CN115188490A - 一种基于大数据分析的疫情防控行踪溯源智能管理平台 - Google Patents
一种基于大数据分析的疫情防控行踪溯源智能管理平台 Download PDFInfo
- Publication number
- CN115188490A CN115188490A CN202210800873.5A CN202210800873A CN115188490A CN 115188490 A CN115188490 A CN 115188490A CN 202210800873 A CN202210800873 A CN 202210800873A CN 115188490 A CN115188490 A CN 115188490A
- Authority
- CN
- China
- Prior art keywords
- personnel
- data
- epidemic situation
- journey
- travel
- 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
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 25
- 230000002265 prevention Effects 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims description 37
- 230000036760 body temperature Effects 0.000 claims description 35
- 238000001514 detection method Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 22
- 230000006399 behavior Effects 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000003745 diagnosis Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000005180 public health Effects 0.000 abstract description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 230000002458 infectious effect Effects 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 238000012360 testing method Methods 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
- G16H50/80—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
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据分析的疫情防控行踪溯源智能管理平台,涉及公共卫生服务技术领域,通过在各级地区设置管控节点,并获得每个经过管控节点的人员的疫情检测数据和行程数据,根据疫情检测数据判断人员体温是否正常,若正常,则根据其行程数据判断其是否经过疫情风险区域,并将经过疫情风险区域的人员标记为风险人员,对风险人员进行疫情检测,避免风险人员携带病毒,造成疫情扩散,若人员体温不正常,则对人员进行监测,若检测结果异常,则对该人员的行程数据进行确定,获得该人员的轨迹链,根据所获得的轨迹链,快速确定疫情管控区域,避免疫情进一步扩散的可能性。
Description
技术领域
本发明涉及公共卫生服务技术领域,具体是一种基于大数据分析的疫情防控行踪溯源智能管理平台。
背景技术
流行性传染病具有高度传染性,其能够通过呼吸道以密切接触等途径快速传播,一旦扩散、爆发形从区域性疫情,则所涉及的传染居民数量巨大;
在发现异常人员时,如何对异常人员的行踪进行快速溯源,从而能够实现根据人员的行为轨迹快速确定有效管控区域,是我们需要解决的问题,现提供一种基于大数据分析的疫情防控行踪溯源智能管理平台。
发明内容
本发明的目的在于提供一种基于大数据分析的疫情防控行踪溯源智能管理平台。
本发明的目的可以通过以下技术方案实现:一种基于大数据分析的疫情防控行踪溯源智能管理平台,包括管理中心,所述管理中心通信连接有数据采集模块、数据处理模块、数据分析模块以及行为追溯模块;
所述数据采集模块由线上数据采集终端和线下数据采集终端组成,分别用于获取人员的行程数据和疫情检测数据;
所述数据处理模块用于对所获得的人员的疫情检测数据和行程数据进行处理,获得人员的基本信息以及行程节点;
所述数据分析模块用于对所获得的人员的行程数据和疫情检测数据进行分析,根据分析结果判断人员的行程数据和疫情检测数据是否存在异常;
所述行为追溯模块用于根据所生成的行为确诊指令对确诊人员的行为进行追溯。
