一种面向健康养老驿站的实时照护智能监测方法技术

本发明专利技术提出一种面向健康养老驿站的实时照护智能监测方法，能够实现对医养健对象全生命周期的照护。首先，通过部署在医养健对象周边的数字化传感器和智能感知终端来全方位感知医养健对象自身及其所处环境的当前状态，并将采集到的数据保存到云端的数据库中；然后,对于医养健对象的多维海量数据，运用时间序列预测的方法对医养健对象的行动轨迹进行预测，并运用聚类的方法构建出医养健对象的生活模式；最后，根据对医养健对象行动轨迹的匹配以及对医养健对象生活模式的比较，进行异常判断及实时预警。本发明专利技术可用于医疗、养老等领域，为医养健对象提供全生命周期的照护服务，有助于改善“数据孤岛、服务割裂”的现象。

Intelligent monitoring method of real-time care for health care elderly station

The invention provides a real-time care intelligent monitoring method for a health care post station, which can realize the full life cycle care of a health care object. Firstly, a digital sensor and an intelligent sensing terminal are deployed around the health care object to fully perceive the current state of the health care object itself and its environment, and the collected data are stored in a cloud database. Then, for the multi-dimensional massive data of the health care object, time series prediction is used. Methods The trajectory of the health care object was predicted, and the life pattern of the health care object was constructed by clustering method. Finally, according to the matching of the trajectory of the health care object and the comparison of the life pattern of the health care object, the abnormal judgment and real-time warning were made. The invention can be used in the fields of medical treatment, old-age care and the like, and can provide the whole life cycle care service for the medical and health care object, and is helpful to improve the phenomenon of \data island, service fragmentation\.

