标签的类别，包括：
若所述综合指标值位于第一数值区间内，则判定所述第一健康状态标签的类别为健康类别；
若所述综合指标值位于第二数值区间内，则判定所述第一健康状态标签的类别为待观察类别；
若所述综合指标值位于第三数值区间内，则判定所述第一健康状态标签的类别为疑似患病类别。
在一个可替换的实施方式中，在判定出所述第一健康状态标签的类别为疑似患病类别时，所述方法还包括：
生成针对所述被测对象的语音告警信息；
播放所述语音告警信息。
本申请的第二方面，提供一种基于云数据平台的复工复产管理系统，包括云数据平台以及与所述云数据平台通信的终端设备、采集设备以及目标数据库；
所述终端设备用于向所述云数据平台上传身份信息；
所述采集设备用于采集被测对象的生物特征信息并将所述生物特征信息发送给所述云数据平台；
所述云数据平台用于：
在确定出所述生物特征信息与所述身份信息之间的比对结果一致时，确定与所述身份信息对应的多个信息标签；其中，所述信息标签包括人物标签、第一健康状态标签和活动轨迹标签；
根据所述人物标签和所述活动轨迹标签从所述目标数据库中查询与所述人物标签对应的旅居信息以及与所述活动轨迹标签对应的活动轨迹信息；
根据所述旅居信息和所述活动轨迹信息进行分析处理，得到所述被测对象的第一活动轨迹；
提取所述终端设备的定位记录，根据所述定位记录确定所述被测对象的第二活动轨迹；
计算所述第一活动轨迹和所述第二活动轨迹的轨迹相似度，在所述轨迹相似度达到设定值时，从所述目标数据库中获取与所述第二活动轨迹存在交集的每个第三活动轨迹对应的目标设备的第二健康状态标签；
根据每个第三活动轨迹与所述第二活动轨迹的交集对应的区域信息以及每个第三活动轨迹对应的第二健康状态标签，确定所述第一健康状态标签的类别；
根据所述第一健康状态标签的类别确定所述被测对象的健康检测结果并将所述健康检测结果回传给所述终端设备。
在一个可替换的实施方式中，所述云数据平台确定所述第一健康状态标签的类别的具体方式如下：
确定每个第三活动轨迹与所述第二活动轨迹的交集对应的经纬度坐标；
在预设的电子地图中确定所述经纬度坐标处的地理标识信息；
根据所述地理标识信息确定每个第三活动轨迹与所述第二活动轨迹的交集的区域信息；其中，所述区域信息包括所述交集所对应的接触概率和空气流动系数，所述接触概率用于表征所述被测对象与所述目标设备对应的目标对象存在接触的概率，所述空气流动系数用于表征所述交集处的密闭程度；
采用每个区域信息中的接触概率和空气流动系数对该区域信息对应的第二健康状态标签的初始权重值进行调整，得到所述初始权重值对应的目标权重值；其中，所述目标权重值用于表征所述被测对象被所述目标权重值对应的目标对象感染的概率值；
确定每个第二健康状态标签的状态映射值，采用所述目标权重值对所述状态映射值进行加权，得到所述第一健康状态标签的综合指标值；
根据所述综合指标值所处的数值区间确定所述第一健康状态标签的类别；其中，所述第一健康状态标签的类别包括健康类别、待观察类别和疑似患病类别。
在一个可替换的实施方式中，所述云数据平台确定每个第二健康状态标签的状态映射值的具体方式如下：
获取所述第二健康状态标签对应的第一标签编码字符，从所述云数据平台的运行日志中确定出预存的健康状态标签集对应的第二标签编码字符；其中，所述第一标签编码字符和所述第二标签编码字符分别包括多个不同字符属性的编码值；
提取所述第二健康状态标签在所述第一标签编码字符中的任一编码值的第一代码信息，将所述第二标签编码字符中具有目标字符属性的编码值确定为基准编码值；其中，所述目标字符属性用于表征其对应的编码值满足代码信息映射条件；
确定所述基准编码值的编码逻辑集合，将所述第一代码信息映射至所述编码逻辑集合中，得到所述第一代码信息在所述编码逻辑集合对应的编码环境下的第二代码信息，并根据所述第一代码信息和所述第二代码信息生成所述第二健康状态标签和所述预存的健康状态标签集之间的映射列表；
从所述映射列表中获取所述第二健康状态标签对应的第一标签编码字符中每个编码值的映射编码值，将获取的映射编码值进行组合得到所述第二健康状态标签的编码串；
按照预设对应关系将所述编码串进行转换，得到所述第二健康状态标签的状态映射值。
在一个可替换的实施方式中，所述云数据平台根据所述综合指标值所处的数值区间确定所述第一健康状态标签的类别的方式具体如下：
若所述综合指标值位于第一数值区间内，则判定所述第一健康状态标签的类别为健康类别；
若所述综合指标值位于第二数值区间内，则判定所述第一健康状态标签的类别为待观察类别；
若所述综合指标值位于第三数值区间内，则判定所述第一健康状态标签的类别为疑似患病类别。
基于上述任一方面，本申请提供的云数据平台在被测对象的生物特征信息和身份信息一致时，首先根据确定出的与身份信息对应的第一健康状态标签和活动轨迹标签从目标数据库中查询出旅居信息和活动轨迹信息。其次，对旅居信息和活动轨迹进行分析处理得到被测对象的第一活动轨迹并根据提取得到的终端设备的定位记录确定被测对象的第二活动轨迹。然后，在第一活动轨迹和第二活动轨迹满足轨迹相似度条件时获取与第二活动轨迹存在交集的第三活动轨迹。进而根据第三活动轨迹对应的第二健康标签确定第一健康状态标签的类别。最后，根据第一健康状态标签的类别确定被测对象的健康检测结果。
如此，能够对被测对象的生物特征信息、身份信息以及活动轨迹进行分析，从而基于活动轨迹和目标对象的健康状态确定被测对象的健康检测结果，不仅可以避免通过体温检测造成的漏检，还可以规避通过问询检测产生的谎报和瞒报行为，这样能够快速、准确地对被测对象进行健康检测。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的基于云数据平台的复工复产管理系统的通信架构示意图。
图2示出了本申请实施例所提供的基于云数据平台的复工复产管理方法的流程示意图。
图3示出了一实施方式中图2所示的步骤S26的子步骤示意图。
图4示出了一实施方式中图3所示的步骤S265的子步骤示意图。
