CN117745497B - 基于数据分析的养老服务机构配置优化方法及系统 - Google Patents

Abstract

本发明涉及养老服务优化技术领域，具体涉及基于数据分析的养老服务机构配置优化方法及系统。包括构建配置等级区间，获取用户方对当前养老服务机构内各项服务配置的模糊评估值，确定该模糊评估值于配置等级区间内所处的配置等级，且生成一次判定状态；当配置等级不处于高级配置生成异常中立配置状态；评估服务配置的损益评估值；确定当前服务配置实际评估值，且生成二次判定状态；构建配置方案优化集合。结合模糊评估值与实际评估值对服务配置准确性评估，以保证优化方案的无误性、适配性和实用性，同时精准地确定受服务老人的共同需求进而为其生成合理的优化方案。

Description

基于数据分析的养老服务机构配置优化方法及系统

技术领域

本发明涉及养老服务优化技术领域，具体涉及基于数据分析的养老服务机构配置优化方法及系统。

背景技术

养老服务机构是指为老年人提供养护、运动、促进康复等综合性服务的机构。

在目前，为了使养老服务机构能够具有为用户提供合理的服务体验，目前会通过获取用户方的意见，以进行评估，来确定养老服务机构是否需要做出适当的配置调整或优化，但是对于养老服务机构内的用户而言，仅仅基于用户所给出单体意见来对养老服务机构内的配置做出调整或优化时，若是用户所给出的评估意见不够客观或实际，就使养老服务机构在面对后续做出配置的调整或优化时，无法保证调整或优化方案的适配性和实用性，同时也难以精准地确定受服务老人的共同需求进而为其生成合理的优化方案提高体验。

发明内容

针对现有技术所存在的上述缺点，本发明提供了基于数据分析的养老服务机构配置优化方法及系统，能够有效解决现有技术中养老服务机构在进行配置方案的调整或优化时，无法保证调整或优化方案的适配性和实用性，同时也难以精准地确定受服务老人的共同需求进而为其生成合理的优化方案提高体验的问题。

为实现以上目的，本发明通过以下技术方案予以实现：

本发明提供基于数据分析的养老服务机构配置优化方法，包括如下步骤：

构建配置等级区间，获取用户方对当前养老服务机构内各项服务配置的模糊评估值，确定该模糊评估值于配置等级区间内所处的配置等级，且生成一次判定状态；

确定该配置等级在配置等级区间内是否处于高级配置，当不处于时，生成异常中立配置状态；

基于异常中立配置状态判定其在养老服务机构内对应的服务配置，采集该服务配置在养老服务机构内的信息数据，并对信息数据进行整合，通过线性分析模型依据信息数据评估服务配置的损益评估值；

基于配置等级区间与损益评估值综合确定当前服务配置实际评估值，依据实际评估值确定其于配置等级区间内所处的配置等级，且生成二次判定状态，当一次判定状态与二次判定状态相同，或实际评估值对应的配置等级低于模糊评估值对应的配置等级时，均将该服务配置明确为异常配置状态；

构建配置方案优化集合，基于异常配置状态在配置方案优化集合确定对应的优化配置方案，以优化配置方案执行养老服务机构的配置优化。

进一步地，所述配置等级区间包括：

高级配置、中级配置及低级配置，且配置等级按照由优级至低级分别为高级配置、中级配置及低级配置。

进一步地，所述养老服务机构的服务配置包括：

餐饮服务、护理服务及运动服务。

进一步地，当服务配置为餐饮服务时，损益评估值的确定方法为：

通过采集终端获取餐饮服务中的餐饮点与居住区位置的图像数据，确定餐饮点与居住地位置之间的第一行走路径，以确定第一移动距离；

通过采集终端获取餐饮服务中餐饮点内的图像数据，确定图像数据中餐饮点的受污点数量总和，比对受污点上的污染物种类与确定污染物的影响状况特征，得到多个特征总和，并结合受污点的数量总和确定环境卫生数据；

