CN113539514A - 一种多维度精细粒度疫情数据自动采集方法及系统 - Google Patents

一种多维度精细粒度疫情数据自动采集方法及系统 Download PDF

Info

Publication number
CN113539514A
CN113539514A CN202111012828.5A CN202111012828A CN113539514A CN 113539514 A CN113539514 A CN 113539514A CN 202111012828 A CN202111012828 A CN 202111012828A CN 113539514 A CN113539514 A CN 113539514A
Authority
CN
China
Prior art keywords
contact
epidemic
data
server
situation
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.)
Pending
Application number
CN202111012828.5A
Other languages
English (en)
Inventor
范兴容
谭凤英
张丽娜
邓佳梅
冉龙秀
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.)
Chongqing Xilaiyun Technology Co ltd
Chongqing Technology and Business University
Original Assignee
Chongqing Xilaiyun Technology Co ltd
Chongqing Technology and Business University
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 Chongqing Xilaiyun Technology Co ltd, Chongqing Technology and Business University filed Critical Chongqing Xilaiyun Technology Co ltd
Priority to CN202111012828.5A priority Critical patent/CN113539514A/zh
Publication of CN113539514A publication Critical patent/CN113539514A/zh
Pending legal-status Critical Current

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
    • 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
    • H04W4/06—Selective distribution of broadcast services, e.g. multimedia broadcast multicast service [MBMS]; Services to user groups; One-way selective calling 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

Landscapes

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

Abstract

本发明涉及医学数据采集分析技术领域，具体为一种多维度精细粒度疫情数据自动采集方法及系统，包括服务器和若干通信终端，所述服务器与通信终端以及通信终端之间均通过无线连接，本方案中的通信终端与用户相匹配，用户之间通过通信终端进行广播信息交互，根据信息计算出对方的相对位置并将接触数据上传至服务器，接触数据中包括了通信终端ID、定位信息、相对距离和接触时间，服务器根据接收的接触数据构建生成疫交接触网络，工作人员可以根据疫交接触网络分析出各个用户之间的接触信息，在发现感染者时能够及时根据感染者的接触网络分析出与感染者相接触的用户，便于对接触的用户采取对应的处理措施，有利于阻止疫情的扩散。

