一种基于大数据的野外救援分析系统
技术领域
本发明涉及大数据领域,具体是一种基于大数据的野外救援分析系统。
背景技术
野外活动是指到远离城市的地方进行不同类型的活动体验和体力运动。参与野外活动不仅能够亲近阳光和空气,而且能够锻炼身体、放松心情。但是野外活动不同于一般室内的活动,野外活动的不确定性更大,安全系数更低,因此在野外活动中常常发生人员失散的情况,这时候需要专业的救援人员来搜救。但是现有技术中缺少帮助野外救援分析的技术。
发明内容
本发明的目的在于提供一种基于大数据的野外救援分析系统及方法,以解决现有技术中的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于大数据的野外救援分析系统,所述野外救援分析系统包括身心评价值获取模块、地势评价值获取模块、搜救评价值获取模块和救援情况预判分析模块,所述身心评价值获取模块根据被救援人员身心状况获取身心评价值,所述地势评价值获取模块根据被搜救区域地势情况获取地势评价值,所述搜救评价值获取模块根据搜救人员的搜救史获取搜救评价值,所述救援情况预判分析模块根据身心评价值、地势评价值和搜救评价值预判分析该次野外救援情况。
较优化地,所述身心评价值获取模块包括综合心理参数获取模块、身体参数获取模块、预判参数获取模块和身心评价值计算模块,所述综合心理参数获取模块包括第一心理参数获取模块、第二心理参数获取模块和综合心理参数计算模块,所述第一心理参数获取模块包括放松心率统计模块、晴天驾驶心率统计模块、雾天驾驶心率统计模块、第一驾驶心率参考量计算模块、第二驾驶心率参考量计算模块、心率比较参数计算模块、心率参数计算模块和第一心理参数计算模块,所述放松心率统计模块用于统计被救援人员处于放松状态时的平均心率a1,所述晴天驾驶心率统计模块用于统计被救援人员在晴天时驾驶车辆时的平均心率a2,所述雾天驾驶心率统计模块用于统计被救援人员在雾天天驾驶车辆时的心率a3,所述第一驾驶心率参考量计算模块根据平均心率a1和平均心率a2计算第一驾驶心率参考量,所述第二驾驶心率参考量计算模块根据平均心率a2和平均心率a3计算第二驾驶心率参考量,所述心率比较参数计算模块根据第一驾驶心率参考量和第二驾驶心率参考量计算心率比较参数,所述心率参数计算模块根据心率比较参数和心率比较阈值的大小关系输出心率参数,所述第一心理参数计算模块根据心率参数和心率阈值计算第一心理参数;所述第二心理参数获取模块包括抗压打分评价模块和第二心理参数计算模块,所述抗压打分评价模块用于统计被救援人员和被救援人员的同事对被救援人员抗压能力的打分,所述第二心理参数计算模块根据抗压打分评价模块统计的打分和抗压能力阈值计算第二心理参数;所述综合心理参数计算模块根据第一心理参数和第二心理参数计算综合心理参数,所述身体参数获取模块根据被救援人员的体检报告情况输出身体参数,所述预判参数获取模块包括第一生存因素计算模块、第二生存因素计算模块、第三生存因素计算模块和预判参数计算模块,所述第一生存因素计算模块用于从被救援人员的活动史中判断被救援人员是否参加过野外生存教学活动,并据此输出第一生存因素,所述第二生存因素计算模块用于从被救援人员的阅读史中判断被救援人员是否阅读过野外生存的相关书籍、并据此输出第二生存因素,所述第三生存因素计算模块被救援人员的年龄信息根据被救援人员的年龄信息输出第三生存因素,所述预判参数计算模块根据第一生存因素、第二生存因素、第三生存因素计算预判参数,所述身心评价值计算模块根据综合心理参数、身体参数、预判参数计算身心评价值。
