基于大数据和智慧养老的卫生检修系统的制作方法

1.本发明涉及智慧养老和大数据领域，尤其涉及一种基于大数据和智慧养老的卫生检修系统。


背景技术：

2.智慧养老主要是指面向居家老人、社区及养老机构的传感网系统与信息平台，并在此基础上提供实时、快捷、高效、低成本的物联化、互联化、智能化的养老服务。具有信息化、便利性、个性化指定等优点。
3.随着社会的发展，人们生活水平的提高，对移动卫生间环境卫生也越发重视。尤其是老人分布较多的活动区域，更要时刻注重移动卫生间环境卫生。移动卫生装置适用于设置在老人活动较多的区域对老人生活带来便利。现有技术中，针对移动卫生装置的水质检测，未有相应的智能化有效手段。传统的人工采样和判断水质的方法因其耗费人力物力资源巨大，难以使用于移动卫生装置中。


技术实现要素：

4.有鉴于此，本发明提供了一种基于大数据和智慧养老的卫生检修系统，包括移动卫生装置、在线监测平台和管理终端，在线监测平台包括状态识别模块、密度预测模块和路径规划模块；
5.状态识别模块基于周期性采样所得的各个移动卫生装置的回用水采样数据组和实时采样所得的各个移动卫生装置的第一次实时采样数据确定处于待检修状态的各个移动卫生装置的检修类型，其中，所述检修类型包括第一类检修和第二类检修，第一类检修为水体更换，第二类检修为系统故障检修；
6.密度预测模块将每个移动卫生装置的区域编号对应的社区区域划分为若干相同尺寸的网格区域，基于预训练的老人步态特征识别并确定每个网格区域的老人数量和老人分布位置，基于每个网格区域的老人数量和老人分布位置确定每个网格区域的实时老人密度数据、邻近老人密度数据和周期性老人密度数据；
7.密度预测模块将获取到的实时老人密度数据、邻近老人密度数据和周期性老人密度数据分别映射至社区区域的相应网格区域中以依次生成社区区域的第一老人密度图、第二老人密度图和第三老人密度图，对第一老人密度图、第二老人密度图和第三老人密度图进行拼接融合得到社区区域的老人流动图，利用所述老人流动图分析得到社区区域在待预测时刻下的老人密度数据；
8.路径规划模块基于每个移动卫生装置的检修类型、第一次实时采样数据和每个移动卫生装置对应的区域编号的老人密度数据确定每个移动卫生装置的检修优先级，基于每个处于待检修状态的移动卫生装置的区域编号和检修优先级生成对应的检修路径规划，并将其发送至管理终端。
9.优选地，邻近老人密度数据为与对应实时时刻邻近的上一时刻的网格区域的老人
密度数据。周期性老人密度数据包括以天为单位的平均老人密度数据和以周为单位的平均老人密度数据。实时老人密度数据为对应实时时刻的网格区域的老人密度数据。
10.优选地，所述基于周期性采样所得的各个移动卫生装置的回用水采样数据组和实时采样所得的各个移动卫生装置的第一次实时采样数据确定处于待检修状态的各个移动卫生装置的检修类型包括：
11.基于预设的采样时间周期对目标社区中的各个移动卫生装置的回用水进行周期性采样以得到各个移动卫生装置的回用水采样数据组，将回用水采样数据组中的各个回用水采样数据与回用水水质标准进行比较以识别回用水采样数据组中是否存在未达标准的回用水采样数据；
12.若回用水采样数据组中存在未达标准的回用水采样数据，则对相应移动卫生装置的运行状态进行实时监测；在监测到移动卫生装置执行原位处理操作时，将原位处理操作的终止时间点作为在线监测仪器的采样时间点以对移动卫生装置的回用水进行实时采样得到第一次实时采样数据；
13.在检测到移动卫生装置的第一次实时采样数据未达标准时，将对应的移动卫生装置标记为待检修状态，并根据处于待检修状态的移动卫生装置的若干历史回用水采样数据和第一次实时采样数据确定移动卫生装置的检修类型。
