CN114357096B - 一种基于双差集的疫情风险识别方法 - Google Patents

Abstract

本发明公开了一种基于双差集的疫情风险识别方法，包括：每日解析疫情风险区域，获取并存储每一风险区域的经度、纬度和边界范围；将当日所有风险区域和昨日所有风险区域的差集为当日新风险区域并保存；将当日新风险区域与历史日期当天的当日所有风险区域的差集作为第二差集；获取项目工人健康申报记录数据，对于当日上传的项目工人健康申报记录根据当日所有风险区域进行识别，对于历史上传的项目工人健康申报记录根据第二差集进行重识别。本发明根据风险区域名称获取经纬度与风险区域范围，在本地服务完成识别逻辑，基于象限法的西向交点判断，特别地使用了优化的射线法进行范围识别，使风险识别处理逻辑更简单，历史申报记录的重识别过程更快。

Description

一种基于双差集的疫情风险识别方法

技术领域

本发明涉及数据处理技术领域，特别是一种基于双差集的疫情风险识别方法。

背景技术

疫病发生之后，疫病的发展情况对于疫情研究非常重要。疫情期间，需根据发布的中高风险区域，对建筑项目中项目工人的申报记录进行风险识别，由于项目工人数量较多（项目工人数量可达千万级），每日风险区域存在变更，因此需对历史申报记录进行重标识。现有的标识算法存在以下问题：（1）每日疫情风险区域不准确；（2）风险识别处理逻辑复杂，往往需要大量的外部调用（如百度地图api）；（3）历史申报记录的重识别过程缓慢。

发明内容

本发明要解决的技术问题是：为了解决上述问题，本发明提供了一种基于双差集的疫情风险识别方法。

为实现上述目的，本发明采用的技术方案如下：一种基于双差集的疫情风险识别方法，包括：

步骤S1，每日解析疫情风险区域，获取并存储每一风险区域的经度、纬度和边界范围；

步骤S2，将当日所有风险区域和昨日所有风险区域的差集为当日新风险区域，并保存当日所有风险区域以及当日新风险区域

步骤S3，将当日新风险区域与历史日期当天的当日所有风险区域的差集作为第二差集；

步骤S4，获取项目工人健康申报记录数据的经度和纬度，对于当日上传的项目工人健康申报记录根据当日所有风险区域的经度、纬度和边界范围数据进行识别，对于历史上传的项目工人健康申报记录根据第二差集的经度、纬度和边界范围数据进行重识别。

进一步的，所述步骤S1中，通过外部API获取风险区域的经度、纬度和边界范围的地理信息并存储于数据库与分布式缓存。

进一步的，分布式缓存包括第一缓存和第二缓存，其中第一缓存用于存储日期对应的疫情风险区域编号，第二缓存用于区域编号对应的数据信息。

进一步的，所述数据信息包括地理信息。

进一步的，所述步骤S4中，项目工人健康申报记录数据的经度和纬度为判定点，以判定点为中心、纬度和经度为轴建立二维坐标；获取风险区域边界作为坐标点；将判定点往某一坐标方向发射，判断风险区域边界与判定点是否有交叉点；交叉点总数为奇数视为判定点在风险区域范围内。

进一步的，判断风险区域边界与判定点是否有交叉点的方法为：若判定点与风险区域边界两个端点组成的两条线段在同一象限，则风险区域边界与判定点无交点；若判定点与风险区域边界两个端点组成的两条线段在发射方向所在的两个象限，则判定点与风险区域边界有交点。

进一步的，如果发射方向为向西，判定点与边界两个端点组成的两条线段在第一二象限或第一四象限或第三四象限，则风险区域边界与判定点无交点；判定点与边界两个端点组成的两条线段在第二三象限，则判定点与风险区域边界有交点。

