急救系统的病情处理路径规划方法与流程

本发明涉及急救路径规划技术领域，特别是涉及急救系统的病情处理路径规划方法。

背景技术：

目前，人们对病情应急反应速度的要求越来越高，而城市尤其是特大型城市如上海、北京的中心城区拥堵极为严重。对于病情的处理，现有急救系统大多是在城市的某些区域内设置多个急救服务站（医院），当病情发生时，都是距离最近的急救工作站响应，前往病情发生地处置病情。而在中心城区的急救服务站到病情发生地以及返回时，往往一半路段是拥堵的，以往的由急救服务站到病情发生地的通行路径以及返回时的路径，都由急救人员个人依据个人经验快速得出，由于急救人员的经验不同以及判断决策水平不一，因此病情的处理效率会受急救人员的个人因素大幅影响。常常发生救护车堵在路上的情形，出行时间大幅提高数倍甚至数十倍的情况，给百姓的生命财产安全造成极大的隐患。

近来虽然也出现一些路径控制的策略，但都是静态的，往往不考虑拥堵，仅仅寻找到病情发生点最近急救服务站，而后找出最近急救服务站到病情发生点间最短路径，将此最短路径定为最终急救车行车路径；即便考虑拥堵，也简单以拥堵不拥堵来划分路况，而对拥堵路况简单化，给出统一的车辆通行速度，显然不够合理。

另外从病情发生点到目的急救服务站之间的路径没有路径控制的策略，简单以返回代之，实际上起点急救服务站和目的急救服务站并不一定同一，而应该以病人最快到医院也即目的急救服务站为最终目标。

以往的策略考量没有能够很好的发掘以往交通数据，在交通拥堵常态化的大城市的中心城区亟待改进这种处理病情方式。

本人的申请号为2017111517284的申请提出了一种解决方案，本发明对该方案继续进行优化推广。

很多随机现象可以用正态分布来描述或者近似描述，在观测值足够多时，大量随机现象用正态分布来描述可以非常好的体现现象本身的发生规律，做出准确的预测。

正态分布（normaldistribution）又名高斯分布（gaussiandistribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量x服从一个数学期望为μ、方差为σ²的高斯分布，记为

x∼n(μ,σ²),

其概率密度函数为

正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。

正态分布有些极好的统计性质:

（1）其密度函数关于均值对称，

（2）其数据高度集中于均值μ附近，p（-σ<x-μ<σ）=68%,也即近70%的数据分布于区间（μ-σ，μ+σ）。

技术实现要素：

本发明的目的是提供一种急救车的处理病情的路径控制策略，发掘利用以往交通数据，给出不同拥堵路段的不同道路通行速度，找出从急救服务站到病情发生点再到目的急救服务站的用时最短的相应路径，保证急救病人在最短的时间内到达目的急救服务站，病人及时得到救护。

为实现上述目的，本发明采用以下技术方案：

急救系统的病情处理路径规划方法，包括步骤：

（1）获取求救信号所对应的病情发生地的地理位置信息以及时间信息；

（2）根据所述病情发生地的地理位置信息，搜索预设区域内的急救服务站，获得临近急救服务站的地理位置信息；

（3）根据地理数据库以及病情发生地以及急救服务站的地理位置信息，找出急救服务站所在地至病情发生地的所有可能通行路径:路径1,路径2,…,路径n；

（4）确定每一通行路径的路段：确定路径1的具体路段，路径2的具体路段,…,路径n的具体路段；

（5）确定每一路段所用时间tij：利用路段用时模型，计算所有可能通行路径的每一路段所用时间，tij表示路径i的第j路段所用时间，i取值范围为1,…,n,j取值范围为1,…,m；

（6）确定每一路径所用时间t1，t2，…,tn：将每一路径i的各路段所用时间之和算出即：ti=ti1+ti2+…+tim；

（7）取t1，t2，…,tn最小值ta，则a路径为目标路径，也即选取a路径为最终行车路径，对应的急救服务站为提供救援的急救服务站；

急救指挥系统向对应的急救服务站发出指令，并且向其提供出行车路径a，对应的急救服务站执行指令，急救车沿着路径a出行即可在大约ta分钟内到达求救地点进行施救。

所述地理位置信息都可以从地理数据库中获得，地理数据库包括道路经纬度坐标信息、道路名称、道路长度、建筑经纬度坐标、建筑名称等，所述地理数据库是根据现有地理信息建立而成。

