一种基于旅行包的健康数据监测方法和智能旅行包与流程

本发明涉及旅行包和健康数据监测领域，尤其涉及一种基于旅行包的健康数据监测方法和智能旅行包。

背景技术：

现有的旅行包一般都是用于传统的收纳物品的作用，除了收纳物品的功能，实用性很单一，无法实现对用户的健康和运动状况进行监测。

技术实现要素：

有鉴于此，本发明的目的在于提出一种基于旅行包的健康数据监测方法和智能旅行包，能够实现旅行包能够对用户的健康状况进行监测。

根据本发明的一个方面，提供一种基于旅行包的健康数据监测方法，包括：旅行包获取以用户为单位的健康状态数据；其中，所述健康状态数据包括身体温度数据、心率数据、血压数据、血糖数据、血脂数据、体重数据、排汗数据、血氧饱和度数据和脉搏数据等；根据所述获取的健康状态数据，对用户的健康状态数据进行分析，分析出所述用户的健康状态数据中具有交集的特征数据；根据显著变量的正负相关性，从所述分析出的具有交集的特征数据中选取出呈正负相关性的相关性特征数据；对所述选取出的呈正负相关性的相关性特征数据按照预设的准则进行健康度打标；从所述经健康度打标后的相关性特征数据中选择出重要特征数据；构建关联所述选择出的重要特征数据的健康度评分模型；根据所述构建的健康度评分模型，对所述用户的健康状态数据进行健康度评分。

其中，所述对所述选取出的呈正负相关性的相关性特征数据按照预设的准则进行健康度打标，包括：采用二八法则方式，对所述选取出的呈正负相关性的相关性特征数据按照预设的取前20%的准则进行健康度打标，再对所述经健康度打标后的前20%的相关性特征数据按照预设的概率数准则再进行健康度打标。

其中，所述构建关联所述选择出的重要特征数据的健康度评分模型，包括：用分箱方式，将所述选择出的重要特征数据中的多状态的离散变量合并成少状态的离散变量，和将所述经合并成少状态的离散变量后的重要特征数据采用证据权重编码的方式，将预测类别的集中度的属性作为编码的数值，把所述经合并成少状态的离散变量后的重要特征数据的特征的值规范到相近的尺度上，和采用信息价值的方式，定义所述每两个用户之间的健康度的分值刻度，和采用线性回归模型，计算所述定义的健康度的分值刻度的比率，以及根据所述计算出的所述健康度的分值刻度的比率，构建关联所述选择出的重要特征数据的健康度评分模型。

其中，在所述根据所述构建的健康度评分模型，对所述用户的健康状态数据进行健康度评分之后，还包括：将所述进行健康度打标的打标结果与所述进行的健康度评分的评分结果进行比较得到比较结果，根据所述得到的比较结果对所述进行的健康度评分的评分结果进行准确率计算。

根据本发明的另一个方面，提供一种智能旅行包，包括旅行包本体和设置在所述旅行包本体上的智能电路，所述智能电路，包括：获取模块、分析模块、选取模块、打标模块、选择模块、构建模块和评分模块；所述获取模块，用于获取以用户为单位的健康状态数据；其中，所述健康状态数据包括身体温度数据、心率数据、血压数据、血糖数据、血脂数据、体重数据、排汗数据、血氧饱和度数据和脉搏数据等。

获取模块包含多个生理信号感测器,可以视旅行包应用场合配置在特定位置上，根据旅行包款式不同设置在不同位置，例如：旅行包的背带内侧，提手内侧、包本体内外侧等。生理信号感测器搭配开关，设定一定的临界值才启动相连的生理信号感测器或关闭前一个正在侦测的物品，故当做开关使用而放置于触身物品中，同时和非姿势感测器结合，例如心电图电极、热敏电阻、汗湿电极、脑波电极、肌电图、呼吸(阻抗性肺量计)、心跳、湿度、体脂、红外线温度感测器、血压感测器、脉搏感测器、电阻式呼吸感测器、血氧感测器、血糖感测器等，可协助获取健康数据更准确。

