一种基于大数据的大健康智能管理系统及方法

技术领域

本发明涉及大健康智能管理技术领域，具体为一种基于大数据的大健康智能管理系统及方法。

背景技术

现如今，智能设备是每个人必不可少的东西，智能设备记载着我们生活中各种各样的数据信息，包括能反应我们健康状态的数据信息；但同时如此繁多复杂的数据信息中，无法分辨出哪些数据是能够对我们身体状况进行判断的有用信息，在这些拥有智能设备记录数据的群体中，数据反应出的健康趋势又是怎样的，对应着趋势的发展我们自身的状况又是怎样的，如何利用成熟的数据去有效快速的分析自身的健康状况且对自身进行提醒调整是当下急需解决的问题。

发明内容

本发明的目的在于提供一种基于大数据的大健康智能管理系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的大健康智能管理方法，包括以下步骤：

获取用户携带的智能设备的历史数据并建立用户数据库，智能设备连接智能管理系统，用户数据库用于存储不同用户携带的智能设备中有关各自用户行为特征的所有数据信息；智能管理系统设置监测周期；

分析用户数据库中不同行为特征数据在监测周期的整体趋势指数，行为特征数据包括智能设备运行状态的特征数据和智能设备非运行状态的特征数据；

基于所有用户的整体趋势指数，分析用户自身数据的健康趋势指数，并将用户自身数据的健康趋势指数与所有用户的整体趋势指数进行比较，当用户自身数据的健康趋势指数小于整体趋势指数时，对用户特征数据之间的关联进行校验并以第一时长进行监测，当用户自身数据的健康趋势指数大于等于整体趋势指数时，对用户进行第二时长的监测，且第一时长大于第二时长；

在对用户特征数据之间的相关性进行校验时，对构成特征数据的所有关联之间均存在相关性的用户进行以监测周期为时长的提醒，并在用户满足特征数据之间的相关性后再一次进行是否满足整体趋势指数的判断，当用户既满足相关性又满足整体趋势指数时，将监测时长由第一时长切换为第二时长，否则将持续以第一时长进行监测。

进一步的，分析用户数据库中不同行为特征数据在监测周期的整体趋势指数具体为：

获取用户数据库中非运行状态特征数据的时间长度占运行状态特征数据的时间长度的比例，并设该比例为q；

记录用户数据库中运行状态的特征数据包含的步数特征值，并计算用户在监测周期内的平均步数特征值b

记录用户数据库中运行状态的特征数据包含的时长特征值，时长特征值为用户数据库中处于就餐时间范围的智能设备使用时长，获取用户数据库中时长特征值的平均时长特征值t

计算整体趋势指数S＝0.5q+0.2w+0.3y。

在所有用户群体中分析整体的趋势是将不同特征的数据进行整合，非运行状态特征数据的时间长度占比反应的是用户在不操作智能设备或者睡觉的时长，该行为的时间越长表明用户身体健康的可能越大；而步数特征指数反应了用户是否运动以及运动的情况，就餐专注度指数反应了用户在就餐时间是否会有使用智能设备的习惯，因为该习惯容易导致饮食不规范、饮食时间过长的现象产生。

进一步的，分析用户自身数据的健康趋势指数包括以下过程：

获取用户数据库中对应用户自身的三种数据，三种数据分别为非运行状态的特征数据的时间长度占比q

运行状态的特征数据的步数特征指数w

运行状态的特征数据的就餐专注度指数y

计算不同用户自身数据的健康趋势指数S

利用与整体趋势指数相同的计算方式分析个人的健康趋势指数，保证了数据处理的一致性以及可比较性，其次在选择数据特征时，选择用户记录的关键词是因为在大数据时代，用户的检索内容反应了用户的近阶段的状态，且关键词的设定进一步对应上用户特征数据之间的联系。

