CN112712902A - 传染病的传染概率预测方法及装置、存储介质、电子设备 - Google Patents

传染病的传染概率预测方法及装置、存储介质、电子设备 Download PDF

Info

Publication number
CN112712902A
CN112712902A CN202011591936.8A CN202011591936A CN112712902A CN 112712902 A CN112712902 A CN 112712902A CN 202011591936 A CN202011591936 A CN 202011591936A CN 112712902 A CN112712902 A CN 112712902A
Authority
CN
China
Prior art keywords
predicted
infectious disease
identifier
target
wireless communication
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
Application number
CN202011591936.8A
Other languages
English (en)
Other versions
CN112712902B (zh
Inventor
赖昆
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.)
Yidu Cloud Beijing Technology Co Ltd
Original Assignee
Yidu Cloud Beijing Technology 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 Yidu Cloud Beijing Technology Co Ltd filed Critical Yidu Cloud Beijing Technology Co Ltd
Priority to CN202011591936.8A priority Critical patent/CN112712902B/zh
Publication of CN112712902A publication Critical patent/CN112712902A/zh
Priority to PCT/CN2021/127548 priority patent/WO2022142685A1/zh
Application granted granted Critical
Publication of CN112712902B publication Critical patent/CN112712902B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
    • G01S11/06—Systems for determining distance or velocity not using reflection or reradiation using radio waves using intensity measurements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24575—Query processing with adaptation to user needs using context
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/005—Discovery of network devices, e.g. terminals
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明实施例是关于一种传染病的传染概率预测方法及装置、存储介质、电子设备，涉及大数据处理技术领域，该方法包括：获取传染病患者的目标设备标识，并根据目标设备标识以及预设的时间段，从预设的数据库中获取与目标设备标识具有关联关系的待预测设备标识；根据目标设备标识与待预测设备标识之间的关联次数，计算传染病患者以及与待预测设备标识对应的待预测对象之间的接触时长；根据目标设备标识对应的第一无线通信装置与待预测设备标识对应的第二无线通信装置之间的当前信号强度，计算传染病患者与待预测对象之间的接触距离；根据接触时长以及接触距离，计算传染病患者对待预测对象的传染概率。本发明实施例提高了传染概率的准确率。