进一步的,人员的疫情检测数据的获取过程包括:
设置管控节点,在每个管控节点设置线下数据采集终端,通过下线数据采集终端对经过管控节点的人员进行检测;
通过安装在管控节点的线下数据采集终端对经过管控节点的人员进行人脸图片采集和体温检测;
将线下数据采集终端同一时刻所获得的人脸图片和与该人脸图片对应的人员的体温值进行关联,并获得人员信息集。
进一步的,人员的行程数据的获取过程包括:
根据所获得的人员的基本信息,建立与该人员相关联的行程通信卡;
设置时间周期T,并获得该人员在过去时间周期T内所经过的地区;
将该人员所有经过的地区按照时间顺序进行排序,形成该人员的行程数据。
进一步的,所述数据处理模块对人员的疫情检测数据和行程数据的处理过程包括:
将所获得的人脸图片进行标记,并进行栅格化处理;
将栅格化处理后的人脸图片输入神经网络训练模型,根据神经网络训练模型提取人脸图片中的人脸信息,并对人脸信息进行特征提取;
将所获得的人脸信息上传至信息库内,并对该人脸信息在信息库内进行检索;根据该人脸信息所获得的人员的基本信息获得对应的行程数据,获取该人员的行程数据中的行程节点;
设置疫情管控区域,并将疫情管控区域划分为省级区域、市级区域、县级区域以及地区区域;获取人员在过去时间周期T时间范围内所经过的省级区域、市级区域、县级区域以及地区区域,并生成对应的省级行程节点、市级行程节点、县级行程节点以及地区行程节点。
进一步的,人脸信息在信息库内的检索过程具体包括:
建立信息库,并向信息库内导入人员的基本信息;
根据所导入的人员的基本信息,将人脸照片进行栅格化处理后输入至神经网络训练模型内,并提取人脸照片的人脸特征;将所获得的人脸特征与人员的基本信息进行绑定,并上传至信息库内进行保存;
将根据所获得到的人脸信息中所提取到的人脸特征与信息库内的人脸特征进行匹配。
进一步的,所述数据分析模块对人员的行程数据和疫情检测数据的分析过程包括:
设置体温阈值,将管控节点所获得的人员的体温值与所设置的体温阈值进行对比,判断人员的体温是否正常,当人员的体温正常时,则对人员的行程数据进行分析,当人员的体温异常,则将该人员标记为风险人员,对风险人员进行监控以及疫情检测,根据疫情检测结果判断其是否为确诊人员,若为确诊人员,则生成行为追溯指令。
进一步的,对人员的行程数据的每个行程节点的分析过程包括;
根据疫情管控区域内各级区域的疫情情况,设置疫情风险区域;
将所获得的人员的行程数据中的每个行程节点与疫情风险区域进行匹配;
当人员的行程数据中不存在行程节点处于疫情风险区域时,则表示该人员的行程数据正常;
当人员的行程数据中至少存在一个行程节点处于疫情风险区域时,则表示该人员的行程数据异常;当人员的体温和行程数据均正常时,则表示该人员正常,当人员的体温正常而行程数据异常时,则将该人员标记为风险人员。
进一步的,所述行为追溯模块对确诊人员的行为进行追溯的过程包括:
对确诊人员进行标记,并获取其在过去的时间周期T内的所有地区行程节点,将所有的地区行程节点与疫情风险区域进行匹配;
获取被标记的地区行程节点中时间最早的,并获取确诊人员到达该地区行程节点的时间t1,获取确诊人员的确诊时间t2;
获取确诊人员t1至t2时间内所有地区行程节点,并生成轨迹链;由管理中心根据轨迹链进行管控。
与现有技术相比,本发明的有益效果是:通过在各级地区设置管控节点,并获得每个经过管控节点的人员的疫情检测数据和行程数据,根据疫情检测数据判断人员体温是否正常,若正常,则根据其行程数据判断其是否经过疫情风险区域,并将经过疫情风险区域的人员标记为风险人员,对风险人员进行疫情检测,避免风险人员携带病毒,造成疫情扩散,若人员体温不正常,则对人员进行监测,若检测结果异常,则对该人员的行程数据进行确定,获得该人员的轨迹链,根据所获得的轨迹链,快速确定疫情管控区域,避免疫情进一步扩散的可能性。
附图说明
图1为本发明的原理图。
具体实施方式
如图1所示,一种基于大数据分析的疫情防控行踪溯源智能管理平台,包括管理中心,所述管理中心通信连接有数据采集模块、数据处理模块、数据分析模块以及行为追溯模块;
所述数据采集模块由线上数据采集终端和线下数据采集终端组成,所述线上数据采集终端用于获取人员的行程数据,所述线下数据采集终端用于获取人员的疫情检测数据;
需要进一步说明的是,在具体实施过程中,人员的疫情检测数据的获取过程包括:
设置管控节点,在每个管控节点设置线下数据采集终端,通过下线数据采集终端对经过管控节点的人员进行检测;
通过安装在管控节点的线下数据采集终端对经过管控节点的人员进行人脸图片采集和体温检测;
将线下数据采集终端同一时刻所获得的人脸图片和与该人脸图片对应的人员的体温值进行关联,并获得人员信息集;
将所获得的人员信息集上传至数据处理模块。
需要进一步说明的是,在具体实施过程中,数据处理模块对所获得的人员信息集内的人脸图片获得人员的基本信息;人员的基本信息包括姓名、性别、年龄以及实名认证的手机号码;
需要进一步说明的是,在具体实施过程中,人员的行程数据的获取过程包括:
根据所获得的人员的基本信息,建立与该人员相关联的行程通信卡;
设置时间周期T,并获得该人员在过去时间周期T内所经过的地区;
