CN116866842A - 一种传染病跨时空目标追踪预警方法、系统、终端及介质 - Google Patents
一种传染病跨时空目标追踪预警方法、系统、终端及介质 Download PDFInfo
- Publication number
- CN116866842A CN116866842A CN202311134474.0A CN202311134474A CN116866842A CN 116866842 A CN116866842 A CN 116866842A CN 202311134474 A CN202311134474 A CN 202311134474A CN 116866842 A CN116866842 A CN 116866842A
- Authority
- CN
- China
- Prior art keywords
- base station
- time
- user terminal
- edge
- target user
- 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
Links
- 208000015181 infectious disease Diseases 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 35
- 208000035473 Communicable disease Diseases 0.000 title claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000010586 diagram Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 9
- 238000012502 risk assessment Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 7
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011534 incubation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/60—Healthcare; Welfare
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/50—Safety; Security of things, users, data or systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/60—Positioning; Navigation
-
- 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
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/90—Services for handling of emergency or hazardous situations, e.g. earthquake and tsunami warning systems [ETWS]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Environmental & Geological Engineering (AREA)
- Biomedical Technology (AREA)
- Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Bioethics (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Pathology (AREA)
- Emergency Management (AREA)
- Toxicology (AREA)
- Computer Security & Cryptography (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Telephonic Communication Services (AREA)
- Mobile Radio Communication Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种传染病跨时空目标追踪预警方法、系统、终端及介质,涉及数据分析技术领域,其技术方案要点是:建立基站分布图;提取边缘基站中在时间范围内的目标用户终端;为相应边缘基站分配概率系数;计算移动终端处于单个中心基站覆盖范围内对目标用户终端的单一影响风险值;计算得到移动终端对目标用户终端的总影响风险值;向目标用户终端发送对应的预警信号。本发明在基于基站定位信息进行接触情况分析过程中,综合考虑了人员密度因素、活动时间因素以及流动距离因素对跨时空下人群的感染风险分析,可以针对不同的人员进行感染风险差异性分析,及时对存在感染风险的人群进行精准预警告知,为目标人群自我监测与管控提供参考数据。