14.优选地，所述根据处于待检修状态的移动卫生装置的若干历史回用水采样数据和第一次实时采样数据确定移动卫生装置的检修类型包括：
15.根据处于待检修状态的移动卫生装置的若干历史回用水采样数据和第一次实时采样数据确定所述移动卫生装置是否出现系统故障；
16.若未出现系统故障，将对应移动卫生装置的检修类型标记为第一类检修；若出现系统故障，将对应移动卫生装置的检修类型标记为第二类检修。
17.优选地，所述根据处于待检修状态的移动卫生装置的若干历史回用水采样数据和第一次实时采样数据确定所述移动卫生装置是否出现系统故障包括：
18.获取处于待检修状态的移动卫生装置的若干历史回用水采样数据，依据历史回用水采样数据的参数类型将获取到的若干历史回用水采样数据分离为多个采样参数序列，从所有采样参数序列中提取序列处于波动状态的采样参数序列并将其标记为波动水质指标，并将剩余采样参数序列标记为稳定水质指标，其中，所述参数类型包括ph值、色度、浊度和氨氮；
19.对波动水质指标对应的采样参数序列进行差分运算直至采样参数序列的序列处于稳定状态，将每个差分运算后的采样参数序列转化为对应的采样参数矩阵，基于每个波动水质指标对应的采样参数矩阵确定每个波动水质指标之间的相关系数，从对应波动水质指标的所有相关系数中选择相关系数为最大的波动水质指标作为对应波动水质指标的关联波动水质指标；
20.利用对应波动水质指标与其关联波动水质指标之间的相关系数作为权重对所述波动水质指标对应的采样参数序列和所述关联波动水质指标对应的采样参数序列进行线性组合得到所述波动水质指标的合并参数序列，其中，所述合并参数序列包括若干组合所得的合并采样参数；
21.利用每个波动水质指标对应的合并参数序列和每个稳定水质指标对应的采样参
数序列生成对应移动卫生装置的水质预测模型，将移动卫生装置的第一次实时采样数据的采样时间点的上一采样时间点对应的回用水采样数据输入至水质预测模型中得到移动卫生装置的预测采样数据，将所述预测采样数据与第一次实时采样数据进行比较以确定所述移动卫生装置是否出现系统故障。
22.优选地，利用每个波动水质指标对应的合并参数序列和每个稳定水质指标对应的采样参数序列生成对应移动卫生装置的水质预测模型包括：
23.利用每个波动水质指标的合并参数序列生成每个波动水质指标的训练数据集，利用每个稳定水质指标的采样参数序列生成每个稳定水质指标的训练数据集，以采样时间序列中任一采样时间点的下一采样时间点对应的合并采样参数或采样参数为预测目标，以预测目标为变量分别对每个波动水质指标对应的训练数据集和每个稳定水质指标对应的训练数据集进行线性回归以构建对应波动水质指标的一阶回归模型和对应稳定水质指标的一阶回归模型，其中，稳定水质指标的训练数据集中包括若干训练数据对，所述训练数据对中包括稳定水质指标在对应采样时间点的采样参数和作为预测目标的对应采样时间点的下一采样时间点的采样参数；
24.将利用波动水质指标的一阶回归模型预测得到的对应波动水质指标的预测合并采样参数重新合并至对应波动水质指标的训练数据集中以对其进行扩充，将利用稳定水质指标的一阶回归模型预测得到的对应稳定水质指标的预测采样参数重新合并至对应稳定水质指标的训练数据集中以对其进行扩充，分别对扩充后的波动水质指标的训练数据集进行线性回归以得到波动水质指标的二阶回归模型、对扩充后的稳定水质指标的训练数据集进行线性回归以得到稳定水质指标的二阶回归模型；
25.从数据库中获取波动水质指标对应的多个历史合并参数序列对波动水质指标的二阶回归模型进行测试直至模型参数为最优，获取稳定水质指标对应的多个历史采样参数序列对稳定水质指标的二阶回归模型进行测试直至模型参数为最优，基于每个波动水质指标和每个稳定水质指标对应的二阶回归模型构成移动卫生装置的水质预测模型。