将该人员所有经过的地区按照时间顺序进行排序,形成该人员的行程数据,将该人员的行程数据上传至数据处理模块。
所述数据处理模块用于对所获得的人员的疫情检测数据和行程数据进行处理,具体处理过程包括:
将所获得的人脸图片进行标记,并进行栅格化处理;
将栅格化处理后的人脸图片输入神经网络训练模型,根据神经网络训练模型提取人脸图片中的人脸信息,并对人脸信息进行特征提取;
将所获得的人脸信息上传至信息库内,并对该人脸信息在信息库内进行检索;
需要进一步说明的是,在具体实施过程中,人脸信息在信息库内的检索过程具体包括:
建立信息库,并向信息库内导入人员的基本信息,需要进一步说明的是,在具体实施过程中,人员的基本信息包括姓名、性别、年龄、实名认证的手机号码以及人脸照片;
根据所导入的人员的基本信息,将人脸照片进行栅格化处理后输入至神经网络训练模型内,并提取人脸照片的人脸特征;
将所获得的人脸特征与人员的基本信息进行绑定,并上传至信息库内进行保存;
将根据所获得到的人脸信息中所提取到的人脸特征与信息库内的人脸特征进行匹配,并根据匹配结果获得对应的人脸照片以及该人脸照片对应的人员的基本信息。
根据该人脸信息所获得的人员的基本信息获得对应的行程数据;
需要进一步说明的是,在具体实施过程中,在获得人员的行程数据后,对获得的行程数据进行处理,具体处理过程包括:
获取该人员的行程数据中的行程节点;需要进一步说明的是,在具体实施过程中,行程节点包括省级行程节点、市级行程节点、县级行程节点以及地区行程节点;
设置疫情管控区域,并将疫情管控区域划分为省级区域、市级区域、县级区域以及地区区域;需要进一步说明的是,在具体实施过程中,每个省级区域包含若干个市级区域,每个市级区域包含若干个县级区域,每个县级区域包含若干个地区区域;
获取人员在过去时间周期T时间范围内所经过的省级区域,根据其所经过的省级区域生成省级行程节点;
获取该人员在所经过的市级区域,并将市级区域与其被包含的省级区域相关联,同时生成市级行程节点;同理获得县级行程节点和地区行程节点;
将所有的行程节点按照时间顺序进行排序,并发送至数据分析模块。
所述数据分析模块用于对所获得的人员的行程数据和疫情检测数据进行分析,具体分析过程包括:
设置体温阈值,将管控节点所获得的人员的体温值与所设置的体温阈值进行对比;
当所获得的人员的体温值低于体温阈值时,表示人员的体温正常,则获得该人员的行程数据,并对该人员的行程数据的每个行程节点进行分析,输出分析结果;
需要进一步说明的是,在具体实施过程中,对人员的行程数据的每个行程节点的分析过程具体包括;
根据疫情管控区域内各级区域的疫情情况,设置疫情风险区域,将疫情风险区域在疫情管控区域内进行标记;
将所获得的人员的行程数据中的每个行程节点与疫情风险区域进行匹配,并获得匹配结果;
当人员的行程数据中不存在行程节点处于疫情风险区域时,则表示该人员的行程数据正常;
当人员的行程数据中至少存在一个行程节点处于疫情风险区域时,则表示该人员的行程数据异常;
需要进一步说明的是,在具体实施过程中,当人员的体温和行程数据均正常时,则表示该人员正常,当人员的体温正常而行程数据异常时,则将该人员标记为风险人员;
对风险人员进行标记,并将该风险人员的基本信息发送至管理中心,由管理中心对该人员进行监控,并安排疫情检测,并将疫情检测结果上传至管理中心。
需要进一步说明的是,在具体实施过程中,当人员的体温值不低于体温阈值时,则表示人员的体温异常,则将该人员进行标记,并将该人员的基本信息发送至管理中心,由管理中心对该人员进行监控,并安排疫情检测,并将疫情检测结果上传至管理中心,若检测结果合格,则表示该人员正常,若检测不合格,则将该人员标记为确诊人员,并生成行为追溯指令,同时对确诊人员进行管控。
所述行为追溯模块用于根据所生成的行为确诊指令对确诊人员的行为进行追溯,具体过程包括:
对确诊人员进行标记,并获取其在过去的时间周期T内的所有地区行程节点;
将所有的地区行程节点与疫情风险区域进行匹配,并将处于疫情风险区域的地区行程节点进行标记;
获取被标记的地区行程节点中,时间最早的,并获取确诊人员到达该地区行程节点的时间,将该时间标记为t1;
获取确诊人员的确诊时间,即获得确诊人员的疫情检测结果的时间,并将确诊时间标记为t2;
获取确诊人员t1至t2时间内所有地区行程节点,并根据地区行程节点生成轨迹链;
将轨迹链发送至管理中心;
由管理中心安排人员对被管控的确诊人员的轨迹链进行确认,并在轨迹链内对应的地区行程节点内填充细化内容,并由管理中心根据轨迹链进行管控;需要进一步说明的是,在具体实施过程中,细化的内容包括到达时间、离开时间、接触人员、到达地区行程节点的原因等,从而帮助管理中心迅速确定管控区域。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (8)
1.一种基于大数据分析的疫情防控行踪溯源智能管理平台,包括管理中心,其特征在于,所述管理中心通信连接有数据采集模块、数据处理模块、数据分析模块以及行为追溯模块;
所述数据采集模块由线上数据采集终端和线下数据采集终端组成,分别用于获取人员的行程数据和疫情检测数据;
所述数据处理模块用于对所获得的人员的疫情检测数据和行程数据进行处理,获得人员的基本信息以及行程节点;