Description

传染病的传染概率预测方法及装置、存储介质、电子设备
技术领域
本发明实施例涉及大数据处理技术领域，具体而言，涉及一种传染病的传染概率预测方法、传染病的传染概率预测装置、计算机可读存储介质以及电子设备。
背景技术
在流行病传播研究中，分析人与人之间的时空联系是一种十分重要的分析方法。因此，早发现病毒携带者并及时将其隔离，就能阻止他传播给其他人，进而有效地防止疫情大规模传播。
在疫情流行的大背景下，因疫情溯源和控制的需求，需要对确诊患者的密接人进行追踪。现有技术中，大多数均是通过确诊患者的回忆，并根据事件发生时间地点通过纸质记录、摄像头记录等手段进行追踪，由流调医生整理成为流调报告，进而根据该流调报告对可能接触了确诊患者的其他人群的传染概率进行分析。
但是，上述方案存在如下缺陷：一方面，追踪效率低下，不能及时的对可能解除了确诊患者的其他人群进行确认；另一方面，覆盖率不高，不能准确的查找到所有的可能接触了确诊患者的其他人群；再一方面，无法科学的对可能接触了确诊患者的其他人群的传染概率进行分析，进而使得传染概率的准确率较低。
基于此，需要提供一种新的传染病的传染概率预测方法及装置。
需要说明的是，在上述背景技术部分发明的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的在于提供一种传染病的传染概率预测方法、传染病的传染概率预测装置、计算机可读存储介质以及电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的传染概率的准确率较低的问题。
根据本公开的一个方面，提供一种传染病的传染概率预测方法，包括：
获取传染病患者的目标设备标识，并根据所述目标设备标识以及预设的时间段，从预设的数据库中获取与所述目标设备标识具有关联关系的待预测设备标识；
根据所述目标设备标识与所述待预测设备标识之间的关联次数，计算所述传染病患者以及与所述待预测设备标识对应的待预测对象之间的接触时长；
根据所述目标设备标识对应的第一无线通信装置与所述待预测设备标识对应的第二无线通信装置之间的当前信号强度，计算所述传染病患者与所述待预测对象之间的接触距离；
根据所述接触时长以及接触距离，计算所述传染病患者对所述待预测对象的传染概率。
在本公开的一种示例性实施例中，根据所述目标设备标识以及预设的时间段，从预设的数据库中获取与所述目标设备标识具有关联关系的待预测设备标识，包括：
根据所述目标设备标识以及预设的时间段生成检索条件，并从所述预设的数据库中确定与所述检索条件对应的时间区间；
根据所述时间区间构建与所述检索条件对应的目标索引树；
对所述目标索引树进行逐层查找，以从所述目标索引树的叶子节点获取满足所述检索条件的索引，以及与所述索引关联的待预测设备标识。
在本公开的一种示例性实施例中，根据所述目标设备标识与所述待预测设备标识的关联次数，计算所述传染病患者以及与所述待预测设备标识对应的待预测对象之间的接触时长，包括：
根据所述待预测设备标识以及所述目标设备标识在所述叶子节点中同时出现的次数，计算所述关联次数；
根据所述关联次数以及所述叶子节点中包括的多个数据之间的时间间隔，计算所述传染病患者以及与所述待预测设备标识对应的待预测对象之间的接触时长。
在本公开的一种示例性实施例中，所述数据是所述传染病患者的终端设备通过如下方式得到的：
获取所述第一无线通信装置扫描到的一个或者多个广播设备的名称信息；
在判断所述名称信息符合预设命名规则时，将符合预设命名规则广播设备作为所述第二无线通信装置；
从与所述第二无线通信装置对应的名称信息中提取所述待预测设备标识；
根据所述目标设备标识、所述待预测设备标识、所述第一无线通信装置与所述第二无线通信装置之间的信号强度以及所述第一终端设备的当前位置，生成所述数据。
在本公开的一种示例性实施例中，所述传染病的传染概率预测方法还包括：
根据各所述当前位置，计算所述传染病患者的传染路径。
在本公开的一种示例性实施例中，根据所述目标设备标识对应的第一无线通信装置与所述待预测设备标识对应的第二无线通信装置之间的当前信号强度，计算所述传染病患者与所述待预测对象之间的接触距离，包括：
根据所述目标设备标识对应的第一无线通信装置与所述待预测设备标识对应的第二无线通信装置之间的当前信号强度、所述第一无线通信装置与第二无线通信装置在间隔预设距离时的标准信号强度以及预设的环境衰减因子，计算所述传染病患者与所述待预测对象之间的接触距离。
在本公开的一种示例性实施例中，所述目标设备标识是所述传染病患者的终端设备通过如下方式得到的：
对所述传染病患者的属性信息进行哈希运算得到哈希值；
利用预设的剪裁规则对所述哈希值进行剪裁，得到具有预设长度的哈希值，并将所述具有预设长度的哈希值作为所述目标设备标识。
根据本公开的一个方面，提供一种传染病的传染概率预测装置，包括：
获取模块，用于获取传染病患者的目标设备标识，并根据所述目标设备标识以及预设的时间段，从预设的数据库中获取与所述目标设备标识具有关联关系的待预测设备标识；
第一计算模块，用于根据所述目标设备标识与所述待预测设备标识之间的关联次数，计算所述传染病患者以及与所述待预测设备标识对应的待预测对象之间的接触时长；
第二计算模块，用于根据所述目标设备标识对应的第一无线通信装置与所述待预测设备标识对应的第二无线通信装置之间的当前信号强度，计算所述传染病患者与所述待预测对象之间的接触距离；
传染概率预测模块，用于根据所述接触时长以及接触距离，计算所述传染病患者对所述待预测对象的传染概率。
根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的传染病的传染概率预测方法。
根据本公开的一个方面，提供一种电子设备，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的传染病的传染概率预测方法。