进一步的，若判定点与风险区域边界两个端点组成的两条线段在第一三象限或者在第二四象限，则进行如下分析：

若判定点与风险区域边界两个端点组成的两条线段在第一三象限，风险区域边界两个端点的纬度相同，则判定点在风险区域范围内；

若判定点与风险区域边界两个端点组成的两条线段在第二四象限，风险区域边界两个端点的的经度相同，则判定点在风险区域范围内；

若判定点与风险区域边界两个端点A/B组成的两条线段在第一三象限，假设端点A在第一象限，若OA与纬线夹角大于等于OB与纬线夹角，则判定点与风险区域边界有交点；

若判定点与风险区域边界两个端点A/B组成的两条线段在第二四象限，假设端点A在第四象限，若OA与纬线夹角大于等于OB与纬线夹角大，则判定点与风险区域边界有交点。

进一步的，如果所述风险区域边界任一端点的经度和纬度与判定点的经度和纬度相同，则风险区域边界的该端点在零象限，则判定点在风险区域范围内；

如果所述风险区域边界端点的经度大于判定点的经度，风险区域边界端点的纬度不小于判定点的纬度，则风险区域边界端点在第一象限；

如果所述风险区域边界端点的纬度均大于判定点的纬度，风险区域边界两个端点的经度不大于判定点的经度，则风险区域边界端点在第二象限；

如果所述风险区域边界端点的经度均小于判定点的纬度，风险区域边界端点的纬度不大于判定点的纬度，则风险区域边界端点在第三象限；

否则，风险区域边界端点在第四象限。

与现有技术相比，本发明具有以下有益效果：本发明从官方发布网站解析最新疫情风险区域，可以使每日疫情区域准确；其次，根据风险区域名称获取经纬度与风险区域范围，在本地服务完成识别逻辑，基于象限法的西向交点判断，本发明使用了优化的射线法进行范围识别，以使风险识别处理逻辑更加简单：另外，本方案使用基于双差集的重识别方法，使历史申报记录的重识别过程更快。

附图说明

图1为基于双差集的疫情风险识别方法的流程示意图。

图2为判定点与风险区域边界两个端点组成的两条线段均在第一象限的象限法示意图。

图3为判定点与风险区域边界两个端点组成的两条线段均在第二象限的象限法示意图。

图4为判定点与风险区域边界两个端点组成的两条线段均在第三象限的象限法示意图。

图5为判定点与风险区域边界两个端点组成的两条线段均在第四象限的象限法示意图。

图6为判定点与风险区域边界两个端点组成的两条线段在第一二象限的象限法示意图。

图7为判定点与风险区域边界两个端点组成的两条线段在第一四象限的象限法示意图。

图8为判定点与风险区域边界两个端点组成的两条线段在第三四象限的象限法示意图。

图9为判定点与风险区域边界两个端点组成的两条线段在第二三象限的象限法示意图。

图10为判定点与风险区域边界两个端点组成的两条线段在第一三象限且有交点的象限法示意图。

图11为判定点与风险区域边界两个端点组成的两条线段在第二四象限且有交点的象限法示意图。

图12为判定点与风险区域边界两个端点组成的两条线段在第一三象限且无交点的象限法示意图。

图13为判定点与风险区域边界两个端点组成的两条线段在第二四象限且无交点的象限法示意图。

图14为采用象限法来判断端点所属象限在零象限的一种象限示意图。

图15为采用象限法来判断端点所属象限在第一象限的一种象限示意图。

图16为采用象限法来判断端点所属象限在第二象限的一种象限示意图。

图17为采用象限法来判断端点所属象限在第三象限的一种象限示意图。

图18为采用象限法来判断端点所属象限在第四象限的一种象限示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进一步详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

如图1所述，一种基于双差集的疫情风险识别方法，包括：

步骤S1，每日公布疫情的官网解析疫情风险区域，获取并存储每一风险区域的经度、纬度和边界范围等地理信息；步骤S2，将当日所有风险区域和昨日所有风险区域的差集为当日新风险区域，并保存当日所有风险区域以及当日新风险区域，将当日新风险区域作为第一差集；对于当日的风险区域，与昨日所有风险区域同名的区域视为同一区域，同一区域不再重复获取区域信息，且保存时在系统中的编号相同，在获取差集时仅需将编号数值集合做差集处理即可；步骤S3，将当日新风险区域与历史日期当天的当日所有风险区域的差集作为第二差集；步骤S4，获取项目工人健康申报记录数据的经度和纬度，对于当日上传的项目工人健康申报记录根据当日所有风险区域的经度、纬度和边界范围数据进行识别，对于历史上传的项目工人健康申报记录根据第二差集的经度、纬度和边界范围数据进行重识别。识别过程中，在风险区域边界范围内视为有风险，在离风险区域边界300米的缓冲范围内视为预警，这样可以基于项目工人考勤申报数据为项目的疫情防控提供有效的数据支撑。