所述数据分析模块用于对所获得的人员的行程数据和疫情检测数据进行分析,根据分析结果判断人员的行程数据和疫情检测数据是否存在异常;
所述行为追溯模块用于根据所生成的行为确诊指令对确诊人员的行为进行追溯。
2.根据权利要求1所述的一种基于大数据分析的疫情防控行踪溯源智能管理平台,其特征在于,人员的疫情检测数据的获取过程包括:
设置管控节点,在每个管控节点设置线下数据采集终端,通过下线数据采集终端对经过管控节点的人员进行检测;
通过安装在管控节点的线下数据采集终端对经过管控节点的人员进行人脸图片采集和体温检测;
将线下数据采集终端同一时刻所获得的人脸图片和与该人脸图片对应的人员的体温值进行关联,并获得人员信息集。
3.根据权利要求2所述的一种基于大数据分析的疫情防控行踪溯源智能管理平台,其特征在于,人员的行程数据的获取过程包括:
根据所获得的人员的基本信息,建立与该人员相关联的行程通信卡;
设置时间周期T,并获得该人员在过去时间周期T内所经过的地区;
将该人员所有经过的地区按照时间顺序进行排序,形成该人员的行程数据。
4.根据权利要求3所述的一种基于大数据分析的疫情防控行踪溯源智能管理平台,其特征在于,所述数据处理模块对人员的疫情检测数据和行程数据的处理过程包括:
将所获得的人脸图片进行标记,并进行栅格化处理;
将栅格化处理后的人脸图片输入神经网络训练模型,根据神经网络训练模型提取人脸图片中的人脸信息,并对人脸信息进行特征提取;
将所获得的人脸信息上传至信息库内,并对该人脸信息在信息库内进行检索;根据该人脸信息所获得的人员的基本信息获得对应的行程数据,获取该人员的行程数据中的行程节点;
设置疫情管控区域,并将疫情管控区域划分为省级区域、市级区域、县级区域以及地区区域;获取人员在过去时间周期T时间范围内所经过的省级区域、市级区域、县级区域以及地区区域,并生成对应的省级行程节点、市级行程节点、县级行程节点以及地区行程节点。
5.根据权利要求4所述的一种基于大数据分析的疫情防控行踪溯源智能管理平台,其特征在于,人脸信息在信息库内的检索过程具体包括:
建立信息库,并向信息库内导入人员的基本信息;
根据所导入的人员的基本信息,将人脸照片进行栅格化处理后输入至神经网络训练模型内,并提取人脸照片的人脸特征;将所获得的人脸特征与人员的基本信息进行绑定,并上传至信息库内进行保存;
将根据所获得到的人脸信息中所提取到的人脸特征与信息库内的人脸特征进行匹配。
6.根据权利要求5所述的一种基于大数据分析的疫情防控行踪溯源智能管理平台,其特征在于,所述数据分析模块对人员的行程数据和疫情检测数据的分析过程包括:
设置体温阈值,将管控节点所获得的人员的体温值与所设置的体温阈值进行对比,判断人员的体温是否正常,当人员的体温正常时,则对人员的行程数据进行分析,当人员的体温异常,则将该人员标记为风险人员,对风险人员进行监控以及疫情检测,根据疫情检测结果判断其是否为确诊人员,若为确诊人员,则生成行为追溯指令。
7.根据权利要求6所述的一种基于大数据分析的疫情防控行踪溯源智能管理平台,其特征在于,对人员的行程数据的每个行程节点的分析过程包括;
根据疫情管控区域内各级区域的疫情情况,设置疫情风险区域;
将所获得的人员的行程数据中的每个行程节点与疫情风险区域进行匹配;
当人员的行程数据中不存在行程节点处于疫情风险区域时,则表示该人员的行程数据正常;
当人员的行程数据中至少存在一个行程节点处于疫情风险区域时,则表示该人员的行程数据异常;当人员的体温和行程数据均正常时,则表示该人员正常,当人员的体温正常而行程数据异常时,则将该人员标记为风险人员。
8.根据权利要求7所述的一种基于大数据分析的疫情防控行踪溯源智能管理平台,其特征在于,所述行为追溯模块对确诊人员的行为进行追溯的过程包括:
对确诊人员进行标记,并获取其在过去的时间周期T内的所有地区行程节点,将所有的地区行程节点与疫情风险区域进行匹配;
获取被标记的地区行程节点中时间最早的,并获取确诊人员到达该地区行程节点的时间t1,获取确诊人员的确诊时间t2;
获取确诊人员t1至t2时间内所有地区行程节点,并生成轨迹链;由管理中心根据轨迹链进行管控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210800873.5A CN115188490A (zh) | 2022-07-08 | 2022-07-08 | 一种基于大数据分析的疫情防控行踪溯源智能管理平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210800873.5A CN115188490A (zh) | 2022-07-08 | 2022-07-08 | 一种基于大数据分析的疫情防控行踪溯源智能管理平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115188490A true CN115188490A (zh) | 2022-10-14 |
Family
