CN112185553A - 面向高校学生返校的进校码生成、解码、扫码方法和*** - Google Patents
面向高校学生返校的进校码生成、解码、扫码方法和*** Download PDFInfo
- Publication number
- CN112185553A CN112185553A CN202010830895.7A CN202010830895A CN112185553A CN 112185553 A CN112185553 A CN 112185553A CN 202010830895 A CN202010830895 A CN 202010830895A CN 112185553 A CN112185553 A CN 112185553A
- Authority
- CN
- China
- Prior art keywords
- code
- school
- student
- decoding
- risk
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012937 correction Methods 0.000 claims abstract description 34
- 238000010219 correlation analysis Methods 0.000 claims abstract description 5
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000002265 prevention Effects 0.000 abstract description 4
- 238000011534 incubation Methods 0.000 description 8
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 208000015181 infectious disease Diseases 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 229940036051 sojourn Drugs 0.000 description 2
- 208000025721 COVID-19 Diseases 0.000 description 1
- 241000711573 Coronaviridae Species 0.000 description 1
- 206010012735 Diarrhoea Diseases 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012163 sequencing technique 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Bioethics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种面向高校学生返校的进校码生成、解码、扫码方法,具体包括以下步骤:S1.根据学生行为轨迹数据、健康记录数据、确诊病例数据和学生与病例地理位置信息进行相关性分析和健康状态分析,构建返校学生风险模型;S2.对学生的身份识别符进行排位,生成进校初始码,转换为字符串并进行编码、加密,生成进校码;S3.获取学生的扫码结果,对扫码结果对应的进校码进行解码,获取学生信息并进行进校信息提取与鉴权,根据信息提取与鉴权的结果进行预警。与现有技术相比,本发明具有提高学生信息数据更新的及时性、提高学校进行疫情防控的严密性与稳定性、为存在多校区、多校门的高校学生返校分类把控、分批管理提供重要保障等优点。
Description
技术领域
本发明涉及计算机图像识别领域,尤其是涉及一种面向高校学生返校的进校码生成、解码、扫码方法和***。
背景技术
新型冠状病毒肺炎(COVID-19)疫情爆发以来,如何预防聚集性传染,守住校园安全门已成为高等院校校园安全工作的重要内容。相对中小学、幼儿园等教育场所,高校疫情防控的难点和重点更加突出。一方面,高校学生流动性强、流动范围广,健康与有风险进校人员甄别难度极大。同时,多数高校存在多校区、多校门的情况,甚至有些高校的学生宿舍设在城市居民小区内,部分实验室场馆、工作场所设在校区范围外,进一步增加了学校疫情防控的复杂度。另一方面,食堂、宿舍、教室等均属于易密接、易传染高风险场馆,这类场馆的人员进出管理更为严格,这就要求进出人员必须为无风险健康人员。该管理的核心是能快速且准确的甄别个体可能存在的疫情传染风险。
目前,健康码已成为商场、医院、办公楼等多种公共场所进出的有效凭证。该码是一种通过计算和分析个人手机信号地理位置大数据及个人乘坐交通工具与确诊病例的流行病学相关性分析结果,给出的绿色、黄色、红色二维码。三种不同颜色的二维码可快速出示给场所管理人员,进行风险判断。通常拥有绿码的人员可以自由进出相关场所。然而,健康码更新计算存在滞后性和计算误差,在实践过程中,存在对有部分风险人员无法有效预警的可能。因此,基于健康码的高校学生进校无法做到万无一失的有效防控。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种面向高校学生返校的进校码生成、解码、扫码方法和***,通过对学生日常位置信息、健康数据及学业信息进行分析,结合确诊病例信息、重点地区的疫情信息综合分析,构建一种快速识别进校人员安全风险并自动鉴权的编码方法,按照扫码进校的方式,为存在多校区、多校门的高校学生返校的分类把控、分批管理提供重要保障。