所述分析模块，用于根据所述获取的健康状态数据，对用户的健康状态数据进行分析，分析出所述用户的健康状态数据中具有交集的特征数据；所述选取模块，用于根据显著变量的正负相关性，从所述分析出的具有交集的特征数据中选取出呈正负相关性的相关性特征数据；所述打标模块，用于对所述选取出的呈正负相关性的相关性特征数据按照预设的准则进行健康度打标；所述选择模块，用于从所述经健康度打标后的相关性特征数据中选择出重要特征数据；所述构建模块，用于构建关联所述选择出的重要特征数据的健康度评分模型；所述评分模块，用于根据所述构建的健康度评分模型，对所述用户的健康状态数据进行健康度评分。

其中，所述打标模块，具体用于：采用二八法则方式，对所述选取出的呈正负相关性的相关性特征数据按照预设的取前20%的准则进行健康度打标，再对所述经健康度打标后的前20%的相关性特征数据按照预设的概率数准则再进行健康度打标。

其中，所述构建模块，具体用于：采用分箱方式，将所述选择出的重要特征数据中的多状态的离散变量合并成少状态的离散变量，和将所述经合并成少状态的离散变量后的重要特征数据采用证据权重编码的方式，将预测类别的集中度的属性作为编码的数值，把所述经合并成少状态的离散变量后的重要特征数据的特征的值规范到相近的尺度上，和采用信息价值的方式，定义所述每两个用户之间的健康度的分值刻度，和采用线性回归模型，计算所述定义的健康度的分值刻度的比率，以及根据所述计算出的所述健康度的分值刻度的比率，构建关联所述选择出的重要特征数据的健康度评分模型。

其中，所述智能电路，还包括：计算模块；所述计算模块，用于将所述进行健康度打标的打标结果与所述进行的健康度评分的评分结果进行比较得到比较结果，根据所述得到的比较结果对所述进行的健康度评分的评分结果进行准确率计算。

根据本发明的又一个方面，提供一种计算设备，包括至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述任一项所述的基于旅行包的健康数据监测方法。

根据本发明的再一个方面，提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的基于旅行包的健康数据监测方法。

可以发现，以上方案，旅行包可以获取以用户为单位的健康状态数据，该健康状态数据包括身体温度数据、心率数据、血压数据、血糖数据、血脂数据、体重数据、排汗数据、血氧饱和度数据和脉搏数据等等。可以根据该获取的健康状态数据，对用户的健康状态数据进行分析，分析出该用户的健康状态数据中具有交集的特征数据，和可以根据显著变量的正负相关性，从该分析出的具有交集的特征数据中选取出呈正负相关性的相关性特征数据，和可以对该选取出的呈正负相关性的相关性特征数据按照预设的准则进行健康度打标，和可以从该经健康度打标后的相关性特征数据中选择出重要特征数据，和可以构建关联该选择出的重要特征数据的健康度评分模型，以及可以根据该构建的健康度评分模型，对该用户的健康状态数据进行健康度评分，能够实现旅行包能够将用户的健康度进行数值量化，实现旅行包能够对用户的健康状况进行监测。进一步的，以上方案，旅行包可以采用二八法则方式，对该选取出的呈正负相关性的相关性特征数据按照预设的取前20%的准则进行健康度打标，再对该经健康度打标后的前20%的相关性特征数据按照预设的概率数准则再进行健康度打标，这样的好处是能够防止后续计算证据权重编码出现无穷大的情况，使得健康度评分模型更加光滑。

进一步的，以上方案，旅行包可以采用分箱方式，将该选择出的重要特征数据中的多状态的离散变量合并成少状态的离散变量，和将该经合并成少状态的离散变量后的重要特征数据采用证据权重woe编码的方式，将预测类别的集中度的属性作为编码的数值，把该经合并成少状态的离散变量后的重要特征数据的特征的值规范到相近的尺度上，和采用信息价值的方式，定义该每两个用户之间的健康度的分值刻度，和采用线性回归模型，计算该定义的健康度的分值刻度的比率，以及根据该计算出的该健康度的分值刻度的比率，构建关联该选择出的重要特征数据的健康度评分模型，这样的好处是能够便于通过该构建的健康度评分模型，将旅行包用户的健康度进行数值量化。