进一步的，对用户进行校验的过程包括以下过程：

获取需要校验的用户数据集合，集合中的用户为自身数据的健康趋势指数S

对集合中用户的非运行状态的特征数据和运行状态的特征数据的步数特征值进行健康属性的相关性分析；获取用户数据集合中结束记录运行状态的特征数据的步数特征值到开始记录非运行状态的特征数据的时间间隔h

h

进一步的，对用户进行校验的过程还包括以下过程：

对集合中用户运行状态的特征数据的步数特征值和运行状态的特征数据的检索关键词进行健康属性的相关性分析；

记录用户在监测周期内每天获取的运行状态的特征数据的步数特征值记作集合{b}，将集合{b}中的数据记作向量x

利用公式计算第二相关度

判断用户的步数和关键词是为了分析用户在有意向锻炼、健身或减肥时，是否真正做到了实际上的运动，若关键词搜索的次数与实际记录的运动步数存在相关联，说明分析的结果是满足健康数据的相关性的，且通过用户的智能设备分析该用户目前的状态是属于比较健康的。

一种基于大数据的大健康智能管理系统，包括用户数据库建立模块、特征数据分析模块、用户自身数据分析模块、相关性校验模块和智能管理模块；

用户数据库建立模块用于建立用户携带的智能设备的历史数据并建立用户数据库，智能设备连接智能管理系统，用户数据库用于存储不同用户携带的智能设备中有关各自用户行为特征的所有数据信息；智能管理系统设置监测周期；

特征数据分析模块用于分析用户数据库中不同行为特征数据在监测周期的整体趋势指数，行为特征数据包括智能设备运行状态的特征数据和智能设备非运行状态的特征数据；

用户自身数据分析模块用于分析用户自身数据的健康趋势指数，并将用户自身数据的健康趋势指数与所有用户的整体趋势指数进行比较，判断大小得出结果，并传输不同信号给相关性校验模块和智能关系模块；

相关性校验模块用于对用户特征数据之间的相关性进行校验，对构成特征数据的所有关联之间均存在相关性的用户进行以监测周期为时长的提醒，并在用户满足特征数据之间的相关性后传输信号给特征数据分析模块，并在用户既满足相关性又满足整体趋势指数时，传输信号给智能管理模块；

智能管理模块用于在相关性校验模块工作时执行第一时长的监测，在用户自身数据的健康趋势指数大于等于整体趋势指数时，且第一时长大于第二时长；智能管理模块用于监测用户既满足相关性又满足整体趋势指数时，将监测时长由第一时长切换为第二时长，否则将持续以第一时长进行监测。

进一步的，特征数据分析模块包括非运行状态特征数据时长占比计算模块、步数特征指数计算模块、就餐专注度指数计算模块和整体趋势指数计算模块；

非运行状态特征数据时长占比计算模块用于计算用户数据库中非运行状态特征数据的时间长度占运行状态特征数据的时间长度的比例；

步数特征指数计算模块用于记录用户数据库中运行状态的特征数据包含的步数特征值，并计算用户在监测周期内的平均步数特征值，以及每个用户在监测周期内的平均步数特征值；

就餐专注度指数计算模块用于记录用户数据库中运行状态的特征数据包含的时长特征值，时长特征值为用户数据库中处于就餐时间范围的智能设备使用时长，获取用户数据库中时长特征值的平均时长特征值、用户数据库中处于就餐时间范围的智能设备个数以及用户数据库中总管理的智能设备个数，最后计算就餐专注度指数；

整体趋势指数计算模块用于综合非运行状态特征数据时长占比计算模块、步数特征指数计算模块和就餐专注度指数计算模块分析整体趋势指数。

进一步的，用户自身数据分析模块利用与特征数据分析模块中相同的方式计算健康趋势指数；

用户自身数据分析模块用于计算步数特征指数时选取用户在监测周期内每天的步数特征值以及步数特征值集合作为参数；用户自身数据分析模块用于计算就餐专注度指数时选取在餐时间内获取用户数据库中运行状态的特征数据中检索关键词的次数、产生操作智能设备动作的次数和在监测周期内处于就餐时间的平均时长特征值作为参数。

进一步的，相关性校验模块包括第一相关度计算模块、第二相关度计算模块和综合评估模块；

第一相关度计算模块用于计算集合中用户的非运行状态的特征数据和运行状态的特征数据的步数特征值之间健康属性的相关度，第二相关度计算模块用于计算集合中用户运行状态的特征数据的步数特征值和运行状态的特征数据的检索关键词之间健康属性的相关度；

