CN111028955B - 一种疫情区域的展示方法及*** - Google Patents
一种疫情区域的展示方法及*** Download PDFInfo
- Publication number
- CN111028955B CN111028955B CN202010164720.7A CN202010164720A CN111028955B CN 111028955 B CN111028955 B CN 111028955B CN 202010164720 A CN202010164720 A CN 202010164720A CN 111028955 B CN111028955 B CN 111028955B
- Authority
- CN
- China
- Prior art keywords
- behavior
- epidemic situation
- tracking
- area
- recording
- 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.)
- Active
Links
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
- 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
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Remote Sensing (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及互联网数据处理技术领域,涉及一种疫情区域的展示方法及***。本发明通过获取每个疫情相关用户的用户终端所记录的跟踪信息序列,并根据每个疫情相关用户在每个跟踪时间段的行为信息获取每个疫情相关用户在该跟踪时间段的行为相关区域,将位于行为相关区域的地理边界范围内的区域以及位于行为相关区域的地理边界范围外而距离行为相关区域的地理边界在预设距离范围内的区域作为每个疫情相关用户在该跟踪时间段内的疫情关联区域,最后将每个疫情相关用户在所有跟踪时间段内的疫情关联区域汇总后,在疫情地图进行展示。本发明能够针对疫情相关人员具体的活动行为来更为细致地确定疫情区域进行展示,从而提高疫情区域的精确性和参考性。
Description
技术领域
本发明涉及互联网数据处理技术领域,具体而言,涉及一种疫情区域的展示方法及***。
背景技术
在针对各种传染疾病的防控过程中,如何有效确定疫情区域并进行展示,从而针对人群进行快速精准提示,是本领域亟待解决的技术问题,通在传统疫情防控方案中,主要是通过分析疫情相关人员(例如确诊人员、疑似人员等)所常驻的大区域,例如XX城市,XX城市的XXX区,或者XX社区,XX小区等,然后将这些确定的大区域在疫情地图上进行展示。然而,上述展示方案仅能够实现极为粗略的展示,参考性较低,无法针对疫情相关人员具体的活动行为来更为细致地确定疫情区域进行展示。
发明内容
有鉴于此,本申请的目的在于提供一种疫情区域的展示方法及***,能够针对疫情相关人员具体的活动行为来更为细致地确定疫情区域进行展示,从而提高疫情区域的精确性和参考性。
第一方面,本申请提供一种疫情区域的展示方法,应用于服务器,所述方法包括:
获取每个疫情相关用户的用户终端所记录的跟踪信息序列,所述跟踪信息序列包括以每个跟踪时间段为一记录单位的跟踪信息,所述跟踪信息包括该跟踪时间段的起始时间、结束时间以及该跟踪时间内的行为信息;
针对每个跟踪时间段,根据每个疫情相关用户在该跟踪时间段的行为信息获取每个疫情相关用户在该跟踪时间段的行为相关区域;
将位于所述行为相关区域的地理边界范围内的区域以及位于所述行为相关区域的地理边界范围外而距离所述行为相关区域的地理边界在预设距离范围内的区域作为每个疫情相关用户在该跟踪时间段内的疫情关联区域;
将每个疫情相关用户在所有跟踪时间段内的疫情关联区域进行汇总后,在疫情地图上进行展示。
在第一方面的一种可能的设计中,所述获取每个疫情相关用户的用户终端所记录的跟踪信息序列的步骤,包括:
针对每个用户终端,在检测到该用户终端安装用于记录所述跟踪信息序列的应用程序,且所述应用程序被添加为允许记录所述跟踪信息序列的授权应用程序时,通过所述授权应用程序记录对应的用户在每个跟踪时间段的起始时间和结束时间;
在该跟踪时间范围内,从所述用户终端的各个不同类型的检测进程中获得所述用户的跟踪数据信息;
根据各个不同类型的检测进程所对应的跟踪数据信息确定所述用户在该跟踪时间内的行为信息。
在第一方面的一种可能的设计中,所述根据各个不同类型的检测进程所对应的跟踪数据信息确定所述用户在该跟踪时间内的行为信息的步骤,包括:
根据每个类型的检测进程所对应的预训练行为提取模型,提取该类型的检测进程所对应的跟踪数据信息在所述跟踪时间段内的每个产生行为的置信度;
根据所述跟踪数据信息在所述跟踪时间段内的每个产生行为的置信度,将置信度大于设定置信度的产生行为确定为目标产生行为,并确定所述目标产生行为在所述跟踪时间段的行为持续时间和行为时间区间;
根据确定的每个目标产生行为以及所述每个目标产生行为在所述跟踪时间段的行为持续时间和行为时间区间确定所述用户在该跟踪时间内的行为信息。
在第一方面的一种可能的设计中,所述根据每个疫情相关用户在该跟踪时间段的行为信息获取每个疫情相关用户在该跟踪时间段的行为相关区域的步骤,包括:
针对每个疫情相关用户在该跟踪时间段的行为信息中的多个行为记录段中的每一个行为记录段,根据该行为记录段中行为记录点的连续变化值,确定该行为记录段中每个行为记录点是否为候选目标行为记录点,其中,每个行为记录点对应于每个产生行为;
根据该行为记录段中候选目标行为记录点的数量,确定该行为记录段对应的每个候选空间区域;
针对每个候选空间区域,将该候选空间区域划分为多个子空间,根据每个子空间内各行为记录点的变化度及预设的行为特征变化趋势,确定候选空间区域是否为目标空间区域;
根据所述目标空间区域内每个行为记录点的行为特征,确定每个疫情相关用户在该跟踪时间段的行为相关区域。
在第一方面的一种可能的设计中,所述根据该行为记录段中行为记录点的连续变化值,确定该行为记录段中每个行为记录点是否为候选目标行为记录点的步骤,包括:
如果该行为记录段中行为记录点的连续变化值处于设定置信度范围内,则确定该行为记录段中每个行为记录点为候选目标行为记录点,否则确定该行为记录段中每个行为记录点不为候选目标行为记录点。
在第一方面的一种可能的设计中,所述根据该行为记录段中候选目标行为记录点的数量,确定该行为记录段对应的每个候选空间区域的步骤,包括:
针对该行为记录段中的每个候选目标行为记录点及预设的区域填充范围,确定每个候选目标行为记录点对应的区域填充边界;
根据每个候选目标行为记录点对应的区域填充边界得到多个目标区域,并针对每个目标区域,判断该目标区域中的候选目标行为记录点的数量是否大于预设数量阈值,如果是,将该目标区域确定为该行为记录段中的候选空间区域。
在第一方面的一种可能的设计中,所述根据每个子空间内各行为记录点的变化度及预设的行为特征变化趋势,确定候选空间区域是否为目标空间区域的步骤,包括:
针对每个子空间,根据该子空间中对应的每个行为记录点在该行为记录段之前的所述多个行为记录段中的变化度,该子空间中对应的行为记录点在该行为记录段之前的所述多个行为记录段中的变化度均值和方差,及预设的对应变化度阈值范围,确定每个子空间是否满足条件;
如果该行为记录段中满足条件的子空间的数量满足所述预设的行为特征变化趋势,则确定候选空间区域为目标空间区域。
在第一方面的一种可能的设计中,所述行为记录点包括行为时间记录点和行为空间记录点,所述根据所述目标空间区域内每个行为记录点的行为特征,确定每个疫情相关用户在该跟踪时间段的行为相关区域的步骤,包括:
获取预设跟踪策略匹配所述目标空间区域内每个行为记录点的行为轨迹信息,所述行为轨迹信息包括行为时间轨迹信息和行为空间轨迹信息,所述预设跟踪策略包括不同行为轨迹类型所对应的匹配方式;
根据所述跟踪信息序列中的各个不同跟踪时间段的所述每个行为信息的行为轨迹信息确定每个行为时间记录点的行为时间特征和每个行为空间记录点的行为空间特征;
根据所述目标空间区域内每个行为时间记录点的行为时间特征和每个行为空间记录点的行为空间特征,确定每个疫情相关用户在该跟踪时间段的行为相关区域。
在第一方面的一种可能的设计中,所述将每个疫情相关用户在所有跟踪时间段内的疫情关联区域进行汇总后,在疫情地图上进行展示的步骤,包括:
针对每个疫情关联区域,确定该疫情关联区域中所涉及的跟踪时间段的持续总时间对应的目标时间范围和疫情相关用户的数量对应的目标数量范围;
在该疫情关联区域中按照与所述目标时间范围对应的第一展示特效和按照所述目标数量范围对应的第二展示特效,对该疫情关联区域进行展示。
第二方面,本申请实施例还提供一种疫情区域的展示***,应用于服务器,所述***包括:
第一获取模块,用于获取每个疫情相关用户的用户终端所记录的跟踪信息序列,所述跟踪信息序列包括以每个跟踪时间段为一记录单位的跟踪信息,所述跟踪信息包括该跟踪时间段的起始时间、结束时间以及该跟踪时间内的行为信息;
第二获取模块,用于针对每个跟踪时间段,根据每个疫情相关用户在该跟踪时间段的行为信息获取每个疫情相关用户在该跟踪时间段的行为相关区域;
区域确定模块,用于将位于所述行为相关区域的地理边界范围内的区域以及位于所述行为相关区域的地理边界范围外而距离所述行为相关区域的地理边界在预设距离范围内的区域作为每个疫情相关用户在该跟踪时间段内的疫情关联区域;
展示模块,用于将每个疫情相关用户在所有跟踪时间段内的疫情关联区域进行汇总后,在疫情地图上进行展示。
第三方面,本申请实施例还提供一种服务器,所述服务器包括处理器、机器可读存储介质和网络接口,所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线***相连,所述网络接口用于与至少一个用户终端通信连接,所述机器可读存储介质用于存储程序、指令或代码,所述处理器用于执行所述机器可读存储介质中的程序、指令或代码,以执行第一方面或者第一方面中任意一个可能的设计中的疫情区域的展示方法。
第四方面,本申请实施例提供一种计算机可读存储介质,计算机可读存储介质中存储有指令,当其执行时,实现上述第一方面或者第一方面中任意一个可能的设计中的疫情区域的展示方法。
根据上述任意一个方面,本申请通过获取每个疫情相关用户的用户终端所记录的跟踪信息序列,并根据每个疫情相关用户在每个跟踪时间段的行为信息获取每个疫情相关用户在该跟踪时间段的行为相关区域,由此可以将位于行为相关区域的地理边界范围内的区域以及位于行为相关区域的地理边界范围外而距离行为相关区域的地理边界在预设距离范围内的区域作为每个疫情相关用户在该跟踪时间段内的疫情关联区域,最后将每个疫情相关用户在所有跟踪时间段内的疫情关联区域进行汇总后,在疫情地图上进行展示。如此,能够针对疫情相关人员具体的活动行为来更为细致地确定疫情区域进行展示,从而提高疫情区域的精确性和参考性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的疫情服务***的应用场景示意图;
图2为本申请实施例提供的疫情区域的展示方法的流程示意图;
图3为本申请实施例提供的疫情区域的展示***的功能模块示意图;
图4为本申请实施例提供的用于实现上述的疫情区域的展示方法的服务器的结构示意框图。
具体实施方式
下面结合说明书附图对本申请进行具体说明,方法实施例中的具体操作方法也可以应用于装置实施例或***实施例中。
图1是本申请一种实施例提供的疫情服务***10的交互示意图。疫情服务***10可以包括服务器100以及与所述服务器100通信连接的用户终端200,服务器100中可以包括执行指令操作的处理器。图1所示的疫情服务***10仅为一种可行的示例,在其它可行的实施例中,该疫情服务***10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。
在一些实施例中,服务器100可以是单个服务器,也可以是一个服务器组。服务器组可以是集中式的,也可以是分布式的(例如,服务器100可以是分布式***)。在一些实施例中,服务器100相对于用户终端200,可以是本地的、也可以是远程的。例如,服务器100可以经由网络访问存储在用户终端200以及数据库、或其任意组合中的信息。作为另一示例,服务器100可以直接连接到用户终端200和数据库中的至少一个,以访问其中存储的信息和/或数据。在一些实施例中,服务器100可以在云平台上实现;仅作为示例,云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云(inter-cloud)、多云(multi-cloud)等,或者它们的任意组合。
