一种基于IOT测温、定位手环以及AI的疫情防控系统

本发明涉及疫情防控系统领域，尤其涉及一种基于iot测温、定位手环以及ai的疫情防控系统。

背景技术：

iot技术是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术，实时采集任何需要监控、连接、互动的物体或过程，采集其声、光、热、电、力学、化学、生物、位置等各种需要的信息，通过各类可能的网络接入，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理。物联网是一个基于互联网、传统电信网等的信息承载体，它让所有能够被独立寻址的普通物理对象形成互联互通的网络；

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等，人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”，人工智能可以对人的意识、思维的信息过程的模拟，人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

而目前，社会上使用的疫情防控产品，可分为以下三种：第一种是纯粹的用户信息主动登记，管理员后台人工审核识别是否有异常，然后再进行下一步排查；第二种是通过爬虫手段，监控网络、公众号、各官方网站公布的疫情相关的数据，例如确诊人数、疑似病例，这些确认及疑似曾经的行为轨迹，时间节点等，整合成产品；第三种通过核心的数据类型针对性作出的能够识别或筛选是否有过疫情地出没或疫情确认人员接触概率的产品；但是这三种方案均缺乏实时性，不能实时对被观察者进行准确地管控，对于紧急情况需要较长的时间才能发现并进行处理，不能及时地收到并处理被观察者的请求和需求。

因此，有必要提供一种基于iot测温、定位手环以及ai的疫情防控系统解决上述技术问题。

技术实现要素：

本发明提供一种基于iot测温、定位手环以及ai的疫情防控系统，解决了现有的疫情防控措施缺乏实时性，不能实时对被观察者进行准确地管控，对于紧急情况需要较长的时间才能发现并进行处理，不能及时地收到并处理被观察者的请求和需求的问题。

为解决上述技术问题，本发明提供的基于iot测温、定位手环以及ai的疫情防控系统，包括：

被监管者端、服务器端和监管者app端；

其中，所述被监管者端的输出端与所述服务器端的输入端连接，所述服务器端的输出端与所述监管者端的输入端连接，所述被监管者端包括测温和定位iot手环和被监管者app端，所述测温和定位iot手环内部设置有测温模块、gps定位模块和4g模块，所述服务器端包括数据库模块、人群聚集分析模块、人群聚集预测模块。

优选的，所述测温模块用于采集被监管者的温度数据并将采集的数据上传至服务器端，所述gps定位模块用于采集实时位置信息并上传至服务器端，所述4g模块用于与服务器端进行通信。

优选的，所述被监管者app端分别用于向服务器端获取被监管者的定位、温度数据和人群聚集区域数据，并以地图和列表的形式呈现出来，以及提供被监管者需求编辑和发送的窗口，以便及时向监管者发送需求。

优选的，所述数据库模块包括被监管者位置库、被监管者身份信息库、被监管者体温库和手机用户实时位置库，所述被监管者位置库用来存储和管理采集到的被监管者的位置数据，所述被监管者身份信息库用来存储和管理被监管者的身份信息，所述被监管者体温库用来存储和管理被监管者的体温数据，所述手机用户实时位置库用来存储和管理从运营商提供的特定接口解析得到用户的定位数据。

优选的，所述人群聚集分析模块是利用从运营商提供的特定接口解析得到用户的实时定位数据，通过聚类算法分析处当前发生人群聚集的地点并输出其经纬度，并开发对外提供json格式数据的该经纬度的后端数据接口，所述人群聚集预测模块是利用从运营商提供的特定接口解析得到用户的实时定位数据，通过ai程序预测接下来的时刻可能发生的人群聚集地点并输出经纬度，并开发对外提供json格式数据的该经纬度的后端数据接口。

优选的，所述监管者端app是软件模块，是以一个可执行软件的形式展现出来，以一定的权限访问服务器获取数据，并将数据在app界面以地图和列表的形式呈现出来，通过app访问服务器端，分别获取被监管者的体温数据、历史定位数据、人群聚集区域位置数据、预测的人群聚集区域的位置数据。