较优化地,所述地势评价值获取模块包括地形评价值获取模块、植被评价值获取模块和地势评价值计算模块,所述地形评价值获取模块根据被搜救区域的地形输出地形评价值,所述植被评价值获取模块包括植被高度统计模块、覆盖面积统计模块、整体植被高度计算模块和植被评价值计算模块,所述植被高度统计模块用于统计每种植被的高度,所述覆盖面积统计模块统计每种植被高度相应的覆盖面积,所述整体植被高度计算模块根据植被高度和覆盖面积计算整体植被高度,所述植被评价值计算模块根据整体植被高度和整体植被高度阈值计算植被评价值;所述地势评价值计算模块根据地形评价值、植被评价值计算地势评价值,所述搜救评价值获取模块包括搜救面积指数获取模块、搜救熟练指数获取模块和搜救评价值计算模块,所述搜救面积指数获取模块包括单位搜救面积计算模块和搜救面积指数计算模块,所述单位搜救面积计算模块统计被搜救区域的面积和搜救人员人数来计算单位搜救面积,所述搜救面积指数计算模块根据单位搜救面积和单位搜救面积阈值计算搜救面积指数,所述搜救熟练指数获取模块包括搜救熟练度计算模块和搜救熟练指数计算模块,所述个人搜救熟练度计算模块根据搜救人员在当前被搜救区域进行搜救的次数得出个人搜救熟练度,所述整体搜救熟练度计算模块根据个人搜救熟练度计算出整体搜救熟练度,所述搜救熟练指数计算模块根据整体搜救熟练度和熟练度阈值计算搜救熟练指数,所述搜救评价值计算模块根据搜救面积指数和搜救熟练指数计算搜救评价值;所述救援情况预判分析模块包括综合评价值计算模块和综合评价值比较模块,所述综合评价值计算模块根据根据身心评价值、地势评价值和搜救评价值计算综合评价值,所述综合评价值比较模块根据综合评价值的大小预判分析该次野外救援情况。
一种基于大数据的野外救援分析方法,所述野外救援分析方法包括:
步骤S1:根据被救援人员身心状况获取身心评价值x0;
步骤S2:根据被搜救区域地势情况获取地势评价值y0;
步骤S3:根据搜救人员的搜救史获取搜救评价值z0;
步骤S4:根据身心评价值、地势评价值和搜救评价值预判分析该次野外救援情况。
较优化地,所述步骤S1进一步包括:
步骤S11:获取被救援人员的心理状况:
步骤S111:收集被救援人员处于放松状态时的平均心率a1,收集被救援人员在晴天时驾驶车辆时的平均心率a2,收集被救援人员在雾天驾驶车辆时的心率a3;
步骤S112:计算第一驾驶心率参考量h1=(a2-a1)/a1,计算第二驾驶心率参考量h2=(a3-a2)/a2,则心率比较参数g1=(h2-h1)/h1,当心率比较参数大于等于心率比较阈值时,心率参数a0=a3,当心率比较参数小于心率比较阈值时,心率参数a0=(a1+a2+a3)/3;
步骤S112:计算第一心理参数r1=(a0-ay)/ay,其中ay为心率阈值;通过放松时的平均心率、晴天时驾驶车辆时的平均心率、雾天时驾驶车辆时的平均心率判断被救援人员的抗压情况,当被救援人员的心率波动较小时,说明被救援人员抗压能力较强,在野外失散时能够比较沉着冷静;
步骤S113:收集被救援人员和被救援人员的同事对被救援人员抗压能力的打分评价,其中,0表示被救援人员的抗压能力很强,1表示被救援人员的抗压能力很弱,
设被救援人员的打分为k1,被救援人员的同事的平均打分为k2,则第二心理参数r2=[(k1+k2)/2-k0]/k0,其中,k0为抗压能力阈值;
步骤S114:计算综合心理参数r0=(1-p)*r1+p*r2,其中计算抗压评价比较参数L1=|k2-k1|/k1,当抗压评价比较参数小于等于抗压评价比较阈值时,p=0.5;当抗压评价比较参数大于抗压评价比较阈值时,p=0.3;通过抗压评价比较参数来提高综合心理参数得准确度,当抗压评价比较参数大于抗压评价比较阈值时,说明被救援人员和被救援人员的同事对于被救援人员的抗压能力得评价分歧比较大,因此通过减小第二心理参数得权重来提高综合心理参数的准确率;
步骤S12:获取被救援人员的身体状况:
收集被救援人员的体检报告情况,判断被救援人员是否存在急性疾病,如果被救援人员存在急性疾病,身体参数c0=1,如果被救援人员不存在急性疾病,身体参数c0=0;
步骤S13:预判被救援人员的野外生存情况:
收集被救援人员的活动史,判断被救援人员是否参加过野外生存教学活动,如果被救援人员参加过野外生存教学活动,那么第一生存因素d1=0,否则第一生存因素d1=1;