图5示出了一实施方式中图3所示的步骤S266的子步骤示意图。
图6示出了一实施方式中图1所示的云数据平台的硬件结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请实施例的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其它操作，也可以从流程图中移除一个或多个操作。
请参阅图1，为本申请公开的基于云数据平台的复工复产管理系统100的通信架构示意图，所述复工复产管理系统100可以包括云数据平台200、终端设备300、采集设备400和目标数据库500，云数据平台200与终端设备300、采集设备400以及目标数据库500通信。
在本实施例中，终端设备300可以是被测对象的手机、平板电脑和智能手环等能够实现信息、数据交互的智能设备。采集设备400可以是红外测温摄像头、可见光摄像头和显示终端等。目标数据库500能够与第三方交通服务系统或者酒店系统等公共信息系统对接，用于确定被测对象的活动轨迹。可以理解，云数据平台200通过与终端设备300、采集设备400和目标数据库500进行协作，能够实现对被测对象的相关信息的关联和追踪，进而快速、准确且可靠地实现被测对象的健康检测，避免漏检和错检。
在上述基础上，请结合参阅图2，为本申请提供的复工复产管理方法的流程示意图，所述方法可以应用于图1中的云数据平台200，用以实现对水电站的复工复产管理，所述方法可以包括以下步骤S21-步骤S27所描述的内容。
步骤S21，在采集设备采集到的被测对象的生物特征信息和被测对象通过终端设备上传的身份信息的比对结果一致时，确定与身份信息对应的多个信息标签。
在本实施例中，生物特征信息可以是采集设备400采集到的被测对象的体温信息和人脸信息等，身份信息可以是被测对象通过终端设备300上传的姓名、工号、身份证号和体温信息等。信息标签可以包括人物标签、第一健康状态标签和活动轨迹标签。
例如，在水电站的应用场景中，被测对象可以在水电站的入口处通过终端设备300扫描设置在水电站入口处的二维码从而实现身份信息的上传。云数据平台200在接收到身份信息后，从采集设备400处获取被测对象的生物特征信息。这样，能够通过生物特征信息和身份信息的比对结果对被测对象进行初步检测，如果比对结果不一致，则云数据平台200可以进行预警，通知工作人员对被测对象进行管理。
步骤S22，根据人物标签和活动轨迹标签从目标数据库中查询与人物标签对应的旅居信息以及与活动轨迹标签对应的活动轨迹信息。
在本实施例中，目标数据库500可以基于人物标签和活动轨迹标签从交通服务系统或者酒店系统等公共信息系统中查询出被测对象的旅居信息和活动轨迹信息，这样能够实现对被测对象的信息追踪，即使被测对象在工作人员的问询过程中瞒报或漏报，云数据平台200也能够完整准确地获取被测对象的旅居信息和活动轨迹信息。
步骤S23，根据旅居信息和活动轨迹信息进行分析处理，得到被测对象的第一活动轨迹。
在本实施例中，第一活动轨迹是基于上述公共信息系统确定出的被测对象的活动轨迹，例如，活动轨迹可以包括被测对象在某一段时间内的停留地A、停留地B以及从停留地A前往停留地B的路径轨迹。
步骤S24，提取终端设备的定位记录，根据定位记录确定被测对象的第二活动轨迹。
在本实施例中，第二活动轨迹是基于终端设备300的GPS定位系统所确定的，由于通信技术的快速发展，被测对象大部分时间都会携带终端设备300(例如手机)，因此通过终端设备300的定位记录也能够准确地确定被测对象的活动轨迹。
步骤S25，计算第一活动轨迹和第二活动轨迹的轨迹相似度，在轨迹相似度达到设定值时，从目标数据库中获取与第二活动轨迹存在交集的每个第三活动轨迹对应的目标设备的第二健康状态标签。
在本实施例中，为了解决被测对象瞒报、漏报以及为了躲避检查而更换终端设备300的问题，首先计算第一活动轨迹和第二活动轨迹的轨迹相似度，并且在轨迹相似度达到设定值时，从目标数据库获取第二健康状态标签。
步骤S26，根据每个第三活动轨迹与第二活动轨迹的交集对应的区域信息以及每个第三活动轨迹对应的第二健康状态标签，确定第一健康状态标签的类别。
被测对象在旅居和活动时，可能与目标对象发生直接接触和间接接触，这可能导致被测对象被一些患病的目标对象所传染，在这种情况下，为了避免对被测对象的漏检，需要根据目标对象的第二健康状态标签确定被测对象的第一健康状态标签的类别，从而计算被测对象被感染的概率。
步骤S27，根据第一健康状态标签的类别确定被测对象的健康检测结果并将健康检测结果回传给终端设备。
在本实施例中，健康检测结果可以包括被测对象被感染的概率以及防疫建议信息。被测对象可以通过终端设备300查看健康检测结果，并根据防疫建议信息进行科学防疫。
可以理解，通过上述步骤S21-步骤S27所描述的内容，能够对被测对象的生物特征信息、身份信息以及活动轨迹进行分析，从而基于活动轨迹和目标对象的健康状态确定被测对象的健康检测结果，不仅可以避免通过体温检测造成的漏检，还可以规避通过问询检测产生的谎报和瞒报行为，这样能够快速、准确地对被测对象进行健康检测。
在一种可替换的实施方式中，如果轨迹相似度没有达到设定值时，则确定被测对象的活动轨迹存在异常，进而将被测对象列入预设名单中并输出预设的提示信息。
例如，如果第一活动轨迹为从地点L1到地点L2，第二活动轨迹为从地点L1到地点L3，从地点L3到地点L2(地点L3距离地点L1和地点L2较远)，则可以判定被测对象的活动轨迹存在异常。在这种情况下，可以将被测对象的姓名、身份证号等信息列入预设名单中，然后输出提示信息。其中，提示信息可以用于指示现场工作人员对被测对象进行进一步的健康检测以及重点监控。
在具体实施时，不同的场景下，被测对象与目标对象之间的接触概率和传染概率是不一样的，为了准确地确定出被测对象的健康状态，需要确定第二活动轨迹和第三活动轨迹的交集所处的实际场景，进而对第一健康状态标签的类别进行确定。为实现上述目的，请结合参阅图3，在步骤S26中，根据每个第三活动轨迹与第二活动轨迹的交集对应的区域信息以及每个第三活动轨迹对应的第二健康状态标签，确定第一健康状态标签的类别，具体可以包括以下步骤S261-步骤S266所描述的内容。