Description
技术领域
本发明涉及数据分析技术领域,更具体地说,它涉及一种传染病跨时空目标追踪预警方法、系统、终端及介质。
背景技术
由于部分传染病具有一定的潜伏期,而已感染人群在潜伏期的正常活动将可能引起大量人员感染,所以在患者确诊感染传染病后对其前期的活动轨迹溯源非常有必要,可以及时对存在感染风险的人群进行预警告知。
目前,对于确诊患者的活动轨迹溯源主要是依据人群与确诊患者之间接触情况来对确认存在感染风险的人群,其包括在同一时间下的直接接触和在不同时空下间接接触。而为了提高接触情况分析的精度,现有技术主要是通过获取人员所携带移动终端的GPS定位信息来实现接触关系分析的,但实际应用场景下,并非所以人员携带的移动终端均授权允许获取GPS定位信息,这就导致在进行接触情况分析过程中存在遗漏部分人员的情况,从而使得活动轨迹溯源的可靠性相对较差。为此,现有技术中还记载有通过基站定位方法来获取移动终端的大致活动轨迹,但由于基站定位方法相比于GPS定位的精确度相对较低,所以一般情况下是设置一定的时空跨度和地面距离,当某个人员与确诊患者在时空跨度内存在实际距离小于地面距离时,则初步判定此人员存在感染风险,此方法虽然能够保障活动轨迹溯源过程的全面性,但是其只能进行普适性的活动轨迹溯源分析,无法针对单个人员进行精准化分析。
因此,如何研究设计一种能够克服上述缺陷的传染病跨时空目标追踪预警方法、系统、终端及介质是我们目前急需解决的问题。
发明内容
为解决现有技术中的不足,本发明的目的是提供一种传染病跨时空目标追踪预警方法、系统、终端及介质,在基于基站定位信息进行接触情况分析过程中,综合考虑了人员密度因素、活动时间因素以及流动距离因素对跨时空下人群的感染风险分析,可以针对不同的人员进行感染风险差异性分析,及时对存在感染风险的人群进行精准预警告知,为目标人群自我监测与管控提供参考数据。
本发明的上述技术目的是通过以下技术方案得以实现的:
第一方面,提供了一种传染病跨时空目标追踪预警方法,包括以下步骤:
获取确诊传染病患者所携带移动终端在预设周期内的基站定位信息,并结合位于基站定位信息中各个中心基站周围的边缘基站建立基站分布图;
分析边缘基站与中心基站之间的地面覆盖距离,并结合移动终端进入中心基站覆盖范围的时间信息确定边缘基站的时间范围,以及提取边缘基站中在时间范围内的目标用户终端;
依据移动终端进入中心基站覆盖范围的时间信息、中心基站覆盖范围内用户终端的第一分布密度以及边缘基站与中心基站之间的地面覆盖距离为相应边缘基站分配概率系数;
结合边缘基站覆盖范围内目标用户终端的第二分布密度、目标用户终端在边缘基站的时间范围内停留的时间占比以及概率系数计算移动终端处于单个中心基站覆盖范围内对目标用户终端的单一影响风险值;
以所有中心基站对同一目标用户终端的单一影响风险值之和计算得到移动终端对目标用户终端的总影响风险值;
依据总影响风险值所属的风险等级向目标用户终端发送对应的预警信号。
进一步的,所述预设周期由确诊传染病患者所确诊传染病的潜伏期决定,潜伏期约长,预设周期越大。
进一步的,所述时间范围的表达式具体为:
;
其中,表示在仅由中心基站i对边缘基站j起影响作用下边缘基站j的时间范围;表示边缘基站j的时间范围所对应的时间起点;/>表示边缘基站j的时间范围所对应的时间终点;/>表示移动终端进入中心基站i覆盖范围的时间起点;/>表示中心基站i与边缘基站j之间的转移时间;/>表示移动终端在中心基站i覆盖范围的停留时间;/>表示边缘基站j与中心基站i之间的地面覆盖距离;/>表示转移平均速率。
进一步的,所述概率系数的计算公式具体为:
;
其中,表示在仅由中心基站i对边缘基站j起影响作用下边缘基站j的概率系数;表示中心基站i覆盖范围内用户终端的第一分布密度,由移动终端的停留时间内中心基站i覆盖范围的用户终端平均分布密度决定;/>表示基础分布密度;/>表示移动终端在中心基站i覆盖范围的停留时间;/>表示边缘基站j与中心基站i之间的地面覆盖距离;/>表示转移平均速率。
进一步的,所述基础分布密度由单元时间内的有效传染距离决定,所确诊传染病的传染性越强,有效传染距离越大,相应的基础分布密度越小。
进一步的,所述单一影响风险值的计算公式具体为:
;