本发明实施例提供的一种传染病的传染概率预测方法，一方面，通过获取传染病患者的目标设备标识，并根据目标设备标识以及预设的时间段，从预设的数据库中获取与目标设备标识具有关联关系的待预测设备标识；进而可以根据该待预测设备标识得到可能解除了确诊患者的其他人群，解决了现有技术中由于不能及时的对可能解除了确诊患者的其他人群进行确认，进而造成的追踪效率低下的问题；另一方面，解决了现有技术中由于不能准确的查找到所有的可能接触了确诊患者的其他人群，进而导致的覆盖率不高的问题；再一方面，通过根据目标设备标识与待预测设备标识之间的关联次数，计算传染病患者以及与待预测设备标识对应的待预测对象之间的接触时长；并根据目标设备标识对应的第一无线通信装置与待预测设备标识对应的第二无线通信装置之间的当前信号强度，计算传染病患者与待预测对象之间的接触距离；最后根据接触时长以及接触距离，计算传染病患者对待预测对象的传染概率，解决了现有技术中由于无法科学的对可能接触了确诊患者的其他人群的传染概率进行分析，进而使得传染概率的准确率较低，提高了传染概率的准确率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1示意性示出根据本发明示例实施例的一种传染病的传染概率预测方法的流程图。
图2示意性示出根据本发明示例实施例的一种传染病的传染概率预测系统的框图。
图3示意性示出根据本发明示例实施例的一种根据所述目标设备标识以及预设的时间段，从预设的数据库中获取与所述目标设备标识具有关联关系的待预测设备标识的方法流程图。
图4示意性示出根据本发明示例实施例的一种根据所述目标设备标识与所述待预测设备标识的关联次数，计算所述传染病患者以及与所述待预测设备标识对应的待预测对象之间的接触时长的方法流程图。
图5示意性示出根据本发明示例实施例的另一种传染病的传染概率预测方法的流程图。
图6示意性示出根据本发明示例实施例的一种传染病的传染概率预测装置的框图。
图7示意性示出根据本发明示例实施例的一种用于实现上述传染病的传染概率预测方法的电子设备。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本发明的各方面变得模糊。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本示例实施方式中首先提供了一种传染病的传染概率预测方法，该方法可以运行于服务器、服务器集群或云服务器等；当然，本领域技术人员也可以根据需求在其他平台运行本发明的方法，本示例性实施例中对此不做特殊限定。参考图1所示，该传染病的传染概率预测方法可以包括以下步骤：
步骤S110.获取传染病患者的目标设备标识，并根据所述目标设备标识以及预设的时间段，从预设的数据库中获取与所述目标设备标识具有关联关系的待预测设备标识；
步骤S120.根据所述目标设备标识与所述待预测设备标识之间的关联次数，计算所述传染病患者以及与所述待预测设备标识对应的待预测对象之间的接触时长；
步骤S130.根据所述目标设备标识对应的第一无线通信装置与所述待预测设备标识对应的第二无线通信装置之间的当前信号强度，计算所述传染病患者与所述待预测对象之间的接触距离；
步骤S140.根据所述接触时长以及接触距离，计算所述传染病患者对所述待预测对象的传染概率。
上述传染病的传染概率预测方法中，一方面，通过获取传染病患者的目标设备标识，并根据目标设备标识以及预设的时间段，从预设的数据库中获取与目标设备标识具有关联关系的待预测设备标识；进而可以根据该待预测设备标识得到可能解除了确诊患者的其他人群，解决了现有技术中由于不能及时的对可能解除了确诊患者的其他人群进行确认，进而造成的追踪效率低下的问题；另一方面，解决了现有技术中由于不能准确的查找到所有的可能接触了确诊患者的其他人群，进而导致的覆盖率不高的问题；再一方面，通过根据目标设备标识与待预测设备标识之间的关联次数，计算传染病患者以及与待预测设备标识对应的待预测对象之间的接触时长；并根据目标设备标识对应的第一无线通信装置与待预测设备标识对应的第二无线通信装置之间的当前信号强度，计算传染病患者与待预测对象之间的接触距离；最后根据接触时长以及接触距离，计算传染病患者对待预测对象的传染概率，解决了现有技术中由于无法科学的对可能接触了确诊患者的其他人群的传染概率进行分析，进而使得传染概率的准确率较低，提高了传染概率的准确率。
以下，将结合附图对本发明示例实施例传染病的传染概率预测方法中涉及的各步骤进行详细的解释以及说明。
首先，对本发明示例实施例中所涉及的专有名词进行解释以及说明。
BLE(Bluetooth Low Energy)：低功耗蓝牙。
Service UUID(Universally Unique Identifier)：通用唯一识别码，是蓝牙广播时使用的服务区分代码，长度为16个比特，一般表示为4个十六进制字符，如“FE35”。
密接：密切接触的简称。在不同的场景下密切接触可能有不同的定义，例如，和感染期内的确诊患者在生活、工作等活动中有过2米以内，15分钟及以上时间的接触史的人，为此患者的密切接触者，或称为密接人。
API(Application Programming Interface)：应用程序接口。
RSSI(Received Signal Strength Indication)：接收的信号强度指示。蓝牙开发中一般使用此值来大致估算设备之间的距离。
ElasticSearch：一个基于Lucene库的搜索引擎。它提供了一个分布式、支持多租户的全文搜索引擎，具有HTTP Web接口和无模式JSON文档。
其次，对本发明示例实施例的发明目的进行解释以及说明。
本发明示例实施例的实现依赖于手机自带的低功耗蓝牙模组，目前市面上销售的绝大部分智能手机都已经内置低功耗蓝牙模组，可完善支持本方案的实施落地。具体的，本发明示例实施例采用手机自带的低功耗蓝牙模组对人群进行自动密接追踪，具有无感知自动追踪、覆盖率高、几乎无人力成本投入的特点，在发现确诊患者后，卫生监管机构可迅速定位相关的密接人。
进一步的，对本发明示例实施例所涉及的传染病的传染概率预测系统进行解释以及说明。
具体的，参考图2所示，该传染病的传染概率预测系统可以包括终端设备210以及服务器220，终端设备210与服务器220网络连接。其中，服务器包括蓝牙密接库(预设的数据库)221、业务信息库222以及分析系统223。
具体的，终端设备210中设置有应用程序(App)，其负责采集上报蓝牙密接数据，数据库负责接收和存储终端设备上传的蓝牙密接数据，分析系统负责进行数据查询和分析，并输出传染概率。以下逐一进行说明：
首先，对于终端设备来说，终端设备中设置的App是进行蓝牙密接数据采集和上报的核心部分。目前市场上主流的智能手机iOS和Android系统都提供了完善的低功耗蓝牙(以下简称BLE)API。其中：