26.优选地，当对应移动卫生装置的检修类型为第一类检修时，所述待预测时刻为第二次实时采样数据对应的采样时间点的下一采样时间点；当对应移动卫生装置的检修类型为第二类检修时，所述待预测时刻为第一次实时采样数据对应的采样时间点的下一采样时间点。
27.优选地，所述基于每个移动卫生装置的检修类型、第一次实时采样数据和每个移动卫生装置对应的区域编号的老人密度数据确定每个移动卫生装置的检修优先级还包括：
28.在确定移动卫生装置的检修类型为第一类检修时，基于对应移动卫生装置的区域编号和系统编号生成移动卫生装置的二次原位处理指令，然后将二次原位处理指令发送至移动卫生装置中；
29.获取移动卫生装置执行二次原位处理指令所得到的回用水采样数据，并将其作为第二次实时采样数据；
30.根据每个移动卫生装置的检修类型、第二次实时采样数据和每个移动卫生装置对应的区域编号的老人密度数据确定每个移动卫生装置的检修优先级。
31.优选地，所述区域编号用于表征对应移动卫生装置所处的社区区域。
32.本发明具有以下有益效果：
33.本发明提供的基于大数据和智慧养老的卫生检修系统通过对采集到的移动卫生装置的周期性回用水采样数据和实时回用水采样数据进行分析，以识别移动卫生装置是否处于待检修状态以及处于待检修状态的移动卫生装置的检修类型，相较于传统在线检测方式，能够避免传输故障和移动卫生装置本身的系统故障而引起的水质状态误判断。最终根据每个处于待检修状态的移动卫生装置的区域编号和检修优先级生成相应的检修路径规划，以实现对社区中的移动卫生装置进行周期性的统一检修，能够节省大量的人力物力资源，提升社区老人的生活满意度。
附图说明
34.图1为本发明的基于大数据和智慧养老的卫生检修系统的结构框图。
具体实施方式
35.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
36.参见图1，在一个实施例中，基于大数据和智慧养老的卫生检修系统包括移动卫生装置、在线监测平台和管理终端。移动卫生装置为设置于对应社区区域中的对排放出的废物进行收集、输送和安全处理或处置、未连接到排水管网的设施。管理终端为管理人员所使用的具有计算功能、存储功能和通信功能的设备，其包括：智能手机、台式电脑和笔记本电脑。
37.在线监测平台包括状态识别模块、密度预测模块和路径规划模块。
38.状态识别模块用于根据周期性采样所得的各个移动卫生装置的回用水采样数据组和实时采样所得的各个移动卫生装置的第一次实时采样数据确定处于待检修状态的各个移动卫生装置的检修类型，其中，所述检修类型包括第一类检修和第二类检修，第一类检修为水体更换，第二类检修为系统故障检修。
39.密度预测模块用于将每个移动卫生装置的区域编号对应的社区区域划分为若干相同尺寸的网格区域，基于预训练的老人步态特征识别并确定每个网格区域的老人数量和老人分布位置，基于每个网格区域的老人数量和老人分布位置确定每个网格区域的实时老人密度数据、邻近老人密度数据和周期性老人密度数据；
40.并将获取到的实时老人密度数据、邻近老人密度数据和周期性老人密度数据分别映射至社区区域的相应网格区域中以依次生成社区区域的第一老人密度图、第二老人密度图和第三老人密度图，对第一老人密度图、第二老人密度图和第三老人密度图进行拼接融合得到社区区域的老人流动图，利用所述老人流动图分析得到社区区域在待预测时刻下的老人密度数据。
41.路径规划模块用于根据每个移动卫生装置的检修类型、第一次实时采样数据和每个移动卫生装置对应的区域编号的老人密度数据确定每个移动卫生装置的检修优先级，基于每个处于待检修状态的移动卫生装置的区域编号和检修优先级生成对应的检修路径规划，并将其发送至管理终端。
42.在一个实施例中，基于大数据和智慧养老的卫生检修系统的工作方法可以包括：
