CN116450121A - 一种人员轨迹疫情防控模型分析方法及其系统 - Google Patents
一种人员轨迹疫情防控模型分析方法及其系统 Download PDFInfo
- Publication number
- CN116450121A CN116450121A CN202211526210.5A CN202211526210A CN116450121A CN 116450121 A CN116450121 A CN 116450121A CN 202211526210 A CN202211526210 A CN 202211526210A CN 116450121 A CN116450121 A CN 116450121A
- Authority
- CN
- China
- Prior art keywords
- nodes
- model
- epidemic situation
- control
- node
- 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
- 230000002265 prevention Effects 0.000 title claims abstract description 62
- 238000004458 analytical method Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 61
- 230000006870 function Effects 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 38
- 238000011161 development Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000013499 data model Methods 0.000 claims description 4
- 230000002688 persistence Effects 0.000 claims description 4
- 230000010006 flight Effects 0.000 claims description 3
- 239000000725 suspension Substances 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 11
- 238000013461 design Methods 0.000 abstract description 6
- 230000015556 catabolic process Effects 0.000 abstract description 3
- 238000006731 degradation reaction Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000007405 data analysis Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/36—Software reuse
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/182—Distributed file systems
-
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
- G06F16/275—Synchronous replication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/0486—Drag-and-drop
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/546—Message passing systems or structures, e.g. queues
-
- 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)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种人员轨迹疫情防控模型分析方法,包括:创建允许管理员自由拖拽节点和创建节点连线的疫情防控分析模型;响应于获取不同节点之间的前后关系与各节点在运算时需携带的函数参数,存入Relational类型数据库;将数据同步存入Memory类型数据库,供计算节点运算时实时获取任务信息;进一步搭建分布式消息中间件服务的集群;开发疫情防控预警函数计算节点,并逐个启动所有节点;搭建MongoDB分布式数据库,用于存储计算过程的数据。通过模型设计和消息队列及非关系式数据库的组合运用,可实现代码模块热拔插、模块多路复用、线上压力负反馈降级和算力动态扩容升级、跨语言算法组合运用等,旨在用于分析疫情防控方面人员聚集风险预警和人口流动趋势预测。