Description

一种多维度精细粒度疫情数据自动采集方法及系统
技术领域
本发明涉及医学数据采集分析技术领域，具体为一种多维度精细粒度疫情数据自动采集方法及系统。
背景技术
随着公共卫生系统的加强，现代社会对于传染病的防控能力也在逐步提高，但现有的疫情防控中，对于传染病感染者和接触者的排查主要依靠人工流调入户排查为主，该方式耗时长、效率低还容易出纰漏，并且当群众在一些人流密度大、空间相对封闭的场所进行活动时，人与人之间的接触程度以及间接接触程度的分析难度更是呈几何倍数上升。所以，确诊患者的完整接触记录也非常复杂，难以做到对密切接触者的精细排查，这极大地影响了人们控制疫情扩散的工作效率。
因此，现在亟需一种疫情数据采集系统，能够自动采集用户之间的接触信息，对用户之间的接触关系进行精细化分析，以此辅助抗疫人员进行实时高效动态的人员跟踪，分析人员的流动方向和地点，识别出可疑潜伏或携带者的行动轨迹，为不同时间、不同区域和不同接触程度的感染接触者提供更加精细化的疫情防控策略。
发明内容
本发明所解决的技术问题在于提供一种能够自动采集并分析用户之间接触信息的疫情数据采集系统。
本发明提供的基础方案：一种多维度精细粒度疫情数据自动采集方法，包括服务器和若干通信终端，所述服务器与通信终端以及通信终端之间均通过无线连接，包括步骤：
S100：通信终端之间互相发送广播信息，并根据接收到的广播信息计算相对距离；
S200：接收广播信息的通信终端通向服务器上传包括通信终端ID、定位信息、相对距离和接触时间在内的接触数据；
S300：服务器更新各个通信终端的上传接触数据并生成疫交接触网络。
本发明的原理及优点在于：本方案中的通信终端与用户相匹配，用户之间通过通信终端进行广播信息交互，根据信息计算出对方的相对位置并将接触数据上传至服务器，接触数据中包括了通信终端ID、定位信息、相对距离和接触时间，服务器根据接收的接触数据构建生成疫交接触网络，工作人员可以根据疫交接触网络分析出各个用户之间的接触信息，在发现感染者时能够及时根据感染者的接触网络分析出与感染者相接触的用户，并能根据接触信息详细得出用户之间的接触是否密切，便于对接触的用户采取对应的处理措施，有利于阻止疫情的扩散。
进一步，所述步骤S300包括以下步骤：
S301：根据接触数据建立接触关系模型和接触程度模型；
S302：根据接触关系模型和接触程度模型生成疫交接触网络。
有益效果：由接触数据分析出用户与感染者的接触关系和接触程度能够让工作人员更好地根据实际情况对接触者进行相应的隔离及观察措施，提高感染源的阻隔效率。
进一步，还包括步骤：
S401：服务器获取感染者数据；
S402：服务器根据感染人数和疫交接触网络中感染者的接触人数生成态势分析模型进行态势预测；
S403：服务器根据态势预测和设定的态势风险阈值进行疫情预警。
有益效果：分析出疫情的发展态势，并对疫情的发展进行提前预警，有利于提高抗疫工作的响应速度。
进一步，还包括步骤：
S501：服务器结合态势分析模型和历史疫情数据生成决策建议；
S502：服务器根据疫交接触网络生成决策建议的实施范围和强度。
有益效果：按照态势和以往历史疫情数据生成决策建议有利于提升决策精度，针对疫交接触网络生成决策的实施范围和强度则有利于将疫情发展遏制在最小范围。
一种多维度精细粒度疫情数据自动采集系统，包括服务器和数据采集系统，所述数据采集系统包括若干通信终端，所述通信终端之间以及服务器与通信终端之间均通过无线连接；
所述通信终端用于向其它通信终端发送广播信息，通信终端接收到广播信息根据信号强度计算出通信终端之间的相对距离并向服务器上传包括通信终端ID、定位信息、相对距离和接触时间在内的接触数据；
所述服务器用于根据接收到的接触数据建立接触关系模型和接触程度模型并根据接触关系模型和接触程度模型生成疫交接触网络。
有益效果：本方案中的通信终端与用户相匹配，用户之间通过通信终端进行广播信息交互，根据信息计算出对方的相对位置并将接触数据上传至服务器，接触数据中包括了通信终端ID、定位信息、相对距离和接触时间，服务器根据接收的接触数据构建生成疫交接触网络，工作人员可以根据疫交接触网络分析出各个用户之间的接触信息，在发现感染者时能够及时根据感染者的接触网络分析出与感染者相接触的用户，并能根据接触信息详细得出用户之间的接触是否密切，便于对接触的用户采取对应的处理措施，有利于阻止疫情的扩散，由接触数据分析出用户与感染者的接触关系和接触程度则能够让工作人员更好地根据实际情况对接触者进行相应的隔离及观察措施，提高感染源的阻隔效率。
进一步，所述数据采集系统包括ZigBee子系统，所述ZigBee子系统包括若干ZigBee路由节点和ZigBee协调器；