在一些实施例中,服务器100可以包括处理器。处理器可以处理与服务请求有关的信息和/或数据,以执行本申请中描述的一个或多个功能。处理器可以包括一个或多个处理核(例如,单核处理器(S)或多核处理器(S))。仅作为举例,处理器可以包括中央处理单元(Central Processing Unit, CPU)、专用集成电路(Application Specific IntegratedCircuit, ASIC)、专用指令集处理器(Application Specific Instruction-setProcessor, ASIP)、图形处理单元(Graphics Processing Unit, GPU)、物理处理单元(Physics Processing Unit, PPU)、数字信号处理器 (Digital Signal Processor,DSP)、现场可编程门阵列( Field Programmable Gate Array,FPGA)、可编程逻辑器件(Programmable Logic Device, PLD)、控制器、微控制器单元、简化指令集计算机(ReducedInstruction Set Computing, RISC)、或微处理器等,或其任意组合。
网络可以用于信息和/或数据的交换。在一些实施例中,疫情服务***10中的一个或多个组件(例如,服务器100,用户终端200和数据库)可以向其他组件发送信息和/或数据。在一些实施例中,网络可以是任何类型的有线或者无线网络,或者是他们的结合。仅作为示例,网络可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)、无线局域网(WirelessLocal Area Networks,WLAN)、城域网(Metropolitan Area Network,MAN)、广域网(WideArea Network,WAN)、公共电话交换网(Public Switched Telephone Network,PSTN)、蓝牙网络、ZigBee网络、或近场通信(Near Field Communication, NFC)网络等,或其任意组合。在一些实施例中,网络可以包括一个或多个网络接入点。例如,网络可以包括有线或无线网络接入点,例如基站和/或网络交换节点,疫情服务***10的一个或多个组件可以通过该接入点连接到网络以交换数据和/或信息。
前述的数据库可以存储数据和/或指令。在一些实施例中,数据库可以存储向用户终端200分配的数据。在一些实施例中,数据库可以存储在本申请中描述的示例性方法的数据和/或指令。在一些实施例中,数据库可以包括大容量存储器、可移动存储器、易失性读写存储器、或只读存储器(Read-Only Memory, ROM)等,或其任意组合。作为举例,大容量存储器可以包括磁盘、光盘、固态驱动器等;可移动存储器可包括闪存驱动器、软盘、光盘、存储卡、zip磁盘、磁带等;易失性读写存储器可以包括随机存取存储器(Random AccessMemory, RAM);RAM可以包括动态RAM(Dynamic Random Access Memory, DRAM),双倍数据速率同步动态RAM(Double Date-Rate Synchronous RAM, DDR SDRAM);静态RAM(StaticRandom-Access Memory, SRAM),晶闸管RAM(Thyristor-Based Random Access Memory,T-RAM)和零电容器RAM(Zero-RAM)等。作为举例,ROM可以包括掩模ROM(Mask Read-OnlyMemory, MROM)、可编程ROM( Programmable Read-Only Memory, PROM)、可擦除可编程ROM(Programmable Erasable Read-only Memory , PEROM)、电可擦除可编程ROM(Electrically Erasable Programmable read only memory, EEPROM)、光盘ROM(CD-ROM)、以及数字通用磁盘ROM等。在一些实施例中,数据库可以在云平台上实现。仅作为示例,云平台可以包括私有云、公有云、混合云、社区云、分布式云、跨云、多云或者其它类似的等,或其任意组合。
在一些实施例中,数据库可以连接到网络以与疫情服务***10(例如,服务器100,用户终端200等)中的一个或多个组件通信。疫情服务***10中的一个或多个组件可以经由网络访问存储在数据库中的数据或指令。在一些实施例中,数据库可以直接连接到疫情服务***10中的一个或多个组件(例如,服务器100,用户终端200等;或者,在一些实施例中,数据库也可以是服务器100的一部分。
本实施例中,所述用户终端200可以包括但不限于移动设备、平板计算机、膝上型计算机,或其任意两种以上组合。在一些实施例中,移动设备可以包括但不限于智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等,或其任意组合。在一些实施例中,智能家居设备可以包括但不限于智能照明设备、智能电器设备的控制设备、智能监控设备、智能电视、智能摄像机、或对讲机等,或其任意组合。在一些实施例中,可穿戴设备可包括但不限于智能手环、智能鞋带、智能玻璃、智能头盔、智能手表、智能服装、智能背包、智能配件等、或其任何组合。在一些实施例中,智能移动设备可以包括但不限于智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏设备、导航设备、或销售点(point of sale,POS)设备等,或其任意组合。在一些实施例中,虚拟现实设备和/或增强现实设备可以包括但不限于虚拟现实头盔、虚拟现实玻璃、虚拟现实贴片、增强现实头盔、增强现实玻璃、或增强现实贴片等,或其任意组合。例如,虚拟现实设备和/或增强现实设备可以包括但不限于各种虚拟现实产品等。
为了解决前述背景技术中的技术问题,图2为本申请实施例提供的疫情区域的展示方法的流程示意图,本实施例提供的疫情区域的展示方法可以由图1中所示的服务器100执行,下面对该疫情区域的展示方法进行详细介绍。