获取用户方在指定时间下于餐饮点内排队等待时长，确定多个等待时长总和，以及餐饮人数总和，确定餐饮等待时长数据；

结合线性分析模型对餐饮服务的损益评估值进行确定，线性分析模型的计算公式如下：

式中，/>为餐饮服务的损益评估值，D为第一移动距离，E为环境卫生数据，T为餐饮等待时长数据，/>为影响因素的数量总和，为第一移动距离的影响权重，/>为环境卫生数据的影响权重，/>为餐饮等待时长数据的影响权重，/>、/>和/>的总和为1，且可由人员预先设定，G为常数修正系数。

进一步地，当服务配置为护理服务时，损益评估值的确定方法为：

通过采集终端获取护理服务时用户的面部人像数据；

构建人像数据库，将面部人像数据于人像数据库中比对得出当前面部人像数据所对应的面部图像，得出用户方处于护理服务时的体验数据；

通过护理服务项目额定时长与用户方本次处于护理服务时间之间的差值计算，得到非护理单一时长，获取多个非护理单一时长之间的总和，及多个护理项目数量的总和，确定非护理时长；

结合线性分析模型对护理服务的损益评估值进行确定，线性分析模型的计算公式如下：

式中，/>为护理服务的损益评估值，R为（上述中综合）体验数据，Y为非护理时长，/>为影响因素的数量总和，/>为体验数据的影响权重，/>为非护理时长的影响权重，/>和/>的总和为1，且可由人员预先设定，S为常数修正系数。

进一步地，当服务配置为运动服务时，损益评估值的确定方法为：

通过采集终端获取餐饮点与离居住地之间的第二行驶路径的图像数据，得到第二移动距离；

通过采集终端获取运动服务中运动点内运动项目运动设施的图像数据，计算图像数据中运动设施数量，依据运动设施数量与额定设施数量确定设施数量差；

通过采集终端获取运动服务中运动点内运动项目的损耗幅度数据；

获取用户方进入运动点的时间与操作运动设施运动时间之间的差值，并将不同用户方对应的差值进行求和得到差值总和，获取运动用户方的人数总和，差值总和与人数总和之间的比值得到运动等待时长数据；

结合线性分析模型对运动服务的损益评估值进行确定，线性分析模型的计算公式如下：

式中，/>为运动服务的损益评估值，H为第二移动距离，K为设施数量差，Z为损耗幅度数据，N为运动等待时长数据，/>为影响因素的数量总和，/>为第二移动距离的影响权重，/>为设施数量差的影响权重，/>为损耗幅度数据的影响权重，/>为运动等待时长数据的影响权重，/>、/>、/>和/>的总和为1，且可由人员预先设定，V为常数修正系数。

进一步地，当存在多个居住区或餐饮点时，以居住区与餐饮点位置之间构建不同的第一行走路径，并分别确定第一移动距离。

进一步地，所述采集终端对服务配置中的图像数据进行采集时：

预先获取所采集点的坐标位置，基于多个坐标位置来构建短时间采集路径，确定养老服务机构中不同树木树叶距离地面的高度并形成影响距离；

将影响距离与采集路径中的坐标位置匹配，明确采集终端的行驶速率，结合采集路径中的坐标位置，确定采集终端对采集路径中行驶到达影响距离坐标位置的时间；

以明确采集终端飞行高度低于影响距离的时间，使采集终端依据短时间采集路径采集图像数据。

还包括，养老服务机构配置优化系统，应用于所述的基于数据分析的养老服务机构配置优化方法，至少包括：

配置初始判定模块，用于获取用户方对服务配置的模糊评估值，确定模糊评估值所处的配置等级，且生成一次判定状态；

配置异常确定模块，用于确定配置等级是否处于高级配置，当不处于时，生成异常中立配置状态；

配置损益评估模块，用于依据异常中立配置状态判定其在养老服务机构内对应的服务配置，采集该服务配置在养老服务机构内的信息数据，并通过线性分析模型依据信息数据评估服务配置的损益评估值；

配置状态确定模块，用于确定当前服务配置实际评估值，依据实际评估值确定配置等级，且生成二次判定状态，当一次判定状态与二次判定状态相同，或实际评估值对应的配置等级低于模糊评估值对应的配置等级时，均将该服务配置明确为异常配置状态；