Description
技术领域
本发明属于疫情防控的技术领域,具体涉及一种人员轨迹疫情防控模型分析方法及其系统。
背景技术
在疫情防控人员通行大数据分析场景中,对人员不同出行方式的计算方式,有涉及代码多路复用和需要通过参数调配获得不同结果的需求。通过硬编码的方式不仅导致代码冗余、项目庞大,还导致后期运营困难,无法根据实时计算结果调整参数和算法。并且硬编码的方式还无法实现跨语言组合运行。
鉴于以上问题,急需一套数据分析框架实现代码灵活复用,减少开发量,提升新模型发布效率,并具备高并发、高可用的能力。并且省去每次调整算法就需要重新编译代码到发布的耗时,能运用不同开发语言的行业算法优势和组件运用优势,还能运用增量分析单位时间周期内数据集合自动预警框架。
有鉴于此,提出一种人员轨迹疫情防控模型分析方法及其系统是非常具有意义的。
发明内容
为了解决现有疫情防控模型存在代码开发量大,模型发布效率低,不具备高并发、高可用的能力等问题,本发明提供一种人员轨迹疫情防控模型分析方法及其系统,以解决上述存在的技术缺陷问题。
第一方面,本发明提出了一种人员轨迹疫情防控模型分析方法,方法包括如下步骤:
创建允许管理员自由拖拽节点和创建节点连线的疫情防控分析模型;
响应于获取不同节点之间的前后关系与各节点在运算时需携带的函数参数,存入Relational类型数据库;
将数据同步存入Memory类型数据库,供计算节点运算时实时获取任务信息;
进一步搭建分布式消息中间件服务的集群;
进一步开发疫情防控预警函数计算节点,并逐个启动所有节点;以及
搭建MongoDB分布式数据库,用于存储计算过程的数据。
优选的,所述疫情防控分析模型基于D3.js开发模型拖拽式组合控制系统创建,主要用于排序数据计算节点的先后顺序及代码运行时的动态参数配置,允许管理员自由拖拽节点和创建节点连线,并补充节点弹窗设置模型函数参数,在软件运行时作为动态参数使用。
优选的,开发所述疫情防控预警函数计算节点还包括:整合人员轨迹信息,包括但不限于高铁、航班、客运、基站、卡口的人员出入的扫码信息,并组合空间计算和时间计算,设计并获得疫情防控人员流动聚集预警数据模型,并将模型数据存储到TiDB数据库用于持久化和二次编辑调整。
进一步优选的,开发的所述疫情防控预警函数计算节点的所有数据节点之间均不存在任何接口关联,不需要任何协议实现直接通讯,且不同节点之间服务的启动与暂停不互相直接影响。
进一步优选的,还包括:不同节点只监听和消费所述消息中间件服务的数据,中间节点在执行完成后把所述数据回传到消息队列。。
进一步优选的,还包括:起始节点获取到的疫情防控人员的轨迹信息在进入所述消息队列时只携带模型id,不携带更详细的模型具体配置和节点信息。
进一步优选的,还包括:启动新节点并调整模型参数,同步模型结构到redis内存数据库。
第二方面,本发明的实施例还提出一种人员轨迹疫情防控模型分析系统,该系统具体包括:
模型创建模块:用于创建允许管理员自由拖拽节点和创建节点连线的疫情防控分析模型;
存储模块:用于响应于获取不同节点之间的前后关系与各节点在运算时需携带的函数参数,存入Relational类型数据库,将数据同步存入Memory类型数据库,供计算节点运算时实时获取任务信息;
消息服务搭建模块:用于搭建分布式消息中间件服务的集群;
开发模块:用于开发疫情防控预警函数计算节点,并逐个启动所有节点;
数据库搭建模块:用于搭建MongoDB分布式数据库,用于存储计算过程的数据。
第三方面,本发明实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
与现有技术相比,本发明的有益成果在于:
(1)通过模型设计和消息队列及非关系式数据库的组合运用,可实现代码模块热拔插、模块多路复用、线上压力负反馈降级和算力动态扩容升级、跨语言算法组合运用等,旨在用于分析疫情防控方面人员聚集风险预警和人口流动趋势预测。
(2)本发明公开了一套数据分析框架实现代码灵活复用,减少开发量,提升新模型发布效率,并具备高并发、高可用的能力。并且省去每次调整算法就需要重新编译代码到发布的耗时,能运用不同开发语言的行业算法优
势和组件运用优势,还能运用增量分析单位时间周期内数据集合自动预警5框架。
附图说明
包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本说明书的一部分。附图图示了实施例并且与描述一起用于解释本0发明的原理。将容易认识到其它实施例和实施例的很多预期优点,因为通过
引用以下详细描述,它们变得被更好地理解。附图的元件不一定是相互按照比例的。同样的附图标记指代对应的类似部件。
图1是本发明的一个实施例可以应用于其中的示例性装置架构图;
图2为本发明的实施例的人员轨迹疫情防控模型分析方法的流程示意5图;
图3为本发明的实施例的人员轨迹疫情防控模型分析方法的软件架构设计图;
图4为本发明的实施例的人员轨迹疫情防控模型分析方法中防疫数据处理模型结构设计图;