本发明的目的可以通过以下技术方案来实现:
一种面向高校学生返校的进校码生成、解码、扫码方法,具体包括以下步骤:
S1.根据学生行为轨迹数据、健康记录数据、确诊病例数据和学生与病例地理位置信息进行相关性分析和健康状态分析,构建返校学生风险模型;
S2.根据所述返校学生风险模型对学生的身份识别符进行排位,生成进校初始码,所述进校初始码转换为字符串并进行编码、加密,生成进校码;
S3.获取学生的扫码结果,对所述扫码结果对应的进校码进行解码,获取学生信息并进行进校信息提取与鉴权,根据信息提取与鉴权的结果进行预警。
所述学生风险模型包括4个风险信息。
进一步地,所述风险信息包括A类风险、B类风险、C类风险和D类风险,其中:
A类风险指病疫潜伏期内存在不连续完整的日常上报记录;
B类风险指病疫潜伏期内存在跨市县级行政区位置变化记录;
C类风险指病疫潜伏期内存在有重点地区旅居史记录;
D类风险指病疫潜伏期内存在病理症状相关记录。
所述身份识别符的长度为7位。
所述进校初始码的长度为24位。
进一步地,所述进校初始码包括左检校码标识位和右检校码标识位,所述左检校码标识位位于进校码的起始端,为进校初始码的第0位,右检校码标识位位于进校码的末端,为进校初始码的第23位。
所述进校初始码的第1-2位为进校点标识位,由进校点相关秘钥字典转义获得。
所述进校初始码的第3-4位为学生唯一身份标识位,具体为学生唯一身份识别符前两位数字。
所述进校初始码的第5位为A类风险标识位,0代表无风险,1代表有风险。
所述进校初始码的第6位为学生唯一身份标识位,具体为学生唯一身份识别符第3位数字。
所述进校初始码的第7-8位为学生进校日期的年信息。
所述进校初始码的第9位为B类风险标识位,0代表无风险,1代表有风险。
所述进校初始码的第10位为学生唯一身份标识位,具体为学生唯一身份识别符第4位数字。
所述进校初始码的第11位为C类风险标识位,0代表无风险,1代表有风险。
所述进校初始码的第12位为学生唯一身份标识位,通常为学生唯一身份识别符所第5位数字。
所述进校初始码的第13位为D类风险标识位,0代表无风险,1代表有风险。
所述进校初始码的第14-15位为学生进校日期的月信息。
所述进校初始码的第16位为学生唯一身份标识位,通常为学生唯一身份识别符第6位数字。
所述进校初始码的第17-18位为学生进校日期的日信息。
所述进校初始码的第19-20位为学生所在学院标识位,由学院相关的秘钥字典转义获得。
所述进校初始码的第21位为学生唯一身份标识位,具体为学生唯一身份识别符所述进校初始码的第7位数字。
所述进校初始码的第22位为是否强制限制入校标识位,0为无限制,1为有限制。
进一步地,所述左检校码和右检校码的计算公式如下所示:
其中,ai为进校初始码中第i位对应的数值。
进一步地,所述步骤S2中进校初始码转换为字符串并进行编码、加密的方式如下所示:
ci=ai+mod(10/(i+1)
string_code=concat([ci])
其中,ci为字符串中的第i位字符,为并对字符进行拼合,将拼合后的字符串通过快速识别码生成算法,将文本翻译成图形码。
进一步地,所述步骤S3中进校码进行解码的方式具体如下:
ai=ci-mod(10/(i+1)
number_code=concat([ai])
其中,concat为拼合函数。
拼合完成后对还原的进校原始码的合法性进行判断,包括是否长度为24位以及解码得到的左右检校位是否等于当前左右检校位。
若合法性不符合要求,则表示该进校码非法,否则按上述编码排序规则进行进校信息提取并鉴权,进行以下预警,具体包括:
身份有效性识别:通过与服务器中已批准返校但未返校名单进行比对,识别是否有有效进校资格,防止他人冒用和未经批准返校学生违规进校;
进校码有效期识别:通过与当前时间进行比较,判断该码是否处于规定使用时间内,防止学生未按规定日期进校,发生人员聚集和管理失效;
进校点合法性识别:通过与工控机预设的进校点识别标识进行比较,判断该码是否适用于某校区某校门进入,防止学生不按规定进校通道进校,发生人员聚集和管理失效;
四类风险识别:通过相应位置风险标识符识别该生是否存在风险,对存在风险的学生则阻止其获得进校权限;
学院认证:通过学院标识符和服务器中该生基础信息进行比对,进一步防止非法码和异常码进校。
强制限制识别:通过识别强限位标记,判断该生是否已被强制终止进校。
一种面向高校学生返校的进校码生成、解码、扫码的***,使用所述面向高校学生返校的进校码生成、解码、扫码方法,包括扫码器、工控机、路由器和服务器,所述扫码器和路由器均与工控机连接,所述服务器与路由器连接,所述扫码器获取编码字符串,发送至工控机上并通过路由器转发至服务器,所述服务器收到编码字符串后进行解码,并将解码结果返回至工控机进而进行声光提示和预警。
与现有技术相比,本发明具有以下有益效果:
本发明通过返校学生返校风险识别模型对学生进校前的各类风险进行有效地信息化,对学生身份信息、风险信息、健康状态、进校时间及地点信息的规则化排序编码并加密,生成了用于同时识别学生身份和感染风险,并满足高校分批次返校管理工作的进校码,通过对学生日常位置信息、健康数据及学业信息进行分析,与确诊病例信息、重点地区等疫情信息综合分析的基础上,为多校区、多校门的高校学生返校分类把控、分批管理提供重要保障,提高了学生信息数据更新的及时性,提高了学校进行疫情防控的严密性与稳定性。
附图说明
图1为本发明方法的流程示意图;
图2为本发明***的结构示意图;
图3为本发明进校初始码的结构示意图;
图4为本发明解码过程的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,一种面向高校学生返校的进校码生成、解码、扫码方法,具体包括以下步骤:
S1.根据学生行为轨迹数据、健康记录数据、确诊病例数据和学生与病例地理位置信息进行相关性分析和健康状态分析,构建返校学生风险模型;
S2.根据返校学生风险模型对学生的身份识别符进行排位,生成进校初始码,进校初始码转换为字符串并进行编码、加密,生成进校码;
S3.获取学生的扫码结果,对扫码结果对应的进校码进行解码,获取学生信息并进行进校信息提取与鉴权,根据信息提取与鉴权的结果进行预警。
学生风险模型包括4个风险信息。
进一步地,风险信息包括A类风险、B类风险、C类风险和D类风险,其中:
A类风险指病疫潜伏期内存在不连续完整的日常上报记录;学生的单日上报记录数据缺失,将致使风险识别模型直接失效,导致学校安全防控出现盲点。
B类风险指病疫潜伏期内存在跨市县级行政区位置变化记录;跨市县区行政区的位置移动,常需要乘坐飞机、高铁、城际大巴等公共交通,或自驾途径休息区等公共场所,该类学生存在无意中接触传染病人或有重低地区旅居史人员的可能,进而成为有概率被感染人员。
C类风险指病疫潜伏期内存在有重点地区旅居史记录;该类学生因与确诊病例存在空间和时间上的交叉,该类学生存在无意中被传染病人一代、二代传染的可能,进而成为大概率被感染人员。
D类风险指病疫潜伏期内存在病理症状相关记录;出现过发热、腹泻等疑似症状,该类学生存在疑似潜伏期病人的可能,因而具有一定的风险。
身份识别符的长度为7位。
进校初始码的长度为24位。
进一步地,进校初始码包括左检校码标识位和右检校码标识位,左检校码标识位位于进校码的起始端,为进校初始码的第0位,右检校码标识位位于进校码的末端,为进校初始码的第23位。
进校初始码的第1-2位为进校点标识位,由进校点相关秘钥字典转义获得。
进校初始码的第3-4位为学生唯一身份标识位,具体为学生唯一身份识别符前两位数字。
进校初始码的第5位为A类风险标识位,0代表无风险,1代表有风险。
进校初始码的第6位为学生唯一身份标识位,具体为学生唯一身份识别符第3位数字。
进校初始码的第7-8位为学生进校日期的年信息。
进校初始码的第9位为B类风险标识位,0代表无风险,1代表有风险。
进校初始码的第10位为学生唯一身份标识位,具体为学生唯一身份识别符第4位数字。
进校初始码的第11位为C类风险标识位,0代表无风险,1代表有风险。
进校初始码的第12位为学生唯一身份标识位,通常为学生唯一身份识别符所第5位数字。
进校初始码的第13位为D类风险标识位,0代表无风险,1代表有风险。
进校初始码的第14-15位为学生进校日期的月信息。
进校初始码的第16位为学生唯一身份标识位,通常为学生唯一身份识别符第6位数字。
进校初始码的第17-18位为学生进校日期的日信息。
进校初始码的第19-20位为学生所在学院标识位,由学院相关的秘钥字典转义获得。
进校初始码的第21位为学生唯一身份标识位,具体为学生唯一身份识别符进校初始码的第7位数字。
进校初始码的第22位为是否强制限制入校标识位,0为无限制,1为有限制。
进一步地,左检校码和右检校码的计算公式如下所示:
其中,ai为进校初始码中第i位对应的数值。
进一步地,步骤S2中进校初始码转换为字符串并进行编码、加密的方式如下所示:
ci=ai+mod(10/(i+1)
string_code=concat([ci])
其中,ci为字符串中的第i位字符,为并对字符进行拼合,将拼合后的字符串通过快速识别码生成算法,将文本翻译成图形码。
进一步地,步骤S3中进校码进行解码的方式具体如下:
ai=ci-mod(10/(i+1)
number_code=concat([ai])
其中,concat为拼合函数。
拼合完成后对还原的进校原始码的合法性进行判断,包括是否长度为24位以及解码得到的左右检校位是否等于当前左右检校位。
若合法性不符合要求,则表示该进校码非法,否则按上述编码排序规则进行进校信息提取并鉴权,进行以下预警,具体包括:
身份有效性识别:通过与服务器中已批准返校但未返校名单进行比对,识别是否有有效进校资格,防止他人冒用和未经批准返校学生违规进校;
进校码有效期识别:通过与当前时间进行比较,判断该码是否处于规定使用时间内,防止学生未按规定日期进校,发生人员聚集和管理失效;
进校点合法性识别:通过与工控机预设的进校点识别标识进行比较,判断该码是否适用于某校区某校门进入,防止学生不按规定进校通道进校,发生人员聚集和管理失效;
四类风险识别:通过相应位置风险标识符识别该生是否存在风险,对存在风险的学生则阻止其获得进校权限;
学院认证:通过学院标识符和服务器中该生基础信息进行比对,进一步防止非法码和异常码进校。
强制限制识别:通过识别强限位标记,判断该生是否已被强制终止进校。
一种面向高校学生返校的进校码生成、解码、扫码的***,使用面向高校学生返校的进校码生成、解码、扫码方法,包括扫码器、工控机、路由器和服务器,扫码器和路由器均与工控机连接,服务器与路由器连接,扫码器获取编码字符串,发送至工控机上并通过路由器转发至服务器,服务器收到编码字符串后进行解码,并将解码结果返回至工控机进而进行声光提示和预警。
此外,需要说明的是,本说明书中所描述的具体实施例子,所取名称可以不同,本说明书中所描述的以上内容仅仅是对本发明结构所做的举例说明。凡依据本发明构思的构造、特征及原理所做的等效变化或者简单变化,均包括于本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做各种各样的修改或补充或采用类似的方法,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种面向高校学生返校的进校码生成、解码、扫码方法,其特征在于,具体包括以下步骤:
S1.根据学生行为轨迹数据、健康记录数据、确诊病例数据和学生与病例地理位置信息进行相关性分析和健康状态分析,构建返校学生风险模型;
S2.根据所述返校学生风险模型对学生的身份识别符进行排位,生成进校初始码,所述进校初始码转换为字符串并进行编码、加密,生成进校码;
S3.获取学生的扫码结果,对所述扫码结果对应的进校码进行解码,获取学生信息并进行进校信息提取与鉴权,根据信息提取与鉴权的结果进行预警。
2.根据权利要求1所述的一种面向高校学生返校的进校码生成、解码、扫码方法,其特征在于,所述学生风险模型包括4个风险信息。
3.根据权利要求2所述的一种面向高校学生返校的进校码生成、解码、扫码方法,其特征在于,所述风险信息包括A类风险、B类风险、C类风险和D类风险。
4.根据权利要求1所述的一种面向高校学生返校的进校码生成、解码、扫码方法,其特征在于,所述身份识别符的长度为7位。
5.根据权利要求1所述的一种面向高校学生返校的进校码生成、解码、扫码方法,其特征在于,所述进校初始码的长度为24位。
6.根据权利要求5所述的一种面向高校学生返校的进校码生成、解码、扫码方法,其特征在于,所述进校初始码包括左检校码标识位和右检校码标识位,所述左检校码标识位位于进校码的起始端,右检校码标识位位于进校码的末端。
8.根据权利要求7所述的一种面向高校学生返校的进校码生成、解码、扫码方法,其特征在于,所述步骤S2中进校初始码转换为字符串并进行编码、加密的方式如下所示:
ci=ai+mod(10/(i+1)
string_code=concat([ci])
其中,ci为字符串中的第i位字符,为并对字符进行拼合。
9.根据权利要求8所述的一种面向高校学生返校的进校码生成、解码、扫码方法,其特征在于,所述步骤S3中进校码进行解码的方式具体如下:
ai=ci-mod(10/(i+1)
number_code=concat([ai])
其中,concat为拼合函数。
10.一种面向高校学生返校的进校码生成、解码、扫码的***,其特征在于,使用权利要求1-9任一所述的面向高校学生返校的进校码生成、解码、扫码方法,包括扫码器、工控机、路由器和服务器,所述扫码器和路由器均与工控机连接,所述服务器与路由器连接,所述扫码器获取编码字符串,发送至工控机上并通过路由器转发至服务器,所述服务器收到编码字符串后进行解码,并将解码结果返回至工控机进而进行声光提示和预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010830895.7A CN112185553A (zh) | 2020-08-18 | 2020-08-18 | 面向高校学生返校的进校码生成、解码、扫码方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010830895.7A CN112185553A (zh) | 2020-08-18 | 2020-08-18 | 面向高校学生返校的进校码生成、解码、扫码方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112185553A true CN112185553A (zh) | 2021-01-05 |
Family
ID=73919278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010830895.7A Pending CN112185553A (zh) | 2020-08-18 | 2020-08-18 | 面向高校学生返校的进校码生成、解码、扫码方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112185553A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016499A (zh) * | 2017-03-23 | 2017-08-04 | 国家电网公司 | 一种基于二维码加密识别的变电站设备巡视方法 |
CN111243755A (zh) * | 2020-03-04 | 2020-06-05 | 南通大学附属医院 | 一种疫情防控信息*** |
CN111445999A (zh) * | 2020-02-25 | 2020-07-24 | 思创数码科技股份有限公司 | 一种带有传染性疾病的卡点排查及管控方法 |
CN111464951A (zh) * | 2020-03-31 | 2020-07-28 | 深圳前海微众银行股份有限公司 | 疫情防控方法、装置、设备及计算机可读存储介质 |
CN111524607A (zh) * | 2020-03-26 | 2020-08-11 | 北京三快在线科技有限公司 | 配送员的信息处理方法、获取方法、展示方法及*** |
-
2020
- 2020-08-18 CN CN202010830895.7A patent/CN112185553A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016499A (zh) * | 2017-03-23 | 2017-08-04 | 国家电网公司 | 一种基于二维码加密识别的变电站设备巡视方法 |
CN111445999A (zh) * | 2020-02-25 | 2020-07-24 | 思创数码科技股份有限公司 | 一种带有传染性疾病的卡点排查及管控方法 |
CN111243755A (zh) * | 2020-03-04 | 2020-06-05 | 南通大学附属医院 | 一种疫情防控信息*** |