步骤S261，确定每个第三活动轨迹与第二活动轨迹的交集对应的经纬度坐标。
步骤S262，在预设的电子地图中确定经纬度坐标处的地理标识信息。
在本实施例中，地理标识信息可以包括一般建筑物(如一般住宅或者商店)、封闭建筑物(如大型商场、酒店、邮轮或者健身房)和开放场地(公园、游乐园或着广场)等，在此不作限定。
步骤S263，根据地理标识信息确定每个第三活动轨迹与第二活动轨迹的交集的区域信息。
在本实施例中，区域信息包括交集所对应的接触概率和空气流动系数，接触概率用于表征被测对象与目标设备对应的目标对象存在接触的概率，空气流动系数用于表征交集处的密闭程度。其中，被测对象和目标对象之间的接触可以是直接的肢体接触也可以是间接的谈话接触，空气流动系数越高则密度程度越低，空气流动系数越低则密闭程度越高。可以理解，交集对应的空气流动系数越高，被测对象与目标对象存在接触的概率越低，交集对应的空气流动系数越低，被测对象与目标对象存在接触的概率越高。
在本实施例中，接触概率和空气流动系数可以预先根据不同的场景进行设置，例如，可以预先对一般建筑物、封闭建筑物和开放场地所对应的接触概率和空气流动系数进行设定。
步骤S264，采用每个区域信息中的接触概率和空气流动系数对该区域信息对应的第二健康状态标签的初始权重值进行调整，得到初始权重值对应的目标权重值。
在本实施例中，目标权重值用于表征所被测对象被目标权重值对应的目标对象感染的概率值。假设某个第二健康状态标签表征目标对象为传染病患者，则目标权重值用于表征被测对象在与目标对象存在交集的区域里被该患者感染的概率值。
步骤S265，确定每个第二健康状态标签的状态映射值，采用目标权重值对状态映射值进行加权，得到所述第一健康状态标签的综合指标值。
在本实施例中，第二健康状态标签是以非数值形式展示的，例如，第二健康状态标签可以是“有症状患者”和“无症状患者”等。为了提高对被测对象的健康检测的准确性，需要将第二健康状态标签进行映射以得到便于统计和计算的数值，通过采用预设的映射关系对第二健康状态标签进行映射，能够确定出状态映射值，从而以数值的形式描述健康状态，提高健康检测的准确性。
在本实施例中，可以将状态映射值与对应的目标权重值相乘然后求和，进而得到第一健康状态标签的综合指标值，其中，综合指标值也是以数值形式表示的。
步骤S266，根据综合指标值所处的数值区间确定第一健康状态标签的类别。
在本实施例中，第一健康状态标签的类别包括健康类别、待观察类别和疑似患病类别。
其中，健康类别表示被测对象与传染病患者不存在接触且被测对象在设定时段(例如十四天)内的体温正常。待观察类别表示被测对象与传染病患者存在接触但被测对象在设定时段内的体温正常。疑似患病类别表示被测对象与传染病患者存在接触且被测对象在设定时段内存在异常体温波动。
可以理解，通过上述步骤S261-步骤S266所描述的内容，能够通过被测对象与目标对象的接触情况和接触环境确定第一健康状态标签的综合指标值，从而基于综合指标值所处的数值区间确定第一健康状态标签的类别。这样，能够对被测对象的旅居历史或活动轨迹历史进行关联分析和追踪分析，避免通过检测被测对象的实时体温这样简单的手段来实现健康检测，如此，能够确保健康检测的准确性。
发明人经研究和分析发现，为了准确地确定第二健康状态标签的状态映射值，需要从字符编码层面对第二健康状态标签进行映射，从而避免在映射过程中出现字符错位等现象。为实现上述目的，请结合参阅图4，在步骤S265中，确定每个第二健康状态标签的状态映射值，具体可以包括以下步骤S2651-步骤S2655所描述的内容。
步骤S2651，获取第二健康状态标签对应的第一标签编码字符，从云数据平台的运行日志中确定出预存的健康状态标签集对应的第二标签编码字符。
在本实施例中，第一标签编码字符和第二标签编码字符分别包括多个不同字符属性的编码值。
步骤S2652，提取第二健康状态标签在第一标签编码字符中的任一编码值的第一代码信息，将第二标签编码字符中具有目标字符属性的编码值确定为基准编码值。
在本实施例中，目标字符属性用于表征其对应的编码值满足代码信息映射条件。
步骤S2653，确定基准编码值的编码逻辑集合，将第一代码信息映射至编码逻辑集合中，得到第一代码信息在编码逻辑集合对应的编码环境下的第二代码信息，并根据第一代码信息和第二代码信息生成第二健康状态标签和预存的健康状态标签集之间的映射列表。
步骤S2654，从映射列表中获取第二健康状态标签对应的第一标签编码字符中每个编码值的映射编码值，将获取的映射编码值进行组合得到第二健康状态标签的编码串。
步骤S2655，按照预设对应关系将编码串进行转换，得到第二健康状态标签的状态映射值。
可以理解，通过上述步骤S2651-步骤S2655所描述的内容，能够从字符编码层面对第二健康状态标签进行映射，从而避免在映射过程中出现字符错位等现象，这样可以准确地确定第二健康状态标签的状态映射值，便于后续确定第一健康状态标签的综合指标值。
在一个可替换的实施方式中，请结合参阅图5，步骤S266所描述的根据综合指标值所处的数值区间确定第一健康状态标签的类别，具体可以包括以下步骤S2661-步骤S2663所描述的内容。
步骤S2661，若综合指标值位于第一数值区间内，则判定第一健康状态标签的类别为健康类别。
步骤S2662，若综合指标值位于第二数值区间内，则判定第一健康状态标签的类别为待观察类别。
步骤S2663，若综合指标值位于第三数值区间内，则判定第一健康状态标签的类别为疑似患病类别。
在本实施例中，第一数值区间可以是[a，b)，第二数值区间可以是[b，c)，第三数值区间可以是[c，d)。其中，0<a<b<c<d。数值区间可以通过对之前的多个被测对象的健康检测结果进行数据提取和分析得到。