步骤S110,获取每个疫情相关用户的用户终端所记录的跟踪信息序列,跟踪信息序列包括以每个跟踪时间段为一记录单位的跟踪信息。
步骤S120,针对每个跟踪时间段,根据每个疫情相关用户在该跟踪时间段的行为信息获取每个疫情相关用户在该跟踪时间段的行为相关区域。
步骤S130,将位于行为相关区域的地理边界范围内的区域以及位于行为相关区域的地理边界范围外而距离行为相关区域的地理边界在预设距离范围内的区域作为每个疫情相关用户在该跟踪时间段内的疫情关联区域。
步骤S140,将每个疫情相关用户在所有跟踪时间段内的疫情关联区域进行汇总后,在疫情地图上进行展示。
本实施例中,跟踪信息序列可以包括以每个跟踪时间段为一记录单位的跟踪信息,跟踪信息包括该跟踪时间段的起始时间、结束时间以及该跟踪时间内的行为信息。其中,跟踪时间段可以通过用户的行为起始特点来确定,例如疫情相关用户在某一天可能经过了五个主要停留地方,在每个停留地方的进入时间点则为一跟踪时间段的起始时间,当离开该停留地方时所对应的离开时间点则为该跟踪时间段的结束时间。可以理解,对于不同的疫情相关用户而言,其跟踪时间段可能并不固定,具体可以根据实际检测情况进行确定。当然,在其它可能的示例中,也可以利用该疫情相关用户的历史大数据预先设置活动频繁度较高的时间段确定为跟踪时间段。
本实施例中,疫情相关用户可以通过当前上传的疫情相关用户的用户终端的标识信息来进行确定。疫情相关用户可以理解为已确诊用户、疑似用户、密切疫情接触用户等,具体可以根据实际需求进行确定,在此不作详细限制。
基于上述设计,本实施例通过获取每个疫情相关用户的用户终端所记录的跟踪信息序列,并根据每个疫情相关用户在每个跟踪时间段的行为信息获取每个疫情相关用户在该跟踪时间段的行为相关区域,由此可以将位于行为相关区域的地理边界范围内的区域以及位于行为相关区域的地理边界范围外而距离行为相关区域的地理边界在预设距离范围内的区域作为每个疫情相关用户在该跟踪时间段内的疫情关联区域,最后将每个疫情相关用户在所有跟踪时间段内的疫情关联区域进行汇总后,在疫情地图上进行展示。如此,能够针对疫情相关人员具体的活动行为来更为细致地确定疫情区域进行展示,从而提高疫情区域的精确性和参考性。
在一种可能的设计中,可以针对每个用户终端,在检测到该用户终端安装用于记录跟踪信息序列的应用程序,且应用程序被添加为允许记录跟踪信息序列的授权应用程序时,通过授权应用程序记录对应的用户在每个跟踪时间段的起始时间和结束时间。
也即,用户终端实际上会安装各种各样的应用程序,为了便于用户隐私保护,只有当用户针对某个应用程序开启授权状态时,该应用程序才有权限记录前述的跟踪信息系列。
接下来,可以在该跟踪时间范围内,从用户终端的各个不同类型的检测进程中获得用户的跟踪数据信息。
其中,检测进程可以是用户终端200前台或者后台开启的应用进程,例如用于检测疫情相关用户输出的音频信息的检测进程、用于检测疫情相关用户的姿态变化的检测进程、用于检测疫情相关用户的位置变化的检测进程、用于检测疫情相关用户的停留时间的检测进程等等,这些检测进程可以由上述授权应用程序运营,也可以由其他应用程序运行,并提供相关的数据接口给授权应用程序进行调取。
在此基础上,考虑到不同类型的检测进程,其具体的数据类型和相关的行为预测可能不相同,由此可以根据各个不同类型的检测进程所对应的跟踪数据信息确定疫情相关用户在该跟踪时间内的行为信息。
例如,在本实施例的一种可能的设计中,可以根据每个类型的检测进程所对应的预训练行为提取模型,提取该类型的检测进程所对应的跟踪数据信息在跟踪时间段内的每个产生行为的置信度,然后根据跟踪数据信息在跟踪时间段内的每个产生行为的置信度,将置信度大于设定置信度的产生行为确定为目标产生行为,并确定目标产生行为在跟踪时间段的行为持续时间和行为时间区间。由此,可以根据确定的每个目标产生行为以及每个目标产生行为在跟踪时间段的行为持续时间和行为时间区间确定用户在该跟踪时间内的行为信息。
示例性地,以前述用于检测用户输出的音频信息的检测进程为例,可以相关的音频跟踪数据信息在某个超市A中12:00-12-35内的每个产生行为(例如电话交谈行为、面对面交谈行为、面对多人交谈行为等)的置信度,假设预设置信度为60,那么则将置信度大于60的产生行为确定为目标产生行为,例如如果面对面交谈行为的置信度大于60,那么该面对面交谈行为则可以确定为目标产生行为,同时可以确定该面对面交谈行为在12:00-12-35内的行为持续时间为35分钟,行为时间区间为12:00-12-35,由此可以确定在相关的跟踪时间段内的行为信息。
作为一种可能的示例,上述的预训练行为提取模型可以通过以下方式训练得到,具体描述如下。
首先,可以提取每个类型的检测进程所对应的行为检测数据样本的数据样本特征和对应的行为检测标签,然后以数据样本特征作为待训练行为提取模型的输入特征,将数据样本特征输入到待训练行为提取模型中,通过待训练行为提取模型解析数据样本特征在行为检测标签所对应的行为标签数据段内的待学习特征,待学习特征可以包括待学习特征区间段集合。然后,按照预设标识符对待学习特征区间段集合进行分割,得到多个分割特征片段,接着可以根据待学习特征所对应的特征向量确定多个第一行为向量学习参数,多个第一行为向量学习参数分别为多个分割特征片段在待训练行为提取模型中训练的行为向量学习参数,待训练行为提取模型用于学习多个待学习特征区间段集合进行分割处理之后的分割特征片段,以及分割处理后的各个分割特征片段在待训练行为提取模型中映射的行为向量学习参数,多个待学习特征区间段集合为在行为标签数据段内获取到的多个待学习特征所包括的待学习特征区间段集合。其中,第一行为向量学习参数可以根据特征向量所表征的特征参数类型以及不同特征参数类型所对应的预设行为向量学习参数得到。
接着,可以按照多个第一行为向量学习参数中的每个第一行为向量学习参数从高收敛度到低收敛度的顺序,对多个第一行为向量学习参数进行排序,得到行为向量学习参数序列,然后,基于预设相似比例阈值和行为向量学习参数序列,确定多个分割特征片段中的分割特征片段在待训练行为提取模型中映射的行为向量学习参数,预设相似比例阈值用于指示待学习特征区间段集合与行为标签数据段内获取的待学习特征区间段集合相似部分在待学习特征区间段集合中所占的比例。