43.s101、状态识别模块基于周期性采样所得的各个移动卫生装置的回用水采样数据组和实时采样所得的各个移动卫生装置的第一次实时采样数据确定处于待检修状态的各个移动卫生装置的检修类型。其中，所述检修类型包括第一类检修和第二类检修。第一类检修为水体更换，第二类检修为系统故障检修。
44.在本实施例中，基于周期性采样所得的各个移动卫生装置的回用水采样数据组和实时采样所得的各个移动卫生装置的第一次实时采样数据确定处于待检修状态的各个移动卫生装置的检修类型包括：
45.基于预设的采样时间周期对目标社区中的各个移动卫生装置的回用水进行周期性采样以得到各个移动卫生装置的回用水采样数据组。将回用水采样数据组中的各个回用水采样数据与回用水水质标准进行比较以识别回用水采样数据组中是否存在未达标准的回用水采样数据。
46.若回用水采样数据组中存在未达标准的回用水采样数据，则对相应移动卫生装置的运行状态进行实时监测。在监测到移动卫生装置执行原位处理操作时，将原位处理操作的终止时间点作为在线监测仪器的采样时间点以对移动卫生装置的回用水进行实时采样得到第一次实时采样数据。
47.在检测到移动卫生装置的第一次实时采样数据未达标准时，将对应的移动卫生装置标记为待检修状态。并根据处于待检修状态的移动卫生装置的若干历史回用水采样数据和第一次实时采样数据确定移动卫生装置的检修类型。
48.在实际实施过程中，原位处理操作即对排放出的废物直接在移动卫生装置内部进行原地处理。在线监测仪器用于对移动卫生装置的各个水质指标即ph值、色度、浊度和氨氮进行测量。本发明在检测到移动卫生装置的第一次实时采样数据未达标准时将对应的移动卫生装置标记为待检修状态，而不是在检测到周期性采样所得的回用水采样数据组中的回用水采样数据未达标准时将对应的移动卫生装置标记为待检修状态，能够避免由于数据传输错误或故障而造成的水质状态误判断。
49.在实际实施过程中，步骤“识别回用水采样数据组中是否存在未达标准的回用水采样数据”包括：将回用水采样数据组中的各个回用水采样数据与回用水水质标准进行比较，将数值大于回用水水质标准的回用水采样数据作为未达标准的回用水采样数据。其中，回用水水质标准包括预先设定的ph标准、色度标准、浊度标准和氨氮标准。
50.第一次实时采样数据的检测过程包括：将第一次实时采样数据与回用水水质标准进行比较，当第一次实时采样数据的数值大于回用水水质标准时，则确定第一次实时采样数据未达标准。
51.在本实施例中，根据处于待检修状态的移动卫生装置的若干历史回用水采样数据和第一次实时采样数据确定移动卫生装置的检修类型包括：
52.根据处于待检修状态的移动卫生装置的若干历史回用水采样数据和第一次实时采样数据确定所述移动卫生装置是否出现系统故障；
53.若未出现系统故障，将对应移动卫生装置的检修类型标记为第一类检修；若出现系统故障，将对应移动卫生装置的检修类型标记为第二类检修。
54.在本实施例中，上述步骤“根据处于待检修状态的移动卫生装置的若干历史回用
水采样数据和第一次实时采样数据确定所述移动卫生装置是否出现系统故障”包括：
55.获取处于待检修状态的移动卫生装置的若干历史回用水采样数据，依据历史回用水采样数据的参数类型将获取到的若干历史回用水采样数据分离为多个采样参数序列。从所有采样参数序列中提取序列处于波动状态的采样参数序列并将其标记为波动水质指标。并将剩余采样参数序列标记为稳定水质指标。其中，所述参数类型包括ph值、色度、浊度和氨氮。
56.对波动水质指标对应的采样参数序列进行差分运算直至采样参数序列的序列处于稳定状态。将每个差分运算后的采样参数序列转化为对应的采样参数矩阵。基于每个波动水质指标对应的采样参数矩阵确定每个波动水质指标之间的相关系数。从对应波动水质指标的所有相关系数中选择相关系数为最大的波动水质指标作为对应波动水质指标的关联波动水质指标。