优选的，所述被监管者app端使用java编写，为android系统下的可执行文件，作用是向服务器端获取被观察者的定位、温度数据和人群聚集区域数据并以地图和列表的形式呈现出来，并提供被观察者需求编辑和发送的窗口，同时，对于被观察者体温异常、接近人群聚集区域等紧急状况作出页面告警，所监管者app端使用java编写，为android系统下的可执行文件，作用是向服务器端获取被观察者的定位、温度数据和人群聚集区域数据并以地图和列表的形式呈现出来，并提供被观察者需求编辑和发送的窗口，同时，对于被观察者体温异常、接近人群聚集区域等紧急状况作出页面告警。

优选的，所述数据库模块使用mysql，作用是建立被监管者体温库、被监管者身份信息库、手机用户实时位置库、被监管者位置库，所述人群聚集分析模块和人群聚集预测模块均使用python实现，利用逻辑判断程序实现对体温异常这样的紧急情况的分析，利用聚类算法实现人群聚集分析，以pytorch为框架的深度学习来实现对人群聚集情况的识别，通过机器训练后得到模型以对之后时刻的人群聚集点进行预测。

与相关技术相比较，本发明提供的基于iot测温、定位手环以及ai的疫情防控系统具有如下有益效果：

本发明提供一种基于iot测温、定位手环以及ai的疫情防控系统，(1)、该疫情防控系统系统主要由被监管者端、服务器端和监管者app端组成，其中通过设置测温和定位iot手环能够实时测量被监管者的体温和位置，得到的温度数据信息以及位置数据信息更精确，通过设置监管者app能实时观测所有被监管者的体温，能及时发现体温异常者，同时能实时观测到所有被监管者的方位，方便监测者对被监管者的统一观察和追踪，而监管者能实时收到并处理被监管者的请求并回应，进而使得系统能根据人群流动状况，智能判断人群聚集区域并ai预测人群聚集区域，能及时发现紧急情况，及时进行人员疏散，并预测人群聚集区域，列表显示，以便监管者注意小心防范，有效防范交叉感染；

(2)、该系统基于人工智能的人群聚集区域预测和人群聚集区域分析，使防控系统更加智能化，并综合运用了嵌入式系统、传感器、数据库、物联网、人工智能等技术，将疫情防控全程实现电子化，增加疫情防控的智慧化程度，很好的满足疫情防控的使用需求；

(3)、同时能够与各地社区通信运营商达成合作，将各社区人群定位数据接口写入后端人工智能训练程序，使各个社区能直接使用该系统，增加智能疫情防控系统使用的便利性。

附图说明

图1为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统的系统框图；

图2为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统内部架构示意图；

图3为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中软件系统架构图；

图4为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中监管者端app软件框图；

图5为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中被监管者端app软件框图；

图6为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统k-means算法示意图；

图7为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中人群聚集分析模块算法的过程图；

图8为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中dbn深度信念网络示意图；

图9为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中cnn卷积神经网络示意图；

图10为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中rnn递归神经网络示意图；

图11为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中lstm神经网络示意图；

图12为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中lstm神经网络忘记门的示意图；

图13为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中lstm神经网络输入门的示意图；

图14为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中lstm神经网络输出门的示意图；

图15为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中人群聚集预测模块的模型构造图。

具体实施方式

下面结合附图和实施方式对本发明作进一步说明。

请结合参阅图1、图2、图3、图4、图5、图6、图7、图8、图9、图10、图11、图12、图13、图14、图15，其中，图1为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统的系统框图；图2为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统内部架构示意图；图3为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中软件系统架构图；图4为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中监管者端app软件框图；图5为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中被监管者端app软件框图；图6为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统k-means算法示意图；图7为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中人群聚集分析模块算法的过程图；图8为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中dbn深度信念网络示意图；图9为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中cnn卷积神经网络示意图；图10为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中rnn递归神经网络示意图；图11为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中lstm神经网络示意图；图12为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中lstm神经网络忘记门的示意图；图13为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中lstm神经网络输入门的示意图；图14为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中lstm神经网络输出门的示意图；图15为本发明提供的基于iot测温、定位手环以及ai的疫情防控系统中人群聚集预测模块的模型构造图。基于iot测温、定位手环以及ai的疫情防控系统，包括：