当分割特征片段在待训练行为提取模型中映射的行为向量学习参数匹配预设行为向量学习参数时,确定待学习特征为目标待学习特征,当确定该待学习特征为目标待学习特征时,对于多个第一行为向量学习参数中的每个第一行为向量学习参数,根据第一行为向量学习参数控制待训练行为提取模型学习在行为标签数据段内获得的多个待学习特征区间段集合进行分割处理之后的分割特征片段,以及分割处理后的各个分割特征片段在待训练行为提取模型中映射的行为向量学习参数,并在训练之后生成对应的预测标签,根据每个行为检测数据样本的预测标签和每个行为检测数据样本所对应的行为检测标签更新待训练行为提取模型的行为向量学习参数,并迭代上述过程,当迭代次数达到设定次数时,获得预训练行为提取模型。
进一步地,在一种可能的设计中,针对步骤S120,为了将疫情相关区域准确与疫情相关用户的活动行为相关联,并且去除一部分行为噪声,本实施例可以针对每个疫情相关用户在该跟踪时间段的行为信息中的多个行为记录段中的每一个行为记录段,根据该行为记录段中行为记录点的连续变化值,确定该行为记录段中每个行为记录点是否为候选目标行为记录点,其中,每个行为记录点对应于每个产生行为。
例如,如果该行为记录段中行为记录点的连续变化值处于设定置信度范围内,则确定该行为记录段中每个行为记录点为候选目标行为记录点,否则确定该行为记录段中每个行为记录点不为候选目标行为记录点。
在此基础上,可以根据该行为记录段中候选目标行为记录点的数量,确定该行为记录段对应的每个候选空间区域。
例如,可以针对该行为记录段中的每个候选目标行为记录点及预设的区域填充范围,确定每个候选目标行为记录点对应的区域填充边界,然后根据每个候选目标行为记录点对应的区域填充边界得到多个目标区域,并针对每个目标区域,判断该目标区域中的候选目标行为记录点的数量是否大于预设数量阈值,如果该目标区域中的候选目标行为记录点的数量大于预设数量阈值,将该目标区域确定为该行为记录段中的候选空间区域。
接下来,可以针对每个候选空间区域,将该候选空间区域划分为多个子空间,根据每个子空间内各行为记录点的变化度及预设的行为特征变化趋势,确定候选空间区域是否为目标空间区域。
例如,可以针对每个子空间,根据该子空间中对应的每个行为记录点在该行为记录段之前的多个行为记录段中的变化度,该子空间中对应的行为记录点在该行为记录段之前的多个行为记录段中的变化度均值和方差,及预设的对应变化度阈值范围,确定每个子空间是否满足条件(例如该子空间中对应的每个行为记录点在该行为记录段之前的多个行为记录段中的变化度,该子空间中对应的行为记录点在该行为记录段之前的多个行为记录段中的变化度均值和方差均处于对应的预设的对应变化度阈值范围),如果该行为记录段中满足条件的子空间的数量满足预设的行为特征变化趋势,则确定候选空间区域为目标空间区域。
最后,可以根据目标空间区域内每个行为记录点的行为特征,确定每个疫情相关用户在该跟踪时间段的行为相关区域。
例如,可以获取预设跟踪策略匹配目标空间区域内每个行为记录点的行为轨迹信息,行为轨迹信息包括行为时间轨迹信息和行为空间轨迹信息,预设跟踪策略包括不同行为轨迹类型(例如行为时间轨迹类型和行为空间轨迹类型)所对应的匹配方式。
本实施例中,值得说明的是,上述的行为时间轨迹信息也即相关的跟踪行为的时间轨迹,例如在某个时间段持续,在某个时间点停止。行为空间轨迹信息也即相关的跟踪行为的空间轨迹,例如在某个区域范围内持续,在某个区域范围离开。
在此基础上,可以根据跟踪信息序列中的各个不同跟踪时间段的每个行为信息的行为轨迹信息确定每个行为时间记录点的行为时间特征和每个行为空间记录点的行为空间特征,并根据目标空间区域内每个行为时间记录点的行为时间特征和每个行为空间记录点的行为空间特征,确定每个疫情相关用户在该跟踪时间段的行为相关区域。
进一步地,在一种可能的设计中,为了便于直观展示疫情区域进展的情况,针对步骤S140,针对每个疫情关联区域,确定该疫情关联区域中所涉及的跟踪时间段的持续总时间对应的目标时间范围和疫情相关用户的数量对应的目标数量范围。
例如,假设该疫情关联区域中所涉及的跟踪时间段的持续总时间为1.5个小时,那么该持续总时间对应的目标时间范围可以为0-2个小时,该疫情关联区域中疫情相关用户的数量为2,那么对应的目标数量范围可以为0-3。
在此基础上,可以在该疫情关联区域中按照与目标时间范围对应的第一展示特效和按照目标数量范围对应的第二展示特效,对该疫情关联区域进行展示。例如,针对不同的目标时间范围和目标数量范围,可以设置不同的展示特效,并且可以随着目标时间范围和目标数量范围的增大而加强相关的特效,从而便于直观展示疫情区域进展的情况。
图3为本申请实施例提供的疫情区域的展示***300的功能模块示意图,本实施例可以根据上述方法实施例对该疫情区域的展示***300进行功能模块的划分。例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。比如,在采用对应各个功能划分各个功能模块的情况下,图3示出的疫情区域的展示***300只是一种装置示意图。其中,疫情区域的展示***300可以包括第一获取模块310、第二获取模块320、区域确定模块330以及展示模块340,下面分别对该疫情区域的展示***300的各个功能模块的功能进行详细阐述。
第一获取模块310,用于获取每个疫情相关用户的用户终端所记录的跟踪信息序列,跟踪信息序列包括以每个跟踪时间段为一记录单位的跟踪信息,跟踪信息包括该跟踪时间段的起始时间、结束时间以及该跟踪时间内的行为信息。
第二获取模块320,用于针对每个跟踪时间段,根据每个疫情相关用户在该跟踪时间段的行为信息获取每个疫情相关用户在该跟踪时间段的行为相关区域。
区域确定模块330,用于将位于行为相关区域的地理边界范围内的区域以及位于行为相关区域的地理边界范围外而距离行为相关区域的地理边界在预设距离范围内的区域作为每个疫情相关用户在该跟踪时间段内的疫情关联区域。
展示模块340,用于将每个疫情相关用户在所有跟踪时间段内的疫情关联区域进行汇总后,在疫情地图上进行展示。
进一步地,图4为本申请实施例提供的用于执行上述疫情区域的展示方法的服务器100的结构示意图。如图4所示,该服务器100可包括网络接口110、机器可读存储介质120、处理器130以及总线140。处理器130可以是一个或多个,图4中以一个处理器130为例。网络接口110、机器可读存储介质120以及处理器130可以通过总线140或其他方式连接,图4中以通过总线140连接为例。