57.利用对应波动水质指标与其关联波动水质指标之间的相关系数作为权重对所述波动水质指标对应的采样参数序列和所述关联波动水质指标对应的采样参数序列进行线性组合得到所述波动水质指标的合并参数序列，其中，所述合并参数序列包括若干组合所得的合并采样参数。
58.利用每个波动水质指标对应的合并参数序列和每个稳定水质指标对应的采样参数序列生成对应移动卫生装置的水质预测模型。将移动卫生装置的第一次实时采样数据的采样时间点的上一采样时间点对应的回用水采样数据输入至水质预测模型中得到移动卫生装置的预测采样数据。将所述预测采样数据与第一次实时采样数据进行比较以确定所述移动卫生装置是否出现系统故障。
59.在本实施例中，步骤“将预测采样数据与第一次实时采样数据进行比较以确定所述移动卫生装置是否出现系统故障”包括：当预测采样数据与第一次实时采样数据之间的数据差值大于设定数据差值，则确定对应移动卫生装置出现系统故障。当预测采样数据与第一次实时采样数据之间的数据差值小于或等于设定数据差值，则确定对应移动卫生装置未出现系统故障。
60.在实际实施过程中，从对应波动水质指标的所有相关系数中选择相关系数为最大的波动水质指标作为对应波动水质指标的关联波动水质指标具体包括：任取一波动水质指标作为目标波动水质指标，将目标波动水质指标的所有相关系数进行比较以识别目标波动水质指标的最大相关系数，将所述最大相关系数对应的波动水质指标作为目标波动水质指标的关联波动水质指标。
61.在实际实施过程中，序列处于波动状态即采样参数序列的平均值和方差随着采样次数的增加而发生改变。序列处于稳定状态即采样参数序列的平均值和方差不随采样次数的增加而改变。
62.在本实施例中，利用对应波动水质指标与其关联波动水质指标之间的相关系数作为权重对所述波动水质指标对应的采样参数序列和所述关联波动水质指标对应的采样参数序列进行线性组合得到所述波动水质指标的合并参数序列还包括：判断组合所得的波动水质指标的合并参数序列是否处于稳定状态，若是，则将该合并参数序列作为对应波动水质指标最终的合并参数序列。若否，则将对应波动水质指标与该关联波动水质指标之间的相关系数去除，以从对应波动水质指标剩余的多个相关系数中选择相关系数为最大的波动
水质指标作为新的关联波动水质指标。
63.进一步，关于上述步骤“利用每个波动水质指标对应的合并参数序列和每个稳定水质指标对应的采样参数序列生成对应移动卫生装置的水质预测模型”的进一步说明可以包括如下：
64.利用每个波动水质指标的合并参数序列生成每个波动水质指标的训练数据集。利用每个稳定水质指标的采样参数序列生成每个稳定水质指标的训练数据集。以采样时间序列中任一采样时间点的下一采样时间点对应的合并采样参数或采样参数为预测目标，以预测目标为变量分别对每个波动水质指标对应的训练数据集和每个稳定水质指标对应的训练数据集进行线性回归以构建对应波动水质指标的一阶回归模型和对应稳定水质指标的一阶回归模型。其中，稳定水质指标的训练数据集中包括若干训练数据对，所述训练数据对中包括稳定水质指标在对应采样时间点的采样参数和作为预测目标的对应采样时间点的下一采样时间点的采样参数。采样时间序列即为采样参数序列的时间序列，由若干采样时间点顺序排列组成。波动水质指标的采样参数序列对应的采样时间序列与稳定水质指标的采样参数序列对应的采样时间序列相同。
65.将利用波动水质指标的一阶回归模型预测得到的对应波动水质指标的预测合并采样参数重新合并至对应波动水质指标的训练数据集中以对其进行扩充。将利用稳定水质指标的一阶回归模型预测得到的对应稳定水质指标的预测采样参数重新合并至对应稳定水质指标的训练数据集中以对其进行扩充。分别对扩充后的波动水质指标的训练数据集进行线性回归以得到波动水质指标的二阶回归模型、对扩充后的稳定水质指标的训练数据集进行线性回归以得到稳定水质指标的二阶回归模型。