配置优化确定模块，用于构建配置方案优化集合，在配置方案优化集合确定与异常配置状态对应的优化配置方案，以对服务配置执行优化。

本发明提供的技术方案，与已知的现有技术相比，具有如下有益效果：

通过获取用户方对养老服务机构内服务配置的模糊评估值，并结合服务配置中部的具体配置状态确定出实际评估值，结合模糊评估值与实际评估值对服务配置准确性评估，以保证优化方案的无误性、适配性和实用性，同时精准地确定受服务老人的共同需求进而为其生成合理的优化方案，提高养老服务机构中的配置体验；

通过结合配置状态的信息数据，来对采集终端的采集路径进行规划，以加快对服务配置的评估确定，以节约评估所需要的时间以及步骤。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的整体方案示意图；

图2为本发明的配置等级区间示意图；

图3为本发明的餐饮服务损益评估值的确定方法示意图；

图4为本发明的护理服务损益评估值的确定方法示意图；

图5为本发明的运动服务损益评估值的确定方法示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例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作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。

下面结合实施例对本发明作进一步的描述。

实施例1（参阅图1-5）：基于数据分析的养老服务机构配置优化方法，包括如下步骤：

构建配置等级区间，获取用户方对当前养老服务机构内各项服务配置的模糊评估值，确定该模糊评估值于配置等级区间内所处的配置等级，且生成一次判定状态；

具体是，配置等级区间内包括多种配置等级，按照配置等级的优级至低级分别为高级配置、中级配置及低级配置，也就是说，当配置等级不处于高级配置时，均可说明配置等级在养老服务机构内对应的服务配置具有可优化、改善的空间，因此，通过获取用户对服务配置的模糊评估值，便可由此确定模糊评估值所对应的配置等级，且将本次标记为一次判定状态；

需要说明的是，高级配置、中级配置或低级配置可为某一数值范围，其并不限定于某一个固定的数值来对应高级配置、中级配置或低级配置。

在此处，考虑到因服务配置的评价是完全基于用户方的独立思想确定的，为了避免用户存在恶意、虚假的评价，影响养老服务机构内服务配置其配置等级的切实性，从而不便于对养老服务机构做出精确、合理的配置优化，因此：

确定该配置等级在配置等级区间内是否处于高级配置，当不处于时，生成异常中立配置状态，对于异常中立配置状态而言，是指当前对服务配置所判定的情况为中立考量状况，不确定为最终结果，因此，为了明确服务配置的切实状态，执行如下步骤：

基于异常中立配置状态判定其在养老服务机构内对应的服务配置，值得说明的是，服务配置包括：

餐饮服务、护理服务、运动服务；

因此，在上述服务配置确定后，确定异常中立配置状态对应的服务配置，从而，随之采集该服务配置在养老服务机构内的信息数据，并对信息数据进行整合，通过线性分析模型基于信息数据评估服务配置的损益评估值，其中，损益评估值根据上述中的服务配置进行确定，服务配置的损益评估值通过如下情况进行逐次确定：

当服务配置为餐饮服务时，损益评估值的确定方法为：

通过采集终端获取餐饮服务的图像数据，并对图像数据进行预处理，以确保图像数据的质量；

预先获取餐饮服务中的餐饮点与居住区的第一移动距离，此处的采集终端可为无人机，通过无人机采集餐饮点与离居住地位置之间的第一移动距离，具体是通过无人机采集地面的图像数据，获取餐饮点与居住地位置之间的第一行走路径，即第一行走路径的第一移动距离；

需要说明的是，当存在多个居住区或餐饮点时，则需要构建不同的居住区前往餐饮点的不同的第一行走路径，并确定多个第一行走路径距离之和，并确定第一移动路径的数量之和，多个第一行走路径距离之和与第一移动路径的数量之和之间的比值确定最终的第一移动距离；

分析图像数据中餐饮点的环境卫生数据，确定图像数据中餐饮点的桌面、地面上的受污程度，具体是：

确定图像数据中的受污点数量总和，通过图像比对算法（不做限定）比对受污点上的污染物种类（不同的种类其影响的程度不同，影响程度越大可赋值越大），随之确定污染物的影响状况特征，特征为：存在气味和非气味（存在气味可赋值2，非气味可赋值1，后续特征与之同理），易于清理（赋值1）和难以清理（可赋值2），对桌面或地面是否造成腐蚀（是则赋值2，否则赋值1），因此分别赋予上述特征不同的数值，得到多个特征数值的总和，并结合受污点的数量总和，两者通过乘积确定环境卫生数据；

