疫情追溯云管理系统

赵 波 武传胜 赵治超 陈阳 张配豪 张悠扬

辽宁科技大学

摘要：通过储存有待检测对象数据库的云管理服务器（待检测对象的身份信息以及至少一个与其他待检测对象的关联组属性）多个摄像头以及多个测温传感器，创建一个可以准确确定传染病发生的区域以及时间，具有可追溯性，可以准确判断出传染病携带者的云管理系统。

关键词：疫情；云管理服务器；追溯

研究背景：疫情控制与监控也是目前公共卫生服务的一个主要任务。但是目前所有的发热疫情基本上都是通过医院对发烧人群的统计后上报至政府疾控中心，从而才在疾控中心以及卫生部门的介入下，对疫情进行控制。这种由医院统计上报的方式是属于事后统计型，即在疫情处于较大规模的发生后才能得知疫情，不利于疫情的控制以及处理，无法在疫情刚发生或者处于潜在发生期内就实现控制。

另外一方面，现有的疫情发生后，仅仅可以通过医院对传染病携带者的统计初步确定传染病发生的区域以及时间，不具有可追溯性，无法准确判断出传染病携带者，需要在较大范围内进行隔离，监控，导致疾控部门工作量增加，监控不准等问题。为了解决此类问题，疫情追溯云管理系统通过硬件以及相对应的云管理服务器配合，更准确的判断传染病发生的区域时间以及地区。

研究内容以及方法：本项目的目的在于提供疫情追溯云管理方法，旨在解决的现有技术中仅能在疫情爆发后才得知疫情，不利于疫情控制以及无法准确判断传染病携带者导致监控不准的技术问题。

本项目提供一种发热疫情监控及可溯源的云管理系统。

该系统包括云管理服务器，云管理服务器中储存有待检测对象数据库，待检测对象数据库包括：待检测对象的身份信息以及至少一个与其他待检测对象的关联组属性；

多个摄像头，多个摄像头通过网络与云管理服务器通信，检测待检测对象并将检测信息发送至云管理服务器；

多个测温传感器，测温传感器安装于摄像头内，每个摄像头内至少安装一个测温传感器，测温传感器检测待检测对象的体温数据，并发送至云管理服务器；

云管理服务器将与检测对象对应的检测信息以及体温数据录入检测对象数据库，形成发热疫情数据库，设置体温报警阈值，并对发热疫情数据库中相同关联组或者相关关联组中体温超过体温报警阈值的检测对象，进行统计、筛选和分析，从而确认疫情的增长以及跟踪发热传染源。

身份信息包括：待检测对象的人脸信息、待检测对象姓名；摄像头对待检测对象人脸拍照，并发送人脸图像至云管理服务器，云管理服务器根据人脸图像确认待检测对象姓名。

测温传感器将待检测对象的体温数据发送至云管理服务器，云管理服务器根据待检测对象的身份信息记录待检测对象的体温数据。

系统还包括存储模块，存储模块中预先存储有体温报警阈值；检测对象的体温数据超过体温报警阈值时，云管理服务器发送检测对象身份信息以及体温数据至存储模块保存。

系统还包括第一报警模块，第一报警模块与云管理服务器通信，存储模块中储存有第一比率；云管理服务器根据前后两次检测的体温数据，对某一关联组中超过体温报警阈值的检测对象数量以及身份信息进行统计，确认后一次关联组中超过体温报警阈值的检测对象的数量与前一次同一关联组中超过体温报警阈值的检测对象的数量的比值，并将该比值定位为纵向异常比值；当纵向异常比值大于第一比率时，云管理服务器发送报警信号以及前一次检测时关联组中体温超过体温报警阈值的所有检测对象身份信息至第一报警模块。

系统还包括第二报警模块，第二报警模块与云管理服务器通信；检测对象的关联组属性具有至少两个，存储模块中储存有第二比率，云管理服务器根据体温数据超过体温报警阈值的检测对象所在的关联组属性，对处于检测对象所在的所有关联组中的所有检测对象的体温数据进行统计，确认每个关联组中所有检测对象中体温数据超过体温报警阈值的检测对象与该关联组中所有检测对象的数量比值，并定义为横向异常比值；当多个关联组中形成中的超过特定占比的多个横向异常比值大于第二比率时，云管理服务器发送报警信号以及多个关联组属性共同指向的检测对象身份信息发送至第二报警模块。

本项目同时还提供了一种发热疫情监控及可溯源的云管理方法。

该方法包括：

步骤1：设置具有多个待检测对象的对象数据库，在该对象数据库中，每个检测对象具有区别于其他检测对象的识别标识以及关联组属性，关联组属性至少包括一个，多个具有相同关联组属性的待检测对象组成一个关联组；

步骤2：确认所有检测对象的身份信息并对所有检测对象的体温进行检测，形成体温数据；

步骤3：将与检测对象对应的检测信息以及体温数据录入检测对象数据库，形成发热疫情数据库；

步骤4：设置体温报警阈值，并对发热疫情数据库中相同关联组或者相关关联组中体温超过体温报警阈值的检测对象，进行统计、筛选和分析，从而确认疫情的增长以及跟踪发热传染源。

步骤4包括以下步骤：

步骤411：预先设置第一比率；

步骤412：根据识别标识对相同关联组中的每个待检测对象进行体温检测，形成体温数据，将体温数据与体温报警阈值进行比对，确认关联组中检测对象体温数据超过体温报警阈值的异常检测对象，并统计异常检测对象在关联组中的数量，形成第一统计值；

步骤413：对上一次检测时，关联组中异常检测对象的数量进行统计，形成第二统计值，确认第二统计值与第一统计值的比值，并将该比值定位为纵向异常比值；

步骤414：比对第一比率与纵向异常比值，当纵向异常比值大于第一比率时，发送报警信号以及异常检测对象身份信息。

步骤4包括以下步骤：

步骤421：预先设置第二比率；

步骤422：确认至少具有两个关联组属性且根据体温数据超过体温报警阈值的检测对象所在的关联组属性；

步骤423：对处于检测对象所在的所有关联组中的所有检测对象的体温数据进行统计，确认每个关联组中所有检测对象中体温数据超过体温报警阈值的检测对象与该关联组中所有检测对象的数量比值，并定义为横向异常比值；

步骤424：当多个关联组中形成中的超过特定占比的多个横向异常比值均大于第二比率时，发送报警信号以及多个关联组属性共同指向的检测对象身份信息。

方法中检测对象的关联组属性、体温报警阈值、第一比率、第二比率以及特定占比均为可设定的特定值。

参考文献：

[1]姜廷顺.一种基于雷达跟踪技术的拥堵引发点监测系统及方法,2014-06-16

[2]杨洪民,王全景.基于物联网的医疗健康大数据智能化采集系统及云管理系统,2019-12-05

[3]王庆德，吴欣哲.大数据助理疫情防控和复工复产——基于新冠肺炎疫情.2020-05-07

[4]张新，林晖，王劲峰.我国数据化公共卫生应急管理体系建设的科技策略建议.2020-05-08

[5]蒲逸然.基于物联网技术的新型设备管理框架探讨.2019-03-12

[6]邱爽,吴元君.医疗科技的新趋势对城市防疫规划的启示.2020-03-15

基金支持：

该项目获得辽宁科技大学2020年期大学生创新创业训练计划支持，项目编号202010146416。