被监管者端、服务器端和监管者app端；

其中，所述被监管者端的输出端与所述服务器端的输入端连接，所述服务器端的输出端与所述监管者端的输入端连接，所述被监管者端包括测温和定位iot手环和被监管者app端，所述测温和定位iot手环内部设置有测温模块、gps定位模块和4g模块，所述服务器端包括数据库模块、人群聚集分析模块、人群聚集预测模块。

所述测温模块用于采集被监管者的温度数据并将采集的数据上传至服务器端，所述gps定位模块用于采集实时位置信息并上传至服务器端，所述4g模块用于与服务器端进行通信。

所述被监管者app端分别用于向服务器端获取被监管者的定位、温度数据和人群聚集区域数据，并以地图和列表的形式呈现出来，以及提供被监管者需求编辑和发送的窗口，以便及时向监管者发送需求。

所述数据库模块包括被监管者位置库、被监管者身份信息库、被监管者体温库和手机用户实时位置库，所述被监管者位置库用来存储和管理采集到的被监管者的位置数据，所述被监管者身份信息库用来存储和管理被监管者的身份信息，所述被监管者体温库用来存储和管理被监管者的体温数据，所述手机用户实时位置库用来存储和管理从运营商提供的特定接口解析得到用户的定位数据。

所述人群聚集分析模块是利用从运营商提供的特定接口解析得到用户的实时定位数据，通过聚类算法分析处当前发生人群聚集的地点并输出其经纬度，并开发对外提供json格式数据的该经纬度的后端数据接口，所述人群聚集预测模块是利用从运营商提供的特定接口解析得到用户的实时定位数据，通过ai程序预测接下来的时刻可能发生的人群聚集地点并输出经纬度，并开发对外提供json格式数据的该经纬度的后端数据接口。

所述监管者端app是软件模块，是以一个可执行软件的形式展现出来，以一定的权限访问服务器获取数据，并将数据在app界面以地图和列表的形式呈现出来，通过app访问服务器端，分别获取被监管者的体温数据、历史定位数据、人群聚集区域位置数据、预测的人群聚集区域的位置数据。

所述被监管者app端使用java编写，为android系统下的可执行文件，作用是向服务器端获取被观察者的定位、温度数据和人群聚集区域数据并以地图和列表的形式呈现出来，并提供被观察者需求编辑和发送的窗口，同时，对于被观察者体温异常、接近人群聚集区域等紧急状况作出页面告警，所监管者app端使用java编写，为android系统下的可执行文件，作用是向服务器端获取被观察者的定位、温度数据和人群聚集区域数据并以地图和列表的形式呈现出来，并提供被观察者需求编辑和发送的窗口，同时，对于被观察者体温异常、接近人群聚集区域等紧急状况作出页面告警。

所述数据库模块使用mysql，作用是建立被监管者体温库、被监管者身份信息库、手机用户实时位置库、被监管者位置库，所述人群聚集分析模块和人群聚集预测模块均使用python实现，利用逻辑判断程序实现对体温异常这样的紧急情况的分析，利用聚类算法实现人群聚集分析，以pytorch为框架的深度学习来实现对人群聚集情况的识别，通过机器训练后得到模型以对之后时刻的人群聚集点进行预测。

监管者端app的功能主要有对被监管者的体温和位置的实时监测、被监管者行程轨迹的查看、人群聚集区域分析和预测情况的呈现及对被监管者的需求的处理和响应；

服务器端数据库设计，手机用户实时位置库：用来存放所有被监管者的实时位置数据，被监管者体温库数据库：用来存放所有被监管者的实时体温，被监管者身份信息库：被监管者的身份信息库，用来存放被监管者的账号密码姓名等身份信息；

模块功能设计，监管者端app登陆界面，登录模块的主要功能为允许用户在用户名编辑框，密码编辑框内输入，当输入的用户名和密码同时匹配到管理人员数据库中的某一项(数据库名称为person-check)，则该用户获得权限，登入系统，若用户不输入用户名或密码，则系统提示“用户名或密码不能为空”，不能登入系统，若输入的用户名或密码错误，则系统提示“用户名或密码输入错误”，不能登入系统；