图5为本发明的实施例的人员轨迹疫情防控模型分析系统的结构示意图;
图6是适于用来实现本发明实施例的电子设备的计算机装置的结构示意图。
具体实施方式
5在以下详细描述中,参考附图,该附图形成详细描述的一部分,并且通过其中可实践本发明的说明性具体实施例来示出。对此,参考描述的图的取向来使用方向术语,例如“顶”、“底”、“左”、“右”、“上”、“下”等。因为实施例的部件可被定位于若干不同取向中,为了图示的目的使用方向术语并且方向术语绝非限制。应当理解的是,可以利用其他实施例或可以做出逻辑改变,而不背离本发明的范围。因此以下详细描述不应当在限制的意义上被采用,并且本发明的范围由所附权利要求来限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图1示出了可以应用本发明实施例的用于处理信息的方法或用于处理信息的装置的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有通信功能的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103发送的校验请求信息进行处理的后台信息处理服务器。后台信息处理服务器可以对接收到的校验请求信息进行分析等处理,并得到处理结果(例如用于表征校验请求为合法请求的校验成功信息)。
需要说明的是,本发明实施例所提供的用于处理信息的方法一般由服务器105执行,相应地,用于处理信息的装置一般设置于服务器105中。另外,本发明实施例所提供的用于发送信息的方法一般由终端设备101、102、103执行,相应地,用于发送信息的装置一般设置于终端设备101、102、103中。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或多个软件模块,在此不做具体限定。
在疫情防控人员通行大数据分析场景中,对人员不同出行方式的计算方式,有涉及代码多路复用和需要通过参数调配获得不同结果的需求。通过硬编码的方式不仅导致代码冗余、项目庞大,还导致后期运营困难,无法根据实时计算结果调整参数和算法。硬编码的方式还无法实现跨语言组合运行。
鉴于以上问题,急需一套数据分析框架实现代码灵活复用,减少开发量,提升新模型发布效率,并具备高并发、高可用的能力。并且省去每次调整算法就需要重新编译代码到发布的耗时,能运用不同开发语言的行业算法优势和组件运用优势,还能运用增量分析单位时间周期内数据集合自动预警框架。
图2示出了本发明的实施例公开了一种人员轨迹疫情防控模型分析方法,如图2所示,该方法包括如下步骤:
S101、创建允许管理员自由拖拽节点和创建节点连线的疫情防控分析模型;
具体的,所述疫情防控分析模型基于D3.js开发模型拖拽式组合控制系统创建,主要用于排序数据计算节点的先后顺序及代码运行时的动态参数配置,允许管理员自由拖拽节点和创建节点连线,并补充节点弹窗设置模型函数参数,在软件运行时作为动态参数使。
S102、响应于获取不同节点之间的前后关系与各节点在运算时需携带的函数参数,存入Relational类型数据库;
S103、将数据同步存入Memory类型数据库,供计算节点运算时实时获取任务信息;
S104、进一步搭建分布式消息中间件服务的集群;
S105、进一步开发疫情防控预警函数计算节点,并逐个启动所有节点;以及
具体的,开发所述疫情防控预警函数计算节点还包括:整合人员轨迹信息,包括但不限于高铁、航班、客运、基站、卡口的人员出入的扫码信息,并组合空间计算和时间计算,设计并获得疫情防控人员流动聚集预警数据模型,并将模型数据存储到TiDB数据库用于持久化和二次编辑调整。
开发的所述疫情防控预警函数计算节点的所有数据节点之间均不存在任何接口关联,不需要任何协议实现直接通讯,且不同节点之间服务的启动与暂停不互相直接影响。
S106、搭建MongoDB分布式数据库,用于存储计算过程的数据。
具体的,参照图3,该方法具体包括:
步骤1::控制台页面利用D3.js开发模型拖拽式组合控制系统,用于创建疫情防控分析模型,主要用于排序数据计算节点的先后顺序及代码运行时动态参数配置;
步骤:2:通过步骤1得到不同节点之间的前后关系,及各节点在运算时需携带的函数参数存入Relational类型数据库。
步骤3:同步将数据存入Memory类型数据库,供计算节点运算时实时获取任务信息;
步骤4:搭建分布式消息中间件服务集群
步骤5:开发疫情防控预警函数计算节点;
其中,不同节点只监听和消费消息中间件服务的数据,中间节点在执行完成后把数据回传回消息队列;开发的起始节点获取到的疫情防控人员的轨迹信息在进入消息队列时只携带模型id,并不携带更详细模型具体配置和节点信息,以减少消息队列占用内存过高和减少IO损耗;在有新节点需插入流水线作业时,只需启动新节点,并调整模型参数,同步模型结构到redis内存数据库,即可让数据流经节点进行二次加工,实现软件热部署;
步骤6:逐个启动所有节点,除起始节点和终止节点外,所有节点既是生产者也是消费者;