BLE API可以包括广播端和扫描端。在密接追踪场景中，手机同时作为广播端及扫描端。用户230需要在终端设备上安装App对蓝牙密接追踪功能进行管理，包括蓝牙密接追踪功能的启动和停止、蓝牙功能的授权、发生密接事件的提醒等。
进一步的，为了实现蓝牙密接追踪，需要为每个手机(亦可理解为每个手机上安装的App账户)设定一个唯一的Bluetooth ID(以下简称为BID)。因个人手机蓝牙MAC地址属于设备的隐私数据，主流的手机操作系统，如iOS和Android，一般都不会提供API直接获取到手机的蓝牙MAC地址(能获取到的，也是动态变化的虚拟地址)，手机蓝牙MAC地址不适合作为唯一的BID使用。基于此，BID可以采用用户的信息，通过算法生成。例如，联合使用用户的身份证号、姓名、生日及随机数，进行SHA-256计算和裁剪产生，当然，也可以采用其他的可以支持哈希值计算的算法对用户的身份证号、姓名、生日及随机数进行计算，进而对计算得到的哈希值进行剪裁生成BID，本示例对此不做特殊限制。
每个手机都分配了唯一的BID以后，在广播端将此BID进行BLE广播。广播时，附带指定一个特定的Service UUID，用于标志广播中含有BID。除在广播数据中搭载BID之外，也可以在广播名称中以特定的命名规则改写蓝牙的广播名称，将BID编写进去(例如，将广播蓝牙名称改写为BID＝1234567890123456)。
在广播的同时，手机端启动BLE扫描，扫描时带入特定的Service UUID进行过滤(过滤掉不含BID信息的广播)。BLE扫描一般很快，在1-2秒内一般能扫描到周围进行广播的上百台设备，并获取到设备广播使用的蓝牙名称。如果广播的蓝牙名称符合特定的命名规则(如“BID＝”+十六位字符)，直接将十六位字符作为目标BID进行密接记录。如果蓝牙名称不符合命名规则，则对设备进行蓝牙连接，连接成功后即可从广播数据中读取出目标BID。在读取BID值时，也可以同时获取到蓝牙信号的强度RSSI值，此RSSI值可通过经验公式转换为设备间的估算距离，从而推定两人的距离。
进一步的，当收集到一定密接数据(BID、RSSI等)后，终端设备可以将数据上传至数据库中进行存储。需要补充说明的是，由于目前市面上的智能手机普遍都有省电设计，在移动端App进入到后台后，程序运行会被挂起，导致扫描不能正常进行。在开发App时，应对后台模式做额外的处理，确保App退至后台后，扫描过程及上传过程还能正常运行。
其次，对于数据库来说，其主要负责蓝牙密接数据的接收和存储。服务器端和终端设备中的App的通信协议没有限制，可以基于各种协议，但传输过程必须对数据进行加密传输(具体的加密算法可以采用非对称加密，也可以采用其他加密算法，本示例对此不做特殊限制)，防止隐私数据泄露。并且，蓝牙数据需要单独保存在一个预设的数据库(即蓝牙密接库)中，用于和普通的业务数据区分不同的授权，普通的业务数据存储在业务信息库中。并且，由于蓝牙密接依赖的BID是通过算法计算得出，无法直接从BID本身上获得其业务含义，因此仅凭BID，是不能获知具体某人的密接信息的，这也是保证了用户的隐私数据不会泄露。
同时需要补充说明的是，蓝牙密接App一般会在一个地区乃至一个国家进行推广，且为了保证准确率，一般会由政府卫生部门进行强制推广使用，安装率和使用率都会很高。正常情况下，每天会产生海量的蓝牙密接信息，服务端的并发请求处理能力和数据存储能力需要进行仔细设计。因此，数据库需要部署在云平台上，支持动态扩容，上线前做好模拟压力测试。数据存储需要分为线上使用的查询数据和原始数据，查询数据供分析系统进行查询分析使用，原始数据则永久在大数据平台上留存备用。
最后，对于分析系统来说，其可以实现本发明示例实施例所记载的传染病的传染概率预测方法。同时，分析系统为即时交互式，要求数据分析结果响应很快，其可以基于ElasticSearch这种搜索框架来搭建。
以下，结合图2对步骤S110-步骤S140进行解释以及说明。
在步骤S110中，获取传染病患者的目标设备标识，并根据所述目标设备标识以及预设的时间段，从预设的数据库中获取与所述目标设备标识具有关联关系的待预测设备标识。
首先，对目标设备标识进行解释以及说明。基于前文记载的内容可以得知，该目标设备标识是终端设备通过如下方式得到的：首先，对所述传染病患者的属性信息进行哈希运算得到哈希值；利用预设的剪裁规则对所述哈希值进行剪裁，得到具有预设长度的哈希值，并将所述具有预设长度的哈希值作为所述目标设备标识。具体来说，首先，可以对传染病患者(用户)的属性信息(身份证号、姓名、生日等等，当然也可以包括手机号等其他信息)进行哈希运算，得到哈希值，具体的哈希值可以通过SHA-256算法得到，也可以通过其他算法得到，本示例对此不做特殊限制；需要补充说明的是，在哈希值的计算过程中，还可以在属性信息的基础上添加一个随机数。然后，对该哈希值进行剪裁，得到具有预设长度的哈希值；具体的剪裁规则为：从哈希值的中间部分进行剪裁，去掉哈希值的头部以及尾部，进而得到具有预设长度的哈希值。通过该方法，可以进一步的提高目标设备标识的安全性，进而提高传染病患者的数据的安全性。
此处需要进一步补充说明的是，所有的用户的设备标识均可以通过上述方法计算得到。此处只是为了便于说明，因此限定了是目标设备标识，并无其他的限制作用。
进一步的，在本示例实施例中，当某一个用户被确诊为传染病患者以后，可以获取该传染病患者的目标设备标识，并根据所述目标设备标识以及预设的时间段，从预设的数据库中获取与所述设备标识具有关联关系的待预测设备标识。具体的，参考图3所示，根据目标设备标识以及预设的时间段，从预设的数据库中获取与设备标识具有关联关系的待预测设备标识可以包括步骤S310-步骤S330。其中：
在步骤S310中，根据所述目标设备标识以及预设的时间段生成检索条件，并从所述预设的数据库中确定与所述检索条件对应的时间区间；
在步骤S320中，根据所述时间区间构建与所述检索条件对应的目标索引树；
在步骤S330中，对所述目标索引树进行逐层查找，以从所述目标索引树的叶子节点获取满足所述检索条件的索引，以及与所述索引关联的待预测设备标识。
以下，将对步骤S310-步骤S330进行解释以及说明。具体的，由于终端设备的App上传的数据巨大，造成传统数据库难以实现快速查询。因此，可以通过分布式数据库(如HBase)，将海量数据用key-value的形式存储在具有多备份且安全的分布式集群上，即上述预设的数据库。
