CN112331361B - 一种密切接触者的确定方法及装置 - Google Patents

一种密切接触者的确定方法及装置 Download PDF

Info

Publication number
CN112331361B
CN112331361B CN202011232169.1A CN202011232169A CN112331361B CN 112331361 B CN112331361 B CN 112331361B CN 202011232169 A CN202011232169 A CN 202011232169A CN 112331361 B CN112331361 B CN 112331361B
Authority
CN
China
Prior art keywords
determining
base station
travel
information
cluster
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
Application number
CN202011232169.1A
Other languages
English (en)
Other versions
CN112331361A (zh
Inventor
成晨
张涛
程新洲
高洁
郝若晶
张亚南
徐乐西
韩玉辉
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.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group 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 China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN202011232169.1A priority Critical patent/CN112331361B/zh
Publication of CN112331361A publication Critical patent/CN112331361A/zh
Application granted granted Critical
Publication of CN112331361B publication Critical patent/CN112331361B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/80ICT 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
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02Services making use of location information
    • H04W4/029Location-based management or tracking services
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请实施例提供一种密切接触者的确定方法及装置,涉及通信技术领域,解决了现有技术无法保证排查工作的完整性和全面性,排查效果较差的技术问题。该密切接触者的确定方法包括:获取目标人员的出行信息,该出行信息包括出行时间和出行范围;根据该出行信息确定在该出行时间和该出行范围内的至少一个外出人员的位置信息;根据该至少一个外出人员的位置信息进行聚类,得到至少一个簇;将该至少一个簇中包括该目标人员的簇确定为目标簇,并将该目标簇中的其他外出人员确定为该目标人员的密切接触者。