综合评估模块用于评估第一相关度计算模块和第二相关度计算模块中的分析结果是否均满足健康数据的相关性联系。

与现有技术相比，本发明所达到的有益效果是：本发明依据现如今随身携带的智能设备获取用户的数据信息，对用户的健康数据进行监测和管理；通过分析群体内健康数据的整体趋势，在分别对用户个体进行初步判断，有效的将群体中身体处于健康趋势、亚健康趋势和不健康趋势的人群区分开来，以不同时间进行监测可以快速的捕捉健康趋势走下坡路的用户；分析用户特征数据之间的关联性是进一步精确的分析用户实际的情况，提高在群体用户数据中精确分析用户本体健康状况的精确性。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种基于大数据的大健康智能管理系统的结构示意图；

图2是本发明一种基于大数据的大健康智能管理方法的步骤流程图。

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-图2，本发明提供技术方案：一种基于大数据的大健康智能管理方法，包括以下步骤：

获取用户携带的智能设备的历史数据并建立用户数据库，智能设备连接智能管理系统，用户数据库用于存储不同用户携带的智能设备中有关各自用户行为特征的所有数据信息；智能管理系统设置监测周期；

分析用户数据库中不同行为特征数据在监测周期的整体趋势指数，行为特征数据包括智能设备运行状态的特征数据和智能设备非运行状态的特征数据；

基于所有用户的整体趋势指数，分析用户自身数据的健康趋势指数，并将用户自身数据的健康趋势指数与所有用户的整体趋势指数进行比较，当用户自身数据的健康趋势指数小于整体趋势指数时，对用户特征数据之间的关联进行校验并以第一时长进行监测，当用户自身数据的健康趋势指数大于等于整体趋势指数时，对用户进行第二时长的监测，且第一时长大于第二时长；

在对用户特征数据之间的相关性进行校验时，对构成特征数据的所有关联之间均存在相关性的用户进行以监测周期为时长的提醒，并在用户满足特征数据之间的相关性后再一次进行是否满足整体趋势指数的判断，当用户既满足相关性又满足整体趋势指数时，将监测时长由第一时长切换为第二时长，否则将持续以第一时长进行监测。

分析用户数据库中不同行为特征数据在监测周期的整体趋势指数具体为：

获取用户数据库中非运行状态特征数据的时间长度占运行状态特征数据的时间长度的比例，并设该比例为q；

记录用户数据库中运行状态的特征数据包含的步数特征值，并计算用户在监测周期内的平均步数特征值b

记录用户数据库中运行状态的特征数据包含的时长特征值，时长特征值为用户数据库中处于就餐时间范围的智能设备使用时长，获取用户数据库中时长特征值的平均时长特征值t

计算整体趋势指数S＝0.5q+0.2w+0.3y。

在所有用户群体中分析整体的趋势是将不同特征的数据进行整合，非运行状态特征数据的时间长度占比反应的是用户在不操作智能设备或者睡觉的时长，该行为的时间越长表明用户身体健康的可能越大；而步数特征指数反应了用户是否运动以及运动的情况，就餐专注度指数反应了用户在就餐时间是否会有使用智能设备的习惯，因为该习惯容易导致饮食不规范、饮食时间过长的现象产生。

分析用户自身数据的健康趋势指数包括以下过程：

获取用户数据库中对应用户自身的三种数据，三种数据分别为非运行状态的特征数据的时间长度占比q

运行状态的特征数据的步数特征指数w

运行状态的特征数据的就餐专注度指数y

计算不同用户自身数据的健康趋势指数S

利用与整体趋势指数相同的计算方式分析个人的健康趋势指数，保证了数据处理的一致性以及可比较性，其次在选择数据特征时，选择用户记录的关键词是因为在大数据时代，用户的检索内容反应了用户的近阶段的状态，且关键词的设定进一步对应上用户特征数据之间的联系。

对用户进行校验的过程包括以下过程：

获取需要校验的用户数据集合，集合中的用户为自身数据的健康趋势指数S

对集合中用户的非运行状态的特征数据和运行状态的特征数据的步数特征值进行健康属性的相关性分析；获取用户数据集合中结束记录运行状态的特征数据的步数特征值到开始记录非运行状态的特征数据的时间间隔h

h

对用户进行校验的过程还包括以下过程：

对集合中用户运行状态的特征数据的步数特征值和运行状态的特征数据的检索关键词进行健康属性的相关性分析；

记录用户在监测周期内每天获取的运行状态的特征数据的步数特征值记作集合{b}，将集合{b}中的数据记作向量x

利用公式计算第二相关度

判断用户的步数和关键词是为了分析用户在有意向锻炼、健身或减肥时，是否真正做到了实际上的运动，若关键词搜索的次数与实际记录的运动步数存在相关联，说明分析的结果是满足健康数据的相关性的，且通过用户的智能设备分析该用户目前的状态是属于比较健康的。