CN111524607A (zh) * | 2020-03-26 | 2020-08-11 | 北京三快在线科技有限公司 | 配送员的信息处理方法、获取方法、展示方法及*** |
CN111464951A (zh) * | 2020-03-31 | 2020-07-28 | 深圳前海微众银行股份有限公司 | 疫情防控方法、装置、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20060143434A1 (en) | Delivery point validation system | |
CN111354473A (zh) | 基于导航地图和手机定位寻找新冠肺炎感染者的应用*** | |
Snipp | American Indians: Clues to the future of other racial groups | |
Purwitasari et al. | Time Series Analysis for Understanding Local Policy Impact of COVID-19 Cases in East Java | |
Seeger et al. | DISASTER COMMUNICATION | |
CN112185553A (zh) | 面向高校学生返校的进校码生成、解码、扫码方法和*** | |
Jamshed | Lawyers Response to COVID-19 infodemic on social media | |
Lenk | Methods of register based census in Austria | |
Amos et al. | A Method to Audit the Assignment of Registered Voters to Districts and Precincts | |
CN115115351B (zh) | 一种用于环境损害鉴定评估报告审核的方法及*** | |
CN113470237A (zh) | 一种校园门禁智慧管理***及方法 | |
CN114971279A (zh) | 一种在线教学管理方法及装置 | |
Erastus et al. | Secure information infrastructure framework components for a smart city: a case study of Windhoek | |
Munemo | Privacy and confidentiality concerns of people with visual impairment in the electoral process in Zimbabwe | |
Bhavan et al. | Online Voting System | |
Dziewit et al. | The Quest for the Paperless Office Electronic Contracting: State of the Art Possibility but Legal Impossibility? | |
Mendes et al. | Spatial analysis of genetic clusters and epidemiologic factors related to wild poliovirus type 1 persistence in Afghanistan and Pakistan | |
Owen et al. | Toward modeling regionally specific human security using GIS: case study Cambodia | |
Nunn et al. | Early Warning in Public Health: Community-based COVID-19 outbreak of the B. 1.1. 7 (Alpha) variant of concern in Newfoundland, February to March 2021 | |
Kikuchi et al. | On-site service and safe output checking in japan | |
Zhai et al. | The research of examination management system based on network flat | |
Kafadar | Statistics and the impact of the 2009 NAS report | |
Mehlape | Voter participation factors in the South African local government elections: influences and propositions for voter education | |
Mudiriza et al. | Youth in the time of a global pandemic: An analysis of recent data on young people’s experiences during COVID-19 | |
CN115907931A (zh) | 互联网新型租房管理方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210105 |