城市大数据分析方法、装置、系统、电子设备与流程

本技术涉及数据分析的领域，尤其是涉及一种城市大数据分析方法、装置、系统、电子设备。

背景技术：

1、在大城市的某些大型医院，往往会出现患者流量大的情况，患者在挂号就诊时可能需要排长队等待就诊，或者需要等待很长时间才能得到医生的诊断和治疗，但是由于医疗资源不足，患者可能需要等待数小时或数天才能得到手术或其他治疗，耽误了治病疗程，此外医疗资源拥堵还可能导致医生和护士的工作负担加重，他们可能需要在疲惫的状态下工作，这可能会影响他们的工作效率和患者的治疗质量，因此需要缓解医疗资源的拥堵,提高患者的就诊体验。

技术实现思路

1、为了能够保证患者的就诊体验，本技术提供一种城市大数据分析方法、装置、系统、电子设备。

2、第一方面，本技术提供一种城市大数据分析方法，采用如下的技术方案：

3、一种城市大数据分析方法，包括：

4、接收患者终端发送的挂号信息；所述挂号信息包括患者身份信息、目标科室、目标挂号时间；调取所述目标科室在所述目标挂号时间对应日期的诊疗数据，预测所述目标科室在所述目标挂号时间对应的第一运行饱和度；

5、判断所述第一运行饱和度是否大于所述目标科室的饱和度阈值；

6、若所述第一运行饱和度大于所述目标科室的饱和度阈值，则根据所述患者身份信息向患者终端发送目标科室过饱和提示以及就诊症状调研请求；

7、基于患者终端反馈的就诊症状信息、所述患者身份信息，调取病史信息；

8、基于所述就诊症状信息、所述病史信息，进行数据统计分析确定分诊科室；

9、若所述分诊科室不为所述目标科室，则调取所述分诊科室在所述目标挂号时间对应日期的诊疗数据，确定所述分诊科室在所述目标挂号时间对应的第二运行饱和度；

10、判断所述第二运行饱和度是否大于所述分诊科室的饱和度阈值；

11、若所述第二运行饱和度小于分诊科室饱和度阈值，则向患者终端发送挂号科室调整建议，建议将所述目标科室调整为所述分诊科室。

12、通过采用上述技术方案，对患者终端的挂号数据进行分析，确定患者目标挂号的科室的饱和度，防止挂号过多导致医疗资源的拥堵，同时为了提高患者的就诊体验，对患者进行分诊调研，确保患者可以准确的挂到正确的科室，有效地避免患者就诊时等待时间过长或无法及时得到医疗服务，从而导致延误病情的情况。通过基于城市医疗大数据对患者挂号科室的饱和度预测和分析，能够快速、准确地将患者分诊到合适的科室，提高医院的就诊效率和医疗水平。同时，通过向患者终端发送提示和建议，也能够提升患者的就诊体验，增强医院的服务质量。

13、可选的，所述判断所述第二运行饱和度是否大于所述分诊科室的饱和度阈值的步骤之后，还包括：

14、若所述第二运行饱和度大于或者等于分诊科室饱和度阈值，则获取患者所在城市其他医院对应的分诊科室的第三运行饱和度，确定所述第三运行饱和度最低的对应医院，向患者终端发送挂号医院调整建议，建议患者挂号调整到对应医院的分诊科室。

15、通过采用上述技术方案，能够实现患者就诊的精准定向，避免了患者在饱和度高的医院排队等候的情况，增加了患者的就诊效率和体验。同时，通过获取各个平级医院或下级医院的分诊科室信息，可以实现医疗资源的合理分配和利用，提高了医疗资源的利用效率。

16、可选的，确定科室饱和度阈值的步骤，包括：

17、基于实时存储的历史挂号数据，获取科室的患者的接诊量、挂号时间、每个患者的开始就诊时间；

18、根据所述接诊量、挂号时间、每个患者的开始就诊时间确定患者的平均等待时长和平均就诊时长；

19、基于医院科室运行数据确定所述科室对应的医师数量以及医师平均工作时长；

20、根据所述接诊量、所述医师数量、所述医师平均工作时长，所述平均等待时长和所述平均就诊时长确定科室饱和度阈值。

21、通过采用上述技术方案，基于实时存储的历史挂号数据，通过数据分析和计算，能够准确地确定科室的患者接诊情况以及平均等待时长和平均就诊时长等指标，从而可以更加有效的确认科室的医护资源。同时，通过确定科室对应的医师数量和平均工作时长，以及根据实际情况精确的预测科室饱和度阈值，可以更加自动化的确定医院的资源配置方案，从而提高患者就诊体验。