机器可读存储介质120作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本申请实施例中的疫情区域的展示方法对应的程序指令/模块(例如图3中所示的疫情区域的展示***300的第一获取模块310、第二获取模块320、区域确定模块330以及展示模块340)。处理器130通过检测存储在机器可读存储介质120中的软件程序、指令以及模块,从而执行终端设备的各种功能应用以及数据处理,即实现上述的疫情区域的展示方法,在此不再赘述。
机器可读存储介质120可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,机器可读存储介质120可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-OnlyMemory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRateSDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DR RAM)。应注意,本文描述的***和方法的存储器旨在包括但不限于这些和任意其它适合发布节点的存储器。在一些实例中,机器可读存储介质120可进一步包括相对于处理器130远程设置的存储器,这些远程存储器可以通过网络连接至服务器100。上述网络的实例包括但不限于互联网、待编译项目内部网、局域网、移动通信网及其组合。
处理器130可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器130中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器130可以是通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。
服务器100可以通过网络接口110和其它设备(例如用户终端200)进行信息交互。网络接口110可以是电路、总线、收发器或者其它任意可以用于进行信息交互的装置。处理器130可以利用网络接口110收发信息。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
本申请实施例是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
显然,本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请实施例的这些表达和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (9)
1.一种疫情区域的展示方法,其特征在于,应用于服务器,所述方法包括:
获取每个疫情相关用户的用户终端所记录的跟踪信息序列,所述跟踪信息序列包括以每个跟踪时间段为一记录单位的跟踪信息,所述跟踪信息包括该跟踪时间段的起始时间、结束时间以及该跟踪时间内的行为信息;
针对每个跟踪时间段,根据每个疫情相关用户在该跟踪时间段的行为信息获取每个疫情相关用户在该跟踪时间段的行为相关区域;
将位于所述行为相关区域的地理边界范围内的区域以及位于所述行为相关区域的地理边界范围外而距离所述行为相关区域的地理边界在预设距离范围内的区域作为每个疫情相关用户在该跟踪时间段内的疫情关联区域;
将每个疫情相关用户在所有跟踪时间段内的疫情关联区域进行汇总后,在疫情地图上进行展示;
其中,所述根据每个疫情相关用户在该跟踪时间段的行为信息获取每个疫情相关用户在该跟踪时间段的行为相关区域的步骤,包括:
针对每个疫情相关用户在该跟踪时间段的行为信息中的多个行为记录段中的每一个行为记录段,根据该行为记录段中行为记录点的连续变化值,确定该行为记录段中每个行为记录点是否为候选目标行为记录点,其中,每个行为记录点对应于每个产生行为;
根据该行为记录段中候选目标行为记录点的数量,确定该行为记录段对应的每个候选空间区域;
针对每个候选空间区域,将该候选空间区域划分为多个子空间,根据每个子空间内各行为记录点的变化度及预设的行为特征变化趋势,确定候选空间区域是否为目标空间区域;
根据所述目标空间区域内每个行为记录点的行为特征,确定每个疫情相关用户在该跟踪时间段的行为相关区域。
2.根据权利要求1所述的疫情区域的展示方法,其特征在于,所述获取每个疫情相关用户的用户终端所记录的跟踪信息序列的步骤,包括:
针对每个用户终端,在检测到该用户终端安装用于记录所述跟踪信息序列的应用程序,且所述应用程序被添加为允许记录所述跟踪信息序列的授权应用程序时,通过所述授权应用程序记录对应的用户在每个跟踪时间段的起始时间和结束时间;
在该跟踪时间内,从所述用户终端的各个不同类型的检测进程中获得所述用户的跟踪数据信息;
根据各个不同类型的检测进程所对应的跟踪数据信息确定所述用户在该跟踪时间内的行为信息。
3.根据权利要求2所述的疫情区域的展示方法,其特征在于,所述根据各个不同类型的检测进程所对应的跟踪数据信息确定所述用户在该跟踪时间内的行为信息的步骤,包括:
根据每个类型的检测进程所对应的预训练行为提取模型,提取该类型的检测进程所对应的跟踪数据信息在所述跟踪时间段内的每个产生行为的置信度;
根据所述跟踪数据信息在所述跟踪时间段内的每个产生行为的置信度,将置信度大于设定置信度的产生行为确定为目标产生行为,并确定所述目标产生行为在所述跟踪时间段的行为持续时间和行为时间区间;
根据确定的每个目标产生行为以及所述每个目标产生行为在所述跟踪时间段的行为持续时间和行为时间区间确定所述用户在该跟踪时间内的行为信息。
4.根据权利要求1所述的疫情区域的展示方法,其特征在于,所述根据该行为记录段中行为记录点的连续变化值,确定该行为记录段中每个行为记录点是否为候选目标行为记录点的步骤,包括:
如果该行为记录段中行为记录点的连续变化值处于设定置信度范围内,则确定该行为记录段中每个行为记录点为候选目标行为记录点,否则确定该行为记录段中每个行为记录点不为候选目标行为记录点。
5.根据权利要求1所述的疫情区域的展示方法,其特征在于,所述根据该行为记录段中候选目标行为记录点的数量,确定该行为记录段对应的每个候选空间区域的步骤,包括:
针对该行为记录段中的每个候选目标行为记录点及预设的区域填充范围,确定每个候选目标行为记录点对应的区域填充边界;