Description

一种密切接触者的确定方法及装置
技术领域
本申请涉及通信技术领域,尤其涉及一种密切接触者的确定方法及装置。
背景技术
在疫情防控中,可能会存在很多与感染人员共同乘坐交通工具、乘电梯或者通过其他方式直接接触的人员,这些人员称为隐形密切接触者。
通常,隐形密切接触者的排查工作需要依靠对感染人员行为轨迹的公示和至少具有部分相同行为轨迹的人员的主动上报。然而,这种方式无法保证排查工作的完整性和全面性,排查效果较差。
发明内容
本申请提供一种密切接触者的确定方法及装置,解决了现有技术无法保证排查工作的完整性和全面性,排查效果较差的技术问题。
为达到上述目的,本申请采用如下技术方案:
第一方面,提供一种密切接触者的确定方法,包括:获取目标人员的出行信息,该出行信息包括出行时间和出行范围;根据该出行信息确定在该出行时间和该出行范围内的至少一个外出人员的位置信息;根据该至少一个外出人员的位置信息进行聚类,得到至少一个簇;将该至少一个簇中包括该目标人员的簇确定为目标簇,并将该目标簇中的其他外出人员确定为该目标人员的密切接触者。
本申请实施例中,可以根据目标人员的出行信息确定至少一个外出人员的位置信息,并对该至少一个外出人员的位置信息进行聚类,得到至少一个簇,从该至少一个簇中确定目标簇,最后将目标簇中的外出人员确定为该目标人员的密切接触者。通过该方案,可以将与目标人员相关的时间和空间内的人员统一进行排查,确保了排查工作的完整性和全面性,提高了排查效果。
第二方面,提供一种密切接触者的确定装置,包括:获取单元和处理单元。获取单元,用于获取目标人员的出行信息,该出行信息包括出行时间和出行范围。处理单元,用于根据该出行信息确定在该出行时间和该出行范围内的至少一个外出人员的位置信息;根据该至少一个外出人员的位置信息进行聚类,得到至少一个簇;将该至少一个簇中包括该目标人员的簇确定为目标簇,并将该目标簇中的其他外出人员确定为该目标人员的密切接触者。
第三方面,提供一种密切接触者的确定装置,包括存储器和处理器。存储器用于存储计算机执行指令,处理器与存储器通过总线连接。当密切接触者的确定装置运行时,处理器执行存储器存储的计算机执行指令,以使密切接触者的确定装置执行第一方面提供的密切接触者的确定方法。
第四方面,提供一种计算机可读存储介质,计算机可读存储介质包括计算机执行指令,当计算机执行指令在计算机上运行时,使得该计算机执行第一方面提供的密切接触者的确定方法。
第五方面,提供一种计算机程序产品,该计算机程序产品包括计算机指令,当计算机指令在计算机上运行时,使得计算机执行如上述第一方面及其各种可能的实现方式提供的密切接触者的确定方法。
需要说明的是,上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中,计算机可读存储介质可以与密切接触者的确定装置的处理器封装在一起的,也可以与密切接触者的确定装置的处理器单独封装,本申请对此不作限定。
本申请中第二方面、第三方面、第四方面以及第五方面的描述,可以参考第一方面的详细描述,此处不再赘述;并且,第二方面、第三方面、第四方面以及第五方面描述的有益效果,可以参考第一方面的有益效果分析,此处不再赘述。
在本申请中,上述密切接触者的确定装置的名字对设备或功能模块本身不构成限定,在实际实现中,这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本申请类似,属于本申请权利要求及其等同技术的范围之内。
本申请的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
图1为本申请实施例提供的一种密切接触者的确定装置的硬件结构示意图之一;
图2为本申请实施例提供的一种密切接触者的确定装置的硬件结构示意图之二;
图3为本申请实施例提供的一种密切接触者的确定方法的流程示意图;
图4为本申请实施例提供的一种密切接触者的确定装置的结构示意图。
具体实施方式
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,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
为了便于清楚描述本申请实施例的技术方案,在本申请实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分,本领域技术人员可以理解“第一”、“第二”等字样并不是在对数量和执行次序进行限定。
本申请实施例提供了一种密切接触者的确定方法,该方法可以应用于如图1所示的密切接触者的确定装置,该密切接触者的确定装置包括处理器11,存储器12、通信接口13、总线14。处理器11,存储器12以及通信接口13之间可以通过总线14连接。