具体的，首先，根据目标设备标识以及预设的时间段生成检索条件，其中，该预设的时间段可以根据传染病患者的确诊时间进行确定；例如，可以是距离确诊时间前两周，也可以是其他时间，本示例对此不做特殊限定。其次，当得到该检索条件以后，可以从上述预设的数据库中确定与该检索条件对应的时间区间；进一步的，当得到该时间区间以后，可以基于该时间区间，以每一天作为一个叶子节点构建与检索条件对应的目标索引树；最后，对目标索引树进行逐层查找(逐天查找)，进而从目标索引树的叶子节点获取满足检索条件的索引(目标设备标识)，以及与该索引关联的待预测设备标识。通过该方法，可以提高查找效率，进而提高传染概率的预测效率。
在步骤S120中，根据所述目标设备标识与所述待预测设备标识之间的关联次数，计算所述传染病患者以及与所述待预测设备标识对应的待预测对象之间的接触时长。
在本示例实施例中，参考图4所示，根据所述目标设备标识与所述待预测设备标识的关联次数，计算所述传染病患者以及与所述待预测设备标识对应的待预测对象之间的接触时长可以包括步骤S410-步骤S420。其中：
在步骤S410中，根据所述待预测设备标识以及所述目标设备标识在所述叶子节点中同时出现的次数，计算所述关联次数；
在步骤S420中，根据所述关联次数以及所述叶子节点中包括的多个数据之间的时间间隔，计算所述传染病患者以及与所述待预测设备标识对应的待预测对象之间的接触时长。
以下，将对步骤S410-步骤S420进行解释以及说明。举例来说，假设待预测设备标识与目标设备标识在在同一叶子节点中同时出现了十次，则关联次数为10；并且，假设时间间隔为1min，则传染病患者与待预测对象之间的接触时长为10min。当然，此处的时间间隔也可以根据实际需要自行选取，例如30s或者90s等等，本示例对此不做特殊限制。
此处需要补充说明的是，为了可以得到上述关联次数，首先需要获取到对应的数据，该数据具体可以通过如下方式得到：
首先，获取所述第一无线通信装置扫描到的一个或者多个广播设备的名称信息；其次，在判断所述名称信息符合预设命名规则时，将符合预设命名规则广播设备作为所述第二无线通信装置；然后，从与所述第二无线通信装置对应的名称信息中提取所述待预测设备标识；最后，根据所述目标设备标识、所述待预测设备标识、所述第一无线通信装置与所述第二无线通信装置之间的信号强度以及所述第一终端设备的当前位置，生成所述数据。
举例来说，终端设备启动BLE扫描，获取扫描到的一个或者多个广播设备(蓝牙设备)的名称信息Service UUID；然后，判断Service UUID是否符合预设命名规则，即是否包括BID信息，如果不包括，则过滤掉；如果包括，则将其作为第二无线通信装置；然后，从Service UUID中提取BID(十六位字符)作为待预测设备标识；最后，根据目标设备标识、待预测设备标识、信号强度以及当前位置，生成数据。此处需要补充说明的是，如果蓝牙名称不符合命名规则，则对设备进行蓝牙连接，连接成功后即可从广播数据中读取出待预测设备标识。
进一步的，为了可以进一步的提高追踪效率，该传染病的传染概率预测方法还包括：根据各所述当前位置，计算所述传染病患者的传染路径。也就是说，可以根据传染病患者的终端设备的App连续上传的数据中包括的当前位置，计算出传染病患者的传染路径，进而根据该传染路径对可能接触了传染病患者的人群进行追踪，避免由于不存在蓝牙数据进而导致的追踪失败的问题。
在步骤S130中，根据所述目标设备标识对应的第一无线通信装置与所述待预测设备标识对应的第二无线通信装置之间的当前信号强度，计算所述传染病患者与所述待预测对象之间的接触距离。
具体的，可以包括：根据所述目标设备标识对应的第一无线通信装置与所述待预测设备标识对应的第二无线通信装置之间的当前信号强度、所述第一无线通信装置与第二无线通信装置在间隔预设距离时的标准信号强度以及预设的环境衰减因子，计算所述传染病患者与所述待预测对象之间的接触距离。具体计算方法可以参考如下公式(1)所示：
d＝10^[(ABS(RSSI)-A)/(10*n)]； 公式(1)
其中，d为接触距离，RSSI为信号强度值，A为当第一无线通信装置(蓝牙)与第二无线装置(蓝牙)之间间隔1米时的RSSI的绝对值，n为环境衰减因子。
在步骤S140中，根据所述接触时长以及接触距离，计算所述传染病患者对所述待预测对象的传染概率。
在本示例实施例中，当得到上述接触时长以及接触距离后，可以计算传染概率。譬如，距离在2米以内，持续15分钟及以上为高风险密接，即传染概率较大。具体的传染概率与接触时长以及接触距离之间的计算规则，可以根据具体的传染病来计算，此处对此不做特殊限制。进一步的，当得到传染概率以后，相关人员可以根据给待预测对象的传染概率的大小，采取相应的措施，例如，对传染概率较大的待预测对象，可以采用医学隔离；对于传染概率较小的待预测对象，可以采用普通隔离，由此可以避免被过多传染以及浪费医学资源的问题。
以下，结合5对本发明示例实施例传染病的传染概率预测方法进行进一步的解释以及说明。参考图5所示，该传染病的传染概率预测方法可以包括以下步骤：
步骤S510，根据传染病患者所在的目标蓝牙识以及传染病的潜伏日期，从蓝牙密接库中获取与目标蓝牙标识具有关联关系的待预测蓝牙标识；
步骤S520，根据目标蓝牙标识与待预测蓝牙标识之间的关联次数，计算传染病患者以及与待预测蓝牙标识对应的待预测对象之间的接触时长；
步骤S530，根据目标蓝牙标识对应的第一蓝牙与待预测蓝牙标识对应的第二蓝牙之间的当前信号强度，计算传染病患者与待预测对象之间的接触距离；
步骤S540，根据接触时长以及接触距离，计算传染病患者对待预测对象的传染概率；
步骤S550，根据给待预测对象的传染概率的大小，采取相应的措施，例如，对传染概率较大的待预测对象，可以采用医学隔离；对于传染概率较小的待预测对象，可以采用普通隔离。
本发明示例实施例所提供的传染病的传染概率预测方法，可以高效率的定位待预测对象，节省大量人工排查的时间；同时需要补充说明的是，本发明示例实施例所记载的传染概率预测方法，不仅可以适用于传染病的传染概率预测，对于涉及到密切接触最终的场景均可适用。