餐饮点的餐饮等待时长数据，获取用户在指定时间下（可为周度、月度等）于餐饮点内排队等待的时长，如每日午餐（11-13点时）或晚餐（17-19点时）的等待时长，确定多个等待时长总和，以及餐饮人数总和，并求取多个等待时长总和与餐饮人数总和之间的比值形成餐饮等待时长数据；

基于上述，结合线性分析模型对餐饮服务的损益评估值进行确定，其中，线性分析模型的计算公式如下：

式中，/>为餐饮服务的损益评估值，D为第一移动距离，E为环境卫生数据，T为餐饮等待时长数据，/>为影响因素的数量总和（D+E+T），/>为第一移动距离的影响权重，/>为环境卫生数据的影响权重，/>为餐饮等待时长数据的影响权重，/>、/>和/>的总和为1，且可由人员预先设定，G为常数修正系数，由此便可得出餐饮服务的损益评估值；

获取配置等级区间中高级配置、中级配置及低级配置分别对应的配置评估值，确定养老服务机构预先设定的额定评估值（需要说明的是，餐饮服务、护理服务、运动服务中，其均具有对应的配置等级），额定评估值是养老服务机构配置的最高评估值，因此，计算额定评估值于上述中餐饮服务的损益评估值之间的差值，该差值为当前餐饮服务的实际评估值，判定该实际评估值于配置等级区间内所处的配置等级，即二次判定状态，当两次判定结果相同，或实际评估值对应的配置等级低于模糊评估值对应的配置等级时，则均将餐饮服务配置确定为异常配置状态，即说明需要对当前养老服务机构内的餐饮服务的配置方案做出优化。

基于配置等级区间与损益评估值确定当前服务配置实际评估值，依据实际评估值确定其于配置等级区间内所处的配置等级，且生成二次判定状态，当一次判定状态与二次判定状态相同时，将该服务配置明确为异常配置状态；

当服务配置为护理服务时，损益评估值的确定方法为：

预先通过采集终端获取护理服务时用户的面部人像数据，并对面部人像数据进行预处理，以确保面部人像数据的质量；

通过构建人像数据库，并在人像数据库内预设多类用户处于护理服务时，护理服务体验不佳所对应的面部图像并存储至人像数据库，并对不佳程度（是指不同的数值，越不佳数值越大）划分对应的面部图像，由此将面部人像数据于人像数据库中比对得出当前面部人像数据所对应的面部图像，从而得出用户处于护理服务时的体验数据；

需要说明的是，对面部图像划分为M个类别（舒适、良好、一般，一般表明不佳，且不同的类别对应不同的数值，越舒适越小，反之增大），进而面部人像数据所对应的就为M类，因此，获取一般对应的面部人像数据的数量总和，数量总和与一般类别的乘积确定综合的体验数据；

再次，确定用户处于护理服务时护理项目的非护理时长，非护理时长通过护理服务项目额定时长与用户本次处于护理服务时间之间的差值计算，得到非护理单一时长，计算多个非护理单一时长之间的总和，以及多个护理项目数量的总和，由此两者的乘积计算综合的非护理时长；

基于上述，结合线性分析模型对护理服务的损益评估值进行确定，其中，线性分析模型的计算公式如下：

式中，/>为护理服务的损益评估值，R为（上述中综合）体验数据，Y为非护理时长，/>为影响因素的数量总和，/>为体验数据的影响权重，/>为非护理时长的影响权重，/>和/>的总和为1，且可由人员预先设定，S为常数修正系数，由此便可得出护理服务的损益评估值；

获取配置等级区间中高级配置、中级配置及低级配置分别对应的配置评估值，确定养老服务机构预先设定的额定评估值，计算额定评估值于上述中护理服务的损益评估值之间的差值，该差值为当前护理服务的实际评估值，判定该实际评估值于配置等级区间内所处的配置等级，当两次判定结果相同，或实际评估值对应的配置等级低于模糊评估值对应的配置等级时，则将护理服务配置确定为异常配置状态，即说明需要对当前养老服务机构内的护理服务的配置方案做出优化。