66.从数据库中获取波动水质指标对应的多个历史合并参数序列对波动水质指标的二阶回归模型进行测试直至模型参数为最优。获取稳定水质指标对应的多个历史采样参数序列对稳定水质指标的二阶回归模型进行测试直至模型参数为最优。基于每个波动水质指标和每个稳定水质指标对应的二阶回归模型构成移动卫生装置的水质预测模型。
67.在实际实施过程中，波动水质指标的训练数据集中包括若干训练数据对，所述训练数据对中包括波动水质指标在对应采样时间点的合并采样参数和作为预测目标的对应采样时间点的下一采样时间点的合并采样参数。
68.s102、密度预测模块确定每个移动卫生装置的区域编号对应的社区区域在待预测时刻下的老人密度数据。
69.在本实施例中，确定每个移动卫生装置的区域编号对应的社区区域在待预测时刻下的老人密度数据包括：
70.将每个移动卫生装置的区域编号对应的社区区域划分为若干相同尺寸的网格区域。基于预训练的老人步态特征识别并确定每个网格区域的老人数量和老人分布位置。基于每个网格区域的老人数量和老人分布位置确定每个网格区域的实时老人密度数据、邻近老人密度数据和周期性老人密度数据。
71.将获取到的实时老人密度数据、邻近老人密度数据和周期性老人密度数据分别映射至社区区域的相应网格区域中以依次生成社区区域的第一老人密度图、第二老人密度图和第三老人密度图。对第一老人密度图、第二老人密度图和第三老人密度图进行拼接融合得到社区区域的老人流动图。利用所述老人流动图分析得到社区区域在待预测时刻下的老
人密度数据。
72.在实际实施过程中，当对应移动卫生装置的检修类型为第一类检修时，所述待预测时刻为第二次实时采样数据对应的采样时间点的下一采样时间点。当对应移动卫生装置的检修类型为第二类检修时，所述待预测时刻为第一次实时采样数据对应的采样时间点的下一采样时间点。移动卫生装置的区域编号用于表征对应移动卫生装置所处的社区区域。
73.在本实施例中，步骤“利用所述老人流动图分析得到社区区域在待预测时刻下的老人密度数据”包括：
74.利用全卷积神经网络的全卷积部分对老人流动图进行四次下采样得到第一特征映射图、第二特征映射图、第三特征映射图和第四特征映射图。利用全卷积神经网络的反卷积部分对所得的第一特征映射图、第二特征映射图、第三特征映射图和第四特征映射图进行上采样。并对上采样过程得到第一特征融合图、第二特征融合图、第三特征融合图和第四特征融合图进行融合。将融合所得的特征图输入至注意力层中以利用多头注意力机制分析得到待预测时刻下老人流动图的多特征表示。基于待预测时刻下老人流动图的多特征表示分析得到社区区域在待预测时刻下的老人密度数据。
75.在实际实施过程中，邻近老人密度数据为与对应实时时刻邻近的上一时刻的网格区域的老人密度数据。周期性老人密度数据包括以天为单位的平均老人密度数据和以周为单位的平均老人密度数据。实时老人密度数据为对应实时时刻的网格区域的老人密度数据。
76.s103、路径规划模块基于每个移动卫生装置的检修类型、第一次实时采样数据和每个移动卫生装置对应的区域编号的老人密度数据确定每个移动卫生装置的检修优先级。基于每个处于待检修状态的移动卫生装置的区域编号和检修优先级生成对应的检修路径规划，并将其发送至管理终端。
77.在本实施例中，步骤“基于每个移动卫生装置的检修类型、第一次实时采样数据和每个移动卫生装置对应的区域编号的老人密度数据确定每个移动卫生装置的检修优先级”还包括：