本公开还提供了一种传染病的传染概率预测装置。参考图6所示，该传染病的传染概率预测装置可以包括获取模块610、第一计算模块620、第二计算模块630以及传染概率预测模块640。其中：
获取模块610可以用于获取传染病患者的目标设备标识，并根据所述目标设备标识以及预设的时间段，从预设的数据库中获取与所述设备标识具有关联关系的待预测设备标识；
第一计算模块620可以用于根据所述目标设备标识与所述待预测设备标识之间的关联次数，计算所述传染病患者以及与所述待预测设备标识对应的待预测对象之间的接触时长；
第二计算模块630可以用于根据所述目标设备标识对应的第一无线通信装置与所述待预测设备标识对应的第二无线通信装置之间的当前信号强度，计算所述传染病患者与所述待预测对象之间的接触距离；
传染概率预测模块640可以用于根据所述接触时长以及接触距离，计算所述传染病患者对所述待预测对象的传染概率。
在本公开的一种示例性实施例中，根据所述目标设备标识以及预设的时间段，从预设的数据库中获取与所述目标设备标识具有关联关系的待预测设备标识，包括：
根据所述目标设备标识以及预设的时间段生成检索条件，并从所述预设的数据库中确定与所述检索条件对应的时间区间；
根据所述时间区间构建与所述检索条件对应的目标索引树；
对所述目标索引树进行逐层查找，以从所述目标索引树的叶子节点获取满足所述检索条件的索引，以及与所述索引关联的待预测设备标识。
在本公开的一种示例性实施例中，根据所述目标设备标识与所述待预测设备标识的关联次数，计算所述传染病患者以及与所述待预测设备标识对应的待预测对象之间的接触时长，包括：
根据所述待预测设备标识以及所述目标设备标识在所述叶子节点中同时出现的次数，计算所述关联次数；
根据所述关联次数以及所述叶子节点中包括的多个数据之间的时间间隔，计算所述传染病患者以及与所述待预测设备标识对应的待预测对象之间的接触时长。
在本公开的一种示例性实施例中，所述数据是所述传染病患者的终端设备通过如下方式得到的：
获取所述第一无线通信装置扫描到的一个或者多个广播设备的名称信息；
在判断所述名称信息符合预设命名规则时，将符合预设命名规则广播设备作为所述第二无线通信装置；
从与所述第二无线通信装置对应的名称信息中提取所述待预测设备标识；
根据所述目标设备标识、所述待预测设备标识、所述第一无线通信装置与所述第二无线通信装置之间的信号强度以及所述第一终端设备的当前位置，生成所述数据。
在本公开的一种示例性实施例中，所述传染病的传染概率预测装置还包括：
传染路径计算模块，可以用于根据各所述当前位置，计算所述传染病患者的传染路径。
在本公开的一种示例性实施例中，根据所述目标设备标识对应的第一无线通信装置与所述待预测设备标识对应的第二无线通信装置之间的当前信号强度，计算所述传染病患者与所述待预测对象之间的接触距离，包括：
根据所述目标设备标识对应的第一无线通信装置与所述待预测设备标识对应的第二无线通信装置之间的当前信号强度、所述第一无线通信装置与第二无线通信装置在间隔预设距离时的标准信号强度以及预设的环境衰减因子，计算所述传染病患者与所述待预测对象之间的接触距离。
在本公开的一种示例性实施例中，所述目标设备标识是所述传染病患者的终端设备通过如下方式得到的：
对所述传染病患者的属性信息进行哈希运算得到哈希值；
利用预设的剪裁规则对所述哈希值进行剪裁，得到具有预设长度的哈希值，并将所述具有预设长度的哈希值作为所述目标设备标识。
上述传染病的传染概率预测装置中各模块的具体细节已经在对应的传染病的传染概率预测方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本发明中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
在本发明的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图7来描述根据本发明的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：上述至少一个处理单元710、上述至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730以及显示单元740。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元710执行，使得所述处理单元710执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元710可以执行如图1中所示的步骤S110：获取传染病患者的目标设备标识，并根据所述目标设备标识以及预设的时间段，从预设的数据库中获取与所述设备标识具有关联关系的待预测设备标识；步骤S120：根据所述目标设备标识与所述待预测设备标识之间的关联次数，计算所述传染病患者以及与所述待预测设备标识对应的待预测对象之间的接触时长；步骤S130：根据所述目标设备标识对应的第一无线通信装置与所述待预测设备标识对应的第二无线通信装置之间的当前信号强度，计算所述传染病患者与所述待预测对象之间的接触距离；步骤S140：根据所述接触时长以及接触距离，计算所述传染病患者对所述待预测对象的传染概率。
存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(ROM)7203。
存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204，这样的程序模块7205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备700也可以与一个或多个外部设备800(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器760通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本发明实施方式的方法。
在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
根据本发明的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其他实施例。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。