当服务配置为运动服务时，损益评估值的确定方法为：

预先通过采集终端获取运动服务中运动点与居住点的第二移动距离，具体是通过无人机采集餐饮点与离居住地之间的第二行驶路径的图像数据，并对图像数据进行预处理，以确保图像数据的质量，得到第二移动距离；

其中：

若存在多个运动点或居住点，那么第二移动距离的确定方式与上述第一移动距离同理，此处不再赘述；

对于第二移动距离还可通过采集终端获取运动服务中运动点与餐饮点之间距离为第二移动距离，此处第二移动距离构建的方式与上述中同理，不再赘述；

通过采集终端获取运动服务中运动点内运动项目运动设施的图像数据，并对图像数据进行预处理，计算图像数据中运动设施数量，确定运动设施数量与额定设施数量之间的差值，确定为设施数量差；

通过采集终端获取运动服务中运动点内运动项目的损耗幅度数据，具体是通过无人机采集运动项目的项目图像数据，并对项目图像数据进行预处理，以确保项目图像数据的质量，构建项目数据库，并在项目数据库内预设运动设施不同的老旧程度图像（分别对应不同的数值，与上述护理服务同理，不再赘述），以所采集的项目图像数据输入至项目数据中比对，确定当前运动设施的损耗数据（老旧程度），确定多个运动设施的损耗数据之和，确定运动设施数量之和，以损耗数据之和与运动设施数量之和的积，确定为损耗幅度数据；

获取用户运动等待时长数据，具体是计算用户进入运动点的时间与操作运动设施运动时间之间的差值，并将不同用户对应的差值进行求和得到差值总和，再次求取运动用户的人数总和，差值总和与人数总和之间的比值得到运动等待时长数据；

基于上述，结合线性分析模型对运动服务的损益评估值进行确定，其中，线性分析模型的计算公式如下：

式中，/>为运动服务的损益评估值，H为第二移动距离，K为设施数量差，Z为损耗幅度数据，N为运动等待时长数据，/>为影响因素的数量总和，/>为第二移动距离的影响权重，/>为设施数量差的影响权重，/>为损耗幅度数据的影响权重，/>为运动等待时长数据的影响权重，/>、/>、/>和/>的总和为1，且可由人员预先设定，V为常数修正系数，由此便可得出运动服务的损益评估值；

获取配置等级区间中高级配置、中级配置及低级配置分别对应的配置评估值，确定养老服务机构预先设定的额定评估值，计算额定评估值于上述中护理服务的损益评估值之间的差值，该差值为当前运动服务的实际评估值，判定该实际评估值于配置等级区间内所处的配置等级，当两次判定结果相同，或实际评估值对应的配置等级低于模糊评估值对应的配置等级时，则将运动服务配置确定为异常配置状态，即说明需要对当前养老服务机构内的运动服务的配置方案做出优化，由此通过综合评估以保证优化方案的无误性、适配性和实用性，同时也可以精准地确定受服务老人的共同需求进而为其生成合理的优化方案，提高养老服务机构中的配置体验。

需要说明的是，在上述方案中，通过对餐饮服务、护理服务、运动服务做出分析，以判定是否需要对配置方案做出优化，当上述中一次判定状态与二次判定状态不相同，且一次判定状态所判定的配置等级低于二次判定状态时，使异常中立配置状态持续，且标记为一次分析状态，并确定二次判定状态的采集时间的天气，以基于天气确定后续采集时间对应的天气，以使后续的采集时间受到此影响，以便于后续能够精确形成二次分析状态，从而借助于二次分析状态判定是否需要对养老机构服务配置执行优化。

构建配置方案优化集合，配置方案优化集合内预先存储有多种人员预设的待优化方案，其待优化方案与餐饮服务、护理服务、运动服务分别对应，基于异常配置状态在配置方案优化集合确定对应的优化配置方案，以优化配置方案执行配置优化。

最后，对于上述中值得说明的是，在本方案中，为了使本方案中养老服务机构的配置优化实现快速的判定，在通过采集终端（无人机）对上述多种服务配置中的图像数据进行采集时，因本方案是通过针对上述服务配置进行分析，因此，采集终端获取图像数据时，预先获取所采集点的坐标位置，因此，便会基于多个坐标位置来构建最短时间的采集路径，并且在采集的过程中考量到养老服务机构内会存在一定的树木树叶遮挡影响，因此，需要确定不同树木树叶距离地面的高度并形成影响距离，同时将影响距离与采集路径中的坐标位置匹配，从而明确采集终端在采集路径中于何时的坐标点时需要低于影响距离，以便于对养老服务机构的图像数据实现全面的采集；