22、可选的，所述根据所述接诊量、挂号时间、每个患者的开始就诊时间确定患者的平均等待时长和平均就诊时长的步骤，包括：

23、根据挂号时间以及每个患者的开始就诊时间确定每个患者的等待时长；

24、通过每个患者的开始就诊时间差确定每个患者的就诊时长；

25、通过如下公式获取平均等待时长：

26、

27、w为平均等待时长，n为接诊量，wi为每个患者的每个患者的等待时长；

28、通过如下公式获取平均就诊时长：

29、

30、v为平均就诊时长，n为接诊量，vi为每个患者的就诊时长。

31、通过采用上述技术方案，确定基于历史数据确定每个患者的就诊时长和等待时长，从而能够跟踪就诊等待时间和就诊时长的变化趋势，进而确定患者的平均等待时长和就诊时长，方便后续进行饱和度阈值的预测。

32、可选的，所述根据所述接诊量、所述医师数量、所述医师平均工作时长，所述平均等待时长和所述平均就诊时长确定科室饱和度阈值的步骤，包括：

33、通过如下公式确定科室饱和度阈值；

34、

35、l为科室饱和度阈值，p为接诊量，v为平均就诊时长，r为医师数量，t为医师平均工作时长，w为平均等待时长。

36、通过采用上述技术方案，基于对历史诊疗数据的分析，获取大量就诊数据，针对当前科室的运行状态，对饱和度的变化趋势进行分析，确定最终的饱和度阈值，可以确定当前科室的运行状态不超负荷，从而提高医师工作效率。

37、可选的，所述调取所述目标科室在所述目标挂号时间对应日期的诊疗数据，预测所述目标科室在所述目标挂号时间对应的第一运行饱和度的步骤，包括：

38、判断目标挂号时间是否为当日时间；

39、若目标挂号时间为当日时间，则基于当日时间的目标科室对应的实时挂号数据以及目标医师的平均工作时间预测第一运行饱和度；

40、若所述目标挂号时间为当日之后的时间，则基于当日之后的挂号数据，以及当日之前历史就诊数据预测第一运行饱和度。

41、通过采用上述技术方案，预测患者在当日以及当日之后的挂号科室的运行饱和度，如果是当日挂号，则从当日已经存在的数据预测科室饱和度，帮助患者精准预测某个时间点的挂号科室饱和度值，增加患者的满意度。

42、可选的，所述方法，还包括：

43、确认患者终端是否接受调整挂号建议；

44、若患者终端不接受调整挂号建议，以预设时段作为采样间隔，对目标医师的历史接诊数据进行采样，获取医师在该时段内的坐诊时间以及诊断患者数量；

45、根据坐诊时间以及诊断患者数量确定医师的诊断速度；

46、根据第一运行饱和度以及目标挂号科室饱和度阈值确定阈值差；

47、通过所述阈值差以及医师的诊断速度确定等待时长；

48、获取患者终端的挂号位置，以及医院休息区分布信息，根据医院休息区分布信息确定距离患者位置最近的休息区，将所述等待时长以及所述休息区推荐发送给患者终端。

49、通过采用上述技术方案，该方法可以提高患者挂号的效率和体验，因为它可以根据医师的历史数据来确定医师的诊断速度和等待时间，从而确定患者的等待时间，并提供最接近患者位置的休息区信息，以便患者可以更好地休息和等待，满足患者的需求和时间要求。

50、第二方面，本技术提供一种城市大数据分析装置，采用如下的技术方案：

51、一种城市大数据分析装置，包括：

52、挂号信息接收模块，用于接收患者终端发送的挂号信息；所述挂号信息包括患者身份信息、目标科室、目标挂号时间；

53、饱和度预测模块，用于调取所述目标科室在所述目标挂号时间对应日期的诊疗数据，预测所述目标科室在所述目标挂号时间对应的第一运行饱和度；

54、所述饱和度预测模块，还用于判断所述第一运行饱和度是否大于所述目标科室的饱和度阈值；饱和提示模块，用于若所述第一运行饱和度大于所述目标科室的饱和度阈值，则根据所述患者身份信息向患者终端发送目标科室过饱和提示以及就诊症状调研请求；

55、病史信息调取模块，用于基于患者终端反馈的就诊症状信息、所述患者身份信息，调取病史信息；

56、症状调研模块，用于基于所述就诊症状信息、所述病史信息，进行数据统计分析确定分诊科室；

57、所述饱和度预测模块，还用于确定若所述分诊科室不为所述目标科室，则调取所述分诊科室在所述目标挂号时间对应日期的诊疗数据，确定所述分诊科室在所述目标挂号时间对应的第二运行饱和度；

58、所述饱和度预测模块，还用于判断所述第二运行饱和度是否大于所述分诊科室的饱和度阈值；科室调整建议模块，用于确定若所述第二运行饱和度小于分诊科室饱和度阈值，则向患者终端发送挂号科室调整建议，建议将所述目标科室调整为所述分诊科室。

59、可选的，所述装置还包括资源调度模块，用于：

60、若所述第二运行饱和度大于或者等于分诊科室饱和度阈值，则获取患者所在城市其他医院对应的分诊科室的第三运行饱和度，确定所述第三运行饱和度最低的对应医院，向患者终端发送挂号医院调整建议，建议患者挂号调整到对应医院的分诊科室。