其中，为提高计算效率，排除双经度与判定点O经度差值超过300米，或双纬度均与判定点O纬度差值超过300米的边界。具体的，如果风险区域边界两个端点A/B的经度与判定点O的经度差值超过300米，或者风险区域边界两个端点A/B的纬度与判定点O的纬度差值超过300米，不进行基于该风险区域边界的识别过程。

在一种具体实施例中，使用abcde来代表风险区域，all代表当日所有风险区域，new代表当日新风险区域，项目工人健康申报记录数据日期为2021-01-01、2021-01-02、2021-01-03、2021-01-04，每日风险区域如表1所示：

表1

表1中2021-01-01、2021-01-02、2021-01-03、2021-01-04四天日期对应的每日风险区域情况为：当日所有风险区域all分别为[abcd]、[abcde]、[abc]、[abcd]，当日新风险区域new分别为[abcd]、[e]、[ ]、[d]。

该实施例中，识别过程如表2所示，识别结果如表3所示：

表2

表3

具体地，每一个识别日期可以识别当日以及当日之前的数据日期，例如：

（1）2021-01-01，当日所有风险区域all:[abcd], 当日新风险区域new:[abcd]；

对于2021-01-01当日上传的项目工人健康申报记录，根据当日所有风险区域all:[abcd]，进行识别；

因此，2021-01-01该天基于双差集的所有判定区域为[abcd]。

（2）2021-01-02，当日所有风险区域all:[abcde]，当日新风险区域new:[e]；

对于2021-01-02当日上传的项目工人健康申报记录，根据当日所有风险区域all:[abcde]，进行识别；

历史上传的项目工人健康申报记录：

（2a）2021-01-01历史上传的项目工人健康申报记录，2021-01-02当日新风险区域new：[e]与历史日期2021-01-01当天的当日所有风险区域 all：[abcd]的差集为[e]，进行重识别；

因此，2021-01-02该天基于双差集的所有判定区域为[abcde]。

（3）2021-01-03，当日所有风险区域all:[abc]， 当日新风险区域new:[]；

对于2021-01-03当日上传的项目工人健康申报记录，根据当日所有风险区域all：[abc]，进行识别；

历史上传的项目工人健康申报记录，2021-01-03当日新风险区域new:[]为空集，则2021-01-03当日新风险区域new与历史日期当天（即2021-01-01、2021-01-02）的当日所有风险区域的差集为空，即第二差集为空，故无需重识别；

因此，2021-01-03该天基于双差集的所有判定区域为[abcd]。

（4）2021-01-04，当日所有风险区域all:[abcd]， 当日新风险区域new:[d]

对于2021-01-04当日上传的项目工人健康申报记录，根据当日所有风险区域all[abcd]，进行识别；

历史上传的项目工人健康申报记录：

（4a）2021-01-01历史上传的项目工人健康申报记录，2021-01-04当日新风险区域new:[d]与历史日期2021-01-01当天的当日所有风险区域all：[abcd]的差集为[]，故无需重识别；

（4b）2021-01-02历史上传的项目工人健康申报记录，2021-01-04当日新风险区域new:[d]与历史日期2021-01-02当天的当日所有风险区域all：[abcde]的差集为[],故无需重识别；

（4c）2021-01-03历史上传的项目工人健康申报记录，2021-01-04当日新风险区域new:[d]与历史日期2021-01-03当天的当日所有风险区域all：[abc]的差集为[d]，故进行重识别。

因此，2021-01-04该天基于双差集的所有判定区域为[abcd]。

由于当日项目工人健康申报记录均会根据当日所有区域all进行识别， 历史数据会根据第二差集进行识别，采用了双差集的方式进行识别，以差集进行累积，可确保所有历史数据均被所有风险区域所覆盖，且每日重识别的区域集合最小，极大提升了重识别效率。

优选地，所述步骤S1中，通过外部API获取风险区域的经度、纬度和边界范围的地理信息并存储于数据库与分布式缓存。为了提高查询处理效率采用分布式缓存的方式，分布式缓存包括第一缓存和第二缓存，其中第一缓存用于存储日期对应的疫情风险区域编号（将当日新老编号分开存储），第二缓存用于区域编号对应的包含数据信息（包含地理信息）。