处理器11是密切接触者的确定装置的控制中心,可以是一个处理器,也可以是多个处理元件的统称。例如,处理器11可以是一个通用中央处理单元(central processingunit,CPU),也可以是其他通用处理器等。其中,通用处理器可以是微处理器或者是任何常规的处理器等。
作为一种实施例,处理器11可以包括一个或多个CPU,例如图1中所示的CPU 0和CPU 1。
存储器12可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
一种可能的实现方式中,存储器12可以独立于处理器11存在,存储器12可以通过总线14与处理器11相连接,用于存储指令或者程序代码。处理器11调用并执行存储器12中存储的指令或程序代码时,能够实现本申请实施例提供的密切接触者的确定方法。
另一种可能的实现方式中,存储器12也可以和处理器11集成在一起。
通信接口13,用于与其他设备通过通信网络连接。所述通信网络可以是以太网,无线接入网,无线局域网(wireless local area networks,WLAN)等。通信接口13可以包括用于接收数据的接收单元,以及用于发送数据的发送单元。
总线14,可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component Interconnect,PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图1中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
需要指出的是,图1示出的结构并不构成对该密切接触者的确定装置的限定。除图1所示部件之外,该密切接触者的确定装置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。
图2示出了本申请实施例中密切接触者的确定装置的另一种硬件结构。如图2所示,密切接触者的确定装置可以包括处理器21以及通信接口22。处理器21与通信接口22耦合。
处理器21的功能可以参考上述处理器11的描述。此外,处理器21还具备存储功能,可以参考上述存储器12的功能。
通信接口22用于为处理器21提供数据。该通信接口22可以是密切接触者的确定装置的内部接口,也可以是密切接触者的确定装置对外的接口(相当于上述通信接口13)。
需要指出的是,图1(或图2)中示出的结构并不构成对密切接触者的确定装置的限定,除图1(或图2)所示部件之外,该密切接触者的确定装置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。
下面结合上述图1和图2示出的密切接触者的确定装置,对本申请实施例提供的密切接触者的确定方法进行详细介绍。
如图3所示,本申请实施例提供一种密切接触者的确定方法,该密切接触者的确定方法可以应用于密切接触者的确定装置,该密切接触者的确定方法可以包括下述的S301-S304。
S301、密切接触者的确定装置获取目标人员的出行信息。
其中,上述出行信息可以包括出行时间和出行范围。该出行时间是指出行的时间区间,例如可以为早上八点到中午十二点;出行范围是指以目标人员在该出行时间内的每个时间点所在位置为圆心,以预设距离为半径围成的区域。
可选的,上述出行信息还可以包括出行方式。该出行方式可以为公交、自驾、步行等。例如,若出行方式为自驾,则可以只关注停车后接触的人群;若出行方式为步行,则需要关注沿途中的所有人群。
可选的,用户可以将目标人员提供的出行信息输入到密切接触者的确定装置,从而使密切接触者的确定装置获取目标人员的出行信息。
S302、密切接触者的确定装置根据该出行信息确定在该出行时间和该出行范围内的至少一个外出人员的位置信息。
密切接触者的确定装置可以根据目标人员的出行信息确定在该出行时间和该出行范围内的至少一个外出人员的网络接口数据,该网络接口数据可以包括移动用户标识、时间和基站小区标识,之后,密切接触者的确定装置可以根据该基站小区标识确定基站的工参信息,并从该工参信息中确定该基站的位置信息,最后,密切接触者的确定装置可以将该基站的位置信息确定为与移动用户标识对应的外出人员的位置信息。
具体的,密切接触者的确定装置可以采集目标人员出行时间内的运营支撑系统(the office of strategic services,OSS)域大数据的外部数据表示(external datarepresentation,XDR)数据,包括4G网络S1MME接口数据、2G/3G网络IuCS接口数据和2G/3G网络IuPS接口数据,得到如表1所示的字段:国际移动用户识别码(international mobilesubscriber identification number,IMSI)、字段的开始时间和结束时间、以及基站小区标识。之后,密切接触者的确定装置可以将基站小区标识关联工参信息获得基站位置,即基站的经纬度信息,得到如表2所示的字段:IMSI、字段的开始时间和结束时间、基站的经度和纬度。