进一步地，若判定出第一健康状态标签的类别为疑似患病类别，云数据平台200可以生成针对被测对象的语音告警信息并播放语音告警信息。例如，语音告警信息可以是“您的健康检测存在异常，请作好防护措施并与他人保持安全距离”。这样，可以在被测对象进入水电站之前对被测对象进行准确可靠的健康状态检测，避免漏检、误检和历史数据查询困难等问题。在上述基础上，云数据平台200在确定出被测对象可以进入水电站之后，可以建立被测对象的数据追踪档案，以供后续进行数据追溯。
发明人在实际研究中发现，在确定第一活动轨迹和第二活动轨迹的轨迹相似度时，由于第一活动轨迹和第二活动轨迹的数据来源不同，会导致第一活动轨迹和第二活动轨迹的轨迹节点以及轨迹节点之间的连线信息存在差异。如果不对第一活动轨迹和第二活动轨迹各自对应的轨迹节点以及轨迹节点之间的连线信息进行统一，可能会导致确定出的轨迹相似度过低，从而影响第一活动轨迹和第二活动轨迹的相似度判定。为了改善上述问题，在步骤S25中，计算第一活动轨迹和第二活动轨迹的轨迹相似度，具体可以包括以下步骤(1)-步骤(4)所描述的内容。
(1)获取第一活动轨迹的轨迹属性信息以及各第一轨迹节点，在基于所述轨迹属性信息确定出所述第一活动轨迹存在孤立节点分组的情况下，根据所述第一活动轨迹在所述孤立节点分组下的第一轨迹节点及其节点连线参数确定所述第一活动轨迹在关联节点分组下的各第一轨迹节点与所述第一活动轨迹在所述孤立节点分组下的各第一轨迹节点之间的节点指标差值，将所述第一活动轨迹在所述关联节点分组下的与在所属孤立节点分组下的第一轨迹节点之间的节点指标差值小于设定差值的第一轨迹节点迁移到所述孤立节点分组下。
(2)在所述第一活动轨迹对应的所述关联节点分组下包含有多个第一轨迹节点的情况下，根据所述第一活动轨迹在所述孤立节点分组下的第一轨迹节点及其节点连线参数确定所述第一活动轨迹在所述关联节点分组下的各第一轨迹节点之间的节点连线参数；根据所述各第一轨迹节点之间的节点连线参数对所述关联节点分组下的各第一轨迹节点进行拆分，得到多个目标轨迹节点。
(3)基于所述第一活动轨迹在所述孤立节点分组下的第一轨迹节点及其节点连线参数将所述多个目标轨迹节点中的部分目标轨迹节点迁移到所述孤立节点分组下。
(4)依据所述第一活动轨迹在所述关联节点分组下的每个第一轨迹节点的节点属性生成所述第一活动轨迹在所述第二活动轨迹所在的轨迹平面中的轨迹变换矩阵，将所述第一活动轨迹在所述关联节点分组下的每个第一轨迹节点的节点位置和节点指向信息通过所述轨迹变换矩阵映射到所述轨迹平面中，按照所述第一活动轨迹在所述轨迹平面中的节点位置和节点指向信息进行重构，得到所述第一活动轨迹在所述轨迹平面中的目标活动轨迹，并计算所述目标活动轨迹和所述第二活动轨迹的轨迹相似度；其中，所述轨迹相似度包括轨迹节点在所述轨迹平面中的距离以及轨迹节点的连线指向偏移角度。
可以理解，通过上述步骤(1)-步骤(4)所描述的内容，能够对第一活动轨迹和第二活动轨迹各自对应的轨迹节点以及轨迹节点之间的连线信息进行统一，从而确保轨迹相似度的精确性。
进一步地，请结合参阅图1，本申请还提供了一种基于云数据平台的复工复产管理系统的功能性方案，所述功能性方案的描述如下。
基于云数据平台的复工复产管理系统包括云数据平台200以及与所述云数据平台200通信的终端设备300、采集设备400以及目标数据库500。
所述终端设备300用于向所述云数据平台200上传身份信息。
所述采集设备400用于采集被测对象的生物特征信息并将所述生物特征信息发送给所述云数据平台200。
所述云数据平台200用于：
在所述生物特征信息与所述身份信息之间的比对结果一致时，确定与所述身份信息对应的多个信息标签；其中，所述信息标签包括人物标签、第一健康状态标签和活动轨迹标签；
根据所述人物标签和所述活动轨迹标签从所述目标数据库500中查询与所述人物标签对应的旅居信息以及与所述活动轨迹标签对应的活动轨迹信息；
根据所述旅居信息和所述活动轨迹信息进行分析处理，得到所述被测对象的第一活动轨迹；提取所述终端设备300的定位记录，根据所述定位记录确定所述被测对象的第二活动轨迹；
计算所述第一活动轨迹和所述第二活动轨迹的轨迹相似度，在所述轨迹相似度达到设定值时，从所述目标数据库中获取与所述第二活动轨迹存在交集的每个第三活动轨迹对应的目标设备的第二健康状态标签；以及
根据每个第三活动轨迹与所述第二活动轨迹的交集对应的区域信息以及每个第三活动轨迹对应的第二健康状态标签，确定所述第一健康状态标签的类别；根据所述第一健康状态标签的类别确定所述被测对象的健康检测结果并将所述健康检测结果回传给所述终端设备。
在一种可替换的实施方式中，所述云数据平台200确定所述第一健康状态标签的类别的具体方式如下：
确定每个第三活动轨迹与所述第二活动轨迹的交集对应的经纬度坐标；
在预设的电子地图中确定所述经纬度坐标处的地理标识信息；
根据所述地理标识信息确定每个第三活动轨迹与所述第二活动轨迹的交集的区域信息；其中，所述区域信息包括所述交集所对应的接触概率和空气流动系数，所述接触概率用于表征所述被测对象与所述目标设备对应的目标对象存在接触的概率，所述空气流动系数用于表征所述交集处的密闭程度；
采用每个区域信息中的接触概率和空气流动系数对该区域信息对应的第二健康状态标签的初始权重值进行调整，得到所述初始权重值对应的目标权重值；其中，所述目标权重值用于表征所述被测对象被所述目标权重值对应的目标对象感染的概率值；
确定每个第二健康状态标签的状态映射值，采用所述目标权重值对所述状态映射值进行加权，得到所述第一健康状态标签的综合指标值；以及
根据所述综合指标值所处的数值区间确定所述第一健康状态标签的类别；其中，所述第一健康状态标签的类别包括健康类别、待观察类别和疑似患病类别。
在一种可替换的实施方式中，所述云数据平台200确定每个第二健康状态标签的状态映射值的具体方式如下：
获取所述第二健康状态标签对应的第一标签编码字符，从所述云数据平台的运行日志中确定出预存的健康状态标签集对应的第二标签编码字符；其中，所述第一标签编码字符和所述第二标签编码字符分别包括多个不同字符属性的编码值；