优选地，所述步骤S4中，项目工人健康申报记录数据的经度和纬度为判定点O，以判定点O为中心、纬度和经度为轴建立二维坐标；获取风险区域边界作为坐标点；将判定点往某一坐标方向（如东向或南向或西向或北向）发射，判断风险区域边界与判定点O是否有交叉点；交叉点总数为奇数视为判定点O在风险区域范围内。

其中，使用特别的象限法来判断风险区域边界与判定点O是否有交叉点的方法：本实施例中判定向西发射（即X轴负向），如图2-13所示，若判定点O与风险区域边界两个端点A/B组成的两条线段在同一象限，比如均在第一象限、第二象限、第三象限、第四象限（即图2中1/1象限、图3中2/2象限、图4中3/3象限、图5中4/4象限），则风险区域边界与判定点无交点；若判定点O与风险区域边界两个端点A/B组成的两条线段在发射的坐标方向所在的两个象限，本实施例中发射方向向西（即X轴负向），判定点O与风险区域边界两个端点A/B组成的两条线段在第二三象限（即图9中2/3象限）则判定点O与风险区域边界有交点，例如判定点O与风险区域边界两个端点A/B组成的两条线段在第一二象限、第一四象限、第三四象限（即图6中1/2象限、图7中1/4象限、图8中3/4象限）则判定点O与风险区域边界无交点。通过判定点O经纬度与风险区域边界两个端点A/B的经纬度大小来判断 [判定点，端点] 组成的线段在哪个象限，由此规避现有算法完全通过斜率计算来判断是否有交点的逻辑，大幅提高效率。

优选地，如图10和图12中，若判定点O与风险区域边界两个端点A/B组成的两条线段在第一三象限（即1/3象限），或者如图11和图13中，若判定点O与风险区域边界两个端点A/B组成的两条线段在第二四象限（即2/4象限），则进行如下分析：

若判定点O与风险区域边界两个端点A/B组成的两条线段在第一三象限（即1/3象限），风险区域边界两个端点A/B的纬度相同，则判定点O在风险区域范围内；

若判定点O与风险区域边界两个端点A/B组成的两条线段在第二四象限（即2/4象限），风险区域边界两个端点A/B的经度相同，则判定点在风险区域范围内；

如图10所示，若判定点O与风险区域边界两个端点A/B组成的两条线段在第一三象限（即1/3象限），假设端点A在第一象限，若OA与纬线夹角大于等于OB与纬线夹角，则判定点O与风险区域边界有交点，即即(A.y-O.y)*(O.x-B.x) >= (A.x-O.x)*(O.y-B.y)；

如图11所示，若判定点O与风险区域边界两个端点A/B组成的两条线段在第二四象限（即2/4象限），假设端点A在第四象限，若OA与纬线夹角大于等于OB与纬线夹角大，则判定点O与风险区域边界有交点，即(O.y-A.y)*(O.x-B.x)>=(A.x-O.x)*(B.y-O.y)。

优选地，如图14所示，如果所述风险区域边界任一端点的经度和纬度与判定点的经度和纬度相同，则风险区域边界的该端点在零象限（即图14中0象限），则判定点在风险区域范围内；

如图15所示，如果所述风险区域边界端点的经度大于判定点的经度，风险区域边界端点的纬度不小于判定点的纬度，则风险区域边界端点在第一象限（即图15中1象限），在第一象限时判定点和端点组成的线段与东向纬线夹角范围是[0，90)；

如图16所示，如果所述风险区域边界端点的纬度均大于判定点的纬度，风险区域边界两个端点的经度不大于判定点的经度，则风险区域边界端点在第二象限（即图16中2象限），在第二象限时判定点和端点组成的线段与东向纬线夹角范围是[90，180)；

如图17所示，如果所述风险区域边界端点的经度均小于判定点的纬度，风险区域边界端点的纬度不大于判定点的纬度，则风险区域边界端点在第三象限（即图17中3象限）；在第三象限时判定点和端点组成的线段与东向纬线夹角范围是[180，270)；