Claims (10)

1.一种传染病的传染概率预测方法，其特征在于，包括：
获取传染病患者的目标设备标识，并根据所述目标设备标识以及预设的时间段，从预设的数据库中获取与所述目标设备标识具有关联关系的待预测设备标识；
根据所述目标设备标识与所述待预测设备标识之间的关联次数，计算所述传染病患者以及与所述待预测设备标识对应的待预测对象之间的接触时长；
根据所述目标设备标识对应的第一无线通信装置与所述待预测设备标识对应的第二无线通信装置之间的当前信号强度，计算所述传染病患者与所述待预测对象之间的接触距离；
根据所述接触时长以及接触距离，计算所述传染病患者对所述待预测对象的传染概率。
2.根据权利要求1所述的传染病的传染概率预测方法，其特征在于，根据所述目标设备标识以及预设的时间段，从预设的数据库中获取与所述目标设备标识具有关联关系的待预测设备标识，包括：
根据所述目标设备标识以及预设的时间段生成检索条件，并从所述预设的数据库中确定与所述检索条件对应的时间区间；
根据所述时间区间构建与所述检索条件对应的目标索引树；
对所述目标索引树进行逐层查找，以从所述目标索引树的叶子节点获取满足所述检索条件的索引，以及与所述索引关联的待预测设备标识。
3.根据权利要求2所述的传染病的传染概率预测方法，其特征在于，根据所述目标设备标识与所述待预测设备标识的关联次数，计算所述传染病患者以及与所述待预测设备标识对应的待预测对象之间的接触时长，包括：
根据所述待预测设备标识以及所述目标设备标识在所述叶子节点中同时出现的次数，计算所述关联次数；
根据所述关联次数以及所述叶子节点中包括的多个数据之间的时间间隔，计算所述传染病患者以及与所述待预测设备标识对应的待预测对象之间的接触时长。
4.根据权利要求3所述的传染病的传染概率预测方法，其特征在于，所述数据是所述传染病患者的设备终端通过如下方式得到的：
获取所述第一无线通信装置扫描到的一个或者多个广播设备的名称信息；
在判断所述名称信息符合预设命名规则时，将符合预设命名规则广播设备作为所述第二无线通信装置；
从与所述第二无线通信装置对应的名称信息中提取所述待预测设备标识；
根据所述目标设备标识、所述待预测设备标识、所述第一无线通信装置与所述第二无线通信装置之间的信号强度以及所述第一终端设备的当前位置，生成所述数据。
5.根据权利要求4所述的传染病的传染概率预测方法，其特征在于，所述传染病的传染概率预测方法还包括：
根据各所述当前位置，计算所述传染病患者的传染路径。
6.根据权利要求1所述的传染病的传染概率预测方法，其特征在于，根据所述目标设备标识对应的第一无线通信装置与所述待预测设备标识对应的第二无线通信装置之间的当前信号强度，计算所述传染病患者与所述待预测对象之间的接触距离，包括：
根据所述目标设备标识对应的第一无线通信装置与所述待预测设备标识对应的第二无线通信装置之间的当前信号强度、所述第一无线通信装置与第二无线通信装置在间隔预设距离时的标准信号强度以及预设的环境衰减因子，计算所述传染病患者与所述待预测对象之间的接触距离。
7.根据权利要求1-6任一项所述的传染病的传染概率预测方法，其特征在于，所述目标设备标识是所述传染病患者的终端设备通过如下方式得到的：
对所述传染病患者的属性信息进行哈希运算得到哈希值；
利用预设的剪裁规则对所述哈希值进行剪裁，得到具有预设长度的哈希值，并将所述具有预设长度的哈希值作为所述目标设备标识。
8.一种传染病的传染概率预测装置，其特征在于，包括：
获取模块，用于获取传染病患者的目标设备标识，并根据所述目标设备标识以及预设的时间段，从预设的数据库中获取与所述目标设备标识具有关联关系的待预测设备标识；
第一计算模块，用于根据所述目标设备标识与所述待预测设备标识之间的关联次数，计算所述传染病患者以及与所述待预测设备标识对应的待预测对象之间的接触时长；
第二计算模块，用于根据所述目标设备标识对应的第一无线通信装置与所述待预测设备标识对应的第二无线通信装置之间的当前信号强度，计算所述传染病患者与所述待预测对象之间的接触距离；
传染概率预测模块，用于根据所述接触时长以及接触距离，计算所述传染病患者对所述待预测对象的传染概率。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的传染病的传染概率预测方法。
10.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的传染病的传染概率预测方法。
CN202011591936.8A 2020-12-29 2020-12-29 传染病的传染概率预测方法及装置、存储介质、电子设备 Active CN112712902B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011591936.8A CN112712902B (zh) 2020-12-29 2020-12-29 传染病的传染概率预测方法及装置、存储介质、电子设备
PCT/CN2021/127548 WO2022142685A1 (zh) 2020-12-29 2021-10-29 传染病的传染概率预测方法及装置、存储介质、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011591936.8A CN112712902B (zh) 2020-12-29 2020-12-29 传染病的传染概率预测方法及装置、存储介质、电子设备