所述ZigBee路由节点之间通过广播发送自身节点信息，接收到节点信息的ZigBee路由节点将会根据节点信息的信号强弱计算出相对距离并生成接触数据，再将接触数据通过点播发送到ZigBee协调器，ZigBee协调器接收到接触数据后将数据上传至服务器。
有益效果：ZigBee网络的数据采集范围相较于定点式范围采集而言，其数据采集范围更大。
进一步，所述数据采集系统还包括RFID子系统，所述RFID子系统包括RFID标签和RFID阅读器；
所述RFID标签用于绑定用户信息；所述RFID阅读器用于采集范围内RFID标签的ID以及RFID标签之间的相对距离并生成接触数据上传至服务器。
有益效果：RFID网络相较于ZigBee网络而言，其抗干扰性要更强一些，数据采集的精准度更高。
进一步，所述服务器包括疫交网络模块、态势分析模块和预警模块；
所述疫交网络模块用于根据采集的接触数据建立接触关系模型和接触程度模型并生成疫交接触网络；
所述态势分析模块用于采集感染人信息并根据疫交接触网络分析疫情发展态势；
所述预警模块中设置有态势阈值，当疫情发展态势达到态势阈值时，所述预警模块将会发出疫情预警。
有益效果：分析出疫情的发展态势，并对疫情的发展进行提前预警，有利于提高抗疫工作的响应速度。
进一步，所述服务器还包括辅助决策模块，所述辅助决策模块包括决策生成模块和决策实施模块；
所述决策生成模块用于根据疫情态势和历史疫情数据生成决策建议；
所述决策实施模块用于根据疫交接触网络生成决策建议的实施范围和强度。
有益效果：按照态势和以往历史疫情数据生成决策建议有利于提升决策精度，针对疫交接触网络生成决策的实施范围和强度则有利于将疫情发展遏制在最小范围。
附图说明
图1为本发明一种多维度精细粒度疫情数据自动采集系统实施例一的逻辑框图。
具体实施方式
下面通过具体实施方式进一步详细说明：
具体实施过程如下：
实施例一基本如附图1所示，一种多维度精细粒度疫情数据自动采集系统，包括数据采集系统和服务器，所述数据采集系统包括若干通信终端，通过通信终端采集用户之间的接触数据并上传至服务器，服务器再根据接触数据生成疫交接触网络，从而方便医护人员根据疫交接触网络了解感染者的接触人群。
具体的，数据采集系统包括ZigBee子系统、RFID子系统和蓝牙疫情数据接口。所述RFID子系统包括若干RFID标签和RFID阅读器，RFID阅读器能够接受半径10米以内的RFID标签数据信号，通过配置多台RFID就能实现对目标区域的覆盖采集，用户通过贴附于手机壳等方式携带RFID标签进入测量区域后，RFID阅读器即能自动完成用户的信息数据采集和上传，用户的信息数据包括用户的身份ID、位置信息、RSSI信号强度，利用用户的位置信息和RSSI信号强度即能通过RFID定位算法找出接触用户名单和用户之间相对距离数据，RFID定位算法为：
由RSSI值可得到距离d，利用三个阅读器的d相交于一点，即标签位置，设第n个阅读器坐标为(xn,yn)，标签位置(x,y)，即：
Figure BDA0003239478130000051
公式(1)展开后，从第一项开始依次减去最后一项，整理后写成矩阵形式有：Ax＝b，其中：
Figure BDA0003239478130000052
Figure BDA0003239478130000053
根据最小二乘法得：X＝(ATA)-1ATb。
出于真实环境下的测量误差，还需进行多次加权操作，因为对于距离近的精度比较高，给予高的权值比重，距离远的误差比较大，给予低的权值，加权后总和考虑得到误差修正公式，即：
(x,y)＝sun(Wi*(x',y'))/sum(Wi) (4)
Wi＝1/sum(Ri) (5)
其中，Ri是阅读器到标签的距离，(x',y')是由Ax＝b计算出的结果，(x,y)即为最终结果。在具体计算的时候，先将收到标签的RSSI的阅读器进行分组，又因阅读器的数量在4-5个时有比较高的精度，只有3个或者大于5个由于累计误差的原因导致阅读器数量增多整体误差反而增大。由此得到
Figure BDA0003239478130000054
个阅读器的组合，分别计算上式，最后得到(x,y)。
所述ZigBee子系统更适宜10米外的数据采集，包括若干ZigBee路由节点和ZigBee协调器，为用户配置便携式的ZigBee路由节点，ZigBee路由节点通过广播将自身节点信息发送出去，所有的ZigBee路由节点都能接收到广播信息，ZigBee路由节点接收到广播信息后，通过广播信息的信号强度换算出相对距离，若距离超过了预设的安全距离，则通过点播将数据发送至ZigBee协调器，ZigBee协调器再将数据上传至服务器。