【技术实现步骤摘要】
一种面向健康养老驿站的实时照护智能监测方法
本专利技术涉及医疗、养老领域对医养健对象实时照护智能监测的方法，结合大数据分析技术让健康养老趋向互联化、物联化、移动化、智能化并且整合各方服务资源向老人提供安全、全方位、全生命周期的健康养老服务，具体地，提出一种面向健康养老驿站的实时照护智能监测方法。
技术介绍
健康养老服务业在云计算、大数据、移动互联网、物联网和务联网等新一代信息技术的推动下呈现出“跨界融合”的新态势与新特征，如何高效智能地为老年人提供安全、全面、全生命周期的持续性服务成为了最具挑战性的问题之一。为推动健康养老事业的发展，国家先后发布《“十三五”国家老龄事业发展和养老体系建设规划》和《智慧健康养老产业发展行动计划(2017-2020年)》，明确提出利用新一代信息技术实现个人、家庭、社区、机构与健康医疗资源的有效对接和优化配置。务联网(IoS：InternetofServices)是由跨系统、跨领域、跨区域、跨网络的海量异构服务经过聚合与协同而形成的复杂服务网络，是解决健康养老服务业全球网络化、专业社会化、跨界融合化背景下存在“散、乱、差、缺、怨”等突出问题的跨域型、平台性核心关键技术，其理论技术体系研究是国家“十三五”现代服务业科技创新专项规划的重点任务之一。随着政府对健康养老的加大扶持，越来越多的机构投入了健康养老行业。目前在智能健康监测服务方面，IBM、NEC等巨头相继推出了面向居家、社区养老服务的基于物联网和人工智能技术的智慧养老解决方案，国内出现了许多面向数字家庭领域的健康监护产品，但在可穿戴生理特征监测、短距离无线通信等核心关键部件的研发上仍存在技术瓶颈且多依赖进口，因此，主动对接融合跨界资源，助力实现“多机构协同”和“多机构服务”是当下最迫切需要解决的问题。针对目前健康养老跨界的服务模式，无论是泛在式居家社区、多机构医养健结合还是IoT与IoS融合的健康管理与服务，无疑都是物联网、互联网和务联网技术综合应用的典型场景。为了增强各种场景下对医养健对象及其所处环境发生异常突发状况的监测及预警能力，本专利技术结合大数据分析技术提出一种面向健康养老驿站的实时照护智能监测方法，助推医养机构实现精细化管理，提升效率。
技术实现思路
本专利技术的目的是提供一种面向健康养老驿站的实时照护智能监测方法，其特点在于可以对医养健对象实时监护，当发生异常情况时，可以实时预警以便采取相应措施。本专利技术的目的是这样实现的：一种面向健康养老驿站的实时照护智能监测方法，特点是该方法包括以下具体步骤：步骤1：采集医养健对象的原始数据并存储到云端数据库；具体包括：通过数字化传感设备和智能感知终端采集医养健对象在驿站房间内的时间位置数据以及房间环境数据并保存到云端的数据库中。步骤2：从云端数据库获取需要的医养健对象的数据保存到本地数据库中并进行预处理；具体包括：步骤A：选取驿站套间号、套间房间号、行动传感器、行动定位数据即时间序列和时间戳字段在本地建立数据库；步骤B：根据本地数据库中的字段从云端数据库中获取对应的医养健对象的原始数据并过滤掉无效的空数据；步骤C：将时间数据格式转换成TimeSeriesRDD格式并删除再次判断无效的数据。由于DataFrame格式相比于TimeSeriesRDD格式少了一个key的格式，所以通过代码将DataFrame格式添加一个key的列，然后转换成TimeSeriesRDD格式。可以简单的通过DataFrame数据格式的withColumn方法进行快速的转换。步骤3：运用时间序列预测的方法对医养健对象的行动轨迹进行预测，并运用聚类的方法构建出医养健对象的生活模式；具体包括：步骤A：预测医养健对象的行动轨迹对医养健对象的行动定位数据使用时间序列预测技术，根据医养健对象不断更新的历史数据进行建模和更新模型，然后预测出医养健对象接下来的行动轨迹。a1)使用SparkSql中的SQLContext对象提供的load()方法从本地数据库获取套间房间号和时间戳数据并将其转换为dataframe数据格式；a2)将时间序列初始化为TimeSeriesRDD格式并选定HoltWinters模型；a3)利用spark-timeseries提供的HoltWinters.fitModel()方法创建、训练HoltWinters模型；a4)预测出医养健对象接下来3分钟的行动轨迹并且数据的间隔设置成了5秒钟；a5)保存36个预测值，并等待3分钟后回到a1,循环执行；本专利技术采用时间序列算法，并结合Spark开源计算引擎，实现医养健对象的行动轨迹的预测；时间序列预测法分为短期、中期、长期预测，并且针对不同范围的预测已经有很多对应的预测算法，例如：简单序时平均数法、加权移动平均法、加权序时平均数法、指数平滑法、季节性趋势预测法等。每一种时间预测的算法都有对应的适用场景，考虑到医养健对象的生活轨迹呈现着季节性趋势特征，所以选择了Holt-Winters算法；根据实际需求，每3分钟将读取一次预处理数据，重新创建和训练Holt-Winters模型，并预测医养健对象下个3分钟的行动轨迹，然后将预测的行动轨迹追加在指定的数据库表中，提供给行动轨迹匹配阶段执行匹配操作。步骤B：聚类医养健对象的生活模式将医养健对象一天在驿站房间内每个地方的活动与休息规律定义为生活模式，采用Spark开源计算引擎运行优化的K-Means算法将医养健对象在套间房间的活动时间进行聚类，从而聚类出医养健对象在每个房间的活动时间范围和对应阈值，得到医养健对象的生活模式；b1)优化K-Means聚类算法，算法优化流程如下：(1)读取数据并转换成RDD数据格式；(2)执行Map操作将数据进行格式化和向量化；(3)计算出各个分片数据到Canopy中心的距离得到局部Canopy中心点；(4)合并生成Canopy中心点；(5)进行K-Means初始化操作,再进行Map操作执行K-Means局部聚类；(6)将局部聚类的结果进行归并，计算出全局的聚类节点，更新中心点；(7)重复(5)和(6)直到中心点不再变化；b2)通过SparkContext创建一个对象sc，然后使用sc的textFile()方法读取医养健对象的套间房间号和时间戳数据并转换成RDD数据格式；b3)使用map操作将医养健对象的数据根据套间房间号进行分类，为进一步的聚类提供[时间戳,套间房间号]格式类型的数据；b4)为医养健对象每个套间房间的时间数据进行Canopy粗聚类，获得每间套间房间时间数据的时间簇，并保存到本地数据库；b5)对聚类出来的时间簇，获取每个时间簇的开始时间和结束时间，生成每个房间的活动时间段，并保存到本地数据库；b6)对b3中生成的时间簇，利用优化的K-Means聚类算法进行二次聚类，获得更细化的聚类结果，聚类出更小的时间簇，并保存到本地数据库；b7)对二次聚类的时间簇进行时间段的划分，计算出每个时间段之间的间隔值，对间隔值进行中位数取值，获得这个房间的休息阈值；b8)将医养健对象一天的每个房间的活动时间段和休息阈值，转换成dataframe数据格式，保存到本地数据库中。生活模式分析不仅需要对每间房间的时间数据进行聚类，还需要对每间房间的每个时间簇进行再次聚类，执行聚类的次数和时间上占本文档来自技高网...