根据每个候选目标行为记录点对应的区域填充边界得到多个目标区域,并针对每个目标区域,判断该目标区域中的候选目标行为记录点的数量是否大于预设数量阈值,如果是,将该目标区域确定为该行为记录段中的候选空间区域。
6.根据权利要求1所述的疫情区域的展示方法,其特征在于,所述根据每个子空间内各行为记录点的变化度及预设的行为特征变化趋势,确定候选空间区域是否为目标空间区域的步骤,包括:
针对每个子空间,根据该子空间中对应的每个行为记录点在该行为记录段之前的所述多个行为记录段中的变化度,该子空间中对应的行为记录点在该行为记录段之前的所述多个行为记录段中的变化度均值和方差,及预设的对应变化度阈值范围,确定每个子空间是否满足条件;
如果该行为记录段中满足条件的子空间的数量满足所述预设的行为特征变化趋势,则确定候选空间区域为目标空间区域。
7.根据权利要求1所述的疫情区域的展示方法,其特征在于,所述行为记录点包括行为时间记录点和行为空间记录点,所述根据所述目标空间区域内每个行为记录点的行为特征,确定每个疫情相关用户在该跟踪时间段的行为相关区域的步骤,包括:
获取预设跟踪策略匹配所述目标空间区域内每个行为记录点的行为轨迹信息,所述行为轨迹信息包括行为时间轨迹信息和行为空间轨迹信息,所述预设跟踪策略包括不同行为轨迹类型所对应的匹配方式;
根据所述跟踪信息序列中的各个不同跟踪时间段的每个行为信息的行为轨迹信息确定每个行为时间记录点的行为时间特征和每个行为空间记录点的行为空间特征;
根据所述目标空间区域内每个行为时间记录点的行为时间特征和每个行为空间记录点的行为空间特征,确定每个疫情相关用户在该跟踪时间段的行为相关区域。
8.根据权利要求1所述的疫情区域的展示方法,其特征在于,所述将每个疫情相关用户在所有跟踪时间段内的疫情关联区域进行汇总后,在疫情地图上进行展示的步骤,包括:
针对每个疫情关联区域,确定该疫情关联区域中所涉及的跟踪时间段的持续总时间对应的目标时间范围和疫情相关用户的数量对应的目标数量范围;
在该疫情关联区域中按照与所述目标时间范围对应的第一展示特效和按照所述目标数量范围对应的第二展示特效,对该疫情关联区域进行展示。
9.一种疫情区域的展示***,其特征在于,应用于服务器,所述***包括:
第一获取模块,用于获取每个疫情相关用户的用户终端所记录的跟踪信息序列,所述跟踪信息序列包括以每个跟踪时间段为一记录单位的跟踪信息,所述跟踪信息包括该跟踪时间段的起始时间、结束时间以及该跟踪时间内的行为信息;
第二获取模块,用于针对每个跟踪时间段,根据每个疫情相关用户在该跟踪时间段的行为信息获取每个疫情相关用户在该跟踪时间段的行为相关区域;
区域确定模块,用于将位于所述行为相关区域的地理边界范围内的区域以及位于所述行为相关区域的地理边界范围外而距离所述行为相关区域的地理边界在预设距离范围内的区域作为每个疫情相关用户在该跟踪时间段内的疫情关联区域;
展示模块,用于将每个疫情相关用户在所有跟踪时间段内的疫情关联区域进行汇总后,在疫情地图上进行展示;
其中,所述第二获取模块用于通过以下方式获取每个疫情相关用户在该跟踪时间段的行为相关区域:
针对每个疫情相关用户在该跟踪时间段的行为信息中的多个行为记录段中的每一个行为记录段,根据该行为记录段中行为记录点的连续变化值,确定该行为记录段中每个行为记录点是否为候选目标行为记录点,其中,每个行为记录点对应于每个产生行为;
根据该行为记录段中候选目标行为记录点的数量,确定该行为记录段对应的每个候选空间区域;
针对每个候选空间区域,将该候选空间区域划分为多个子空间,根据每个子空间内各行为记录点的变化度及预设的行为特征变化趋势,确定候选空间区域是否为目标空间区域;
根据所述目标空间区域内每个行为记录点的行为特征,确定每个疫情相关用户在该跟踪时间段的行为相关区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010164720.7A CN111028955B (zh) | 2020-03-11 | 2020-03-11 | 一种疫情区域的展示方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010164720.7A CN111028955B (zh) | 2020-03-11 | 2020-03-11 | 一种疫情区域的展示方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111028955A CN111028955A (zh) | 2020-04-17 |
CN111028955B true CN111028955B (zh) | 2020-06-09 |
Family
ID=70199371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010164720.7A Active CN111028955B (zh) | 2020-03-11 | 2020-03-11 | 一种疫情区域的展示方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111028955B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111538464B (zh) * | 2020-05-10 | 2021-05-07 | 浙江智飨科技有限公司 | 一种基于物联网平台的数据清理方法及装置 |
CN111640515A (zh) * | 2020-05-26 | 2020-09-08 | 深圳市通用互联科技有限责任公司 | 区域的疫情风险确定方法、装置、计算机设备和存储介质 |
CN113762432A (zh) * | 2020-06-01 | 2021-12-07 | 浙江大开信息技术有限公司 | 基于单位码的管控方法及其管控*** |
CN113820040B (zh) * | 2020-06-19 | 2023-12-19 | 青岛海尔空调器有限总公司 | 基于空调器的体温检测方法与云服务器 |
JP7396214B2 (ja) * | 2020-06-26 | 2023-12-12 | トヨタ自動車株式会社 | 情報処理システム、情報処理方法、及び、プログラム |