收集被救援人员的阅读史,判断被救援人员是否阅读过野外生存的相关书籍,如果被救援人员阅读过野外生存的相关书籍,那么第二生存因素d2=0,否则第二生存因素d2=1;被救援人员参加过野外生存教学活动或者阅读过野外生存的相关书籍,接触过野外生存相关领域的东西有助于被救援人员平复心情,保持冷静,提高救援成功率;
获取被救援人员的年龄信息,如果被救援人员的年龄位于25岁到40岁之间,那么第三生存因素d3=0,否则第三生存因素d3=1;
计算被救援人员的预判参数d0=0.4*d1+0.3*d2+0.3*d3
步骤S14:计算被救援人员的身心评价值x0=0.39*r0+0.25*c0+0.36*d0。
较优化地,所述步骤S2进一步包括:
步骤S21:获取被搜救区域的地形,当被搜救区域的地形为平原时,地形评价值y1=0.2,当被搜救区域的地形为丘陵、盆地、山地和高原时,地形评价值y1=0.5;
步骤S22:获取被搜救区域每种植被的高度及其相应的覆盖面积,计算该被搜救区域的整体植被高度,整体植被高度等于每种植被的高度的加权之和,其中,每种植被的高度的权重值为该种植被的覆盖面积占所有植被的覆盖面积的百分数,
计算植被评价值y2=(fh-f0)/f0,其中,fh为整体植被高度,f0为整体植被高度阈值;植被的高度越高,覆盖的面积越广,越不容易搜救到被救援人员,搜救的难度也就越高;
步骤S23:计算被搜救区域的地势评价值y0=0.5*y1+0.5*y2。
较优化地,所述步骤S3进一步包括:
获取当前被搜救区域的面积S1,获取搜救人员的人数N1,计算单位搜救面积t1=N1/S1,则搜救面积指数z1=(t1-tm)/tm,其中,tm为单位搜救面积阈值;
收集搜救人员在当前被搜救区域进行搜救的次数b1,当次数b1等于0时,该搜救人员的个人搜救熟练度d=0.8,当次数b1等于1时,该搜救人员的个人搜救熟练度d=0.5,当次数b1大于等于2时,该搜救人员的个人搜救熟练度d=0.3,那么整体搜救熟练度,其中di表示第i个搜救人员的个人搜救熟练度,则搜救熟练指数z2=(t2-ts)/ts,其中ts为熟练度阈值;搜救人员对于被搜救区域的熟悉程度越高,有助于提高搜救效率;
计算搜救人员的搜救评价值z0=0.5*z1+0.5*z2。
较优化地,所述步骤S4包括:
计算综合评价值u=0.4*x0+0.3*y0+0.4*z0,
当综合评价值小于等于0.6时,搜救人员安全成功救援被救援人员的几率较高,
当综合评价值大于0.6时,搜救人员安全成功救援被救援人员的几率较低,最好能够加派搜救人员。
与现有技术相比,本发明的有益效果是:本发明通过分别从被救援人员、被搜救区域、搜救人员三个方面来分析搜救人员安全成功救援被救援人员的几率,在安全成功救援几率较低的情况下,提出救援建议,进一步提高安全成功救援人员的几率。
附图说明
图1为本发明一种基于大数据的野外救援分析系统的模块示意图;
图2为本发明一种基于大数据的野外救援分析方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1~2,本发明实施例中,一种基于大数据的野外救援分析系统,所述野外救援分析系统包括身心评价值获取模块、地势评价值获取模块、搜救评价值获取模块和救援情况预判分析模块,所述身心评价值获取模块根据被救援人员身心状况获取身心评价值,所述地势评价值获取模块根据被搜救区域地势情况获取地势评价值,所述搜救评价值获取模块根据搜救人员的搜救史获取搜救评价值,所述救援情况预判分析模块根据身心评价值、地势评价值和搜救评价值预判分析该次野外救援情况。