78.在确定移动卫生装置的检修类型为第一类检修时，基于对应移动卫生装置的区域编号和系统编号生成移动卫生装置的二次原位处理指令。然后将二次原位处理指令发送至移动卫生装置中。获取移动卫生装置执行二次原位处理指令所得到的回用水采样数据，并将其作为第二次实时采样数据。根据每个移动卫生装置的检修类型、第二次实时采样数据和每个移动卫生装置对应的区域编号的老人密度数据确定每个移动卫生装置的检修优先级。
79.在本实施例中，每个移动卫生装置的检修优先级的确定方法具体包括：
80.当所有移动卫生装置的检修类型均为系统故障检修时，将每个移动卫生装置对应的区域编号的老人密度数据进行比较，老人密度数据所指示的密度越大则对应的移动卫生装置的检修优先级越大。当各个移动卫生装置对应的区域编号的老人密度数据相同时，获取各个移动卫生装置的第一次实时采样数据与回用水水质标准之间的数据差值，数据差值越大则对应的移动卫生装置的检修优先级越大。
81.当所有移动卫生装置的检修类型均为水体更换时，将每个移动卫生装置对应的区域编号的老人密度数据进行比较，老人密度数据所指示的密度越大则对应的移动卫生装置
的检修优先级越大。当各个移动卫生装置对应的区域编号的老人密度数据相同时，获取各个移动卫生装置的第二次实时采样数据与回用水水质标准之间的数据差值，数据差值越大则对应的移动卫生装置的检修优先级越大。
82.当存在部分移动卫生装置的检修类型为系统故障检修，部分移动卫生装置的检修类型为水体更换时，检修类型为系统故障检修的移动卫生装置的检修优先级大于检修类型为水体更换的移动卫生装置的检修优先级。
83.在实际实施过程中，基于每个处于待检修状态的移动卫生装置的区域编号和检修优先级生成对应的检修路径规划包括：依据检修优先级大小对与各个区域编号连通的检修路径进行排序以生成相应的检修路径规划。所述检修路径规划用于指示相关管理人员依据检修优先级大小依次对各个区域编号对应的社区区域进行检修。
84.本发明通过对采集到的移动卫生装置的周期性回用水采样数据和实时回用水采样数据进行分析，以识别移动卫生装置是否处于待检修状态以及处于待检修状态的移动卫生装置的检修类型，相较于传统在线检测方式，能够避免传输故障和移动卫生装置本身的系统故障而引起的水质状态误判断。最终根据每个处于待检修状态的移动卫生装置的区域编号和检修优先级生成相应的检修路径规划，以实现对社区中的移动卫生装置进行周期性的统一检修，能够节省大量的人力物力资源，提升社区老人的生活满意度。
85.虽然本说明书包含许多具体实施细节，但是这些不应被解释为限制任何发明的范围或所要求保护的范围，而是主要用于描述特定发明的具体实施例的特征。本说明书内在多个实施例中描述的某些特征也可以在单个实施例中被组合实施。另一方面，在单个实施例中描述的各种特征也可以在多个实施例中分开实施或以任何合适的子组合来实施。此外，虽然特征可以如上所述在某些组合中起作用并且甚至最初如此要求保护，但是来自所要求保护的组合中的一个或多个特征在一些情况下可以从该组合中去除，并且所要求保护的组合可以指向子组合或子组合的变型。
86.类似地，虽然在附图中以特定顺序描绘了操作，但是这不应被理解为要求这些操作以所示的特定顺序执行或顺次执行、或者要求所有例示的操作被执行，以实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。此外，上述实施例中的各种系统模块和组件的分离不应被理解为在所有实施例中均需要这样的分离，并且应当理解，所描述的程序组件和系统通常可以一起集成在单个软件产品中，或者封装成多个软件产品。
87.以上所述仅为本技术的较佳实施例而已，并不用以限制本技术，凡在本技术的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本技术保护的范围之内。