如图18所示，否则，风险区域边界端点在第四象限（即图18中4象限），在第四象限时判定点和端点组成的线段与东向纬线夹角范围是[270，360)。

最后应说明的是：以上各实施例仅仅为本发明的较优实施例用以说明本发明的技术方案，而非对其限制，当然更不是限制本发明的专利范围；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围；也就是说，但凡在本发明的主体设计思想和精神上作出的毫无实质意义的改动或润色，其所解决的技术问题仍然与本发明一致的，均应当包含在本发明的保护范围之内；另外，将本发明的技术方案直接或间接的运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (4)

1.一种基于双差集的疫情风险识别方法，其特征在于，包括：

步骤S1，每日解析疫情风险区域，获取并存储每一风险区域的经度、纬度和边界范围；

步骤S2，将当日所有风险区域和昨日所有风险区域的差集为当日新风险区域，并保存当日所有风险区域以及当日新风险区域

步骤S3，将当日新风险区域与历史日期当天的当日所有风险区域的差集作为第二差集；

步骤S4，获取项目工人健康申报记录数据的经度和纬度，对于当日上传的项目工人健康申报记录根据当日所有风险区域的经度、纬度和边界范围数据进行识别，对于历史上传的项目工人健康申报记录根据第二差集的经度、纬度和边界范围数据进行重识别；

所述步骤S4中，项目工人健康申报记录数据的经度和纬度为判定点，以判定点为中心、纬度和经度为轴建立二维坐标；获取风险区域边界作为坐标点；将判定点往某一坐标方向发射，判断风险区域边界与判定点是否有交叉点；交叉点总数为奇数视为判定点在风险区域范围内；

判断风险区域边界与判定点是否有交叉点的方法为：若判定点与风险区域边界两个端点组成的两条线段在同一象限，则风险区域边界与判定点无交点；若判定点与风险区域边界两个端点组成的两条线段在发射方向所在的两个象限，则判定点与风险区域边界有交点；

如果发射方向为向西，判定点与边界两个端点组成的两条线段在第一二象限或第一四象限或第三四象限，则风险区域边界与判定点无交点；判定点与边界两个端点组成的两条线段在第二三象限，则判定点与风险区域边界有交点；

若判定点与风险区域边界两个端点组成的两条线段在第一三象限或者在第二四象限，则进行如下分析：

若判定点与风险区域边界两个端点组成的两条线段在第一三象限，风险区域边界两个端点的纬度相同，则判定点在风险区域范围内；

若判定点与风险区域边界两个端点组成的两条线段在第二四象限，风险区域边界两个端点的经度相同，则判定点在风险区域范围内；

若判定点与风险区域边界两个端点A/B组成的两条线段在第一三象限，假设端点A在第一象限，若OA与纬线夹角大于等于OB与纬线夹角，则判定点与风险区域边界有交点；

若判定点与风险区域边界两个端点A/B组成的两条线段在第二四象限，假设端点A在第四象限，若OA与维线夹角大于等于OB与纬线夹角大，则判定点与风险区域边界有交点；

如果所述风险区域边界任一端点的经度和纬度与判定点的经度和纬度相同，则风险区域边界的该端点在零象限，则判定点在风险区域范围内；

如果所述风险区域边界端点的经度大于判定点的经度，风险区域边界端点的纬度不小于判定点的纬度，则风险区域边界端点在第一象限；

如果所述风险区域边界端点的纬度均大于判定点的纬度，风险区域边界两个端点的经度不大于判定点的经度，则风险区域边界端点在第二象限；

如果所述风险区域边界端点的经度均小于判定点的纬度，风险区域边界端点的纬度不大于判定点的纬度，则风险区域边界端点在第三象限；

否则，风险区域边界端点在第四象限。

2.如权利要求1所述的基于双差集的疫情风险识别方法，其特征在于，所述步骤S1中，通过外部API获取风险区域的经度、纬度和边界范围的地理信息并存储于数据库与分布式缓存。

3.如权利要求2所述的基于双差集的疫情风险识别方法，其特征在于，分布式缓存包括第一缓存和第二缓存，其中第一缓存用于存储日期对应的疫情风险区域编号，第二缓存用于区域编号对应的数据信息。

4.如权利要求3所述的基于双差集的疫情风险识别方法，其特征在于，所述数据信息包括经度、纬度和边界范围的地理信息。

Images