进一步，以上方案，旅行包内部设置有简易工具包，根据用户健康度情况配备辅助装置，比如在疾病流行地区旅行包内常备消毒杀菌液，在气温较低地区或者老年人使用情况下常备保温发热装置等，针对免疫力差的用户，也可以在旅行包内设置紫外线消毒装置，形成一种消毒杀菌的旅行包，对里面放置的物品进行杀菌消毒，避免感染；还可以在旅行包内同时设置红外线加温装置，对对里面放置的衣服进行加热保温，防冻御寒，特别是针对冬天的肺炎疫情环境，同时达到消毒杀菌、保温加热功能。

进一步的，以上方案，旅行包可以将该进行健康度打标的打标结果与该进行的健康度评分的评分结果进行比较得到比较结果，根据该得到的比较结果对该进行的健康度评分的评分结果进行准确率计算，这样的好处是能够实现对旅行包用户的健康度进行健康度评分的评分结果的准确率进行计算。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明基于旅行包的健康数据监测方法一实施例的流程示意图；

图2是本发明基于旅行包的健康数据监测方法另一实施例的流程示意图；

图3是本发明旅行包一实施例的结构示意图；

图4是本发明智能电路一实施例的结构示意图；

图5是本发明智能电路另一实施例的结构示意图；

图6是本发明计算设备一实施例的结构示意图。

具体实施方式

下面结合附图和实施例，对本发明作进一步的详细描述。特别指出的是，以下实施例仅用于说明本发明，但不对本发明的范围进行限定。同样的，以下实施例仅为本发明的部分实施例而非全部实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明提供一种基于旅行包的健康数据监测方法，能够实现旅行包能够对用户的健康状况进行监测。

请参见图1，图1是本发明基于旅行包的健康数据监测方法一实施例的流程示意图。需注意的是，若有实质上相同的结果，本发明的方法并不以图1所示的流程顺序为限。如图1所示，该方法包括如下步骤：

s101：旅行包获取以用户为单位的健康状态数据；其中，该健康状态数据包括身体温度数据、心率数据、血压数据、血糖数据、血脂数据、体重数据、排汗数据、血氧饱和度数据和脉搏数据等。

在本实施例中，该健康状态数据可以是离散的健康状态数据，也可以是连接的健康状态数据等，本发明不加以限定。

s102：旅行包根据该获取的健康状态数据，对用户的健康状态数据进行分析，分析出该用户的健康状态数据中具有交集的特征数据。

在本实施例中，该分析出的具有交集的特征数据可以是该身体温度数据中的在一恒定温度的总时长数据、获取温度数据的总次数数据、获取各用户身体温度的时间间隔数据等，也可以是该心率数据中的各个用户的联系人数据、紧急联系人数据等，本发明不加以限定。

s103：旅行包根据显著变量的正负相关性，从该分析出的具有交集的特征数据中选取出呈正负相关性的相关性特征数据。

在本实施例中，该选取出的呈正负相关性的相关性特征数据可以是该健康状态数据中的血压数据、体重数据等，也可以是该健康状态数据中的血氧饱和度数据、脉搏数据等，本发明不加以限定。

s104：旅行包对该选取出的呈正负相关性的相关性特征数据按照预设的准则进行健康度打标。

其中，该旅行包对该选取出的呈正负相关性的相关性特征数据按照预设的准则进行健康度打标，可以包括：

旅行包采用二八法则方式，对该选取出的呈正负相关性的相关性特征数据按照预设的取前20%的准则进行健康度打标，再对该经健康度打标后的前20%的相关性特征数据按照预设的概率数准则再进行健康度打标，这样的好处是能够防止后续计算woe（weightofevidence，证据权重）编码出现无穷大的情况，使得健康度评分模型更加光滑。

在本实施例中，可以采用二八法则方式，对该选取出的呈正负相关性的相关性特征数据按照预设的取前20%的准则进行健康度打标，该健康度打标的打标结果可以以数字1代表健康，可以以数字0代表亚健康，本发明不加以限定。