其中,新节点并不限制开发语言,凡事能符合消息队列协议的服务都可以作为独立节点运行;
步骤7:搭建MongoDB分布式数据库,用于存储计算过程数据,缓存数据库作为流水线作业不可或缺的一部分,用于辅助数据存储、减少内存占用,并且有利于提高多线程并发计算相同模型。
在一个优选的实施例中,该方法具体包括:
步骤10、根据D3.js开发规范,开发前端模型设计页面,允许管理员自由拖拽节点和创建节点连线,并补充节点弹窗设置模型函数参数,在软件运行时作为动态参数使用;
步骤12、设计软件数据库表结构,主要包含模型节点表、模型关联表、模型配置表、模型执行日志表等;
步骤13、设计疫情防控人员流动聚集预警数据模型,如图4所示,整合人员轨迹信息,其中人员基础数据包括但不限于高铁、航班、客运、基站、卡口、人员的出入扫码等信息,并组合空间计算和时间计算,得到模型结构;
步骤14、将模型数据存储到TiDB用于持久化和二次编辑调整;
步骤15、开发数据运行节点,包括基站经纬度数据节点、航班信息计算节点、高铁出行信息节点、自驾车辆出行信息节点、客运出行信息计算节点等;
其中,出行信息计算节点主要用消费人员基础数据,并将数据格式化后用于后续节点合并统计,作为时间和地址信息处理节点的主要依据。
步骤16、开发数据集合统计节点,用于承接从步骤15计算后符合要求的数据。计算单位时间内,人流量较高的区域经纬度信息。并将符合的人员数据传给下一节点,并记录结果数据到数据库;
步骤17、加载模型,将模型信息同步到redis内存型数据库,利用redis的高并发和高可用,节点实时计算的过程中从redis获取上下节点关系和预警参数,模型调整也只需更新redis即可改变各节点运行状态,也无需重新编译代码,无需重启整个服务。
步骤18、搭建RocketMq消息队列服务,消息队列RocketMQ是阿里云基于ApacheRocketMQ构建的低延迟、高并发、高可用、高可靠的分布式“消息、事件、流”统一处理平台,面向互联网分布式应用场景提供微服务异步解耦、流式数据处理、事件驱动处理等核心能力;
步骤19、搭建MongoDB数据库,用于模型数据分组运算的缓存;
步骤20、启动各计算节点开始消费和生产数据;
步骤21、如图4,人员出行信息需计算近24小时内人员聚集地点,可通过时间节点筛查的人员信息,按区域建立地址分组集合Collection,当人员数量达到预定阈值时,生成告警地址发送给终止节点生成报告。如果数据周期内没有达到阈值,自动删除24小时前的数据信息,并从消息队列获取新的数据继续运算。
本发明目的在于提供一种流水线式疫情防控数据分析模型方法。通过模型设计和消息队列及非关系式数据库的组合运用,可实现代码模块热拔插、模块多路复用、线上压力负反馈降级和算力动态扩容升级、跨语言算法组合运用等,旨在用于分析疫情防控方面人员聚集风险预警和人口流动趋势预测。
在另一个实施例中,本发明还公开一种人员轨迹疫情防控模型分析系统,如图5所示,该系统具体包括:模型创建模块51、存储模块52、消息服务搭建模块53、开发模块54以及数据库搭建模块55。
具体的,模型创建模块51:用于创建允许管理员自由拖拽节点和创建节点连线的疫情防控分析模型;存储模块52:用于响应于获取不同节点之间的前后关系与各节点在运算时需携带的函数参数,存入Relational类型数据库,将数据同步存入Memory类型数据库,供计算节点运算时实时获取任务信息;消息服务搭建模块53:用于搭建分布式消息中间件服务的集群;开发模块54:用于开发疫情防控预警函数计算节点,并逐个启动所有节点;数据库搭建模块55:用于搭建MongoDB分布式数据库,用于存储计算过程的数据。
下面参考图6,其示出了适于用来实现本发明实施例的电子设备(例如图1所示的服务器或终端设备)的计算机装置600的结构示意图。图6示出的电子设备仅仅是一个示例,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6所示,计算机装置600包括中央处理单元(CPU)601和图形处理器(GPU)602,其可以根据存储在只读存储器(ROM)603中的程序或者从存储部分609加载到随机访问存储器(RAM)606中的程序而执行各种适当的动作和处理。在RAM 604中,还存储有装置600操作所需的各种程序和数据。CPU 601、GPU602、ROM 603以及RAM 604通过总线605彼此相连。输入/输出(I/O)接口606也连接至总线605。
以下部件连接至I/O接口606:包括键盘、鼠标等的输入部分607;包括诸如、液晶显示器(LCD)等以及扬声器等的输出部分608;包括硬盘等的存储部分609;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分610。通信部分610经由诸如因特网的网络执行通信处理。驱动器611也可以根据需要连接至I/O接口606。可拆卸介质612,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器611上,以便于从其上读出的计算机程序根据需要被安装入存储部分609。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分610从网络上被下载和安装,和/或从可拆卸介质612被安装。在该计算机程序被中央处理单元(CPU)601和图形处理器(GPU)602执行时,执行本发明的方法中限定的上述功能。