根据所述病情发生地的地理位置信息，搜索预设区域内的急救服务站，具体包括：以所述病情发生地的经纬度坐标为中心，搜索预设半径内的急救服务站；根据搜索到的急救服务站，确定所述急救服务站对应的经纬度坐标。

所述的通行路径的各路段的确定规则为：每一路段的道路名称单一，且包括起始点，不包括终点，最后一条路段包括起点终点。

道路交通数据库，其特征在于：包括道路名、道路长路，车辆每一时刻在双向上的平均速度。

所述的路段用时模型，对某一路段用时模型建立方法为:

s01确定时刻信息：e年a月b日c时d分，a,b,c,d,e确定,时刻信息以分钟为最小计时单位；

s02由地理数据库，获取所述路段长度s；

s03从道路交通数据库获取前60天中c时d分该路段的机动车平均速度，得到一组60个速度数据；

s04由t=s/v得到机动车行完所述路段所需时间；

s05取μ=(t1+t2+t3+…+t60)/60;σ²=(t1²+t2²+t3²+…+t60²)/60-μ²,记通过路段的时间x，x服从一个数学期望为μ、标准方差为σ²的正态分布，记为：

x∼n(μ,σ²),

s06将μ,σ代入概率密度函数公式;

s07确定t，具体为：由正态分布数据库或者正态分布计算模块求出t0，使得p（x<=t0）=0.9；t0即为在c时d分，机动车行完所述路段预估的所需时间。

所述的60个速度数据，分别为前1日、前2日、前3，4，5…60日上述c时d分在所述路段的机动车平均行驶速度v1，v2，…，v60。

所述的该路段的机动车平均速度，可以由该路段的速度摄像头获得该路段的所述时刻数种机动车行驶速度，然后取其平均值。

所述急救系统，其特征在于，包括急救指挥系统，道路交通数据库，地理数据库，正态分布计算模块，正态分布数据库，急救服务站；急救指挥系统可以调用各数据库、正态分布计算模块，与急救服务站以及外界通讯，处理数据；其中正态分布数据库可以由上述概率密度函数以及参数μ,σ²，概率p给出上述t0。

本发明的优点：

本发明以各路段路段用时模型为基础，挖掘利用以往2个月约60天的交通数据，具体到特定时刻，特定路段，根据以往的60天的交通数据，用统计方法估算出各路段的通行时间，进而得到急救人员由所取路径驾救护车到病情发生地再到目的急救服务站的时间，在极度拥堵的情况下，救护车行车时间仍然可控，并且达到最优。

本发明充分考虑各路段的拥堵，对各路段的交通数据加以挖掘，尤其注意及时利用算出的前一路段的最新通行时间数据，在路段的时刻选取上实现了动态规划。

本算法确定的急救服务站是由动态出车时间最短确定的，而非以往简单以静态出车时间确定，保证了用时最短，提高了整个急救系统的效率。

另外，本发明取的数据不多，所以数据的采集通讯以及处理都非常迅速，数据处理方式简单高效，且结果反馈极快，可以实现瞬时处理并且给出结果，成本极低，易于推广。

具体实施方式

实施例1：

比如120急救指挥系统于2017年3月4日下午5点6分23秒接到病情报告延安路7号801室有病人心脏病突发，急需救援。

那么急救指挥系统将做如下操作：

（1）根据地理数据库调取延安路7号的建筑名称为黄河大厦、经纬度坐标为（东经8°，北纬9°），得到病情发生地的地理位置信息；

（2）以黄河大厦（东经8°，北纬9°）为中心，假定以5公里为预定搜索半径，搜索5公里内的急救服务站，得到临近急救服务站的地理位置信息以及名称：安1急救服务站（东经10°，北纬11°），安2急救服务站（东经12°，北纬13°）；

（3）由地理数据库容易得到安1急救服务站（东经10°，北纬11°）到黄河大厦（东经8°，北纬9°）再到安1急救服务站（东经10°，北纬11°）有2条路径，具体为路径1，路径2；

（4）类似的找出安1急救服务站到黄河大厦再到安2急救服务站有3条不同路径，具体为路径3，路径4，路径5；安2急救服务站到黄河大厦再到安1急救服务站有3条不同路径，具体为路径6，路径7，路径8；安2急救服务站到黄河大厦再到安2急救服务站有4条不同路径，具体为路径9，路径10，路径11，路径12；

(5)我们以路径1为例说明如何确定路径的路段：路径1由3个路段组成具体为：延安1路，延安2路，延安3路；起始急救服务站经延安1路段、延安2路段至病情发生点再经延安3路至目的急救服务站，延安1路包括起点路口，延安2路、延安3路段包括起点路口和终点路口，这样单一方向上所有路口都被算到且只算了一次；

