本发明涉及一种基于门诊大数据分析的就医路线优化方法。
背景技术：
：病患在医疗机构中看病的过程较长，分析表明大多数患者花费大量的时间在各门诊、收费窗口、化验检查科室之间走动和排队等待。缩短走动和排队时间，可以有效缩短患者的看病过程，提升患者的医疗服务体验，同时提高医疗机构的效率。通过安装在智能手机软件上的导医软件，可以按照最高效、合理的次序和路线对患者进行全程引导。经过统计分析发现影响患者就医效率的三个主要因素如下：医疗机构的内部空间结构。导医软件需要对这种空间结构进行抽象和简化，能够表现各科室的相对位置和通行条件，通行条件包括距离和难度级别。每个科室的平均等待时间和每个通道的通行状况。可以根据每个科室周、月份和季节的流行病症和处理时间来估算需要的患者在每个科室所需要的等待时间，根据基于智能手机wifi被动定位技术获取每天不同时间通道上的人流量。病患的身体行动能力。例如腿部骨折病例的行动能力为最低级，而皮肤病患者的行动能力则较高。对患者的行动能力分级量化后可以根据通行条件对路线进行选择。综上所述，导医路线优化是导医软件所需要解决的关键问题。为此需要一种新的优化方法，其目标是根据医疗机构的内部空间结构、门诊大数据和当前病患的行动能力评估三方面因素计算就医的近似最优路线，使得病患的就医时间尽可能短。技术实现要素：本发明的目的是针对现有技术的不足，提供一种基于门诊大数据分析的就医路线优化方法。本发明解决其技术问题所采用的技术方案包括如下步骤步骤1、生成内部空间结构的无向图：1-1、初始化无向图G(V，E)＝φ，其中V是顶点集合，E是边的集合。初始化i＝0；i为科室编号。1-2、对医疗机构内部的每一个科室创建顶点vi，vi.name设置为科室名，并将vi加入到集合V中；所述的科室指预诊台、门诊各科室、收费窗口、药房、化验窗口、放射科；1-3、获取集合V中任意两个顶点vi和顶点vj所代表的科室之间的一条路径，如果这条路径上两个科室之间没有其他科室存在，则创建边eij＝<vivj>并将eij加入到集合E中。表1步骤2、预测基于大数据统计的人流速度和科室平均等待时间2-1、获得当天的月份x和星期号y2-2、在数据库中提取月份等于x，星期等于y的记录项，并生成列表Z。所述的数据库为医院人流统计数据库。2-3、初始化每个科室的门诊人数，即sumi＝0，初始化每个科室的门诊持续时间timei＝0；其中i为科室编号。2-4、计算提取的列表Z中每个科室的门诊总人数和每个科室的门诊持续时间；2-5、计算单位时间到达人数r，即所有科室的门诊总人数除以所有科室的门诊持续时间；具体公式如下：r＝(sum1+sum2+sum3...+sumi)/time1+time2+time3+...+timei)2-6、获得医疗机构内部所有通道的面积s；2-7、根据经验公式计算人流密度f＝r*7/s2-8、根据经验公式，计算人流速度u，u＝v*(1-a*f-b*Ln(f))该经验公式在u＞0的区域有效表2：患者行动能力分级表3：通行条件分级通行条件电梯平地斜坡楼梯权值q1110100步骤3、计算加权无向图中边的权重3-1、按照当前患者的身体条件，根据表2得到患者的行动能力权值p；3-2、取无向图G(V，E)中的任意一条没有被处理的边eij，根据表3获取eij对应的通道上最大的通行条件值q；3-3、测量eij所表示的通道的长度l；3-4、计算eij的权值w(eij)＝max(l/v，(1+p*w)*l/v)+t；3-5、将eij标记为已处理，如果G(V，E)中所有的边均已被处理，直接结束，否则返回步骤3-2.步骤4、搜索带约束条件的最短路径4-1、初始化加权有向图G′(V′，E′)＝φ4-2、将该患者需要看病的门诊科室(允许多个)作为顶点加入顶点集合V′，4-3、取顶点集合V′中任意两个没有公共边的顶点v′i，v′i，并添加e′ij到E′；4-4、在无向图G(V，E)中找到与v′i，v′j相同科室的顶点vi，vj，使用djkstra算法在G(V，E)找到vi，vj之间的最短路径，并将该最短路径对应的权重赋值给e′ij的权重w(e′ij)；4-5、如果V′中所有顶点之间都存在边，直接执行步骤4-6，否则跳转到步骤4-3；4-6、使用邮递员算法计算G′(V′，E′)中所有顶点的最短遍历路径L；4-7、如果L的长度为0，直接结束。