具体的，本实施例中RFID阅读器由STM32单片机、射频芯片和DTU通信模块三部分组成。STM32单片机采用STM32F030C8T6，该型微控制器是一款32位M0系列LQFP-48单片机，其具有的两个独立串口能较好的满足数据采集与发送需求，同时该型芯片功能齐全，价格低廉，能有效降低疫情防控系统的开发成本。射频芯片采用UHF-R200，该芯片具有低功耗、远距离的特征，适合对远距离无接触式数据采集的需求，同时该芯片采用多标签防冲突算法架构，能满足多人场景下的精确疫情数据采集，不遗漏任何疫情数据。
所述ZigBee子系统中采用网蜂CC2530核心板，其自带ZigBee协议的芯片，配备flash256k，sram 8K，32M主频，将其作为每一个数据节点的核心，运行TI公司推出的ZSTACK协议栈，通过周期广播将自身的数据包传送出去。同时被设置为协调器的ZigBee节点通过串口，将收到的信息如ID，相对距离等传送出去，做到大范围的疫情数据采集与传输。
本实施例中的蓝牙疫情数据接口用于接入移动设备蓝牙APP疫情监控数据，用于扩展本系统的数据采集范围，确保系统的可拓展性。
所述服务器包括疫交网络模块、态势分析模块、预警模块和辅助决策模块。具体的，所述疫交网络模块用于根据采集的接触数据建立接触关系模型和接触程度模型并生成疫交接触网络。所述接触关系模型中接触关系包括直接接触关系和间接接触关系；所述接触程度模型中的接触程度根据用户之间的接触距离和接触时间来进行标定。
所述态势分析模块用于采集的感染人信息并根据疫交网络分析疫情发展态势，具体的，所述态势分析模块还能在指定范围内，根据时间戳、实时接触人数、实时感染人数以散点图的方式绘制态势分析图，从而展示区域内人员的接触和感染发展态势。所述预警模块中设有态势阈值，所述阈值包括疫情发展速度阈值和疫情发展规模阈值，当疫情发展态势达到态势阈值时，所述预警模块将会发出疫情态势预警，对疫情的发展进行提前预警，从而提高抗疫工作的相应速度。
所述辅助决策模块包括决策生成模块和决策实施模块。所述决策生成模块用于根据疫情态势和历史疫情数据生成决策建议，具体的，决策生成模块还包括决策库，所述决策库中包括决策以及与决策对应的历史疫情数据，决策生成模块根据当前疫情态势在决策库中查找出数据最为接近的历史疫情数据，并根据该历史疫情数据的对应的决策生成决策建议，所述决策实施模块用于根据疫交接触网络生成决策建议的实施范围和强度，所述实施范围根据接触人员的活动范围分析生成，所述强度根据接触人数分析生成，强度共包括高中低三级。
实施例二
实施例二与实施例一的区别仅在于，实施例二还包括用户活动分析模块和频率控制模块；所述用户活动分析模块包括活动数据采集模块和活动性分析模块。所述活动数据采集模块用于采集用户的日常活动数据；所述活动性分析模块用于分析用户的活动范围以及活动区域并生成活动性评估；本实施例中活动性包括强、中、弱三级；所述频率控制模块用于根据用户的活动性控制通信终端的信息广播频率，本实施例中广播频率包括高、中、低三级，依次对应活动性的强、中、弱三级，用户的活动性越强，则广播频率越高，反之广播频率越低。通过对活动性强的用户提高其通信终端的接触数据采集频率，以此加强对此类感染概率较高的用户的数据监测，对防疫起到加强作用。
实施例三
实施例三与实施例二的区别仅在于，实施例三还包括记录范围控制模块，所述记录范围控制模块用于根据用户的活动性控制通信终端的数据采集范围。本实施例中采集范围包括大、中、小三个范围，分别为10m、30m、100m，具体的，所述大、中、小采集范围依次对应活动性的强、中、弱三级，用户的活动性越强，则数据采集范围越大，反之数据采集范围越小。通过对活动性强的用户提高其通信终端的数据采集范围，以此加强对此类感染概率较高的用户的数据监测，对防疫起到加强作用。
实施例四
实施例四与实施例三的区别仅在于，实施例四为一种多维度精细粒度疫情数据自动采集方法，包括服务器和若干通信终端，所述服务器与通信终端以及通信终端之间均通过无线连接，该方法包括步骤：
S100：通信终端之间互相发送广播信息，并根据接收到的广播信息计算相对距离；
S200：接收广播信息的通信终端通向服务器上传包括通信终端ID、定位信息、相对距离和接触时间在内的接触数据；
S300：服务器更新各个通信终端的上传接触数据并生成疫交接触网络。
具体的，本方法应用了上述实施例一、实施例二或实施例三中任一种多维度精细粒度疫情数据自动采集系统。
以上的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (9)

