移动环境下基于大规模反近邻查询的医疗呼叫方法技术

本发明专利技术专利公开了一种移动环境下基于大规模反近邻查询的医疗呼叫方法，属于基于大规模时空数据处理与移动技术应用领域；采用了大规模分布式的SRNN等基于位置服务的查询算法，定位查询出移动医疗车的位置，将大数据处理的模式整合到该移动医疗的选择服务阶段，在海量数据中搜索出最符合医疗需求客户条件的移动医疗车移动医疗车，并将移动医疗车司机信息反馈至发件客户端。同样的，移动医疗车也可以根据医疗需求客户的请求对其进行定位，并在一定时间内做出请求或回应；其有益效果是：能够自动匹配客户位置，定位精确度高，适用于大数据环境，为医疗需求客户和移动医疗车司机提供的交互平台能够提供准确的医疗物流调度信息，提高了医疗客户发出医疗呼叫的效率。

【技术实现步骤摘要】

本专利技术涉及LBS(LocationBasedService)领域，是一种移动环境下基于大规模反近邻查询的医疗呼叫方法，包含大规模时空数据分布式的处理以及智能移动终端应用的开发。
技术介绍
计算机及其网络技术的飞速发展，移动智能终端的出现以及移动定位技术的不断成熟为移动医疗各移动相关行业的信息化提供了夯实的基础。通过移动互联，将分散在不同地理位置的移动医疗车以及医疗需求客户紧密联结在了一起，将移动医疗车、医疗需求客户作为节点，构成了一个信息传递与信息共享的网络。客户可以实时了解附近移动医疗车的位置以及运作状况，同时移动医疗车司机也可以实时准确的接收到附近客户的请求，便于各方业务的洽谈，实现了医疗救护的高效呼叫。结合近年来随着基于位置的服务和移动互联网的快速发展，医疗呼叫呼叫系统中，对于网络中各节点临近节点的实时查询成为一大技术难题。一方面是由于地理空间数据的数据量的迅猛增长，另一方面也是因为移动医疗呼叫业务中对于实时性的特殊要求。因此，如何实现高效的近邻查询成为移动云计算环境下的移动医疗呼叫系统新的需求和挑战。现在已经有几种近邻查询的方法，如最基础的kNN方法，以及作为kNN问题变种的RNN(ReverseNearestNeighbor)反近邻查询，已经成为典型的空间查询算法并得到了业界的普遍关注。自从Korn等人首次给出RNN查询的定义以来，作为一个热点研究问题，目前已有了大量的研究成果，并具备很好的应用价值。由于现存的大部分RNN算法因为其索引或算法的结构化的特征，导致潜在的顺序执行问题。另外，也有着不具备可扩展性，缺失精度，或者产生维数灾难等问题。同时基于位置服务相关研究与应用的兴起，单机环境因为计算与存储能力有限，故无法支持大规模空间查询方法，解决方案就是同时利用多计算节点参与计算，这就需要设计新的分布式索引与并行查询方法。尽管RNN查询与其它的空间查询方法一样重要，但有效地支持大规模RNN查询的算法方面的工作成果还是相对较少。MRVoronoi除了设计空间索引结构之外，也简略地描述了利用MapReduce进行RNN查询的方法。但该方法需要额外的时间进行定位查询点，当维度增加时就会导致高的维护与计算代价。RankReduc方法通过MapReduce来支持处理大规模近似kNN查询，但该方法是不精确的，只能用于高维条件，且没有描述解决RNN的过程。所以现有的方法均不能很好地直接用来解决大规模RNN查询问题。从大规模空间数据集中进行查找RNN的问题不仅作为一个移动医疗配送算法求解优化问题，同时也在智能导航、交通控制、救灾援助、气象预报、空间聚类等领域中有着广泛的应用。但是面对海量、大规模的时空数据，传统的RNN方法，很难满足移动互联移动医疗系统对于实时性的需求，基于该出发点，我们设计并实现了该专利技术。
技术实现思路
根据上述
技术介绍
中存在的缺陷和不足，本专利技术提供了移动环境下基于大规模反近邻查询的医疗呼叫方法，以解决现有移动医疗调动系统中医疗需求客户与移动医疗车近邻问题计算的不足。本专利技术也针对现有技术中存在的反近邻查询方法中的不足进行了改进，用以提高准确度和实时性。为了实现上述目的，本专利技术所采用的技术方案是：移动环境下基于大规模反近邻查询的医疗呼叫方法，由云中心服务系统和智能移动客户端系统，执行步骤如下：S1.云中心服务系统用于进行倒排网格索引的建立，以及执行分布式大规模反近邻算法；S2.智能移动客户端适应不同用户功能需求与使用习惯，通过内置的定位系统和运营商的基站，以及依托网络获取自身的实时空间地理位置，发起医疗呼叫请求，并与云中心服务系统进行信息交互。作为技术方案的补充，该移动环境下基于大规模反近邻查询的医疗呼叫方法所使用的云中心端服务系统由不少于一个云数据中心的网络服务器或虚拟主机所构成的，采用云计算这种并行化计算来处理大规模数据应对于大量的需要发起医疗呼叫的客户，并以客户为查询中心，在此位置发起查询清求，移动医疗车作为可供查询的数据集，在这种模式下，保证了高移动医疗量时的呼叫稳定性，加快了移动医疗信息搜索时的反应速度，同时增强了可扩展性。云中心服务系统通过使用采集到的客户位置以及移动医疗车位置，建立位置信息的分布式倒排网格索引。由云中心服务系统使用倒排网格索引进行分布式时空信息的大规模反近邻查询，并返回最优移动医疗车给医疗需求客户。倒排网格索引的处理步骤具体为：给定空间数据集P与Q，P与Q是由欧几里德空间数据点组成的集合，且数据集P具有客户位置以及Q具有移动医疗车位置信息，对于P中的客户位置点点q∈Q在数据集Q的位置用表达式q(x,y)表示，点q包含移动医疗车的位置信息及其周边的客户信息。首先将数据集文件存储到分布式文件系统HDFS上，HDFS会自动将其分割成很多数据分块，每个Mapper读入一个输入数据分片，然后每个Mapper分析数据分片中的空间数据点，并计算出空间数据点到网格单元格的映射，最后Mapper把单元格p(i,j)在网格当中的位置作为key，把点q(x,y)的位置信息作为value，并将该<key,value>对应输出，Reducer则读取Mapper的数据输出，并收集相同单元格(key)中的点数据，然后输出单元格索引和包含在该单元格中的点的集合。基于网格索引的大规模反近邻查询的方法为：参见图9，首先建立空间网格索引，并对网格空间进行整体扫描，从而建立了倒排网格索引，在Map函数中对分片数据区域用PCT轮圈算法，以点ci为圆心，半径r＝|ci,si|进行轮圈，并将圆区域内或与圆边界相交的网格Cell(i)的Counter(gi)值计为1，即Counter(gi)＝1；每个分片数据区域单独处理完后，最后在Reduce函数中合并，合并的过程中，按照网格处理算法进行扫描，每次扫描的过程中，对重叠的网格Cell(i)的Counter(gi)值累加，最后输出整个空间区域权值W最大Cell(j)。作为技术方案的补充，大规模反近邻查询的定义为：假设有一个由空间对象p组成的N维空间D以及查询对象q，反最近邻查询是通过遍历所有对象p∈P并找出满足：RNN(q)＝{p∈P|Dist(p,q)＜Dist(p,p')本文档来自技高网...

