[发明专利]医疗康复设备智能运行路径优化匹配方法

权利要求书

1.一种医疗康复设备智能运行路径优化匹配方法，其特征在于，包括：

S1，获取用户行为轨迹需求信息，根据云端数据所提供的行为轨迹信息，通过相应模型进行提炼；

S2，将提炼后的行为轨迹数据通过数据抽取函数进行优化导出，确定最优的用户行为轨迹路线。

2.根据权利要求1所述的医疗康复设备智能运行路径优化匹配方法，其特征在于，所述S1包括：

S1-1，生成时间耗费模型

A(t)=Ni(t)+αt·Ni(t+1)αt,]]>

其中，α_t为时间耗费值的阈值，N_i(t)为每个行进轨迹的时间耗费值，N_i(t+1)为下一时段行进轨迹的时间耗费值，

S1-2，生成时间耗费的预测模型

B(t)=Nj(t)+βt·Nj(t+1)βt,]]>

其中，β_t为时间耗费预测值的阈值，N_j(t)为每个行进轨迹的时间耗费的预测值，N_j(t+1)为下一时段行进轨迹的时间耗费预测值，

S1-3，生成风速的预测模型

C(t)=Nk(t)+χt·Nk(t+1)χt,]]>

其中，χ_t为风速判断值的阈值，N_k(t)为每个行进轨迹的风速判断值，N_k(t+1)为下一时段行进轨迹的风速判断值，

S1-4，生成气温的预测模型

D(t)=Nl(t)+δt·Nl(t+1)δt,]]>

其中，δ_t为气温判断值的阈值，N_l(t)为每个行进轨迹的气温判断值，N_l(t+1)为下一时段行进轨迹的气温判断值，

S1-5，生成降水量预测模型

E(t)=Nm(t)+ϵt·Nm(t+1)ϵt,]]>

其中，ε_t为降水量判断值的阈值，N_m(t)为每个行进轨迹的降水量判断值，N_m(t+1)为下一时段行进轨迹的降水量判断值。

3.根据权利要求1所述的医疗康复设备智能运行路径优化匹配方法，其特征在于，所述S2包括：

用户对行进轨迹数据进行抽样的代价函数为，

F(p)=[Σt=1M(Ni(t)+Nj(t)+Nk(t)+Nl(t)+Nm(t))2-P]2]]>

其中，N_i(t)为每个行进轨迹的时间耗费值，N_j(t)为每个行进轨迹的时间耗费的预测值，N_k(t)为每个行进轨迹的风速判断值，N_l(t)为每个行进轨迹的气温判断值，N_m(t)为每个行进轨迹的降水量判断值，M为统计行进轨迹内全部的轨迹数；P为全部行进轨迹信息向量。