其中,表示在仅由中心基站i对边缘基站j起影响作用下目标用户终端n的单一影响风险值;/>表示仅由中心基站i对边缘基站j起影响作用下边缘基站j的概率系数;表示边缘基站j覆盖范围内目标用户终端的第二分布密度;/>表示目标用户终端n在边缘基站j的时间范围/>内所停留的时间;/>表示基础分布密度;/>表示在仅由中心基站i对边缘基站j起影响作用下边缘基站j的时间范围。
进一步的,所述总影响风险值的计算公式具体为:
;
其中,表示边缘基站j中目标用户终端n的总影响风险值;/>表示中心基站的数量;/>表示在仅由中心基站i对边缘基站j起影响作用下目标用户终端n的单一影响风险值。
第二方面,提供了一种传染病跨时空目标追踪预警系统,包括:
基站定位模块,用于获取确诊传染病患者所携带移动终端在预设周期内的基站定位信息,并结合位于基站定位信息中各个中心基站周围的边缘基站建立基站分布图;
目标分析模块,用于分析边缘基站与中心基站之间的地面覆盖距离,并结合移动终端进入中心基站覆盖范围的时间信息确定边缘基站的时间范围,以及提取边缘基站中在时间范围内的目标用户终端;
系数分配模块,用于依据移动终端进入中心基站覆盖范围的时间信息、中心基站覆盖范围内用户终端的第一分布密度以及边缘基站与中心基站之间的地面覆盖距离为相应边缘基站分配概率系数;
风险分析模块,用于结合边缘基站覆盖范围内目标用户终端的第二分布密度、目标用户终端在边缘基站的时间范围内停留的时间占比以及概率系数计算移动终端处于单个中心基站覆盖范围内对目标用户终端的单一影响风险值;
风险融合模块,用于以所有中心基站对同一目标用户终端的单一影响风险值之和计算得到移动终端对目标用户终端的总影响风险值;
风险预警模块,用于依据总影响风险值所属的风险等级向目标用户终端发送对应的预警信号。
第三方面,提供了一种计算机终端,包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面中任意一项所述的一种传染病跨时空目标追踪预警方法。
第四方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行可实现如第一方面中任意一项所述的一种传染病跨时空目标追踪预警方法。
与现有技术相比,本发明具有以下有益效果:
1、本发明提供的一种传染病跨时空目标追踪预警方法,在基于基站定位信息进行接触情况分析过程中,综合考虑了人员密度因素、活动时间因素以及流动距离因素对跨时空下人群的感染风险分析,可以针对不同的人员进行感染风险差异性分析,及时对存在感染风险的人群进行精准预警告知,为目标人群自我监测与管控提供参考数据;
2、本发明在分析边缘基站的时间范围时,针对不同中心基站对于同一边缘基站的影响进行独立分析,且在单一分析过程中考虑了人员流动所需时间以及持续流动的可持续时间,弱化了连续间接接触传染的可能性,可以从大量数据中筛选出传染概率相对较高的目标用户终端;
3、本发明先依据作为传染源地的中心基站中用户终端的密度情况和停留时间情况对单一边缘基站进行整体风险分析,再结合各个目标用户终端停留的时间、目标用户终端的密度情况进行风险差异分析,有效提高了传染病跨时空目标追踪预警的准确性。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1是本发明实施例1中的流程图;
图2是本发明实施例2中的系统框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1:一种传染病跨时空目标追踪预警方法,如图1所示,包括以下步骤:
S1:获取确诊传染病患者所携带移动终端在预设周期内的基站定位信息,并结合位于基站定位信息中各个中心基站周围的边缘基站建立基站分布图;
S2:分析边缘基站与中心基站之间的地面覆盖距离,并结合移动终端进入中心基站覆盖范围的时间信息确定边缘基站的时间范围,以及提取边缘基站中在时间范围内的目标用户终端;
S3:依据移动终端进入中心基站覆盖范围的时间信息、中心基站覆盖范围内用户终端的第一分布密度以及边缘基站与中心基站之间的地面覆盖距离为相应边缘基站分配概率系数;
S4:结合边缘基站覆盖范围内目标用户终端的第二分布密度、目标用户终端在边缘基站的时间范围内停留的时间占比以及概率系数计算移动终端处于单个中心基站覆盖范围内对目标用户终端的单一影响风险值;
S5:以所有中心基站对同一目标用户终端的单一影响风险值之和计算得到移动终端对目标用户终端的总影响风险值;
S6:依据总影响风险值所属的风险等级向目标用户终端发送对应的预警信号。
需要说明的是,预设周期由确诊传染病患者所确诊传染病的潜伏期决定,潜伏期约长,预设周期越大。
此外,在确定单个中心基站周围的边缘基站时,一般是选取距离中心基站的距离小于预设固定距离的基站作为边缘基站,预设固定距离可以根据预警的灵敏度进行灵活调整。
另外,本发明中所记载的距离为两个基站所覆盖范围的中心点之间的地面间距,如上述的地面覆盖距离。
在本实施例中,时间范围的表达式具体为:
;