需要说明的是,本发明所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的装置、装置或器件,或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读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装置、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的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,其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行装置、装置或者器件使用或者与其结合使用的程序。计算机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、电线、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或其组合来编写用于执行本发明的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本发明各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的装置来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备执行如本发明第一方面描述的方法步骤。
以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本发明中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种人员轨迹疫情防控模型分析方法,其特征在于,该方法包括如下步骤:
创建允许管理员自由拖拽节点和创建节点连线的疫情防控分析模型;
响应于获取不同节点之间的前后关系与各节点在运算时需携带的函数参数,存入Relational类型数据库;
将数据同步存入Memory类型数据库,供计算节点运算时实时获取任务信息;
进一步搭建分布式消息中间件服务的集群;
进一步开发疫情防控预警函数计算节点,并逐个启动所有节点;以及
搭建MongoDB分布式数据库,用于存储计算过程的数据。
2.根据权利要求1所述的人员轨迹疫情防控模型分析方法,其特征在于,所述疫情防控分析模型基于D3.js开发模型拖拽式组合控制系统创建,主要用于排序数据计算节点的先后顺序及代码运行时的动态参数配置,允许管理员自由拖拽节点和创建节点连线,并补充节点弹窗设置模型函数参数,在软件运行时作为动态参数使用。
3.根据权利要求1所述的人员轨迹疫情防控模型分析方法,其特征在于,开发所述疫情防控预警函数计算节点还包括:整合人员轨迹信息,包括但不限于高铁、航班、客运、基站、卡口的人员出入的扫码信息,并组合空间计算和时间计算,设计并获得疫情防控人员流动聚集预警数据模型,并将模型数据存储到TiDB数据库用于持久化和二次编辑调整。
4.根据权利要求3所述的人员轨迹疫情防控模型分析方法,其特征在于,开发的所述疫情防控预警函数计算节点的所有数据节点之间均不存在任何接口关联,不需要任何协议实现直接通讯,且不同节点之间服务的启动与暂停不互相直接影响。
5.根据权利要求4所述的人员轨迹疫情防控模型分析方法,其特征在于,还包括:不同节点只监听和消费所述消息中间件服务的数据,中间节点在执行完成后把所述数据回传到消息队列。
6.根据权利要求5所述的人员轨迹疫情防控模型分析方法,其特征在于,还包括:起始节点获取到的疫情防控人员的轨迹信息在进入所述消息队列时只携带模型id,不携带更详细的模型具体配置和节点信息。
7.根据权利要求6所述的人员轨迹疫情防控模型分析方法,其特征在于,还包括:启动新节点并调整模型参数,同步模型结构到redis内存数据库。
8.一种人员轨迹疫情防控模型分析系统,其特征在于,该系统具体包括:
模型创建模块:用于创建允许管理员自由拖拽节点和创建节点连线的疫情防控分析模型;
存储模块:用于响应于获取不同节点之间的前后关系与各节点在运算时需携带的函数参数,存入Relational类型数据库,将数据同步存入Memory类型数据库,供计算节点运算时实时获取任务信息;
消息服务搭建模块:用于搭建分布式消息中间件服务的集群;
开发模块:用于开发疫情防控预警函数计算节点,并逐个启动所有节点;
