一种基于门诊大数据分析的就医路线优化方法与流程

技术特征：

1.一种基于门诊大数据分析的就医路线优化方法，其特征在于：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，具体步骤如下：

步骤1、生成内部空间结构的无向图；

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；

步骤3、计算加权无向图中边的权重；

步骤4、搜索带约束条件的最短路径。

2.根据权利要求1所述的一种基于门诊大数据分析的就医路线优化方法，其特征在于：步骤1所述的生成内部空间结构的无向图具体如下：

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v_i，v_i.name设置为科室名，并将v_i加入到集合V中；

1-3、获取集合V中任意两个顶点v_i和顶点v_j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e_ij＝<v_iv_j>并将e_ij加入到集合E中；

表1

3.根据权利要求2所述的一种基于门诊大数据分析的就医路线优化方法，其特征在于：步骤2所述的预测基于大数据统计的人流速度和科室平均等待时间，具体过程如下：

2-1、获得当天的月份x和星期号y；

2-2、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；

2-3、初始化每个科室的门诊人数，即sum_i＝0，初始化每个科室的门诊持续时间time_i＝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...+sum_i)/time₁+time₂+time₃+...+time_i)

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/s

2-8、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。

4.根据权利要求3所述的一种基于门诊大数据分析的就医路线优化方法，其特征在于：步骤3所述的计算加权无向图中边的权重，具体如下

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e_ij，根据表3获取e_ij对应的通道上最大的通行条件值q；

3-3、测量e_ij所表示的通道的长度l；

3-4、计算e_ij的权值w(e_ij)＝max(l/v,(1+p*w)*l/v)+t；

3-5、将e_ij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；

表2：患者行动能力分级

表3：通行条件分级

5.根据权利要求4所述的一种基于门诊大数据分析的就医路线优化方法，其特征在于：步骤4所述的搜索带约束条件的最短路径，具体如下：

4-1、初始化加权有向图G’(V’,E’)＝Φ；

4-2、将该患者需要看病的门诊科室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v_i,v_j，使用djkstra算法在G(V,E)找到v_i,v_j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。