提取所述第二健康状态标签在所述第一标签编码字符中的任一编码值的第一代码信息，将所述第二标签编码字符中具有目标字符属性的编码值确定为基准编码值；其中，所述目标字符属性用于表征其对应的编码值满足代码信息映射条件；
确定所述基准编码值的编码逻辑集合，将所述第一代码信息映射至所述编码逻辑集合中，得到所述第一代码信息在所述编码逻辑集合对应的编码环境下的第二代码信息，并根据所述第一代码信息和所述第二代码信息生成所述第二健康状态标签和所述预存的健康状态标签集之间的映射列表；
从所述映射列表中获取所述第二健康状态标签对应的第一标签编码字符中每个编码值的映射编码值，将获取的映射编码值进行组合得到所述第二健康状态标签的编码串；以及
按照预设对应关系将所述编码串进行转换，得到所述第二健康状态标签的状态映射值。
在一种可替换的实施方式中，所述云数据平台200根据所述综合指标值所处的数值区间确定所述第一健康状态标签的类别的方式具体如下：
若所述综合指标值位于第一数值区间内，则判定所述第一健康状态标签的类别为健康类别；
若所述综合指标值位于第二数值区间内，则判定所述第一健康状态标签的类别为待观察类别；
若所述综合指标值位于第三数值区间内，则判定所述第一健康状态标签的类别为疑似患病类别。
可以理解，通过上述复工复产管理系统100，通过对被测对象进行生物特征信息采集和身份信息提取，然后结合被测对象以及目标对象的活动轨迹对被测对象进行健康检测，能够基于信息处理和数据追溯实现无接触式的健康检测，避免漏检和错检。
在上述基础上，请结合参阅图6，为图1所示的云数据平台200的硬件结构示意图，所述云数据平台200可以包括互相之间通信的处理器210和存储器220，所述处理器210用于从所述存储器220中调取计算机程序，通过执行该计算机程序实现图2所示的复工复产管理方法。
在上述基础上，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序在运行时实现图2所示的复工复产管理方法。
以上所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。通常在附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，在附图中提供的本申请的实施例的详细描述并非旨在限制本申请的保护范围，而仅仅是表示本申请的选定实施例。因此，本申请的保护范围应以权利要求的保护范围为准。此外，基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下可获得的所有其它实施例，都应属于本申请保护的范围。
Claims (10)
1.一种基于云数据平台的复工复产管理方法，其特征在于，应用于云数据平台，所述云数据平台与终端设备、采集设备以及目标数据库通信，所述方法包括：
在确定出所述采集设备采集到的被测对象的生物特征信息与所述被测对象通过所述终端设备上传的身份信息之间的比对结果一致时，确定与所述身份信息对应的多个信息标签；其中，所述信息标签包括人物标签、第一健康状态标签和活动轨迹标签；
根据所述人物标签和所述活动轨迹标签从所述目标数据库中查询与所述人物标签对应的旅居信息以及与所述活动轨迹标签对应的活动轨迹信息；
根据所述旅居信息和所述活动轨迹信息进行分析处理，得到所述被测对象的第一活动轨迹；
提取所述终端设备的定位记录，根据所述定位记录确定所述被测对象的第二活动轨迹；
计算所述第一活动轨迹和所述第二活动轨迹的轨迹相似度，在所述轨迹相似度达到设定值时，从所述目标数据库中获取与所述第二活动轨迹存在交集的每个第三活动轨迹对应的目标设备的第二健康状态标签；
根据每个第三活动轨迹与所述第二活动轨迹的交集对应的区域信息以及每个第三活动轨迹对应的第二健康状态标签，确定所述第一健康状态标签的类别；
根据所述第一健康状态标签的类别确定所述被测对象的健康检测结果并将所述健康检测结果回传给所述终端设备。
2.根据权利要求1所述的复工复产管理方法，其特征在于，所述方法还包括：
在所述轨迹相似度没有达到所述设定值时，确定所述被测对象的活动轨迹存在异常，将所述被测对象列入预设名单中并输出预设的提示信息。
3.根据权利要求1所述的复工复产管理方法，其特征在于，根据每个第三活动轨迹与所述第二活动轨迹的交集对应的区域信息以及每个第三活动轨迹对应的第二健康状态标签，确定所述第一健康状态标签的类别，包括：
确定每个第三活动轨迹与所述第二活动轨迹的交集对应的经纬度坐标；
在预设的电子地图中确定所述经纬度坐标处的地理标识信息；
根据所述地理标识信息确定每个第三活动轨迹与所述第二活动轨迹的交集的区域信息；其中，所述区域信息包括所述交集所对应的接触概率和空气流动系数，所述接触概率用于表征所述被测对象与所述目标设备对应的目标对象存在接触的概率，所述空气流动系数用于表征所述交集处的密闭程度；
采用每个区域信息中的接触概率和空气流动系数对该区域信息对应的第二健康状态标签的初始权重值进行调整，得到所述初始权重值对应的目标权重值；其中，所述目标权重值用于表征所述被测对象被所述目标权重值对应的目标对象感染的概率值；
确定每个第二健康状态标签的状态映射值，采用所述目标权重值对所述状态映射值进行加权，得到所述第一健康状态标签的综合指标值；
根据所述综合指标值所处的数值区间确定所述第一健康状态标签的类别；其中，所述第一健康状态标签的类别包括健康类别、待观察类别和疑似患病类别。
4.根据权利要求3所述的复工复产管理方法，其特征在于，确定每个第二健康状态标签的状态映射值，包括：
获取所述第二健康状态标签对应的第一标签编码字符，从所述云数据平台的运行日志中确定出预存的健康状态标签集对应的第二标签编码字符；其中，所述第一标签编码字符和所述第二标签编码字符分别包括多个不同字符属性的编码值；