ID=83517497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210800873.5A Pending CN115188490A (zh) | 2022-07-08 | 2022-07-08 | 一种基于大数据分析的疫情防控行踪溯源智能管理平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115188490A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112802256A (zh) * | 2020-12-30 | 2021-05-14 | 航天信息股份有限公司 | 一种园区准入控制方法及系统 |
CN114420302A (zh) * | 2021-11-29 | 2022-04-29 | 苏州利博软件技术有限公司 | 一种企事业单位智能防疫控制系统 |
WO2022135197A1 (zh) * | 2020-12-22 | 2022-06-30 | 华为技术有限公司 | 一种疫情预测的方法及电子设备 |
-
2022
- 2022-07-08 CN CN202210800873.5A patent/CN115188490A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022135197A1 (zh) * | 2020-12-22 | 2022-06-30 | 华为技术有限公司 | 一种疫情预测的方法及电子设备 |
CN112802256A (zh) * | 2020-12-30 | 2021-05-14 | 航天信息股份有限公司 | 一种园区准入控制方法及系统 |
CN114420302A (zh) * | 2021-11-29 | 2022-04-29 | 苏州利博软件技术有限公司 | 一种企事业单位智能防疫控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111899878B (zh) | 老年人健康检测系统、方法、计算机设备及可读存储介质 | |
WO2021068601A1 (zh) | 病历检测方法、装置、设备及存储介质 | |
CN110013261B (zh) | 情绪监测的方法、装置、电子设备及存储介质 | |
CN108553081A (zh) | 一种基于舌苔图像的诊断系统 | |
CN111563396A (zh) | 在线识别异常行为的方法、装置、电子设备及可读存储介质 | |
CN111814775A (zh) | 目标对象异常行为识别方法、装置、终端及存储介质 | |
CN110597628A (zh) | 模型分发方法、装置、计算机可读介质及电子设备 | |
Fontaine et al. | Artificial intelligence to evaluate postoperative pain based on facial expression recognition | |
CN105868549A (zh) | 基于互联网物联的医疗设备及其通信装置和方法 | |
CN112087603B (zh) | 智慧考场监管方法 | |
CN106384316A (zh) | 一种考试院实名制验证系统 | |
CN114529747A (zh) | 保单检测方法、保单检测装置、电子设备及存储介质 | |
CN114420302A (zh) | 一种企事业单位智能防疫控制系统 | |
CN109346137A (zh) | 受试者在线招募方法及装置、计算机设备及存储介质 | |
CN109801394B (zh) | 一种工作人员考勤方法及装置、电子设备和可读存储介质 | |
CN115188490A (zh) | 一种基于大数据分析的疫情防控行踪溯源智能管理平台 | |
CN109544372B (zh) | 基于人工智能的门诊慢性病资质监控方法及相关装置 | |
CN116433029A (zh) | 电力作业风险评估方法、系统、设备及存储介质 | |
CN110008870A (zh) | 对象状态告警方法和装置 | |
US20210019553A1 (en) | Information processing apparatus, control method, and program | |
CN112507972B (zh) | 基于区块链的绩效考核系统 | |
CN115410113A (zh) | 基于计算机视觉的跌倒检测方法、装置及存储介质 | |
CN112800035A (zh) | 一种基于gis系统的电网数据联通共享系统 | |
CN113627335A (zh) | 考生行为的监控方法、装置、存储介质和电子装置 | |
CN107680670A (zh) | 一种无地域限制的医学图像辨识与诊断系统及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221014 |
|
RJ01 | Rejection of invention patent application after publication |