表1
imsi
开始时间
结束时间
基站小区标识
表2
imsi
开始时间
结束时间
基站经度
基站纬度
可选的,由于每个IMSI可以对应很多条数据,为了避免数据重复冗余,在根据基站小区标识确定基站的工参信息之前,密切接触者的确定装置可以按照预设时间间隔从上述网络接口数据中确定目标网络接口数据,例如,预设时间间隔可以为5分钟,密切接触者的确定装置可以将每5分钟保留的数据确定为目标网络接口数据,然后根据该目标网络接口数据中的基站小区标识确定基站的工参信息,并从该工参信息中确定基站的位置信息,从而得到如表3所示的字段,其中表3中的字段time_id可以用于表示时间,例如,以预设时间间隔为5分钟为例。time_id可以为07:00:00,07:05:00,07:10:00,……,07:55:00。
表3
imsi
time_id
基站经度
基站纬度
S303、密切接触者的确定装置根据该至少一个外出人员的位置信息进行聚类,得到至少一个簇。
首先,密切接触者的确定装置可以将至少一个外出人员的位置信息转换为二维向量。具体的,设目标人员为I,预设时间间隔为tn-tn-1,n为大于1的正整数,在t1到tn的时间内,I=[(t1,s1),(t2,s2),......,(tn,sn)],其中,t为time_id,s为(经度,纬度)。之后,密切接触者的确定装置可以筛选t1到tn时间内,在s1、s2、......、sn位置点中的任意两个或两个以上位置点出现过的所有外出人员的通信号码,然后,将筛选到的所有外出人员的位置进行向量化。设外出人员为P,在t1到tn的时间内,P=[(t1,s1),(t2,s2),......]。最后,密切接触者的确定装置可以找到每个外出人员P中,第一个和最后一个与目标人员I的重合点,并根据重合点更新P。例如,若第一个重合点为(t3,s3),最后一个重合点为(tn-2,sn-2),则可以将P=[(t1,s1),(t2,s2),......]更新为P=[(t3,s3),(t4,s4),......,(tn-2,sn-2)]。
然后,密切接触者的确定装置可以对I=[(t1,s1),(t2,s2),......,(tn,sn)]进行分解,得到不同长度的向量:
I1_n=[(t1,s1),(t2,s2),......,(tn,sn)];
I1_n-1=[(t1,s1),(t2,s2),......,(tn-1,sn-1)];
......;
I1_1=(t1,s1);
I2_n=[(t2,s2),(t3,s3),......,(tn,sn)];
I2_n-1=[(t2,s2),(t3,s3),......,(tn-1,sn-1)];
.......;
I2_2=(i2,s2)
......;
In_n=(tn,sn)。
可选的,密切接触者的确定装置可以按照目标人员I的向量长度依次排列上述通过分解得到的向量。例如,可以从长到短排列,也可以从短到厂排列。
对于每个长度的向量I,可以找到一个相同长度的P,并通过K-均值算法对至少一个外出人员的位置信息进行聚类,得到至少一个簇。
由于移动网络实际所产生的XDR数据,可能存在有大量的离群点或噪声点。例如,由于工参上报错误,导致用户所在的小区的经纬度上报错误,使得用户所在的小区的实际位置和关联工参信息得到的小区经纬度不一致,从而产生大量的离群点。由于乒乓效应,用户在相邻小区间反复切换,使用户经纬度反复跳跃;或者由于越区覆盖,不同用户在同一位置,关联得到不同的经纬度,从而产生大量的噪声点。因此,上述K-均值算法的损失函数可以为:
Figure BDA0002765573880000081
其中,xi为第i个时间点目标人员所在的位置,yi为第i个时间点外出人员所在的位置,p为可变值,在离群点大于第一阈值的情况下,p的取值范围为(0.01,0.5),在噪声点大于第二阈值的情况下,p的取值范围为(2,100)。
需要说明的是,p越小,对抗离群点的效果越好;p越大,对抗噪声点的效果越好。由于各个地域数据移动网络建设水平不同、数据采集厂商不同,数据中的离群点以及噪声点的占比无法明确。为了在节约计算资源的情况下,尽可能准确地找到和目标人员同行外出人员,可以引入两种p值作为上述损失函数的系数。即想要对抗离群点时,p的取值范围为(0.01,0.5),例如,p可以为0.01。想要对抗离群点时,p的取值范围为(2,100),例如,p可以为10。
S304、密切接触者的确定装置将该至少一个簇中包括该目标人员的簇确定为目标簇,并将该目标簇中的其他外出人员确定为该目标人员的密切接触者。
本申请实施例提供一种密切接触者的确定方法,可以根据目标人员的出行信息确定至少一个外出人员的位置信息,并对该至少一个外出人员的位置信息进行聚类,得到至少一个簇,从该至少一个簇中确定目标簇,最后将目标簇中的外出人员确定为该目标人员的密切接触者。通过该方案,可以将与目标人员相关的时间和空间内的人员统一进行排查,确保了排查工作的完整性和全面性,提高了排查效果。
