一种基于云端的行程风险信息处理方法与流程

本发明涉及一种行程风险信息处理方法，尤其是涉及一种基于云端的行程风险信息处理方法。

背景技术：

近年来，全球不断出现sars、甲型h1n1流感、埃博拉和covid-2019等重大传染病疫情，疫情问题逐渐成为人类社会必须防范应对的重大风险。在疫情平稳和常态化疫情防控期间，复工复产和复学工作逐渐开展，社会恢复正常运转，人们的出行、旅游等恢复正常，而公共交通是复工复产和复学的保障，也是人员出行的重要交通工具。

在疫情期间的理想交通方式是自驾返程，可避免人员密集，减小感染风险。但一般情况下，人们多选择公共交通方式出行，如飞机和高铁等。然而，乘坐公共交通时处于密闭环境，而且交通枢纽人员密集、流动性大，增加感染风险。所以在人们的出行行程中，有必要进行行程信息监测和行程风险信息评估。

现有的行程风险评估主要是评估行程目的地或者出发地的风险，缺少对出行人员行程途中的停留点和换乘点的风险评估。

技术实现要素：

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基于云端的行程风险信息处理方法。

本发明的目的可以通过以下技术方案来实现：

一种基于云端的行程风险信息处理方法，包括：

s1：获取用户的计划行程信息，提取计划行程信息中的所有停留点和换乘点；

s2：获取每个停留点和换乘点的停留时间和疫情信息，并基于获取的信息计算得到每个停留点和换乘点的风险；

s3：将计算得到的每个停留点和换乘点的风险发送至用户终端。

进一步的，所述疫情信息包括城市的疫情等级、停留点或换乘点缓冲区范围内的疫情状况。

进一步的，所述步骤s1具体包括以下步骤：

s11：根据预配置的模板创建表单并发送至用户终端，其中所述表单用于采集用户的计划行程信息；

s12：接收用户终端返回的表单数据，并提取出所有停留点和换乘点。

更进一步的，所述表单数据包括出发地、目的地、交通工具、交通工具的出发时间和到站时间、换乘点和换乘点停留时间。

进一步的，所述步骤s2包括以下步骤：

s21：将每个停留点和换乘点的停留时间和疫情信息分别依次输入第一模型；

s22：第一模型依次输出每个停留点和换乘点的风险。

更进一步的，所述第一模型为卷积神经网络模型。

进一步的，一种基于云端的行程风险信息处理方法还包括：

s4：实时采集用户的位置信息，当用户位于任一所述停留点和换乘点时，记录用户于该停留点或换乘点的停留时间，并获取该停留点或换乘点的停留时间和当前疫情信息，计算得到该停留点或换乘点的风险并更新。

更进一步的，所述步骤s4中，用户的位置信息是通过基站定位和gps技术精准定位并采集的。

进一步的，一种基于云端的行程风险信息处理方法还包括：

s5：实时采集用户的位置信息，当用户位于目的地时，生成用户的实际行程路径，结合用户的计划行程信息，输出该用户在每个停留点和换乘点的风险。

更进一步的，所述步骤s5中，用户的位置信息是通过基站定位和gps技术精准定位并采集的。

与现有技术相比，本发明具有以下有益效果：

(1)计算得出用户计划行程中的所有停留点和换乘点的风险，为用户出行提供指导，并实时定位用户位置，计算得到当前停留点或换乘点的风险并更新，为用户提供安全保障，在用户到达目的地后评估用户的实际行程路径，有效评估用户的疫情感染风险，对规避疫情风险和抑制疫情扩展具有重要指导作用。

(2)通过表单在用户终端在线采集出行人员的计划行程信息，能够便捷、高效的采集用户行程信息。

(3)通过卷积神经网络进行风险评估，可从输入数据中自动学习数据特征进而代替人工进行决策，具有强大的表达能力和学习能力。

附图说明

图1为本发明的流程图；

图2为实施例中计划行程信息上报示意图；

图3为实施例中规划行程路径图；

图4为实施例中a-gps技术定位示意图；

图5为实施例中整体技术路线示意图。

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。

实施例1：

本实施例以复工复产人员的返程行程为例，在用户终端通过问卷星、app小程序采集行程信息，通过卷积神经网络进行风险评估，通过a-gps技术实时定位用户。

一种基于云端的行程风险信息处理方法，流程图如图1所示，包括：

s1：获取用户的计划行程信息，提取计划行程信息中的所有停留点和换乘点。

s11：根据预配置的模板创建表单并发送至用户终端，其中所述表单用于采集用户的计划行程信息，具体为出行人员在出行前一周或者两周利用问卷星和app小程序等上报计划出行信息，基于问卷星的计划行程上报如图2所示。

s12：接收用户终端返回的表单数据，并提取出所有停留点和换乘点，其中表单数据主要包括出行时间、城际交通方式、市内交通方式和换乘地点，具体如下：

1)时间：主要包括计划出行时间，所乘城际交通方式的出发时间、到站时间若中间需要换乘，则需要填写换乘点的停留时间和换乘车次的出发时间和到站时间。

2)交通方式：主要分为城际和市内，城际交通方式包括飞机、高铁、动车、普通火车、大巴和轮渡等，并且需要上报所乘交通工具的车厢号和座位号。市内交通方式包括地铁、公交和出租车等。