在本实施例中，可以对该经健康度打标后的前20%的相关性特征数据按照预设的概率数准则例如按照预设的概率90%再进行健康度打标为数字1表示健康，按照预设的概率10%再进行健康度打标为数字0表示亚健康，这样的好处是能够防止后续计算证据权重woe编码出现无穷大的情况，使得健康度评分模型更加光滑。

s105：旅行包从该经健康度打标后的相关性特征数据中选择出重要特征数据。

在本实施例中，可以采用随机森林特征变量方式，从该经健康度打标后的相关性特征数据中选择出重要特征数据，本发明不加以限定。

s106：旅行包构建关联该选择出的重要特征数据的健康度评分模型。

其中，该旅行包构建关联该选择出的重要特征数据的健康度评分模型，可以包括：

采用分箱方式，将该选择出的重要特征数据中的多状态的离散变量合并成少状态的离散变量，和将该经合并成少状态的离散变量后的重要特征数据采用证据权重woe编码的方式，将预测类别的集中度的属性作为编码的数值，把该经合并成少状态的离散变量后的重要特征数据的特征的值规范到相近的尺度上，和采用iv（informationvalue，信息价值)的方式，定义该每两个用户之间的健康度的分值刻度，和采用线性回归模型（logisticregressive），计算该定义的健康度的分值刻度的比率，以及根据该计算出的该健康度的分值刻度的比率，构建关联该选择出的重要特征数据的健康度评分模型，这样的好处是能够便于通过该构建的健康度评分模型，将旅行包用户的健康度进行数值量化。

在本实施例中，该信息价值iv值越大，可以表示该定义的该健康度的分值刻度在该变量上的分布差异越大，即该变量的区分能力越好。

s107：旅行包根据该构建的健康度评分模型，对该用户的健康状态数据进行健康度评分。

在本实施例中，该进行的健康度评分的评分标准与该进行的健康度打标的打标标准相一致。

其中，在该旅行包根据该构建的健康度评分模型，对该用户的健康状态数据进行健康度评分之后，还可以包括：

旅行包将该进行健康度打标的打标结果与该进行的健康度评分的评分结果进行比较得到比较结果，根据该得到的比较结果对该进行的健康度评分的评分结果进行准确率计算，这样的好处是能够实现对旅行包用户的健康度进行健康度评分的评分结果的准确率进行计算。

可以发现，在本实施例中，旅行包可以旅行包获取以用户为单位的健康状态数据，该健康状态数据包括身体温度数据、心率数据、血压数据、血糖数据、血脂数据、体重数据、排汗数据、血氧饱和度数据和脉搏数据等等，和可以根据该获取的健康状态数据，对用户的健康状态数据进行分析，分析出该用户的健康状态数据中具有交集的特征数据，和可以根据显著变量的正负相关性，从该分析出的具有交集的特征数据中选取出呈正负相关性的相关性特征数据，和可以对该选取出的呈正负相关性的相关性特征数据按照预设的准则进行健康度打标，和可以从该经健康度打标后的相关性特征数据中选择出重要特征数据，和可以构建关联该选择出的重要特征数据的健康度评分模型，以及可以根据该构建的健康度评分模型，对该用户的健康状态数据进行健康度评分，能够实现旅行包能够将用户的健康度进行数值量化，实现旅行包能够对用户的健康状况进行监测。

进一步的，在本实施例中，旅行包可以采用二八法则方式，对该选取出的呈正负相关性的相关性特征数据按照预设的取前20%的准则进行健康度打标，再对该经健康度打标后的前20%的相关性特征数据按照预设的概率数准则再进行健康度打标，这样的好处是能够防止后续计算证据权重编码出现无穷大的情况，使得健康度评分模型更加光滑。

进一步的，在本实施例中，旅行包可以采用分箱方式，将该选择出的重要特征数据中的多状态的离散变量合并成少状态的离散变量，和将该经合并成少状态的离散变量后的重要特征数据采用证据权重woe编码的方式，将预测类别的集中度的属性作为编码的数值，把该经合并成少状态的离散变量后的重要特征数据的特征的值规范到相近的尺度上，和采用信息价值的方式，定义该每两个用户之间的健康度的分值刻度，和采用线性回归模型，计算该定义的健康度的分值刻度的比率，以及根据该计算出的该健康度的分值刻度的比率，构建关联该选择出的重要特征数据的健康度评分模型，这样的好处是能够便于通过该构建的健康度评分模型，将旅行包用户的健康度进行数值量化。