其中,表示在仅由中心基站i对边缘基站j起影响作用下边缘基站j的时间范围;表示边缘基站j的时间范围所对应的时间起点;/>表示边缘基站j的时间范围所对应的时间终点;/>表示移动终端进入中心基站i覆盖范围的时间起点;/>表示中心基站i与边缘基站j之间的转移时间;/>表示移动终端在中心基站i覆盖范围的停留时间;/>表示边缘基站j与中心基站i之间的地面覆盖距离;/>表示转移平均速率,其为预设经验值,可依据需求进行调整。
需要说明的是,在确定边缘基站j的时间范围所对应的时间终点时,可以利用权重系数对进行修正,在此不受限制。
此外,若基站定位信息中存在重复的中心基站,对重复的中心基站进行多次分析,即患者反复经过同一个基站,则针对单次经过过程进行独立分析。
本发明在分析边缘基站的时间范围时,针对不同中心基站对于同一边缘基站的影响进行独立分析,且在单一分析过程中考虑了人员流动所需时间以及持续流动的可持续时间,弱化了连续间接接触传染的可能性,可以从大量数据中筛选出传染概率相对较高的目标用户终端。
在本实施例中,概率系数的计算公式具体为:
;
其中,表示在仅由中心基站i对边缘基站j起影响作用下边缘基站j的概率系数;表示中心基站i覆盖范围内用户终端的第一分布密度,由移动终端的停留时间内中心基站i覆盖范围的用户终端平均分布密度决定;/>表示基础分布密度;/>表示移动终端在中心基站i覆盖范围的停留时间;/>表示边缘基站j与中心基站i之间的地面覆盖距离;/>表示转移平均速率。
一般情况下,基础分布密度由单元时间内的有效传染距离决定,所确诊传染病的传染性越强,有效传染距离越大,相应的基础分布密度越小。此外,基础分布密度也可以采取固定的经验值。
在本实施例中,单一影响风险值的计算公式具体为:
;
其中,表示在仅由中心基站i对边缘基站j起影响作用下目标用户终端n的单一影响风险值;/>表示仅由中心基站i对边缘基站j起影响作用下边缘基站j的概率系数;表示边缘基站j覆盖范围内目标用户终端的第二分布密度;/>表示目标用户终端n在边缘基站j的时间范围/>内所停留的时间;/>表示基础分布密度;/>表示在仅由中心基站i对边缘基站j起影响作用下边缘基站j的时间范围。
本发明先依据作为传染源地的中心基站中用户终端的密度情况和停留时间情况对单一边缘基站进行整体风险分析,再结合各个目标用户终端停留的时间、目标用户终端的密度情况进行风险差异分析,有效提高了传染病跨时空目标追踪预警的准确性。
在本实施例中,总影响风险值的计算公式具体为:
;
其中,表示边缘基站j中目标用户终端n的总影响风险值;/>表示中心基站的数量;/>表示在仅由中心基站i对边缘基站j起影响作用下目标用户终端n的单一影响风险值。
需要说明的是,总影响风险值越大,说明其感染风险越大。
实施例2:一种传染病跨时空目标追踪预警系统,该系统用于实现实施例1中所记载的一种传染病跨时空目标追踪预警方法,如图2所示,包括基站定位模块、目标分析模块、系数分配模块、风险分析模块、风险融合模块和风险预警模块。
其中,基站定位模块,用于获取确诊传染病患者所携带移动终端在预设周期内的基站定位信息,并结合位于基站定位信息中各个中心基站周围的边缘基站建立基站分布图;目标分析模块,用于分析边缘基站与中心基站之间的地面覆盖距离,并结合移动终端进入中心基站覆盖范围的时间信息确定边缘基站的时间范围,以及提取边缘基站中在时间范围内的目标用户终端;系数分配模块,用于依据移动终端进入中心基站覆盖范围的时间信息、中心基站覆盖范围内用户终端的第一分布密度以及边缘基站与中心基站之间的地面覆盖距离为相应边缘基站分配概率系数;风险分析模块,用于结合边缘基站覆盖范围内目标用户终端的第二分布密度、目标用户终端在边缘基站的时间范围内停留的时间占比以及概率系数计算移动终端处于单个中心基站覆盖范围内对目标用户终端的单一影响风险值;风险融合模块,用于以所有中心基站对同一目标用户终端的单一影响风险值之和计算得到移动终端对目标用户终端的总影响风险值;风险预警模块,用于依据总影响风险值所属的风险等级向目标用户终端发送对应的预警信号。
工作原理:本发明在基于基站定位信息进行接触情况分析过程中,综合考虑了人员密度因素、活动时间因素以及流动距离因素对跨时空下人群的感染风险分析,可以针对不同的人员进行感染风险差异性分析,及时对存在感染风险的人群进行精准预警告知,为目标人群自我监测与管控提供参考数据。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种传染病跨时空目标追踪预警方法,其特征是,包括以下步骤:
获取确诊传染病患者所携带移动终端在预设周期内的基站定位信息,并结合位于基站定位信息中各个中心基站周围的边缘基站建立基站分布图;
分析边缘基站与中心基站之间的地面覆盖距离,并结合移动终端进入中心基站覆盖范围的时间信息确定边缘基站的时间范围,以及提取边缘基站中在时间范围内的目标用户终端;