监管者端app用户主界面，监管者端app用户主界面提供本系统四个功能的入口点，即功能选择，分别是被监管者在地图上的位置，收到并确认被监管者的请求，查看人员聚集区和预测情况，查看所有被监管者体温，被监管者在地图上的位置，在接收到服务器的被监管者的位置数据后，监管者app端调用高德地图的api，以地图的形式呈现所有被监管者的位置，收到并确认被监管者的请求监管者端app向服务器请求被监管者的需求消息，并用编辑框对被监管者的需求消息进行响应编辑，查看所有被监管者的体温，监管者端app向服务器请求被监管者的体温数据，并用列表的形式在监管者端的app呈现出来，查看人员聚集区和预测情况，监管者端app向服务器请求被人员聚集区域和预测情况数据，并用列表+地图的形式在监管者端的app呈现出来，监管者端app向被监管者请求被监管者的历史定位数据，通过调用百度地图的api，使得监管者能够查看被监管者的行程轨迹，将被监管者的形成轨迹以地图+列表的形式在app的界面呈现给监管者；

被监管者端app的功能主要有对被监管者的体温和位置的实时监测、被监管者接近人群聚集区域、被监管者体温过高等紧急情况的预警、人群聚集区域分析和预测情况的呈现及对被监管者的需求的处理和响应；

服务器端数据库设计，手机用户实时位置库：用来存放所有被监管者的实时位置数据，被监管者体温库数据库：用来存放所有被监管者的实时体温，被监管者身份信息库：被监管者的身份信息库，用来存放被监管者的账号密码姓名等身份信息；

模块功能设计，被监管者端app软件模块分为登录界面、注册界面、用户主界面三部分组成，被监管者端app登陆界面，登录模块的主要功能为允许用户在用户名编辑框，密码编辑框内输入，当输入的用户名和密码同时匹配到管理人员数据库中的某一项(数据库名称为person-check)，则该用户获得权限，登入系统，若用户不输入用户名或密码，则系统提示“用户名或密码不能为空”，不能登入系统，若输入的用户名或密码错误，则系统提示“用户名或密码输入错误”，不能登入系统，同时登陆界面提供进入被监管者注册界面的接口，被监管者端app用户主界面，被监管者端app用户主界面提供本系统四个功能的入口点，即功能选择，分别是该被监管者在地图上的位置，编辑和发送需求，查看人员聚集区和预测情况，查看该被监管者体温，该被监管者在地图上的位置，在接收到服务器的被监管者的位置数据后，被监管者app端调用高德地图的api，以地图的形势呈现该被监管者的位置，被监管者需求编辑和发送，被观察者编辑需求和发送给监管者，查看该被监管者的体温，被监管者端app向服务器请求被监管者的体温数据，并在该被监管者端的app呈现出来，查看人员聚集区和预测情况，被监管者端app向服务器请求被人员聚集区域数据，并用列表+地图的形式在被监管者端的app呈现出来，被监管者注册，被监管者在此界面填入自己的身份信息后，被监管者app将其发送到服务器端，服务器端数据库记录该身份信息后，被监管者完成注册，即可使用注册的用户名和密码登录app；

人群聚集分析模块的主要需求是获取人群聚集情况，根据数据库中用户的具体位置，抽象出不同区域的人群密度，从而了解人群的聚集情况，以便于警告用户避开人群聚集区域，提醒监管者进行管控，也可以获得可供人群聚集预测模块的人工智能模型训练的数据，

算法选择，分析人群的分布情况需要使用合适的聚类算法，由于为了定量分析与人工智能模型训练需要得知的是每一个区域的人群分布情况，需要使用基于距离的聚类算法，分类的方式主要两种选择：划分法，使用划分法的聚类算法，依据人群位置信息自动分类，在这种场合下可以用的聚类算法有k-means算法、k-medoids算法、clarans算法等，优点：不需要给予任何地图信息，只需要人群位置数据即可计算出人群聚集的主要位置，并且冗余的位置点少。

模型算法，使用模型算法的聚类算法，向系统提供地图上的标志地点，以这些地点作为假定模型，也就是分类的依据，优点：划分区域往往是有意义的，可以很容易地为每一个划分区域命名，容易作为训练的数据提供给人工智能模型。