例如：集合{b}中的步数特征值分别为{2101,1952,8966,9541}，且对应集合{c}中的特征值为{1,0,10,8}，则第二相关度

一种基于大数据的大健康智能管理系统，包括用户数据库建立模块、特征数据分析模块、用户自身数据分析模块、相关性校验模块和智能管理模块；

用户数据库建立模块用于建立用户携带的智能设备的历史数据并建立用户数据库，智能设备连接智能管理系统，用户数据库用于存储不同用户携带的智能设备中有关各自用户行为特征的所有数据信息；智能管理系统设置监测周期；

特征数据分析模块用于分析用户数据库中不同行为特征数据在监测周期的整体趋势指数，行为特征数据包括智能设备运行状态的特征数据和智能设备非运行状态的特征数据；

用户自身数据分析模块用于分析用户自身数据的健康趋势指数，并将用户自身数据的健康趋势指数与所有用户的整体趋势指数进行比较，判断大小得出结果，并传输不同信号给相关性校验模块和智能关系模块；

相关性校验模块用于对用户特征数据之间的相关性进行校验，对构成特征数据的所有关联之间均存在相关性的用户进行以监测周期为时长的提醒，并在用户满足特征数据之间的相关性后传输信号给特征数据分析模块，并在用户既满足相关性又满足整体趋势指数时，传输信号给智能管理模块；

智能管理模块用于在相关性校验模块工作时执行第一时长的监测，在用户自身数据的健康趋势指数大于等于整体趋势指数时，且第一时长大于第二时长；智能管理模块用于监测用户既满足相关性又满足整体趋势指数时，将监测时长由第一时长切换为第二时长，否则将持续以第一时长进行监测。

特征数据分析模块包括非运行状态特征数据时长占比计算模块、步数特征指数计算模块、就餐专注度指数计算模块和整体趋势指数计算模块；

非运行状态特征数据时长占比计算模块用于计算用户数据库中非运行状态特征数据的时间长度占运行状态特征数据的时间长度的比例；

步数特征指数计算模块用于记录用户数据库中运行状态的特征数据包含的步数特征值，并计算用户在监测周期内的平均步数特征值，以及每个用户在监测周期内的平均步数特征值；

就餐专注度指数计算模块用于记录用户数据库中运行状态的特征数据包含的时长特征值，时长特征值为用户数据库中处于就餐时间范围的智能设备使用时长，获取用户数据库中时长特征值的平均时长特征值、用户数据库中处于就餐时间范围的智能设备个数以及用户数据库中总管理的智能设备个数，最后计算就餐专注度指数；

整体趋势指数计算模块用于综合非运行状态特征数据时长占比计算模块、步数特征指数计算模块和就餐专注度指数计算模块分析整体趋势指数。

用户自身数据分析模块利用与特征数据分析模块中相同的方式计算健康趋势指数；

用户自身数据分析模块用于计算步数特征指数时选取用户在监测周期内每天的步数特征值以及步数特征值集合作为参数；用户自身数据分析模块用于计算就餐专注度指数时选取在餐时间内获取用户数据库中运行状态的特征数据中检索关键词的次数、产生操作智能设备动作的次数和在监测周期内处于就餐时间的平均时长特征值作为参数。

相关性校验模块包括第一相关度计算模块、第二相关度计算模块和综合评估模块；

第一相关度计算模块用于计算集合中用户的非运行状态的特征数据和运行状态的特征数据的步数特征值之间健康属性的相关度，第二相关度计算模块用于计算集合中用户运行状态的特征数据的步数特征值和运行状态的特征数据的检索关键词之间健康属性的相关度；

综合评估模块用于评估第一相关度计算模块和第二相关度计算模块中的分析结果是否均满足健康数据的相关性联系。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。