所述身心评价值获取模块包括综合心理参数获取模块、身体参数获取模块、预判参数获取模块和身心评价值计算模块,所述综合心理参数获取模块包括第一心理参数获取模块、第二心理参数获取模块和综合心理参数计算模块,所述第一心理参数获取模块包括放松心率统计模块、晴天驾驶心率统计模块、雾天驾驶心率统计模块、第一驾驶心率参考量计算模块、第二驾驶心率参考量计算模块、心率比较参数计算模块、心率参数计算模块和第一心理参数计算模块,所述放松心率统计模块用于统计被救援人员处于放松状态时的平均心率a1,所述晴天驾驶心率统计模块用于统计被救援人员在晴天时驾驶车辆时的平均心率a2,所述雾天驾驶心率统计模块用于统计被救援人员在雾天天驾驶车辆时的心率a3,所述第一驾驶心率参考量计算模块根据平均心率a1和平均心率a2计算第一驾驶心率参考量,所述第二驾驶心率参考量计算模块根据平均心率a2和平均心率a3计算第二驾驶心率参考量,所述心率比较参数计算模块根据第一驾驶心率参考量和第二驾驶心率参考量计算心率比较参数,所述心率参数计算模块根据心率比较参数和心率比较阈值的大小关系输出心率参数,所述第一心理参数计算模块根据心率参数和心率阈值计算第一心理参数;所述第二心理参数获取模块包括抗压打分评价模块和第二心理参数计算模块,所述抗压打分评价模块用于统计被救援人员和被救援人员的同事对被救援人员抗压能力的打分,所述第二心理参数计算模块根据抗压打分评价模块统计的打分和抗压能力阈值计算第二心理参数;所述综合心理参数计算模块根据第一心理参数和第二心理参数计算综合心理参数,所述身体参数获取模块根据被救援人员的体检报告情况输出身体参数,所述预判参数获取模块包括第一生存因素计算模块、第二生存因素计算模块、第三生存因素计算模块和预判参数计算模块,所述第一生存因素计算模块用于从被救援人员的活动史中判断被救援人员是否参加过野外生存教学活动,并据此输出第一生存因素,所述第二生存因素计算模块用于从被救援人员的阅读史中判断被救援人员是否阅读过野外生存的相关书籍、并据此输出第二生存因素,所述第三生存因素计算模块被救援人员的年龄信息根据被救援人员的年龄信息输出第三生存因素,所述预判参数计算模块根据第一生存因素、第二生存因素、第三生存因素计算预判参数,所述身心评价值计算模块根据综合心理参数、身体参数、预判参数计算身心评价值。
所述地势评价值获取模块包括地形评价值获取模块、植被评价值获取模块和地势评价值计算模块,所述地形评价值获取模块根据被搜救区域的地形输出地形评价值,所述植被评价值获取模块包括植被高度统计模块、覆盖面积统计模块、整体植被高度计算模块和植被评价值计算模块,所述植被高度统计模块用于统计每种植被的高度,所述覆盖面积统计模块统计每种植被高度相应的覆盖面积,所述整体植被高度计算模块根据植被高度和覆盖面积计算整体植被高度,所述植被评价值计算模块根据整体植被高度和整体植被高度阈值计算植被评价值;所述地势评价值计算模块根据地形评价值、植被评价值计算地势评价值,所述搜救评价值获取模块包括搜救面积指数获取模块、搜救熟练指数获取模块和搜救评价值计算模块,所述搜救面积指数获取模块包括单位搜救面积计算模块和搜救面积指数计算模块,所述单位搜救面积计算模块统计被搜救区域的面积和搜救人员人数来计算单位搜救面积,所述搜救面积指数计算模块根据单位搜救面积和单位搜救面积阈值计算搜救面积指数,所述搜救熟练指数获取模块包括搜救熟练度计算模块和搜救熟练指数计算模块,所述个人搜救熟练度计算模块根据搜救人员在当前被搜救区域进行搜救的次数得出个人搜救熟练度,所述整体搜救熟练度计算模块根据个人搜救熟练度计算出整体搜救熟练度,所述搜救熟练指数计算模块根据整体搜救熟练度和熟练度阈值计算搜救熟练指数,所述搜救评价值计算模块根据搜救面积指数和搜救熟练指数计算搜救评价值;所述救援情况预判分析模块包括综合评价值计算模块和综合评价值比较模块,所述综合评价值计算模块根据根据身心评价值、地势评价值和搜救评价值计算综合评价值,所述综合评价值比较模块根据综合评价值的大小预判分析该次野外救援情况。
一种基于大数据的野外救援分析方法,所述野外救援分析方法包括:
步骤S1:根据被救援人员身心状况获取身心评价值x0;
步骤S11:获取被救援人员的心理状况:
步骤S111:收集被救援人员处于放松状态时的平均心率a1,收集被救援人员在晴天时驾驶车辆时的平均心率a2,收集被救援人员在雾天驾驶车辆时的心率a3;