构造设计，人群聚集分析模块使用了模型算法与网格算法相结合的算法，向系统提供地图上的标志地点，作为“聚集点”，每一个人都将被分类到离他最近的一个“聚集点”所代表的区域，依此统计所有人之后，可以获取每一个“聚集点”的人数，再根据“聚集点”所代表的区域的面积，可以计算出每一个“聚集点”的人群密度，将这个密度与人群聚集的阈值相比较，便可得知哪些区域出现了人群聚集情况；

在此基础上结合了网格算法以提高计算速度，在提供“聚集点”时，生成一张网格，每个网格中记录这个网格中的人可能分类到的“聚集点”，在给人分类时，先找到其所在网格，只需要计算少数几个“聚集点”的距离，即可完成分类，大大提高了运行的速度；

人群聚集预测模块设计，人群聚集预测模块的主要需求是预测未来的人群聚集情况，需要根据现在以及过去一段时间内的人群密度分布，预测出将来一段时间的人群聚集情况，以便于预先提醒用户提前避开未来的人群聚集区域，也方便监管者进行人群聚集的预防；

模型算法选择，人群的聚集是一个十分主观的行为，每个人会做的事情与去到的地方都是相当随机的，想要十分准确地预测人群的细节变化几乎不可能，但是，人群的分布依旧会随着时间遵循着些许的统计规律，可以找寻这些规律来大致预测将来的变化，经考量现有技术的发展程度，深度学习的方法最适合进行人群聚集变化规律的寻找；

深度学习的基本模型有：(1)、dbn(deepbeliefnetwork)深度信念网络，优点：生成模型学习联合概率密度分布，所以就可以从统计的角度表示数据的分布情况，能够反映同类数据本身的相似度；生成模型可以还原出条件概率分布，此时相当于判别模型，而判别模型无法得到联合分布，所以不能当成生成模型使用；(2)cnn(convolutionneuralnetworks)卷积神经网络，优点：权重共享策略减少了需要训练的参数，相同的权重可以让滤波器不受信号位置的影响来检测信号的特性，使得训练出来的模型的泛化能力更强；池化运算可以降低网络的空间分辨率，从而消除信号的微小偏移和扭曲，从而对输入数据的平移不变性要求不高；(3)rnn(recurrentneuralnetwork)递归神经网络，优点：模型是时间维度上的深度模型，可以对序列内容建模；(4)lstm(long-shorttermmemory)长短期记忆人工神经网络，优点：相较于一般的rnn递归神经网络，lstm神经网络能够更好地处理和预测时间序列中间隔和延迟非常长的重要事件，经过综合考量，lstm神经网络最适合进行人群聚集预测，在rnn训练期间，信息不断地循环往复，神经网络模型权重的更新非常大，因为在更新过程中累积了错误梯度，会导致网络不稳定，极端情况下，权重的值可能变得大到溢出并导致nan值，爆炸通过拥有大于1的值的网络层反复累积梯度导致指数增长产生，如果值小于1就会出现消失，而lstm的“长时记忆单元”可以很好地解决梯度消散或梯度爆炸问题，当我们希望我们的模型从长期依赖中学习时，lstm要强于其他模型，lstm遗忘，记忆和更新信息的能力使其比经典的rnn更为先进；

模型构造设计，lstm神经网络：lstm神经网络的数据记忆由隐藏层与记忆层组成，其中的处理由如下3个门构成：忘记门：决定记忆层中的内容有多少需要被忘掉，不容易被忘掉的数据可以保持非常久，是长期记忆的关键，输入门：决定向记忆层中添加多少信息，由于是通过加法进行添加，容易保留记忆中原有的内容，是避免梯度消散和梯度爆炸的关键，输出门：综合隐藏层、记忆层与输入层，计算出隐藏层输出的内容，为下一次计算提供的隐藏层的内容也是输出的内容；

人群位置情况直接作为输入层内容，输入lstm神经网络进行计算，输出隐藏层的内容，但是隐藏层内容较为抽象，且限制在[-1,1]之间，所以使隐藏层的内容通过一个线性层，进行线性变换，得出预测的下一次人群位置情况，在这之后，将预测的下一次人群位置情况再次输入lstm神经网络，以预测下下次人群位置情况，如此循环，便可预测未来相当久的时间的变化；