上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例提供的密切接触者的确定方法,执行主体可以为密切接触者的确定装置,或者该密切接触者的确定装置中的用于执行密切接触者的确定业务的控制模块。本申请实施例中以密切接触者的确定装置执行密切接触者的确定方法为例,说明本申请实施例提供的执行密切接触者的确定业务装置。
需要说明的是,本申请实施例可以根据上述方法示例对密切接触者的确定装置进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。可选的,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
如图4所示,本申请实施例提供的一种密切接触者的确定装置。该密切接触者的确定装置400可以包括获取单元401和处理单元402。获取单元401,可以用于获取目标人员的出行信息,该出行信息包括出行时间和出行范围。例如,结合图3,获取单元401可以用于执行S301。处理单元402,可以用于根据该出行信息确定在该出行时间和该出行范围内的至少一个外出人员的位置信息;根据该至少一个外出人员的位置信息进行聚类,得到至少一个簇;将该至少一个簇中包括该目标人员的簇确定为目标簇,并将该目标簇中的其他外出人员确定为该目标人员的密切接触者。例如,结合图3,处理单元402可以用于执行S302-S304。
可选的,上述处理单元402,具体可以用于:根据所述出行信息确定在所述出行时间和所述出行范围内的至少一个外出人员的网络接口数据,所述网络接口数据包括移动用户标识、时间和基站小区标识;根据所述基站小区标识确定基站的工参信息,并从所述工参信息中确定所述基站的位置信息;将所述基站的位置信息确定为与移动用户标识对应的外出人员的位置信息。
可选的,上述处理单元402,还可以用于根据所述基站小区标识确定基站的工参信息之前,按照预设时间间隔从所述网络接口数据中确定目标网络接口数据;根据所述目标网络接口数据中的基站小区标识确定基站的工参信息,并从所述工参信息中确定所述基站的位置信息。
可选的,上述处理单元402,具体可以用于:通过K-均值算法对所述至少一个外出人员的位置信息进行聚类,得到至少一个簇,所述K-均值算法的损失函数为:
Figure BDA0002765573880000091
其中,xi为第i个时间点目标人员所在的位置,yi为第i个时间点外出人员所在的位置,p为可变值,在离群点大于第一阈值的情况下,p的取值范围为(0.01,0.5),在噪声点大于第二阈值的情况下p的取值范围为(2,100)。
当然,本申请实施例提供的密切接触者的确定装置400包括但不限于上述模块。
在实际实现时,处理单元402可以由图1所示的处理器11调用存储器12中的程序代码来实现。其具体的执行过程可参考图3所示的密切接触者的确定方法部分的描述,这里不再赘述。
本申请实施例提供一种密切接触者的确定装置,可以根据目标人员的出行信息确定至少一个外出人员的位置信息,并对该至少一个外出人员的位置信息进行聚类,得到至少一个簇,从该至少一个簇中确定目标簇,最后将目标簇中的外出人员确定为该目标人员的密切接触者。通过该方案,可以将与目标人员相关的时间和空间内的人员统一进行排查,确保了排查工作的完整性和全面性,提高了排查效果。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质包括计算机执行指令。当计算机执行指令在计算机上运行时,使得计算机执行如上述实施例提供的密切接触者的确定方法中,密切接触者的确定装置执行的各个步骤。
本申请实施例还提供一种计算机程序产品,该计算机程序产品可直接加载到存储器中,并含有软件代码,该计算机程序产品经由计算机载入并执行后能够实现上述实施例提供的密切接触者的确定方法中,密切接触者的确定装置执行的各个步骤。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时,可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机执行指令时,全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digitalsubscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如,软盘、硬盘、磁带),光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,上述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个可读取的存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种密切接触者的确定方法,其特征在于,包括:
获取目标人员的出行信息,所述出行信息包括出行时间和出行范围;
根据所述出行信息确定在所述出行时间和所述出行范围内的至少一个外出人员的位置信息;
通过K-均值算法对所述至少一个外出人员的位置信息进行聚类,得到至少一个簇,所述K-均值算法的损失函数为:
Figure FDA0004201684160000011
其中,xi为第i个时间点目标人员所在的位置,yi为第i个时间点外出人员所在的位置,p为可变值,在离群点大于第一阈值的情况下,p的取值范围为(0.01,0.5),在噪声点大于第二阈值的情况下p的取值范围为(2,100);
将所述至少一个簇中包括所述目标人员的簇确定为目标簇,并将所述目标簇中的其他外出人员确定为所述目标人员的密切接触者。
2.根据权利要求1所述的密切接触者的确定方法,其特征在于,所述根据所述出行信息确定在所述出行时间和所述出行范围内的至少一个外出人员的位置信息包括:
根据所述出行信息确定在所述出行时间和所述出行范围内的至少一个外出人员的网络接口数据,所述网络接口数据包括移动用户标识、时间和基站小区标识;
根据所述基站小区标识确定基站的工参信息,并从所述工参信息中确定所述基站的位置信息;
将所述基站的位置信息确定为与移动用户标识对应的外出人员的位置信息。
3.根据权利要求2所述的密切接触者的确定方法,其特征在于,所述根据所述基站小区标识确定基站的工参信息之前,所述方法还包括:
按照预设时间间隔从所述网络接口数据中确定目标网络接口数据;
所述根据所述基站小区标识确定基站的工参信息,并从所述工参信息中确定所述基站的位置信息,包括:
根据所述目标网络接口数据中的基站小区标识确定基站的工参信息,并从所述工参信息中确定所述基站的位置信息。
4.一种密切接触者的确定装置,其特征在于,包括:获取单元和处理单元;
所述获取单元,用于获取目标人员的出行信息,所述出行信息包括出行时间和出行范围;
所述处理单元,用于根据所述出行信息确定在所述出行时间和所述出行范围内的至少一个外出人员的位置信息;
所述处理单元,还用于通过K-均值算法对所述至少一个外出人员的位置信息进行聚类,得到至少一个簇,所述K-均值算法的损失函数为:
Figure FDA0004201684160000021
其中,xi为第i个时间点目标人员所在的位置,yi为第i个时间点外出人员所在的位置,p为可变值,在离群点大于第一阈值的情况下,p的取值范围为(0.01,0.5),在噪声点大于第二阈值的情况下p的取值范围为(2,100);
所述处理单元,还用于将所述至少一个簇中包括所述目标人员的簇确定为目标簇,并将所述目标簇中的其他外出人员确定为所述目标人员的密切接触者。
5.根据权利要求4所述的密切接触者的确定装置,其特征在于,所述处理单元具体用于:
根据所述出行信息确定在所述出行时间和所述出行范围内的至少一个外出人员的网络接口数据,所述网络接口数据包括移动用户标识、时间和基站小区标识;根据所述基站小区标识确定基站的工参信息,并从所述工参信息中确定所述基站的位置信息;将所述基站的位置信息确定为与移动用户标识对应的外出人员的位置信息。
6.根据权利要求5所述的密切接触者的确定装置,其特征在于,所述根据所述基站小区标识确定基站的工参信息之前,所述处理单元还用于:
按照预设时间间隔从所述网络接口数据中确定目标网络接口数据;根据所述目标网络接口数据中的基站小区标识确定基站的工参信息,并从所述工参信息中确定所述基站的位置信息。
7.一种密切接触者的确定装置,其特征在于,包括存储器和处理器;所述存储器用于存储计算机执行指令,所述处理器与所述存储器通过总线连接;
当所述密切接触者的确定装置运行时,所述处理器执行所述存储器存储的所述计算机执行指令,以使所述密切接触者的确定装置执行如权利要求1-3任一项所述的密切接触者的确定方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括计算机执行指令,当所述计算机执行指令在计算机上运行时,使得所述计算机执行如权利要求1-3任一项所述的密切接触者的确定方法。
CN202011232169.1A 2020-11-06 2020-11-06 一种密切接触者的确定方法及装置 Active CN112331361B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011232169.1A CN112331361B (zh) 2020-11-06 2020-11-06 一种密切接触者的确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011232169.1A CN112331361B (zh) 2020-11-06 2020-11-06 一种密切接触者的确定方法及装置