提取所述第二健康状态标签在所述第一标签编码字符中的任一编码值的第一代码信息，将所述第二标签编码字符中具有目标字符属性的编码值确定为基准编码值；其中，所述目标字符属性用于表征其对应的编码值满足代码信息映射条件；
确定所述基准编码值的编码逻辑集合，将所述第一代码信息映射至所述编码逻辑集合中，得到所述第一代码信息在所述编码逻辑集合对应的编码环境下的第二代码信息，并根据所述第一代码信息和所述第二代码信息生成所述第二健康状态标签和所述预存的健康状态标签集之间的映射列表；
从所述映射列表中获取所述第二健康状态标签对应的第一标签编码字符中每个编码值的映射编码值，将获取的映射编码值进行组合得到所述第二健康状态标签的编码串；
按照预设对应关系将所述编码串进行转换，得到所述第二健康状态标签的状态映射值。
5.根据权利要求3所述的复工复产管理方法，其特征在于，根据所述综合指标值所处的数值区间确定所述第一健康状态标签的类别，包括：
若所述综合指标值位于第一数值区间内，则判定所述第一健康状态标签的类别为健康类别；
若所述综合指标值位于第二数值区间内，则判定所述第一健康状态标签的类别为待观察类别；
若所述综合指标值位于第三数值区间内，则判定所述第一健康状态标签的类别为疑似患病类别。
6.根据权利要求5所述的复工复产管理方法，其特征在于，在判定出所述第一健康状态标签的类别为疑似患病类别时，所述方法还包括：
生成针对所述被测对象的语音告警信息；
播放所述语音告警信息。
7.一种基于云数据平台的复工复产管理系统，其特征在于，包括云数据平台以及与所述云数据平台通信的终端设备、采集设备以及目标数据库；
所述终端设备用于向所述云数据平台上传身份信息；
所述采集设备用于采集被测对象的生物特征信息并将所述生物特征信息发送给所述云数据平台；
所述云数据平台用于：
在所述生物特征信息与所述身份信息之间的比对结果一致时，确定与所述身份信息对应的多个信息标签；其中，所述信息标签包括人物标签、第一健康状态标签和活动轨迹标签；
根据所述人物标签和所述活动轨迹标签从所述目标数据库中查询与所述人物标签对应的旅居信息以及与所述活动轨迹标签对应的活动轨迹信息；
根据所述旅居信息和所述活动轨迹信息进行分析处理，得到所述被测对象的第一活动轨迹；
提取所述终端设备的定位记录，根据所述定位记录确定所述被测对象的第二活动轨迹；
计算所述第一活动轨迹和所述第二活动轨迹的轨迹相似度，在所述轨迹相似度达到设定值时，从所述目标数据库中获取与所述第二活动轨迹存在交集的每个第三活动轨迹对应的目标设备的第二健康状态标签；
根据每个第三活动轨迹与所述第二活动轨迹的交集对应的区域信息以及每个第三活动轨迹对应的第二健康状态标签，确定所述第一健康状态标签的类别；
根据所述第一健康状态标签的类别确定所述被测对象的健康检测结果并将所述健康检测结果回传给所述终端设备。
8.根据权利要求7所述的复工复产管理系统，其特征在于，所述云数据平台确定所述第一健康状态标签的类别的具体方式如下：
确定每个第三活动轨迹与所述第二活动轨迹的交集对应的经纬度坐标；
在预设的电子地图中确定所述经纬度坐标处的地理标识信息；
根据所述地理标识信息确定每个第三活动轨迹与所述第二活动轨迹的交集的区域信息；其中，所述区域信息包括所述交集所对应的接触概率和空气流动系数，所述接触概率用于表征所述被测对象与所述目标设备对应的目标对象存在接触的概率，所述空气流动系数用于表征所述交集处的密闭程度；
采用每个区域信息中的接触概率和空气流动系数对该区域信息对应的第二健康状态标签的初始权重值进行调整，得到所述初始权重值对应的目标权重值；其中，所述目标权重值用于表征所述被测对象被所述目标权重值对应的目标对象感染的概率值；
确定每个第二健康状态标签的状态映射值，采用所述目标权重值对所述状态映射值进行加权，得到所述第一健康状态标签的综合指标值；
根据所述综合指标值所处的数值区间确定所述第一健康状态标签的类别；其中，所述第一健康状态标签的类别包括健康类别、待观察类别和疑似患病类别。
9.根据权利要求8所述的复工复产管理系统，其特征在于，所述云数据平台确定每个第二健康状态标签的状态映射值的具体方式如下：
获取所述第二健康状态标签对应的第一标签编码字符，从所述云数据平台的运行日志中确定出预存的健康状态标签集对应的第二标签编码字符；其中，所述第一标签编码字符和所述第二标签编码字符分别包括多个不同字符属性的编码值；
提取所述第二健康状态标签在所述第一标签编码字符中的任一编码值的第一代码信息，将所述第二标签编码字符中具有目标字符属性的编码值确定为基准编码值；其中，所述目标字符属性用于表征其对应的编码值满足代码信息映射条件；
确定所述基准编码值的编码逻辑集合，将所述第一代码信息映射至所述编码逻辑集合中，得到所述第一代码信息在所述编码逻辑集合对应的编码环境下的第二代码信息，并根据所述第一代码信息和所述第二代码信息生成所述第二健康状态标签和所述预存的健康状态标签集之间的映射列表；
从所述映射列表中获取所述第二健康状态标签对应的第一标签编码字符中每个编码值的映射编码值，将获取的映射编码值进行组合得到所述第二健康状态标签的编码串；
按照预设对应关系将所述编码串进行转换，得到所述第二健康状态标签的状态映射值。
10.根据权利要求8所述的复工复产管理系统，其特征在于，所述云数据平台根据所述综合指标值所处的数值区间确定所述第一健康状态标签的类别的方式具体如下：
若所述综合指标值位于第一数值区间内，则判定所述第一健康状态标签的类别为健康类别；
若所述综合指标值位于第二数值区间内，则判定所述第一健康状态标签的类别为待观察类别；
若所述综合指标值位于第三数值区间内，则判定所述第一健康状态标签的类别为疑似患病类别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010908419.2A CN112216387B (zh) | 2020-09-02 | 2020-09-02 | 基于云数据平台的复工复产管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010908419.2A CN112216387B (zh) | 2020-09-02 | 2020-09-02 | 基于云数据平台的复工复产管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112216387A true CN112216387A (zh) | 2021-01-12 |