难点及解决方案，设计人群聚集预测模块的模型构造时，原本认为重复将上一次的预测结果作为下一次的输入，可能会导致误差被不断放大，导致预测未来较为远的时间时结果变得不可靠，但是在测试的过程中，发现预测模块总能够预测出将来的重要变化，可能是因为lstm神经网络的记忆能力，可以记住很远的时间的真实情况，较近时间的预测情况的误差对结果影响不大；

人群聚集预测模块实现，人群聚集预测模块使用python语言，运用pytorch框架，以lstm神经网络和linear(线性变换)的算法，以人群数据作为训练样本，随着时间的推移不断训练模型；

数据集，因为暂时难以得到实际的人群数据，为了进行测试，设计了一个模拟场景，模拟了10000个“学生”在模拟的“校园”内，每天在“教学楼”、“食堂”、“宿舍”之间不断行动的过程，pytorch实现，pytorch实现使用linux+python3.7+torch1.2.0+pycharm，人群聚集预测模块模型构造，lstm神经网络层(附加一个线性层)；

测试结论，在模拟的小规模测试数据下，第一次训练所需时间需10秒左右，之后每一次仅需3秒左右，经历2-3次训练后，对未来的人群聚集情况的预测的准确率基本达到90％以上，并且总能正确预测严重的人群聚集情况，预测时间小于0.1秒；

系统配置根据系统功能以及设计嵌入式系统的要求，开发此系统需要以下主要配置：

a开发环境：xshell+armlinux，windows系统，android系统；

b开发语言：c/c++语言，qt语言，python语言，java语言；

c硬件：cortex-a系列底板(数量：1块)是由北京博创智联公司提供的魔法师cortex-a系列底板，imx6核心控制器是由北京博创智联公司提供的imx6核心控制器，测温传感器(数量：1块)是ls-tm02非接触式红外测温传感器，4g模块(数量：1个)是由北京博创智联公司提供的4g模块；gps模块(数量：1个)，280gps模块。

本发明提供的基于iot测温、定位手环以及ai的疫情防控系统的工作原理如下：

使用时，从被监管者佩戴好测温和定位iot手环，通过测温和定位iot手环从佩戴处采集被监管者者的体温、位置数据，通过登录被监管者app端，输入相关信息，系统开始正常运行，在被监管者端app实现对被监管者接近人群聚集区域的预警、人群聚集区域分析和预测情况的呈现和对被监管者需求的上报，在服务器端实现对被监管者数据的处理、对人群聚集区域的预测和分析、对被监管者出行轨迹的处理和存储，在监管者端app实现对被监管者的体温和位置的实时监测、被监管者行程轨迹的监管、人群聚集区域分析和预测情况的呈现及对被监管者的需求的处理和响应。

与相关技术相比较，本发明提供的基于iot测温、定位手环以及ai的疫情防控系统具有如下有益效果：

(1)、该疫情防控系统系统主要由被监管者端、服务器端和监管者app端组成，其中通过设置测温和定位iot手环能够实时测量被监管者的体温和位置，得到的温度数据信息以及位置数据信息更精确，通过设置监管者app能实时观测所有被监管者的体温，能及时发现体温异常者，同时能实时观测到所有被监管者的方位，方便监测者对被监管者的统一观察和追踪，而监管者能实时收到并处理被监管者的请求并回应，进而使得系统能根据人群流动状况，智能判断人群聚集区域并ai预测人群聚集区域，能及时发现紧急情况，及时进行人员疏散，并预测人群聚集区域，列表显示，以便监管者注意小心防范，有效防范交叉感染；

(2)、该系统基于人工智能的人群聚集区域预测和人群聚集区域分析，使防控系统更加智能化，并综合运用了嵌入式系统、传感器、数据库、物联网、人工智能等技术，将疫情防控全程实现电子化，增加疫情防控的智慧化程度，很好的满足疫情防控的使用需求；

(3)、同时能够与各地社区通信运营商达成合作，将各社区人群定位数据接口写入后端人工智能训练程序，使各个社区能直接使用该系统，增加智能疫情防控系统使用的便利性。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。