请参见图2，图2是本发明基于旅行包的健康数据监测方法另一实施例的流程示意图。本实施例中，该方法包括以下步骤：

s201：旅行包获取以用户为单位的健康状态数据；其中，该健康状态数据包括身体温度数据、心率数据、血压数据、血糖数据、血脂数据、体重数据、排汗数据、血氧饱和度数据和脉搏数据等。

可如上s101所述，在此不作赘述。

s202：旅行包根据该获取的健康状态数据，对用户的健康状态数据进行分析，分析出该用户的健康状态数据中具有交集的特征数据。

可如上s102所述，在此不作赘述。

s203：旅行包根据显著变量的正负相关性，从该分析出的具有交集的特征数据中选取出呈正负相关性的相关性特征数据。

可如上s103所述，在此不作赘述。

s204：旅行包对该选取出的呈正负相关性的相关性特征数据按照预设的准则进行健康度打标。

可如上s104所述，在此不作赘述。

s205：旅行包从该经健康度打标后的相关性特征数据中选择出重要特征数据。

可如上s105所述，在此不作赘述。

s206：旅行包构建关联该选择出的重要特征数据的健康度评分模型。

可如上s106所述，在此不作赘述。

s207：旅行包根据该构建的健康度评分模型，对该用户的健康状态数据进行健康度评分。

可如上s107所述，在此不作赘述。

s208：旅行包将该进行健康度打标的打标结果与该进行的健康度评分的评分结果进行比较得到比较结果，根据该得到的比较结果对该进行的健康度评分的评分结果进行准确率计算。

可以发现，在本实施例中，旅行包可以将该进行健康度打标的打标结果与该进行的健康度评分的评分结果进行比较得到比较结果，根据该得到的比较结果对该进行的健康度评分的评分结果进行准确率计算，这样的好处是能够实现对旅行包用户的健康度进行健康度评分的评分结果的准确率进行计算。

本发明还提供一种旅行包，能够实现旅行包能够对用户的健康状况进行监测。

请参见图3和图4，图3是本发明旅行包一实施例的结构示意图，图4是本发明智能电路一实施例的结构示意图。如图3所示，该旅行包30包括旅行包本体31和设置在该旅行包本体上的智能电路32。如图4所示，该智能电路32包括获取模块321、分析模块322、选取模块323、打标模块324、选择模块325、构建模块326和评分模块327。

该获取模块321，用于旅行包获取以用户为单位的健康状态数据；其中，该健康状态数据包括身体温度数据、心率数据、血压数据、血糖数据、血脂数据、体重数据、排汗数据、血氧饱和度数据和脉搏数据等等。

该分析模块322，用于根据该获取的健康状态数据，对用户的健康状态数据进行分析，分析出该用户的健康状态数据中具有交集的特征数据。

该选取模块323，用于根据显著变量的正负相关性，从该分析出的具有交集的特征数据中选取出呈正负相关性的相关性特征数据。

该打标模块324，用于对该选取出的呈正负相关性的相关性特征数据按照预设的准则进行健康度打标。

该选择模块325，用于从该经健康度打标后的相关性特征数据中选择出重要特征数据。

该构建模块326，用于构建关联该选择出的重要特征数据的健康度评分模型。

该评分模块327，用于根据该构建的健康度评分模型，对该用户的健康状态数据进行健康度评分。

可选地，该打标模块324，可以具体用于：

采用二八法则方式，对该选取出的呈正负相关性的相关性特征数据按照预设的取前20%的准则进行健康度打标，再对该经健康度打标后的前20%的相关性特征数据按照预设的概率数准则再进行健康度打标。

可选地，该构建模块326，可以具体用于：

采用分箱方式，将该选择出的重要特征数据中的多状态的离散变量合并成少状态的离散变量，和将该经合并成少状态的离散变量后的重要特征数据采用证据权重编码的方式，将预测类别的集中度的属性作为编码的数值，把该经合并成少状态的离散变量后的重要特征数据的特征的值规范到相近的尺度上，和采用信息价值的方式，定义该每两个用户之间的健康度的分值刻度，和采用线性回归模型，计算该定义的健康度的分值刻度的比率，以及根据该计算出的该健康度的分值刻度的比率，构建关联该选择出的重要特征数据的健康度评分模型。