1.一种多维度精细粒度疫情数据自动采集方法，包括服务器和若干通信终端，所述服务器与通信终端以及通信终端之间均通过无线连接，其特征在于，包括步骤：
S100：通信终端之间互相发送广播信息，并根据接收到的广播信息计算相对距离；
S200：接收广播信息的通信终端通向服务器上传包括通信终端ID、定位信息、相对距离和接触时间在内的接触数据；
S300：服务器更新各个通信终端的上传接触数据并生成疫交接触网络。
2.根据权利要求1所述的一种多维度精细粒度疫情数据自动采集方法，其特征在于，所述步骤S300包括以下步骤：
S301：根据接触数据建立接触关系模型和接触程度模型；
S302：根据接触关系模型和接触程度模型生成疫交接触网络。
3.根据权利要求2所述的一种多维度精细粒度疫情数据自动采集方法，其特征在于，还包括步骤：
S401：服务器获取感染者数据；
S402：服务器根据感染人数和疫交接触网络中感染者的接触人数生成态势分析模型进行态势预测；
S403：服务器根据态势预测和设定的态势风险阈值进行疫情预警。
4.根据权利要求3所述的一种多维度精细粒度疫情数据自动采集方法，其特征在于，还包括步骤：
S501：服务器结合态势分析模型和历史疫情数据生成决策建议；
S502：服务器根据疫交接触网络生成决策建议的实施范围和强度。
5.一种多维度精细粒度疫情数据自动采集系统，其特征在于：包括服务器和数据采集系统，所述数据采集系统包括若干通信终端，所述通信终端之间以及服务器与通信终端之间均通过无线连接；
所述通信终端用于向其它通信终端发送广播信息，通信终端接收到广播信息根据信号强度计算出通信终端之间的相对距离并向服务器上传包括通信终端ID、定位信息、相对距离和接触时间在内的接触数据；
所述服务器用于根据接收到的接触数据建立接触关系模型和接触程度模型并根据接触关系模型和接触程度模型生成疫交接触网络。
6.根据权利要求5所述的一种多维度精细粒度疫情数据自动采集系统，其特征在于：所述数据采集系统包括ZigBee子系统，所述ZigBee子系统包括若干ZigBee路由节点和ZigBee协调器；
所述ZigBee路由节点之间通过广播发送自身节点信息，接收到节点信息的ZigBee路由节点将会根据节点信息的信号强弱计算出相对距离并生成接触数据，再将接触数据通过点播发送到ZigBee协调器，ZigBee协调器接收到接触数据后将数据上传至服务器。
7.根据权利要求6所述的一种多维度精细粒度疫情数据自动采集系统，其特征在于：所述数据采集系统还包括RFID子系统，所述RFID子系统包括RFID标签和RFID阅读器；
所述RFID标签用于绑定用户信息；所述RFID阅读器用于采集范围内RFID标签的ID以及RFID标签之间的相对距离并生成接触数据上传至服务器。
8.根据权利要求7所述的一种多维度精细粒度疫情数据自动采集系统，其特征在于：所述服务器包括疫交网络模块、态势分析模块和预警模块；
所述疫交网络模块用于根据采集的接触数据建立接触关系模型和接触程度模型并生成疫交接触网络；
所述态势分析模块用于采集感染人信息并根据疫交接触网络分析疫情发展态势；
所述预警模块中设置有态势阈值，当疫情发展态势达到态势阈值时，所述预警模块将会发出疫情预警。
9.根据权利要求8所述的一种多维度精细粒度疫情数据自动采集系统，其特征在于：所述服务器还包括辅助决策模块，所述辅助决策模块包括决策生成模块和决策实施模块；
所述决策生成模块用于根据疫情态势和历史疫情数据生成决策建议；
所述决策实施模块用于根据疫交接触网络生成决策建议的实施范围和强度。
CN202111012828.5A 2021-08-31 2021-08-31 一种多维度精细粒度疫情数据自动采集方法及系统 Pending CN113539514A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111012828.5A CN113539514A (zh) 2021-08-31 2021-08-31 一种多维度精细粒度疫情数据自动采集方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111012828.5A CN113539514A (zh) 2021-08-31 2021-08-31 一种多维度精细粒度疫情数据自动采集方法及系统