上述中，通过获取采集终端的行驶速率，结合采集路径中的坐标位置，结合各个坐标位置之间距离与行驶速率的比值得到时间，从而能够确定采集终端对采集路径中行驶到达影响距离坐标位置的时间，由此预先对采集终端中设置飞行高度低于影响距离的时间确定，由此使得采集终端快速的采集图像数据。

本发明还提供了养老服务机构配置优化系统，应用于所述的基于数据分析的养老服务机构配置优化方法，包括：

配置初始判定模块，用于获取用户方对服务配置的模糊评估值，确定模糊评估值所处的配置等级，且生成一次判定状态；

配置异常确定模块，用于确定配置等级是否处于高级配置，当不处于时，生成异常中立配置状态；

配置损益评估模块，用于依据异常中立配置状态判定其在养老服务机构内对应的服务配置，采集该服务配置在养老服务机构内的信息数据，并通过线性分析模型依据信息数据评估服务配置的损益评估值；

配置状态确定模块，用于确定当前服务配置实际评估值，依据实际评估值确定配置等级，且生成二次判定状态，当一次判定状态与二次判定状态相同，或实际评估值对应的配置等级低于模糊评估值对应的配置等级时，均将该服务配置明确为异常配置状态；

配置优化确定模块，用于构建配置方案优化集合，在配置方案优化集合确定与异常配置状态对应的优化配置方案，以对服务配置执行优化；

因本系统基于上述方法生成，因此不再对其进行赘述。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述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，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的保护范围。

Claims (5)

1.基于数据分析的养老服务机构配置优化方法，其特征在于，包括如下步骤：

构建配置等级区间，获取用户方对当前养老服务机构内各项服务配置的模糊评估值，确定该模糊评估值于配置等级区间内所处的配置等级，且生成一次判定状态；

确定该配置等级在配置等级区间内是否处于高级配置，当不处于时，生成异常中立配置状态；

基于异常中立配置状态判定其在养老服务机构内对应的服务配置，采集该服务配置在养老服务机构内的信息数据，并对信息数据进行整合，通过线性分析模型依据信息数据评估服务配置的损益评估值；

基于配置等级区间与损益评估值综合确定当前服务配置实际评估值，依据实际评估值确定其于配置等级区间内所处的配置等级，且生成二次判定状态，当一次判定状态与二次判定状态相同，或实际评估值对应的配置等级低于模糊评估值对应的配置等级时，均将该服务配置明确为异常配置状态；

构建配置方案优化集合，基于异常配置状态在配置方案优化集合中确定对应的优化配置方案，以优化配置方案执行养老服务机构的配置优化；

所述养老服务机构的服务配置包括餐饮服务、护理服务及运动服务；

当服务配置为餐饮服务时，损益评估值的确定方法为：

通过采集终端获取餐饮服务中的餐饮点与居住区位置的图像数据，确定餐饮点与居住地位置之间的第一行走路径，以确定第一移动距离；

通过采集终端获取餐饮服务中餐饮点内的图像数据，确定图像数据中餐饮点的受污点数量总和，比对受污点上的污染物种类与确定污染物的影响状况特征，得到多个特征总和，并结合受污点的数量总和确定环境卫生数据；

获取用户方在指定时间下于餐饮点内排队等待时长，确定多个等待时长总和，以及餐饮人数总和，确定餐饮等待时长数据；

结合线性分析模型对餐饮服务的损益评估值进行确定，线性分析模型的计算公式如下：

式中，/>为餐饮服务的损益评估值，D为第一移动距离，E为环境卫生数据，T为餐饮等待时长数据，/>为餐饮服务影响因素的数量总和，/>为第一移动距离的影响权重，/>为环境卫生数据的影响权重，/>为餐饮等待时长数据的影响权重，/>、/>和/>的总和为1，且由人员预先设定，G为餐饮服务常数修正系数；