步骤S112:计算第一驾驶心率参考量h1=(a2-a1)/a1,计算第二驾驶心率参考量h2=(a3-a2)/a2,则心率比较参数g1=(h2-h1)/h1,当心率比较参数大于等于心率比较阈值时,心率参数a0=a3,当心率比较参数小于心率比较阈值时,心率参数a0=(a1+a2+a3)/3;
步骤S112:计算第一心理参数r1=(a0-ay)/ay,其中ay为心率阈值;
步骤S113:收集被救援人员和被救援人员的同事对被救援人员抗压能力的打分评价,其中,0表示被救援人员的抗压能力很强,1表示被救援人员的抗压能力很弱,
设被救援人员的打分为k1,被救援人员的同事的平均打分为k2,则第二心理参数r2=[(k1+k2)/2-k0]/k0,其中,k0为抗压能力阈值;
步骤S114:计算综合心理参数r0=(1-p)*r1+p*r2,其中计算抗压评价比较参数L1=|k2-k1|/k1,当抗压评价比较参数小于等于抗压评价比较阈值时,p=0.5;当抗压评价比较参数大于抗压评价比较阈值时,p=0.3;
步骤S12:获取被救援人员的身体状况:
收集被救援人员的体检报告情况,判断被救援人员是否存在急性疾病,如果被救援人员存在急性疾病,身体参数c0=1,如果被救援人员不存在急性疾病,身体参数c0=0;
步骤S13:预判被救援人员的野外生存情况:
收集被救援人员的活动史,判断被救援人员是否参加过野外生存教学活动,如果被救援人员参加过野外生存教学活动,那么第一生存因素d1=0,否则第一生存因素d1=1;
收集被救援人员的阅读史,判断被救援人员是否阅读过野外生存的相关书籍,如果被救援人员阅读过野外生存的相关书籍,那么第二生存因素d2=0,否则第二生存因素d2=1;
获取被救援人员的年龄信息,如果被救援人员的年龄位于25岁到40岁之间,那么第三生存因素d3=0,否则第三生存因素d3=1;
计算被救援人员的预判参数d0=0.4*d1+0.3*d2+0.3*d3
步骤S14:计算被救援人员的身心评价值x0=0.39*r0+0.25*c0+0.36*d0。
步骤S2:根据被搜救区域地势情况获取地势评价值y0;
步骤S21:获取被搜救区域的地形,当被搜救区域的地形为平原时,地形评价值y1=0.2,当被搜救区域的地形为丘陵、盆地、山地和高原时,地形评价值y1=0.5;
步骤S22:获取被搜救区域每种植被的高度及其相应的覆盖面积,计算该被搜救区域的整体植被高度,整体植被高度等于每种植被的高度的加权之和,其中,每种植被的高度的权重值为该种植被的覆盖面积占所有植被的覆盖面积的百分数,
计算植被评价值y2=(fh-f0)/f0,其中,fh为整体植被高度,f0为整体植被高度阈值;
步骤S23:计算被搜救区域的地势评价值y0=0.5*y1+0.5*y2。
步骤S3:根据搜救人员的搜救史获取搜救评价值z0;
获取当前被搜救区域的面积S1,获取搜救人员的人数N1,计算单位搜救面积t1=N1/S1,则搜救面积指数z1=(t1-tm)/tm,其中,tm为单位搜救面积阈值;
收集搜救人员在当前被搜救区域进行搜救的次数b1,当次数b1等于0时,该搜救人员的个人搜救熟练度d=0.8,当次数b1等于1时,该搜救人员的个人搜救熟练度d=0.5,当次数b1大于等于2时,该搜救人员的个人搜救熟练度d=0.3,那么整体搜救熟练度,其中di表示第i个搜救人员的个人搜救熟练度,则搜救熟练指数z2=(t2-ts)/ts,其中ts为熟练度阈值;
计算搜救人员的搜救评价值z0=0.5*z1+0.5*z2。
步骤S4:根据身心评价值、地势评价值和搜救评价值预判分析该次野外救援情况:
计算综合评价值u=0.4*x0+0.3*y0+0.4*z0,
当综合评价值小于等于0.6时,搜救人员安全成功救援被救援人员的几率较高,
当综合评价值大于0.6时,搜救人员安全成功救援被救援人员的几率较低,最好能够加派搜救人员。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
- 上一篇:石墨接头机器人自动装卡簧、装栓机
- 下一篇:分诊方法、装置、计算机设备及存储介质