[发明专利]基于大数据平台行为轨迹进行智能医疗设备运行路线优选规划方法

说明书

技术领域

本发明涉及大数据分析领域，尤其涉及一种基于大数据平台行为轨迹进行智能医疗设备运行路线优选规划方法。

背景技术

由于人口的老龄化逐渐凸显出来，其生活质量和健康状况需要得到社会的关心和照顾，而且行动不便的人员也希望吸收一些新鲜空气和与社会进行交互沟通，但是由于行动不便的原因，而不能够进行外出活动，从而应运而生了医疗运输装备，例如助力轮椅或者电动轮椅，以及手控平衡车等产品，虽然成品已经市场化。但是由于使用者对电子设备操控理解较慢，而不能够很好的进行人车交互，这就应运而生了自动驾驶轮椅，但是自动驾驶轮椅所产生的问题就是对于使用者行走的路线不能很好的规划判断，节省路径或者提高效率缩短驾驶时间。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于大数据平台行为轨迹进行智能医疗设备运行路线优选规划方法。

为了实现本发明的上述目的，本发明提供了一种基于大数据平台行为轨迹进行智能医疗设备运行路线优选规划方法，包括如下步骤：

S1，根据云端数据获取海量用户的历史行进轨迹，对于历史行进轨迹进行斑纹降噪模型筛选；

S2，将筛选后的数据传输到用户终端，从用户终端获取行进轨迹终点位置信息，根据路径巡航约束条件进行路径判断；

S3，将判断后的若干结果通过数据模型算法进行数据展示；

S4，将展示的数据进行抽样函数处理，提供给用户进行选择。

所述的基于大数据平台行为轨迹进行智能医疗设备运行路线优选规划方法，优选的，所述S1包括：

S1-1，对于云端海量数据进行初步筛选，根据用户导航信息确定该用户所处的地理位置，在该地理位置从海量数据中获取与地理位置数据类似的行进轨迹数据；

S1-2，对于行进轨迹数据通过如下公式进行筛选，根据所确定的地理位置信息采用均方误差乘积算法，

K(p)＝R(|r(p)²|)·n(p)·[|r(p)²|/q(p)]·[|r(p)²|·u(p)]

其中，r(p)²为行进轨迹数据的强度，p为地理位置信息，n(p)为位置p处形成轨迹前的强度，q(p)为位置p处形成轨迹后的强度，u(p)为位置p处形成前后总体轨迹的强度，R(|r(p)²|)为地理位置轨迹场景模型；

S1-3，通过乘积算法运算之后，进行收敛数据筛选，从行进轨迹数据中通过概率密度运算进行筛选，

其中，μ_p为地理位置累加参数，T_si为第s个行进轨迹的第i个时间分量， L^t_si为第s个行进轨迹的第i个兴趣点分量，c₁和c₂为兴趣因子，x₁和x₂为地理位置坐标的随机数，p_gi为全部行进轨迹中第i个轨迹分量，u_si为第s个行进轨迹的第i个地点分量，t≥0。

所述的基于大数据平台行为轨迹进行智能医疗设备运行路线优选规划方法，优选的，所述S2包括：

S2-1，将筛选后的行进轨迹数据传输到用户终端，获取用户终端实时发送的地理位置信息，判断行进轨迹终点位置信息；

S2-2，从行进轨迹中得到的若干轨迹信息进行路径巡航约束，该约束公式为，

其中，R_p(τ)为在位置p处的理想行进场景，R_s(τ)为第s个轨迹处的理想行进场景，w_long为轨迹权重的最长距离值，w_short为轨迹权重的最短距离值，z 为当前迭代次数，Z_max为最大迭代次数，Q(τ)为全部轨迹信息向量。

所述的基于大数据平台行为轨迹进行智能医疗设备运行路线优选规划方法，优选的，所述S3包括：

S3-1，提取每个行进轨迹的时间耗费值

其中，E_γ为行进轨迹的时间强度，η为待定参量，Γ(n)为行进轨迹中第n 条轨迹时间趋势的Γ分布，T(t)为行进轨迹在地理位置信息中时间耗费的纹理， t≥0；

生成时间耗费模型