【技术保护点】
1.一种面向健康养老驿站的实时照护智能监测方法，其特征在于，该方法包括以下具体步骤：步骤1：采集医养健对象的原始数据并存储到云端数据库；步骤2：从云端数据库获取需要的医养健对象的数据保存到本地数据库中并进行预处理；步骤3：运用时间序列预测方法对医养健对象的行动轨迹进行预测，并运用聚类的方法构建出医养健对象的生活模式；步骤4：匹配医养健对象的行动轨迹并比较医养健对象的生活模式，对医养健对象进行异常判断及预警。

【技术特征摘要】
1.一种面向健康养老驿站的实时照护智能监测方法，其特征在于，该方法包括以下具体步骤：步骤1：采集医养健对象的原始数据并存储到云端数据库；步骤2：从云端数据库获取需要的医养健对象的数据保存到本地数据库中并进行预处理；步骤3：运用时间序列预测方法对医养健对象的行动轨迹进行预测，并运用聚类的方法构建出医养健对象的生活模式；步骤4：匹配医养健对象的行动轨迹并比较医养健对象的生活模式，对医养健对象进行异常判断及预警。2.如权利要求1所述的实时照护智能监测方法，其特征在于，所述步骤1具体为：通过数字化传感器和智能感知终端采集医养健对象在驿站房间内的时间位置数据以及房间环境数据并保存到云端的数据库中。3.如权利要求1所述的实时照护智能监测方法，其特征在于，所述步骤2具体包括：步骤A：选取驿站套间号、套间房间号、行动传感器、行动定位数据即时间序列和时间戳字段在本地建立数据库；步骤B：根据本地数据库中的字段从云端数据库中获取对应的医养健对象的原始数据并过滤掉无效的空数据；步骤C：将时间数据格式转换成TimeSeriesRDD格式并删除再次判断无效的数据。4.如权利要求1所述的实时照护智能监测方法，其特征在于，所述步骤3具体包括：步骤A：预测医养健对象的行动轨迹a1)使用SparkSql中的SQLContext对象提供的load()方法从本地数据库获取套间房间号和时间戳数据并将其转换为dataframe数据格式；a2)将时间序列初始化为TimeSeriesRDD格式并选定HoltWinters模型；a3)利用spark-timeseries提供的HoltWinters.fitModel()方法创建、训练HoltWinters模型；a4)预测出医养健对象接下来3分钟的行动轨迹并且数据的间隔设置成了5秒钟；a5)保存36个预测值，并等待3分钟后回到a1,循环执行；步骤B：聚类医养健对象的生活模式b1)优化K-Means聚类算法，算法优化流程如下：(1)读取数据并转换成RDD数据格式；(2)执行Map操作将数据进行格式化和向量化；(3)计算出各个分片数据到Canopy中心的距离得到局部Canopy中心点；(4)合并生成Canopy中心点；(5)进行K-Means初始化操作,再进行Map操作执行K-Means局部聚类；(6)将局部聚类的结果进行归并，计算出全局的聚类节点，更新中心点；(7)重复（5）和（6）直到中心点不再变化；b2)通过SparkContext创建一个对象sc，然后使用sc的tex...

【专利技术属性】
技术研发人员：黄新力，方旭琪，王正伟，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：上海,31