【技术保护点】
一种移动环境下基于大规模反近邻查询的医疗呼叫方法，其特征在于：由云中心服务系统和智能移动客户端系统，执行步骤如下：S1.云中心服务系统用于进行倒排网格索引的建立，以及执行分布式大规模反近邻算法；S2.智能移动客户端适应不同用户功能需求与使用习惯，通过内置的定位系统和运营商的基站，以及依托网络获取自身的实时空间地理位置，发起医疗呼叫请求，并与云中心服务系统进行信息交互。

【技术特征摘要】
1.一种移动环境下基于大规模反近邻查询的医疗呼叫方法，其特征在
于：由云中心服务系统和智能移动客户端系统，执行步骤如下：
S1.云中心服务系统用于进行倒排网格索引的建立，以及执行分布式
大规模反近邻算法；
S2.智能移动客户端适应不同用户功能需求与使用习惯，通过内置的
定位系统和运营商的基站，以及依托网络获取自身的实时空间地理位
置，发起医疗呼叫请求，并与云中心服务系统进行信息交互。
2.根据权利要求1所述的移动环境下基于大规模反近邻查询的医疗
呼叫方法，其特征在于：当客户发出医疗呼叫请求后，由智能移动客
户端的定位系统自动采集并提交客户和客户附近的移动医疗车的位
置信息至云中心服务系统，云中心服务系统通过采集到的客户和客户
附近的移动医疗车的位置信息，建立客户位置信息的分布式倒排网格
索引，并对客户位置及其附近移动医疗车的位置进行分布预处理，且
按照需要进行定期动态更新；由云中心服务系统使用倒排网格索引进
行分布式时空信息的反最近邻查询，并返回最优移动医疗车信息给移
动客户端系统。
3.根据权利要求2所述的移动环境下基于大规模反近邻查询的医疗
呼叫方法，其特征在于：倒排网格索引的处理步骤具体为：给定空间
数据集P与Q，P...

【专利技术属性】
技术研发人员：季长清，王宝凤，陶帅，汪祖民，王慧，
申请(专利权)人：大连大学，
类型：发明
国别省市：辽宁;21