依据移动终端进入中心基站覆盖范围的时间信息、中心基站覆盖范围内用户终端的第一分布密度以及边缘基站与中心基站之间的地面覆盖距离为相应边缘基站分配概率系数;
结合边缘基站覆盖范围内目标用户终端的第二分布密度、目标用户终端在边缘基站的时间范围内停留的时间占比以及概率系数计算移动终端处于单个中心基站覆盖范围内对目标用户终端的单一影响风险值;
以所有中心基站对同一目标用户终端的单一影响风险值之和计算得到移动终端对目标用户终端的总影响风险值;
依据总影响风险值所属的风险等级向目标用户终端发送对应的预警信号。
2.根据权利要求1所述的一种传染病跨时空目标追踪预警方法,其特征是,所述预设周期由确诊传染病患者所确诊传染病的潜伏期决定,潜伏期越长,预设周期越大。
3.根据权利要求1所述的一种传染病跨时空目标追踪预警方法,其特征是,所述时间范围的表达式具体为:
;
其中,表示在仅由中心基站i对边缘基站j起影响作用下边缘基站j的时间范围;/>表示边缘基站j的时间范围所对应的时间起点;/>表示边缘基站j的时间范围所对应的时间终点;/>表示移动终端进入中心基站i覆盖范围的时间起点;/>表示中心基站i与边缘基站j之间的转移时间;/>表示移动终端在中心基站i覆盖范围的停留时间;/>表示边缘基站j与中心基站i之间的地面覆盖距离;/>表示转移平均速率。
4.根据权利要求1所述的一种传染病跨时空目标追踪预警方法,其特征是,所述概率系数的计算公式具体为:
;
其中,表示在仅由中心基站i对边缘基站j起影响作用下边缘基站j的概率系数;/>表示中心基站i覆盖范围内用户终端的第一分布密度,由移动终端的停留时间内中心基站i覆盖范围的用户终端平均分布密度决定;/>表示基础分布密度;/>表示移动终端在中心基站i覆盖范围的停留时间;/>表示边缘基站j与中心基站i之间的地面覆盖距离;/>表示转移平均速率。
5.根据权利要求4所述的一种传染病跨时空目标追踪预警方法,其特征是,所述基础分布密度由单元时间内的有效传染距离决定,所确诊传染病的传染性越强,有效传染距离越大,相应的基础分布密度越小。
6.根据权利要求1所述的一种传染病跨时空目标追踪预警方法,其特征是,所述单一影响风险值的计算公式具体为:
;
其中,表示在仅由中心基站i对边缘基站j起影响作用下目标用户终端n的单一影响风险值;/>表示仅由中心基站i对边缘基站j起影响作用下边缘基站j的概率系数;/>表示边缘基站j覆盖范围内目标用户终端的第二分布密度;/>表示目标用户终端n在边缘基站j的时间范围/>内所停留的时间;/>表示基础分布密度;/>表示在仅由中心基站i对边缘基站j起影响作用下边缘基站j的时间范围。
7.根据权利要求1所述的一种传染病跨时空目标追踪预警方法,其特征是,所述总影响风险值的计算公式具体为:
;
其中,表示边缘基站j中目标用户终端n的总影响风险值;/>表示中心基站的数量;表示在仅由中心基站i对边缘基站j起影响作用下目标用户终端n的单一影响风险值。
8.一种传染病跨时空目标追踪预警系统,其特征是,包括:
基站定位模块,用于获取确诊传染病患者所携带移动终端在预设周期内的基站定位信息,并结合位于基站定位信息中各个中心基站周围的边缘基站建立基站分布图;
目标分析模块,用于分析边缘基站与中心基站之间的地面覆盖距离,并结合移动终端进入中心基站覆盖范围的时间信息确定边缘基站的时间范围,以及提取边缘基站中在时间范围内的目标用户终端;
系数分配模块,用于依据移动终端进入中心基站覆盖范围的时间信息、中心基站覆盖范围内用户终端的第一分布密度以及边缘基站与中心基站之间的地面覆盖距离为相应边缘基站分配概率系数;
风险分析模块,用于结合边缘基站覆盖范围内目标用户终端的第二分布密度、目标用户终端在边缘基站的时间范围内停留的时间占比以及概率系数计算移动终端处于单个中心基站覆盖范围内对目标用户终端的单一影响风险值;
风险融合模块,用于以所有中心基站对同一目标用户终端的单一影响风险值之和计算得到移动终端对目标用户终端的总影响风险值;
风险预警模块,用于依据总影响风险值所属的风险等级向目标用户终端发送对应的预警信号。
9.一种计算机终端,包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序,其特征是,所述处理器执行所述程序时实现如权利要求1-7中任意一项所述的一种传染病跨时空目标追踪预警方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征是,所述计算机程序被处理器执行可实现如权利要求1-7中任意一项所述的一种传染病跨时空目标追踪预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311134474.0A CN116866842B (zh) | 2023-09-05 | 2023-09-05 | 一种传染病跨时空目标追踪预警方法、系统、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311134474.0A CN116866842B (zh) | 2023-09-05 | 2023-09-05 | 一种传染病跨时空目标追踪预警方法、系统、终端及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116866842A true CN116866842A (zh) | 2023-10-10 |