当服务配置为护理服务时，损益评估值的确定方法为：

通过采集终端获取护理服务时用户的面部人像数据；

构建人像数据库，将面部人像数据于人像数据库中比对得出当前面部人像数据所对应的面部图像，得出用户方处于护理服务时的体验数据；

通过护理服务项目额定时长与用户方本次处于护理服务时间之间的差值计算，得到非护理单一时长，获取多个非护理单一时长之间的总和，及多个护理项目数量的总和，确定非护理时长；

结合线性分析模型对护理服务的损益评估值进行确定，线性分析模型的计算公式如下：

式中，/>为护理服务的损益评估值，R为体验数据，Y为非护理时长，/>为护理服务影响因素的数量总和，/>为体验数据的影响权重，为非护理时长的影响权重，/>和/>的总和为1，且由人员预先设定，S为护理服务常数修正系数；

当服务配置为运动服务时，损益评估值的确定方法为：

通过采集终端获取运动点与离居住地之间的第二行驶路径的图像数据，得到第二移动距离；

通过采集终端获取运动服务中运动点内运动项目运动设施的图像数据，计算图像数据中运动设施数量，依据运动设施数量与额定设施数量确定设施数量差；

通过采集终端获取运动服务中运动点内运动项目的损耗幅度数据；

获取用户方进入运动点的时间与操作运动设施运动时间之间的差值，并将不同用户方对应的差值进行求和得到差值总和，获取运动用户方的人数总和，差值总和与人数总和之间的比值得到运动等待时长数据；

结合线性分析模型对运动服务的损益评估值进行确定，线性分析模型的计算公式如下：

式中，/>为运动服务的损益评估值，H为第二移动距离，K为设施数量差，Z为损耗幅度数据，N为运动等待时长数据，/>为运动服务影响因素的数量总和，/>为第二移动距离的影响权重，/>为设施数量差的影响权重，/>为损耗幅度数据的影响权重，/>为运动等待时长数据的影响权重，/>、/>、/>和/>的总和为1，且由人员预先设定，V为运动服务常数修正系数。

2.根据权利要求1所述的基于数据分析的养老服务机构配置优化方法，其特征在于，所述配置等级区间包括：

高级配置、中级配置及低级配置，且配置等级按照由高级至低级分别为高级配置、中级配置及低级配置。

3.根据权利要求1所述的基于数据分析的养老服务机构配置优化方法，其特征在于，当存在多个居住区或餐饮点时，以居住区与餐饮点位置之间构建不同的第一行走路径，并分别确定第一移动距离。

4.根据权利要求1所述的基于数据分析的养老服务机构配置优化方法，其特征在于，所述采集终端对服务配置中的图像数据进行采集时：

预先获取所采集点的坐标位置，基于多个坐标位置来构建短时间采集路径，确定养老服务机构中不同树木树叶距离地面的高度并形成影响距离；

将影响距离与采集路径中的坐标位置匹配，明确采集终端的行驶速率，结合采集路径中的坐标位置，确定采集终端对采集路径中行驶到达影响距离坐标位置的时间；

以明确采集终端飞行高度低于影响距离的时间，使采集终端依据短时间采集路径采集图像数据。

5.养老服务机构配置优化系统，应用于权利要求1所述的基于数据分析的养老服务机构配置优化方法，其特征在于，至少包括：

配置初始判定模块，用于获取用户方对服务配置的模糊评估值，确定模糊评估值所处的配置等级，且生成一次判定状态；

配置异常确定模块，用于确定配置等级是否处于高级配置，当不处于时，生成异常中立配置状态；

配置损益评估模块，用于依据异常中立配置状态判定其在养老服务机构内对应的服务配置，采集该服务配置在养老服务机构内的信息数据，并通过线性分析模型依据信息数据评估服务配置的损益评估值；

配置状态确定模块，用于确定当前服务配置实际评估值，依据实际评估值确定配置等级，且生成二次判定状态，当一次判定状态与二次判定状态相同，或实际评估值对应的配置等级低于模糊评估值对应的配置等级时，均将该服务配置明确为异常配置状态；

配置优化确定模块，用于构建配置方案优化集合，在配置方案优化集合中确定与异常配置状态对应的优化配置方案，以对服务配置执行优化。