| CN112216387B CN112216387B (zh) | 2024-04-09 |
Family
ID=74048806
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010908419.2A Active CN112216387B (zh) | 2020-09-02 | 2020-09-02 | 基于云数据平台的复工复产管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112216387B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112951267A (zh) * | 2021-02-23 | 2021-06-11 | 恒大新能源汽车投资控股集团有限公司 | 一种乘车人健康监测方法和车载终端 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080147438A1 (en) * | 2006-12-19 | 2008-06-19 | Accenture Global Services Gmbh | Integrated Health Management Platform |
| CN103392187A (zh) * | 2010-12-30 | 2013-11-13 | 派尔高公司 | 利用从物体轨迹数据获取的统计和语义特征的场景活动分析 |
| WO2017084221A1 (zh) * | 2015-11-16 | 2017-05-26 | 中兴通讯股份有限公司 | 交通状态的获取方法及装置 |
| CN108595539A (zh) * | 2018-04-04 | 2018-09-28 | 烟台海颐软件股份有限公司 | 一种基于大数据的行迹相似对象识别方法与系统 |
| 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 |
| CN111222774A (zh) * | 2019-12-30 | 2020-06-02 | 广州博士信息技术研究院有限公司 | 企业数据分析方法、装置及服务器 |
| US20200176125A1 (en) * | 2017-08-21 | 2020-06-04 | Koninklijke Philips N.V. | Predicting, preventing, and controlling infection transmission within a healthcare facility using a real-time locating system and next generation sequencing |
| CN111241117A (zh) * | 2020-03-15 | 2020-06-05 | 智博云信息科技(广州)有限公司 | 一种疫情数据库更新方法及装置 |
| CN111341463A (zh) * | 2020-03-17 | 2020-06-26 | 腾讯科技（深圳）有限公司 | 疫情排查方法、装置、计算机设备和存储介质 |
| CN111369418A (zh) * | 2020-03-24 | 2020-07-03 | 重庆中科云从科技有限公司 | 一种健康数据管理方法、系统、机器可读介质及设备 |
| CN111403045A (zh) * | 2020-03-04 | 2020-07-10 | 苏州远征魂车船技术有限公司 | 一种传染疫情多元精准管控系统 |
| CN111429324A (zh) * | 2020-03-25 | 2020-07-17 | 淮阴工学院 | 一种多源信息融合的电子通行状态管理方法 |
| CN111430042A (zh) * | 2020-03-31 | 2020-07-17 | 南方科技大学 | 预测传染病传播的方法、装置、计算机设备和存储介质 |
| CN111477340A (zh) * | 2020-04-13 | 2020-07-31 | 深圳前海微众银行股份有限公司 | 传染病接触情况检测方法、装置、设备及可读存储介质 |
-
2020
- 2020-09-02 CN CN202010908419.2A patent/CN112216387B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080147438A1 (en) * | 2006-12-19 | 2008-06-19 | Accenture Global Services Gmbh | Integrated Health Management Platform |
| CN103392187A (zh) * | 2010-12-30 | 2013-11-13 | 派尔高公司 | 利用从物体轨迹数据获取的统计和语义特征的场景活动分析 |
| WO2017084221A1 (zh) * | 2015-11-16 | 2017-05-26 | 中兴通讯股份有限公司 | 交通状态的获取方法及装置 |
| US20200176125A1 (en) * | 2017-08-21 | 2020-06-04 | Koninklijke Philips N.V. | Predicting, preventing, and controlling infection transmission within a healthcare facility using a real-time locating system and next generation sequencing |