否则导航到L的第一个顶点v’，从G’(V’，E’)中去掉v’和所有与v’相关联的边，从L中去掉v’。4-8、在v’所代表的科室就诊时，如果医生要求病患去指定的科室，则将新科室添加到顶点集合V’，并跳转到步骤4-3；如果没有新的科室添加则跳转到步骤4-7。例如门诊科室医生要求去做体液化验或者B超等科室检查。本发明有益效果如下：本发明方法针对医疗机构导医软件中的导医路径优化问题，提出一种基于大数据分析和加权有向图最短路径搜索的优化方法，综合考虑了科室间的通行条件、人流密度、科室的平均等待时间和患者的行动能力4个因素，降低患者的平均就医时间，提高医院的门诊服务效率。具体实施方式下面结合实施例对本发明作进一步说明。本发明的核心思想，是将医疗机构的内部空间结构抽象成一个无向图，并将科室间的通行条件、人流密度、科室的平均等待时间和患者的行动能力这4个因素量化为无向图中的边的权重值，再按照就医顺序的约束条件对DJ算法进行改进。一种基于门诊大数据分析的就医路线优化方法，具体实现步骤如下：步骤1、生成内部空间结构的无向图：1-1、初始化无向图G(V，E)＝φ，其中V是顶点集合，E是边的集合。初始化i＝0；i为科室编号。1-2、对医疗机构内部的每一个科室创建顶点vi，vi.name设置为科室名，并将vi加入到集合V中；所述的科室指预诊台、门诊各科室、收费窗口、药房、化验窗口、放射科；1-3、获取集合V中任意两个顶点vi和顶点vj所代表的科室之间的一条路径，如果这条路径上两个科室之间没有其他科室存在，则创建边eij＝<vivj>并将eij加入到集合E中。表1步骤2、预测基于大数据统计的人流速度和科室平均等待时间2-1、获得当天的月份x和星期号y2-2、在数据库中提取月份等于x，星期等于y的记录项，并生成列表Z。所述的数据库为医院人流统计数据库。2-3、初始化每个科室的门诊人数，即sumi＝0，初始化每个科室的门诊持续时间timei＝0；其中i为科室编号。2-4、计算提取的列表Z中每个科室的门诊总人数和每个科室的门诊持续时间；2-5、计算单位时间到达人数r，即所有科室的门诊总人数除以所有科室的门诊持续时间；具体公式如下：r＝(sum1+Sum2+sum3...+sumi)/time1+time2+time3+...+timei)2-6、获得医疗机构内部所有通道的面积s；2-7、根据经验公式计算人流密度f＝r*7/s2-8、根据经验公式，计算人流速度u，u＝v*(1-a*f-b*Ln(f))该经验公式在u＞0的区域有效表2：患者行动能力分级表3：通行条件分级通行条件电梯平地斜坡楼梯权值q1110100步骤3、计算加权无向图中边的权重3-1、按照当前患者的身体条件，根据表2得到患者的行动能力权值p；3-2、取无向图G(V，E)中的任意一条没有被处理的边eij，根据表3获取eij对应的通道上最大的通行条件值q；3-3、测量eij所表示的通道的长度l；3-4、计算eij的权值w(eij)＝max(l/v，(1+p*w)*l/v)+t；3-5、将eij标记为已处理，如果G(V，E)中所有的边均已被处理，直接结束，否则返回步骤3-2.步骤4、搜索带约束条件的最短路径4-1、初始化加权有向图G’(V’，E’)＝φ4-2、将该患者需要看病的门诊科室(允许多个)作为顶点加入顶点集合V’，4-3、取顶点集合V’中任意两个没有公共边的顶点v’i，v’j，并添加e’ij到E’；4-4、在无向图G(V，E)中找到与v’i，v’j相同科室的顶点vi，vj，使用djkstra算法在G(V，E)找到vi，vj之间的最短路径，并将该最短路径对应的权重赋值给e’ij的权重w(e’ij)；4-5、如果V’中所有顶点之间都存在边，直接执行步骤4-6，否则跳转到步骤4-3；4-6、使用邮递员算法计算G’(V’，E’)中所有顶点的最短遍历路径L；4-7、如果L的长度为0，直接结束。否则导航到L的第一个顶点v’，从G’(V’，E’)中去掉v’和所有与v’相关联的边，从L中去掉v’。4-8、在v’所代表的科室就诊时，如果医生要求病患去指定的科室，则将新科室添加到顶点集合V’，并跳转到步骤4-3；如果没有新的科室添加则跳转到步骤4-7。例如门诊科室医生要求去做体液化验或者B超等科室检查。当前第1页1 2 3