CN111858825A (zh) * | 2020-07-30 | 2020-10-30 | 平安国际智慧城市科技股份有限公司 | 疫情防控出行管理方法、装置、终端设备及存储介质 |
CN111933298B (zh) * | 2020-08-14 | 2024-02-13 | 医渡云(北京)技术有限公司 | 人群关系确定方法、装置、电子设备及介质 |
CN112331358A (zh) * | 2020-10-27 | 2021-02-05 | 中德(珠海)人工智能研究院有限公司 | 基于三维建模的疾病监测方法、装置、设备和存储介质 |
CN113593713A (zh) * | 2020-12-30 | 2021-11-02 | 南方科技大学 | 疫情防控方法、装置、设备和介质 |
CN112948516A (zh) * | 2021-02-25 | 2021-06-11 | 中冶南方连铸技术工程有限责任公司 | 设备自动跟踪方法、***、电子设备及计算机可存储介质 |
CN113312915B (zh) * | 2021-05-28 | 2022-08-30 | 北京航空航天大学 | 一种智能流行病学调查*** |
CN113658719A (zh) * | 2021-08-20 | 2021-11-16 | 平安国际智慧城市科技股份有限公司 | 目标人员的疫情监管方法、装置、电子设备及存储介质 |
CN115497639B (zh) * | 2022-11-17 | 2023-05-05 | 上海维智卓新信息科技有限公司 | 防疫时空区域确定方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103227821B (zh) * | 2013-04-03 | 2015-07-01 | 腾讯科技(深圳)有限公司 | 一种目标用户位置数据的处理方法及装置 |
US9262991B2 (en) * | 2014-02-24 | 2016-02-16 | Hewlett Packard Enterprise Development Lp | Displaying visual analytics of entity data |
CN105740615B (zh) * | 2016-01-28 | 2018-10-16 | 中山大学 | 利用手机轨迹追踪传染源和预测传染病流行趋势的方法 |
CN109360660A (zh) * | 2018-10-31 | 2019-02-19 | 河南省疾病预防控制中心 | 一种疾控与出行信息互联的防控方法及防控*** |
CN110377847A (zh) * | 2019-07-15 | 2019-10-25 | 中国人民解放军军事科学院军事医学研究院 | 一种面向传染病疫情分布的电子地图可视化方法及*** |
-
2020
- 2020-03-11 CN CN202010164720.7A patent/CN111028955B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111028955A (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111028955B (zh) | 一种疫情区域的展示方法及*** | |
CN111312406B (zh) | 一种疫情标签数据处理方法及*** | |
CN109818839B (zh) | 应用于智能家居的个性化行为预测方法、装置和*** | |
CN105532030B (zh) | 用于分析目标实体的移动的装置、***和方法 | |
CN111091196B (zh) | 客流数据确定方法、装置、计算机设备和存储介质 | |
US20160105801A1 (en) | Geo-based analysis for detecting abnormal logins | |
CN111079006B (zh) | 一种消息推送方法、装置、电子设备及介质 | |
CN111274501B (zh) | 推送信息的方法、***和非暂时性存储介质 | |
CN110309587A (zh) | 决策模型构建方法、决策方法与决策模型 | |
CN113641994B (zh) | 基于图数据的数据处理方法及*** | |
CN110688974A (zh) | 一种身份识别方法及装置 | |
CN113643532B (zh) | 一种区域交通的预测方法以及设备 | |
CN112131261B (zh) | 基于社区网络的社区查询方法、装置和计算机设备 | |
CN114357319A (zh) | 网络请求处理方法、装置、设备、存储介质及程序产品 | |
Chang et al. | High‐Speed Data‐Driven Methodology for Real‐Time Traffic Flow Predictions: Practical Applications of ITS | |
CN113569657A (zh) | 一种行人重识别方法、装置、设备及存储介质 | |
CN110276387B (zh) | 一种模型的生成方法及装置 | |
CN111931707A (zh) | 基于对抗补丁的人脸图像预测方法、装置、设备和介质 | |
CN113723607A (zh) | 时空数据处理模型的训练方法、装置、设备及存储介质 | |
CN113793174A (zh) | 数据关联方法、装置、计算机设备和存储介质 | |
CN116308738B (zh) | 一种模型训练的方法、业务风控的方法及装置 | |
CN112491985A (zh) | 远程抄表数据处理方法、燃气表***及燃气云平台 | |
US9179264B1 (en) | Methods, systems, and media for determining location information from real-time bid requests | |
CN114356951A (zh) | 引导点的关联信息的更新方法和装置 | |
CN114638308A (zh) | 一种获取对象关系的方法、装置、电子设备和存储介质 |
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 |