CN116866842B CN116866842B (zh) | 2023-11-21 |
Family
ID=88232678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311134474.0A Active CN116866842B (zh) | 2023-09-05 | 2023-09-05 | 一种传染病跨时空目标追踪预警方法、系统、终端及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116866842B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015079260A1 (en) * | 2013-11-29 | 2015-06-04 | Cambridge Consultants Limited | Location finding apparatus and associated methods |
KR20170053145A (ko) * | 2015-11-05 | 2017-05-15 | 고려대학교 산학협력단 | 전염병 예방과 확산 방지를 위한 전염병 추적 관리 시스템 |
CN107277763A (zh) * | 2017-05-05 | 2017-10-20 | 中国科学院深圳先进技术研究院 | 一种传染病防控方法及系统 |
CN111885484A (zh) * | 2020-07-22 | 2020-11-03 | 中国联合网络通信集团有限公司 | 疫情疑似人员追踪方法、系统、计算机设备及存储介质 |
CN112613974A (zh) * | 2020-12-16 | 2021-04-06 | 平安消费金融有限公司 | 一种风险预警方法、装置、设备及可读存储介质 |
WO2021189516A1 (zh) * | 2020-03-27 | 2021-09-30 | 中国科学院深圳先进技术研究院 | 大规模轨迹数据模拟流感时空传播过程的方法及系统 |
KR20220003431A (ko) * | 2020-07-01 | 2022-01-10 | 씨제이올리브네트웍스 주식회사 | 감염병 확산 방지를 위한 사용자 관리 시스템 및 방법 |
CN114341760A (zh) * | 2019-08-28 | 2022-04-12 | 三星电子株式会社 | 用于定位和路径规划的传感器融合 |
WO2022121741A1 (zh) * | 2020-12-09 | 2022-06-16 | 华为技术有限公司 | 一种疫情防控方法、电子设备、应用服务器和系统 |
CN115865628A (zh) * | 2022-12-01 | 2023-03-28 | 中通建设股份有限公司 | 基于多基站协作的无线通信传输系统及方法 |
-
2023
- 2023-09-05 CN CN202311134474.0A patent/CN116866842B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015079260A1 (en) * | 2013-11-29 | 2015-06-04 | Cambridge Consultants Limited | Location finding apparatus and associated methods |
KR20170053145A (ko) * | 2015-11-05 | 2017-05-15 | 고려대학교 산학협력단 | 전염병 예방과 확산 방지를 위한 전염병 추적 관리 시스템 |
CN107277763A (zh) * | 2017-05-05 | 2017-10-20 | 中国科学院深圳先进技术研究院 | 一种传染病防控方法及系统 |
CN114341760A (zh) * | 2019-08-28 | 2022-04-12 | 三星电子株式会社 | 用于定位和路径规划的传感器融合 |
WO2021189516A1 (zh) * | 2020-03-27 | 2021-09-30 | 中国科学院深圳先进技术研究院 | 大规模轨迹数据模拟流感时空传播过程的方法及系统 |