Publications (2)

Publication Number Publication Date
CN112331361A CN112331361A (zh) 2021-02-05
CN112331361B true CN112331361B (zh) 2023-06-16

Family

ID=74316919

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011232169.1A Active CN112331361B (zh) 2020-11-06 2020-11-06 一种密切接触者的确定方法及装置

Country Status (1)

Country Link
CN (1) CN112331361B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114786133B (zh) * 2022-06-20 2022-09-13 中国联合网络通信集团有限公司 数据处理方法、装置、设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101999888A (zh) * 2010-12-01 2011-04-06 北京航空航天大学 一种对体温异常者进行检测与搜寻的疫情防控系统
US10025887B1 (en) * 2017-02-22 2018-07-17 Stellar Vdc Residential, Llc Building model with virtual capture of as built features and objective performance tracking
CN110321424A (zh) * 2019-06-14 2019-10-11 电子科技大学 一种基于深度学习的艾滋病人员行为分析方法
CN110826594A (zh) * 2019-09-29 2020-02-21 成都华为技术有限公司 一种轨迹聚类的方法、设备及存储介质
CN110866549A (zh) * 2019-10-31 2020-03-06 深圳前海微众银行股份有限公司 一种对评估对象的聚类方法及装置
CN111179136A (zh) * 2019-08-01 2020-05-19 北京百分点信息科技有限公司 一种动态管控方法、装置、电子设备
CN111667920A (zh) * 2020-06-04 2020-09-15 中网联金乐盟科技(北京)有限公司 一种基于定位数据的人群密切接触排查方法
CN111680830A (zh) * 2020-05-25 2020-09-18 广州衡昊数据科技有限公司 一种基于聚集风险预警的疫情防范方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101999888A (zh) * 2010-12-01 2011-04-06 北京航空航天大学 一种对体温异常者进行检测与搜寻的疫情防控系统
US10025887B1 (en) * 2017-02-22 2018-07-17 Stellar Vdc Residential, Llc Building model with virtual capture of as built features and objective performance tracking
CN110321424A (zh) * 2019-06-14 2019-10-11 电子科技大学 一种基于深度学习的艾滋病人员行为分析方法
CN111179136A (zh) * 2019-08-01 2020-05-19 北京百分点信息科技有限公司 一种动态管控方法、装置、电子设备
CN110826594A (zh) * 2019-09-29 2020-02-21 成都华为技术有限公司 一种轨迹聚类的方法、设备及存储介质
CN110866549A (zh) * 2019-10-31 2020-03-06 深圳前海微众银行股份有限公司 一种对评估对象的聚类方法及装置
CN111680830A (zh) * 2020-05-25 2020-09-18 广州衡昊数据科技有限公司 一种基于聚集风险预警的疫情防范方法和装置
CN111667920A (zh) * 2020-06-04 2020-09-15 中网联金乐盟科技(北京)有限公司 一种基于定位数据的人群密切接触排查方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Mobile Clustering Scheme for Pedestrian Contact Tracing: The COVID-19 Case Study;Mario E. Rivero-Angeles 等;《entropy》;第1-29页 *
试论大数据在流行病学调查各类人群管控中的应用;徐环业;林茂魁;;武汉公安干部学院学报(第02期);第9-12页 *

Also Published As

Publication number Publication date
CN112331361A (zh) 2021-02-05

Similar Documents

Publication Publication Date Title
US11700540B2 (en) Method and device for monitoring network data
CN107295609B (zh) 网络切片处理方法及装置、终端、基站
RU2628496C2 (ru) Способ и устройство частичного обновления
US20170171304A1 (en) Service updating method and system for server cluster
WO2017125025A1 (zh) 寻呼的方法、装置、系统及存储介质
CN113727399B (zh) 一种目标小区确定方法及装置
CN112331361B (zh) 一种密切接触者的确定方法及装置
CN112333835A (zh) 一种载波资源调度方法和装置
CN114816738A (zh) 算力节点的确定方法、装置、设备及计算机可读存储介质
CN114363029B (zh) 差异化网络接入认证方法、装置、设备及介质
CN112333834A (zh) 一种载波资源调度方法和装置
CN114363946B (zh) 室分小区网络质量监测方法、装置、设备及存储介质
CN117395694A (zh) 一种通信方法、装置及系统
CN116669150A (zh) 星地融合网络选择方法、装置及计算机可读存储介质
CN101729993B (zh) 准入方法、设备和系统
CN112153679B (zh) 一种转网方法及装置
EP2965566B1 (en) System and method for wireless network selection
CN113873495B (zh) eSIM卡的网络接入方法和装置
CN115296938A (zh) 云计算管理系统及云计算管理方法
CN112616166B (zh) 一种数据处理方法及装置
US9479579B2 (en) Grouping processing method and system
CN115278531A (zh) 语音业务的异常检测方法、装置、设备及存储介质
CN112929892A (zh) 功率资源的配置方法、装置及存储介质
CN112492670A (zh) 一种节能控制方法及装置
CN114095986B (zh) 一种通信方法、装置、设备及存储介质

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