利用路段用时模型，计算路径1的每一路段所用时间t1,1，t1,2，t1,3;

(6)以第1路段延安1路所化时间t1,1为例说明如何建立某一路段用时模型，具体方法为：

s01由出发时间2017年3月4日下午5点6分23秒确定时刻信息2017年3月4日17时6分；也即将6分23秒四舍五入得到6分；

s02由地理数据库获取路段延安1路长度s=2公里；

s03根据道路交通数据库，获取前1日17时6分即2017年9月3日17时6分路段延安1路的机动车平均速度:由延安1路的速度摄像头获得2017年9月3日17时6分四种机动车行驶速度，分别为：30，22，18，26，取其平均值（30+22+18+26）/4=24，所以v1=24公里/小时；获取前2日17时6分即2017年9月2日17时6分路段延安1路的机动车平均行驶速度v2=25公里/小时……获取前60日当日17时6分路段延安1路的机动车平均行驶速度v60=25公里/小时

前n日（1=<n<=60）机动车17时6分平均行驶速度v公里/小时

前1日v1=24

前2日v2=25

..

..

前30日v30=24

..

..

前60日v60=20.7

s04由t=s/v得t1=2/24小时=5分钟，即前1日17时6分机动车开车行完延安1路所需时间,前2日17时6分机动车行完延安1路路段所需时间t2=4.8分钟,如此，得出警情发生前3，4，5…60日17时6分机动车行完延安1路所需时间t3,t4,…,t60;

tit1,t2,t3,t4,t5,…,t30,…,t60

时间/分钟5,4.8,4.9,5.2,5.1,…,5,…,5.8

s05由μ=(t1+t2+t3+…+t60)/60=(5+4.8+4.9+…+5.8)/60=5，

σ²=(t1²+t2²+t3²+…+t60²)/60-μ²=(5²+4.8²+4.9²+…+5.8²)/60-5²=8.41，

记机动车行完延安1路所需时间为x，x服从一个数学期望为μ=5、方差为σ²=8.41的正态分布，即x∼n(5,8.41)；

s06将μ=5,σ=2.9代入

=，得到具体的概率密度函数公式;

s07由p（x<=t0）=0.9求t0，具体为

使得p（x<=t0）=0.9=

由正态分布计算模块计算得到t0=9分钟，t0即为在17时6分机动车行完延安1路预估的时间，t1,1=9分钟该预估时间的准确率为90%，也就是机动车在9分钟内行完延安1路的概率为90%，或说确定性为90%。

t1,2,t1,3算法同t1,1，所不同处仅在于初始时刻：

t1,12017年9月4日17时6分,

又t1，1=9分钟，所以：

t1,22017年9月4日17时15分，

即利用上述路段用时模型计算t1,2时，初始时刻信息取2017年9月4日17时15分，进而算出t1，2=5分钟，那么类似的

t1,32017年9月4日17时20分

即利用上述路段用时模型计算t1,3时，初始时刻信息取2017年9月4日17时20分，进而算出t1，3=7分钟；

(7)由第1路段延安1路所化时间t1，1=9分钟，第2段延安2路所化时间t1,2=5分钟，第3段延安3路所化时间t1,3=7分钟;

那么路径1的通行时间t1=t1,1+t1,2+t1,3=9+5+7=21分钟，即t1=21分钟。

因为路径1由3个路段组成，而每一路段的概率为0.9的用时分别为9分钟以内，5分钟以内，7分钟以内。

类似的，我们可以算出路径2,…,路径12的通行时间，t1，t2，…,t12,如下表所示：

tit1，t2，t3，t4,t5，t6，t7，t8，t9,t10，t11，t12

单位/分钟21，25，26，30，37，44，24，25，39，28，27，30

(8)t1=21最小，故取路径1为目标路径，安1急救服务站为起始急救服务站也是目的急救服务站。

路径1为最终行车路径，对应的各路段为延安1路，延安2路，延安3路。

急救指挥系统向安1急救服务站发出指令，并且向安1急救服务站提供详细行车路径1以及建议速度信息，安1急救服务站执行指令，救护车即可在接到病情信号21分钟内到由安1急救服务站经由延安1路、延安2路到达黄河大厦接病人再由延安3路到达安1急救服务站，该急救站也即医院进行施救；每一路段的用时可靠性为90%以上。