数据库搭建模块:用于搭建MongoDB分布式数据库,用于存储计算过程的数据。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至7中任一所述的方法。
10.一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,该程序被处理器执行时实现如权利要求1至7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211526210.5A CN116450121A (zh) | 2022-11-30 | 2022-11-30 | 一种人员轨迹疫情防控模型分析方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211526210.5A CN116450121A (zh) | 2022-11-30 | 2022-11-30 | 一种人员轨迹疫情防控模型分析方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116450121A true CN116450121A (zh) | 2023-07-18 |
Family
ID=87122574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211526210.5A Pending CN116450121A (zh) | 2022-11-30 | 2022-11-30 | 一种人员轨迹疫情防控模型分析方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116450121A (zh) |
-
2022
- 2022-11-30 CN CN202211526210.5A patent/CN116450121A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110198244B (zh) | 面向异构云服务的资源配置方法和装置 | |
EP3684033A1 (en) | Systems and methods for collecting, monitoring, and analyzing vehicle data from a plurality of vehicles using edge computing | |
CN109245908B (zh) | 一种主从集群切换的方法和装置 | |
CN109766319B (zh) | 压缩任务处理方法、装置、存储介质及电子设备 | |
CN107347093B (zh) | 用于分布式服务器系统的配置方法和装置 | |
CN113556387A (zh) | 边缘网关控制方法及系统、装置、电子设备、存储介质 | |
CN113378346A (zh) | 模型仿真的方法和装置 | |
CN116450121A (zh) | 一种人员轨迹疫情防控模型分析方法及其系统 | |
CN111312243A (zh) | 设备交互方法和装置 | |
CN113472638B (zh) | 边缘网关控制方法及系统、装置、电子设备、存储介质 | |
CN113204425B (zh) | 供进程管理内部线程的方法、装置、电子设备及存储介质 | |
CN115509744A (zh) | 容器分配方法、系统、装置、设备及存储介质 | |
CN114070889A (zh) | 配置方法、流量转发方法、设备、存储介质及程序产品 | |
CN113656239A (zh) | 针对中间件的监控方法、装置及计算机程序产品 | |
CN111382057B (zh) | 测试用例生成方法,测试方法及装置,服务器及存储介质 | |
CN115705465A (zh) | 数据解析结果的呈现方法、装置、设备及存储介质 | |
CN112099957A (zh) | 资源配置方法、系统、装置以及电子设备 | |
CN114365151A (zh) | 神经网络模型转化方法、装置、服务器及存储介质 | |
CN114546530B (zh) | 一种大数据的加载方法、装置、设备及介质 | |
CN111666156B (zh) | 一种容器编排方法、装置、设备和存储介质 | |
CN116389492A (zh) | 视频分析系统、方法、装置、计算机可读存储介质 | |
CN114780293A (zh) | 基于hadoop的异地双活容灾方法、装置、设备和可读存储介质 | |
CN117009028A (zh) | 容器组的调度方法、装置、电子设备及存储介质 | |
CN116860847A (zh) | 一种面向多源异构数据源的统一健康检测方法及其系统 | |
CN114495924A (zh) | 智慧随访语音唤醒方法及装置、电子设备 |
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 |