Publications (1)

Publication Number Publication Date
CN113539514A true CN113539514A (zh) 2021-10-22

Family

ID=78122938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111012828.5A Pending CN113539514A (zh) 2021-08-31 2021-08-31 一种多维度精细粒度疫情数据自动采集方法及系统

Country Status (1)

Country Link
CN (1) CN113539514A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114598995A (zh) * 2022-01-28 2022-06-07 深圳源中瑞科技有限公司 接触关系的跟踪方法、终端设备、服务器及存储介质
CN115294684A (zh) * 2022-08-04 2022-11-04 广东外语外贸大学南国商学院 无自主感应的基于位置圆接触模型的通行检查方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111354472A (zh) * 2020-02-20 2020-06-30 戴建荣 一种传染病传播监测预警系统和方法
CN111370135A (zh) * 2020-03-04 2020-07-03 苏州远征魂车船技术有限公司 一种传染疫情精准管控系统
CN111462917A (zh) * 2020-03-02 2020-07-28 珠海中科先进技术研究院有限公司 基于空间地理分析和机器学习的疫情预警方法及系统
CN112669979A (zh) * 2020-12-14 2021-04-16 中国科学院计算技术研究所 一种聚集人群追踪方法及系统
KR102282830B1 (ko) * 2020-11-18 2021-07-29 주식회사 사이람 전염병의 전염 네트워크 분석 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111354472A (zh) * 2020-02-20 2020-06-30 戴建荣 一种传染病传播监测预警系统和方法
CN111462917A (zh) * 2020-03-02 2020-07-28 珠海中科先进技术研究院有限公司 基于空间地理分析和机器学习的疫情预警方法及系统
CN111370135A (zh) * 2020-03-04 2020-07-03 苏州远征魂车船技术有限公司 一种传染疫情精准管控系统
KR102282830B1 (ko) * 2020-11-18 2021-07-29 주식회사 사이람 전염병의 전염 네트워크 분석 방법 및 장치
CN112669979A (zh) * 2020-12-14 2021-04-16 中国科学院计算技术研究所 一种聚集人群追踪方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114598995A (zh) * 2022-01-28 2022-06-07 深圳源中瑞科技有限公司 接触关系的跟踪方法、终端设备、服务器及存储介质
CN115294684A (zh) * 2022-08-04 2022-11-04 广东外语外贸大学南国商学院 无自主感应的基于位置圆接触模型的通行检查方法

Similar Documents

Publication Publication Date Title
CN101267374B (zh) 基于神经网络和无线局域网基础架构的2.5d定位方法
CN101922310B (zh) 一种煤矿井下作业人员的安全监控与管理系统
CN105142215A (zh) 用于多维度用户位置定位计算的方法
CN113539514A (zh) 一种多维度精细粒度疫情数据自动采集方法及系统
CN107194434B (zh) 一种基于时空数据的移动对象相似度计算方法及系统
CN102638889A (zh) 基于贝叶斯压缩感知的室内无线终端定位方法
CN106297252B (zh) 一种工业园区大气污染监测系统
CN105243844A (zh) 一种基于手机信令的道路状态识别方法
CN102724751A (zh) 一种基于非现场勘测的无线室内定位方法
CN112998697B (zh) 一种基于骨架数据的跌倒伤害程度预测方法、系统及终端
Kanjo et al. CrowdTracing: overcrowding clustering and detection system for social distancing
CN101815317A (zh) 一种传感器节点和传感器网络的测量方法及系统
CN111988844A (zh) 一种基于区块链和移动群智感知的室内房间级定位方法
CN106292611B (zh) 一种基于云计算的智慧农业控制系统
CN110781961A (zh) 一种基于决策树分类算法的精确行为识别方法
Chen et al. Exploiting environmental properties for wireless localization and location aware applications
CN116029606A (zh) 一种基于通勤活动空间与供需匹配的职住关系分析方法
CN205720206U (zh) 一种污水水质四参数智能终端监测系统
CN106412073B (zh) 一种建筑消防设施检测网络系统
KR20060027590A (ko) 실시간 운동 관리 시스템과 방법
CN112261718B (zh) 一种室内定位方法
Liang et al. Indoor region localization with asynchronous sensing data: A Bayesian probabilistic model
Yan et al. [Retracted] Medical Big Data and Postoperative Nursing of Fracture Patients Based on Cloud Computing
CN106373363A (zh) 电能表无线抄表系统
CN111089654A (zh) 一种基于可穿戴体温传感器的疫情宏观监控方法和系统

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