| CN108595539A (zh) * | 2018-04-04 | 2018-09-28 | 烟台海颐软件股份有限公司 | 一种基于大数据的行迹相似对象识别方法与系统 |
| 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 |
| CN111222774A (zh) * | 2019-12-30 | 2020-06-02 | 广州博士信息技术研究院有限公司 | 企业数据分析方法、装置及服务器 |
| CN111403045A (zh) * | 2020-03-04 | 2020-07-10 | 苏州远征魂车船技术有限公司 | 一种传染疫情多元精准管控系统 |
| CN111241117A (zh) * | 2020-03-15 | 2020-06-05 | 智博云信息科技(广州)有限公司 | 一种疫情数据库更新方法及装置 |
| CN111341463A (zh) * | 2020-03-17 | 2020-06-26 | 腾讯科技（深圳）有限公司 | 疫情排查方法、装置、计算机设备和存储介质 |
| CN111369418A (zh) * | 2020-03-24 | 2020-07-03 | 重庆中科云从科技有限公司 | 一种健康数据管理方法、系统、机器可读介质及设备 |
| CN111429324A (zh) * | 2020-03-25 | 2020-07-17 | 淮阴工学院 | 一种多源信息融合的电子通行状态管理方法 |
| CN111430042A (zh) * | 2020-03-31 | 2020-07-17 | 南方科技大学 | 预测传染病传播的方法、装置、计算机设备和存储介质 |
| CN111477340A (zh) * | 2020-04-13 | 2020-07-31 | 深圳前海微众银行股份有限公司 | 传染病接触情况检测方法、装置、设备及可读存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112951267A (zh) * | 2021-02-23 | 2021-06-11 | 恒大新能源汽车投资控股集团有限公司 | 一种乘车人健康监测方法和车载终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112216387B (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108303673B (zh) | 一种基于视频辅助定位的uwb三维定位系统 | |
| KR20200006167A (ko) | 딥러닝 네트워크 및 평균 이동을 기반으로 하는 선박 자동추적 방법 및 시스템 | |
| CN105758450A (zh) | 基于多传感器应急机器人的消防预警感知系统构建方法 | |
| CN103699698A (zh) | 一种基于改进贝叶斯的轨道交通故障识别方法及系统 | |
| CN108306756A (zh) | 一种基于电力数据网全息评估系统及其故障定位方法 | |
| CN102724751B (zh) | 一种基于非现场勘测的无线室内定位方法 | |
| CN108182218B (zh) | 一种基于地理信息系统的视频人物识别方法、系统及电子设备 | |
| CN111738558B (zh) | 行为风险识别的可视化方法、装置、设备及存储介质 | |
| CN109218985A (zh) | 一种基于模式相似度的船舶作业行为异常检测方法及系统 | |
| CN112734207A (zh) | 一种资产运维管理方法及系统 | |
| CN113011280A (zh) | 人员接触距离的检测方法、装置、计算机设备和存储介质 | |
| CN116308958A (zh) | 基于移动终端的碳排放在线检测预警系统及方法 | |
| CN115187916A (zh) | 基于时空关联的建筑内疫情防控方法、装置、设备和介质 | |
| CN117804526A (zh) | 基于巡检机器人的地下管廊环境检测系统及方法 | |
| CN116189052A (zh) | 基于视频流分析的安防方法、系统、智能终端及存储介质 | |
| CN117114420B (zh) | 一种基于图像识别的工贸安全事故风险管控系统和方法 | |
| CN111739056A (zh) | 一种轨迹追踪系统 | |
| CN112216387A (zh) | 基于云数据平台的复工复产管理方法及系统 | |
| Xia et al. | [Retracted] Gesture Tracking and Recognition Algorithm for Dynamic Human Motion Using Multimodal Deep Learning | |
| CN115100724A (zh) | 一种多相机人员状态识别方法 | |
| CN113593605B (zh) | 一种基于深度神经网络的工业音频故障监测系统和方法 | |
| CN113159984B (zh) | 一种变电站工作人员工作路径追踪方法 | |
| CN112268554A (zh) | 一种基于路径轨迹分析的区域范围徘徊检测方法及系统 | |
| CN116055521A (zh) | 一种电力巡检机器人巡检系统及图像识别方法 | |
| CN110738167A (zh) | 一种基于多域空间属性关联分析的行人辨识方法 |
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 |