KR20220003431A (ko) * | 2020-07-01 | 2022-01-10 | 씨제이올리브네트웍스 주식회사 | 감염병 확산 방지를 위한 사용자 관리 시스템 및 방법 |
CN111885484A (zh) * | 2020-07-22 | 2020-11-03 | 中国联合网络通信集团有限公司 | 疫情疑似人员追踪方法、系统、计算机设备及存储介质 |
WO2022121741A1 (zh) * | 2020-12-09 | 2022-06-16 | 华为技术有限公司 | 一种疫情防控方法、电子设备、应用服务器和系统 |
CN112613974A (zh) * | 2020-12-16 | 2021-04-06 | 平安消费金融有限公司 | 一种风险预警方法、装置、设备及可读存储介质 |
CN115865628A (zh) * | 2022-12-01 | 2023-03-28 | 中通建设股份有限公司 | 基于多基站协作的无线通信传输系统及方法 |
Non-Patent Citations (1)
Title |
---|
林梦宣: ""基于互联网大数据的传染病预测预警研究进展"", 《中国公共卫生》 * |
Also Published As
Publication number | Publication date |
---|---|
CN116866842B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2520126B1 (en) | Method and apparatus for position determination in a cellular communications system | |
US9251685B2 (en) | System and method for medical diagnosis using geospatial location data integrated with biomedical sensor information | |
CN105516925B (zh) | 基于地理围栏的人员管理方法 | |
CN110020221B (zh) | 职住分布确认方法、装置、服务器及计算机可读存储介质 | |
EP3592000B1 (en) | User path recovery method and device | |
CN105740615A (zh) | 利用手机轨迹追踪传染源和预测传染病流行趋势的方法 | |
CN203136170U (zh) | 基于移动通信网络的人员追踪系统 | |
US20110160994A1 (en) | Auto-detection of a field in fleet management | |
CN103281668B (zh) | 基于智能定位技术的物联网关爱系统及其实现方法 | |
CN103068039A (zh) | 一种基于WiFi信号的RSSI值的定位方法 | |
CN116894166B (zh) | 一种基于智能传感网络的土壤环境参数信息监测系统 | |
CN105682097A (zh) | 一种伪基站识别定位方法及装置 | |
CN106162652A (zh) | 一种基于路测数据的基站位置定位方法 | |
CN104661303B (zh) | 用于确定无线局域网设备位置的系统和方法 | |
CN114611860A (zh) | 一种疫情防控方法、电子设备、应用服务器和系统 | |
CN105572707A (zh) | 地理位置监测方法及设备 | |
CN110286300A (zh) | 一种多分支输电线路故障定位方法、装置、设备及系统 | |
WO2023056753A1 (zh) | 时空行为轨迹采集、生成方法、装置、设备、系统及存储介质 | |
CN116866842B (zh) | 一种传染病跨时空目标追踪预警方法、系统、终端及介质 | |
CN105005041A (zh) | 一种基于射频识别技术的野生动物追踪系统 | |
KR20180019832A (ko) | 사회 연결망 그래프 기반 농축산물 질병 정보 시각화 장치 및 방법 | |
CN103561385A (zh) | 自动签到方法及服务器 | |
CN112770349A (zh) | 一种基于5g无线频谱的智能监测分析平台 | |
CN113365216B (zh) | 一种追踪预警方法、系统与设备 | |
KR101025832B1 (ko) | 실시간 위치 추적 시스템 및 그의 태그 측위 보정 방법 |
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 |