Publications (2)

Publication Number Publication Date
CN112712902A true CN112712902A (zh) 2021-04-27
CN112712902B CN112712902B (zh) 2022-12-16

Family

ID=75546247

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011591936.8A Active CN112712902B (zh) 2020-12-29 2020-12-29 传染病的传染概率预测方法及装置、存储介质、电子设备

Country Status (2)

Country Link
CN (1) CN112712902B (zh)
WO (1) WO2022142685A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113611430A (zh) * 2021-07-28 2021-11-05 广东省科学院智能制造研究所 一种基于贝叶斯神经网络的疫情预测方法及装置
CN113947123A (zh) * 2021-11-19 2022-01-18 南京紫金体育产业股份有限公司 人员轨迹识别方法、系统、存储介质和设备
WO2022142685A1 (zh) * 2020-12-29 2022-07-07 医渡云（北京）技术有限公司 传染病的传染概率预测方法及装置、存储介质、电子设备
CN114743690A (zh) * 2022-05-05 2022-07-12 医渡云（北京）技术有限公司 传染病的预警方法、装置、介质及电子设备

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115497639B (zh) * 2022-11-17 2023-05-05 上海维智卓新信息科技有限公司 防疫时空区域确定方法及装置
CN116310841B (zh) * 2023-05-15 2023-07-28 深圳市气象服务有限公司 环境监测系统以及环境参数的处理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170024531A1 (en) * 2015-07-22 2017-01-26 Radicalogic Technologies, Inc. Dba Rl Solutions Systems and methods for near-real or real-time contact tracing
US20170352119A1 (en) * 2016-06-03 2017-12-07 Blyncsy, Inc. Tracking proximity relationships and uses thereof
CN111863270A (zh) * 2020-05-20 2020-10-30 京东城市(北京)数字科技有限公司 疾病传染概率确定方法、装置、系统及存储介质
CN112073904A (zh) * 2020-09-10 2020-12-11 维沃移动通信有限公司 事件监控方法、系统、装置、电子设备及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7993266B2 (en) * 2002-04-26 2011-08-09 Lawrence Livermore National Security, Llc Early detection of contagious diseases
US10803993B2 (en) * 2016-01-14 2020-10-13 Stuart Tin Fah Huang Proximity tracing methods and systems
US20180052970A1 (en) * 2016-08-16 2018-02-22 International Business Machines Corporation Tracking pathogen exposure
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
CN111653358A (zh) * 2020-05-29 2020-09-11 鹏城实验室 感染风险评估方法、第一终端及计算机存储介质
CN112712902B (zh) * 2020-12-29 2022-12-16 医渡云（北京）技术有限公司 传染病的传染概率预测方法及装置、存储介质、电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170024531A1 (en) * 2015-07-22 2017-01-26 Radicalogic Technologies, Inc. Dba Rl Solutions Systems and methods for near-real or real-time contact tracing
US20170352119A1 (en) * 2016-06-03 2017-12-07 Blyncsy, Inc. Tracking proximity relationships and uses thereof
CN111863270A (zh) * 2020-05-20 2020-10-30 京东城市(北京)数字科技有限公司 疾病传染概率确定方法、装置、系统及存储介质
CN112073904A (zh) * 2020-09-10 2020-12-11 维沃移动通信有限公司 事件监控方法、系统、装置、电子设备及存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022142685A1 (zh) * 2020-12-29 2022-07-07 医渡云（北京）技术有限公司 传染病的传染概率预测方法及装置、存储介质、电子设备
CN113611430A (zh) * 2021-07-28 2021-11-05 广东省科学院智能制造研究所 一种基于贝叶斯神经网络的疫情预测方法及装置
CN113611430B (zh) * 2021-07-28 2024-06-14 广东省科学院智能制造研究所 一种基于贝叶斯神经网络的疫情预测方法及装置
CN113947123A (zh) * 2021-11-19 2022-01-18 南京紫金体育产业股份有限公司 人员轨迹识别方法、系统、存储介质和设备
CN113947123B (zh) * 2021-11-19 2022-06-28 南京紫金体育产业股份有限公司 人员轨迹识别方法、系统、存储介质和设备
CN114743690A (zh) * 2022-05-05 2022-07-12 医渡云（北京）技术有限公司 传染病的预警方法、装置、介质及电子设备

Also Published As

Publication number Publication date
CN112712902B (zh) 2022-12-16
WO2022142685A1 (zh) 2022-07-07

Similar Documents

Publication Publication Date Title
CN112712902B (zh) 传染病的传染概率预测方法及装置、存储介质、电子设备
CN112527816B (zh) 数据血缘关系解析方法、系统、计算机设备及存储介质
CN107193974B (zh) 基于人工智能的地域性信息确定方法和装置
CN110708212B (zh) 分布式系统中调用链路的追踪方法及装置
WO2020199662A1 (zh) 用于推送信息的方法和装置
CN107085549B (zh) 故障信息生成的方法和装置
CN109558199B (zh) 一种信息推送方法、装置、设备和存储介质
US9983987B2 (en) Method, apparatus, and device for locating a software failure
CN113312610A (zh) 弱密码检测方法、装置、介质及电子设备
CN112860662A (zh) 数据血缘关系建立方法、装置、计算机设备及存储介质
EP3336778A1 (en) Policy introduced effect prediction apparatus, policy introduced effect prediction program, and policy introduced effect prediction method
CN106202440B (zh) 数据处理方法、装置及设备
CN110737820B (zh) 用于生成事件信息的方法和装置
CN111143496B (zh) 用于确定轨迹相似的目标对象的方法和装置
CN113138934A (zh) 自动测试的方法、介质、装置和计算设备
CN113111233A (zh) 基于正则表达式的接处警文本居住地地址提取方法和装置
CN115022201B (zh) 一种数据处理功能测试方法、装置、设备及存储介质
CN116185393A (zh) 接口文档的生成方法、装置、设备、介质及产品
CN113297583B (zh) 漏洞风险分析方法、装置、设备及存储介质
JP2019091012A (ja) 情報認識方法および装置
CN111091899B (zh) 权限分配方法及装置、电子设备和计算机可读存储介质
CN114363664A (zh) 生成视频合集标题的方法及装置
CN111339394B (zh) 用于获取信息的方法及装置
CN114003567A (zh) 数据采集的方法及相关装置
CN114090650A (zh) 一种样本数据识别方法、装置、电子设备及存储介质

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