61、可选的，所述装置还包括阈值数据分析模块，用于

62、基于实时存储的历史挂号数据，获取科室的患者的接诊量、挂号时间、每个患者的开始就诊时间；

63、根据所述接诊量、挂号时间、每个患者的开始就诊时间确定患者的平均等待时长和平均就诊时长；

64、基于医院科室运行数据确定所述科室对应的医师数量以及医师平均工作时长；

65、根据所述接诊量、所述医师数量、所述医师平均工作时长，所述平均等待时长和所述平均就诊时长确定科室饱和度阈值。

66、可选的，所述阈值数据分析模块在根据所述接诊量、挂号时间、每个患者的开始就诊时间确定患者的平均等待时长和平均就诊时长时，具体用于；

67、根据挂号时间以及每个患者的开始就诊时间确定每个患者的等待时长；

68、通过每个患者的开始就诊时间差确定每个患者的就诊时长；

69、通过如下公式获取平均等待时长：

70、

71、w为平均等待时长，n为接诊量，wi为每个患者的每个患者的等待时长；

72、通过如下公式获取平均就诊时长：

73、

74、v为平均就诊时长，n为接诊量，vi为每个患者的就诊时长。

75、可选的，所述阈值数据分析模块在根据所述接诊量、所述医师数量、所述医师平均工作时长，所述平均等待时长和所述平均就诊时长确定科室饱和度阈值的步骤，具体用于：通过如下公式确定科室饱和度阈值；

76、

77、l为科室饱和度阈值，p为接诊量，v为平均就诊时长，r为医师数量，t为医师平均工作时长，w为平均等待时长。

78、可选的，所述阈值数据分析模块在根据所述接诊量、所述医师数量、所述医师平均工作时长，所述平均等待时长和所述平均就诊时长确定科室饱和度阈值的步骤，具体用于：通过如下公式确定科室饱和度阈值；

79、

80、l为科室饱和度阈值，p为接诊量，v为平均就诊时长，r为医师数量，t为医师平均工作时长，w为平均等待时长。

81、可选的，所述饱和度预测模块在调取所述目标科室在所述目标挂号时间对应日期的诊疗数据，预测所述目标科室在所述目标挂号时间对应的第一运行饱和度时，具体用于：

82、判断目标挂号时间是否为当日时间；

83、若目标挂号时间为当日时间，则基于当日时间的目标科室对应的实时挂号数据以及目标医师的平均工作时间预测第一运行饱和度；

84、若所述目标挂号时间为当日之后的时间，则基于当日之后的挂号数据，以及当日之前历史就诊数据预测第一运行饱和度。

85、可选的，所述装置还包括区域分析模块，用于：

86、确认患者终端是否接受调整挂号建议；

87、若患者终端不接受调整挂号建议，以预设时段作为采样间隔，对目标医师的历史接诊数据进行采样，获取医师在该时段内的坐诊时间以及诊断患者数量；

88、根据坐诊时间以及诊断患者数量确定医师的诊断速度；

89、根据第一运行饱和度以及目标挂号科室饱和度阈值确定阈值差；

90、通过所述阈值差以及医师的诊断速度确定等待时长；

91、获取患者终端的挂号位置，以及医院休息区分布信息，根据医院休息区分布信息确定距离患者位置最近的休息区，将所述等待时长以及所述休息区推荐发送给患者终端。

92、第三方面，本技术提供一种电子设备，采用如下的技术方案：

93、一种电子设备，该电子设备包括：

94、存储器，用于存储程序指令；

95、处理器，用于调用并执行所述存储器中的程序指令，执行根据第一方面任一种可能的实现方式所述的方法。

96、第四方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：

97、所述计算机可读存储介质中存储有计算机程序；所述计算机程序被处理器执行时，执行第一方面任一项所述的方法。

98、综上所述，本技术包括以下至少一种有益技术效果：

99、1.对患者终端的挂号数据进行分析，确定患者目标挂号的科室的饱和度，防止挂号过多导致医疗资源的拥堵，同时为了提高患者的就诊体验，对患者进行分诊调研，确保患者可以准确的挂到正确的科室，同时若科室均达到饱和，则推荐其他医院的对应科室，患者若仍然想挂当前科室，则通过对医院等候区进行检测确定距离患者终端最近的位置，为患者提供路线，有效地避免患者就诊时等待时间过长或无法及时得到医疗服务，从而导致延误病情的情况；2.通过基于城市医疗大数据对患者挂号科室的饱和度预测和分析，能够快速、准确地将患者分诊到合适的科室，提高医院的就诊效率和医疗水平。同时，通过向患者终端发送提示和建议，也能够提升患者的就诊体验，增强医院的服务质量和口碑；

100、3.能够实现患者就诊的精准定向，避免了患者在饱和度高的医院排队等候的情况，增加了患者的就诊效率和体验。同时，通过获取各个平级医院或下级医院的分诊科室信息，可以实现医疗资源的合理分配和利用，提高了医疗资源的利用效率。