3)换乘点：若出行途中需要换乘，则需要上报换乘点所在地和停留时间。

用户终端根据计划出行信息生成一条规划行程路径，便于用户进行行程的查阅，具体为：基于高德地图，采用最短路径算法，根据出发点、换乘点、交通工具得到规划行程路径。其中最短路径方法选取的是dijkstra算法。

dijkstra算法原理是给定一个带权无向图g＝(v，e)，v代表图中的顶点集合，e代表图中含权重的边集合。每条边(i，j)上标有非负实数c[i][j]作为它的权；在无向图中指定一个顶点v作为起点，求解从起点v到其他顶点的最小路径长度，然后逐次更新顶点和顶点对应的路径，重复该操作，知道遍历完所有的顶点找到最终最短路径。为求解最短路径，dijkstra算法提出按路径长度的递增次序，逐步产生最短路径的“贪心算法”。权定义如下：

式中，lc[i][j]表示边[i][j]的长度

利用dijkstra算法求解最短路径的操作步骤如下所示：

1)、初始时，v只包含起点s；e包含除起点s外的其他顶点，且e中顶点的距离为“起点s到该顶点的距离”，例如，e中顶点v的距离为(s，v)的长度，然后s和v不相邻，则v的距离为∞；

2)、从e中选出“距离最短的顶点k”，并将顶点k加入到v中；同时，从顶点集合e中移除顶点k。

3)、更新e中各个顶点到起点s的距离。之所以更新e中顶点的距离，是由于上一步中确定了k是求出最短路径的顶点，从而可以利用k来更新其它顶点的距离；例如，(s，v)的距离可能大于(s，k)+(k，v)的距离。

4)、重复步骤(2)和(3)，直到遍历完所有顶点。

s2：获取每个停留点和换乘点的停留时间和疫情信息，并基于获取的信息计算得到每个停留点和换乘点的风险；

s21：将每个停留点和换乘点的停留时间和疫情信息分别依次输入第一模型，具体为：

第一模型的输入包括：停留点或换乘点所在城市的疫情等级、对停留点或换乘点设定缓冲区范围内的疫情状况、停留时间、选择的交通方式以及整个行程所需时间，将以上信息通过归一化方法分布映射到特定区间，转变为矩阵和向量形式。

s22：第一模型依次输出每个停留点和换乘点的风险，第一模型为卷积神经网络，对输入数据的特征的提取主要是在卷积层中进行。卷积层内部包含多个卷积核，组成卷积核的元素包括权重系数和偏差量，每一个神经元通过卷积核与前一层特征面的局部区域连接。卷积层利用局部连接和权值共享，减少网络自由参数个数，降低网络参数复杂度。卷积层计算公式如下所示：

x⁽ⁱ⁺¹⁾＝f(wⁱ⁺¹δxⁱ+bⁱ)(2)

式中，其中x⁽ⁱ⁾和x^(i-1)代表第i+1层的卷积输入和输出，wⁱ⁺¹代表卷积核，b代表偏置。

卷积层的输出在全连接层进行融合，选择softmax函数作为输出分类器。softmax函数估计输入x属于特定类别j∈k的概率表示为：

选择常用的修正线性单元作为激励函数，可防止梯度消失和过拟合问题。修正线性单元激励函数定义为：

∫cov(x)＝max(0，x)(4)

s3：将计算得到的每个停留点和换乘点的风险发送至用户终端，如图3所示；

s4：实时采集用户的位置信息，当用户位于任一所述停留点和换乘点时，记录用户于该停留点或换乘点的停留时间，并获取该停留点或换乘点的停留时间和当前疫情信息，计算得到该停留点或换乘点的风险并更新；

s5：实时采集用户的位置信息，当用户位于目的地时，生成用户的实际行程路径，结合用户的计划行程信息，输出该用户在每个停留点和换乘点的风险。

步骤s4和步骤s5通过基站定位和gps技术即a-gps技术实现用户的实时位置定位，通过设计的位置采集小程序实现定位。该程序进行实际行程路径定位时主要是采用辅助gps(a-gps)技术追踪移动电话方位，实现返程者返程轨迹的采集。a-gps技术是一种综合利用基站定位和gps定位技术提升定位精度的技术。

传统基站定位利用基站相对于手机的测算距离来确定手机位置，但是其精度很大程度依赖于基站的分布及覆盖范围的大小，定位精度一般在50米内，有时误差会超过一公里。而gps定位是首先测量得到已知位置的卫星到用户接收机之间的距离，然后综合多颗卫星接收到的数据确定用户接收机的具体位置。理想情况下，利用三对gps的位置和距离数据即可实现对目标的定位，一般加入第四颗卫星的位置和距离数据用于校正误差，提升目标位置精度，其定位精度在15米左右。但gps卫星定位精度受大气层中的电离层和多径效应影响，导致其定位精度降低。

a-gps技术是结合基站定位和传统gps定位，利用基站代送辅助卫星信息，缩减移动设备中gps芯片获取卫星信号的延迟时间。并且在受遮盖的室内可利用基站的信号弥补gps信号缺失，减少gps芯片对卫星的依赖。a-gps技术的定位范围更广，速度更快，其定位误差在5米以内。a-gps定位示意图可表示为如图4所示。

本实施例的整体技术路线如图5所示。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除