请参见图5，图5是本发明智能电路另一实施例的结构示意图。区别于上一实施例，本实施例所述智能电路50还包括计算模块51。

该计算模块51，用于将该进行健康度打标的打标结果与该进行的健康度评分的评分结果进行比较得到比较结果，根据该得到的比较结果对该进行的健康度评分的评分结果进行准确率计算。

该旅行包30的各个单元模块可分别执行上述方法实施例中对应步骤，故在此不对各单元模块进行赘述，详细请参见以上对应步骤的说明。

本发明又提供一种计算设备，如图6所示，包括：至少一个处理器61；以及，与至少一个处理器61通信连接的存储器62；其中，存储器62存储有可被至少一个处理器61执行的指令，指令被至少一个处理器61执行，以使至少一个处理器61能够执行上述的基于旅行包的健康数据监测方法。

其中，存储器62和处理器61采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器61和存储器62的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器61处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器61。

处理器61负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器62可以被用于存储处理器61在执行操作时所使用的数据。

本发明再提供一种可读存储介质，存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。

可以发现，以上方案，旅行包可以获取以用户为单位的健康状态数据，该健康状态数据包括身体温度数据、心率数据、血压数据、血糖数据、血脂数据、体重数据、排汗数据、血氧饱和度数据和脉搏数据等等，和可以根据该获取的健康状态数据，对用户的健康状态数据进行分析，分析出该用户的健康状态数据中具有交集的特征数据，和可以根据显著变量的正负相关性，从该分析出的具有交集的特征数据中选取出呈正负相关性的相关性特征数据，和可以对该选取出的呈正负相关性的相关性特征数据按照预设的准则进行健康度打标，和可以从该经健康度打标后的相关性特征数据中选择出重要特征数据，和可以构建关联该选择出的重要特征数据的健康度评分模型，以及可以根据该构建的健康度评分模型，对该用户的健康状态数据进行健康度评分，能够实现旅行包能够将用户的健康度进行数值量化，实现旅行包能够对用户的健康状况进行监测。

进一步的，以上方案，旅行包可以采用二八法则方式，对该选取出的呈正负相关性的相关性特征数据按照预设的取前20%的准则进行健康度打标，再对该经健康度打标后的前20%的相关性特征数据按照预设的概率数准则再进行健康度打标，这样的好处是能够防止后续计算证据权重编码出现无穷大的情况，使得健康度评分模型更加光滑。

进一步的，以上方案，旅行包可以采用分箱方式，将该选择出的重要特征数据中的多状态的离散变量合并成少状态的离散变量，和将该经合并成少状态的离散变量后的重要特征数据采用证据权重woe编码的方式，将预测类别的集中度的属性作为编码的数值，把该经合并成少状态的离散变量后的重要特征数据的特征的值规范到相近的尺度上，和采用信息价值的方式，定义该每两个用户之间的健康度的分值刻度，和采用线性回归模型，计算该定义的健康度的分值刻度的比率，以及根据该计算出的该健康度的分值刻度的比率，构建关联该选择出的重要特征数据的健康度评分模型，这样的好处是能够便于通过该构建的健康度评分模型，将旅行包用户的健康度进行数值量化。

进一步的，以上方案，旅行包可以将该进行健康度打标的打标结果与该进行的健康度评分的评分结果进行比较得到比较结果，根据该得到的比较结果对该进行的健康度评分的评分结果进行准确率计算，这样的好处是能够实现对旅行包用户的健康度进行健康度评分的评分结果的准确率进行计算。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（rom）、可编程rom（prom）、电可编程rom（eprom）、电可擦除可编程rom（eeprom）或闪存。易失性存储器可包括随机存取存储器（ram）或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram（sram）、动态ram（dram）、同步dram（sdram）、双数据率sdram（ddrsdram）、增强型sdram（esdram）、同步链路（synchlink）dram（sldram）、存储器总线（rambus）直接ram（rdram）、直接存储器总线动态ram（drdram）、以及存储器总线动态ram（rdram）等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。