[发明专利]一种文化养老活动效果评价方法

权利要求书

1.一种文化养老活动效果评价方法，其特征在于，包括以下步骤：

步骤一：基本信息维护；

基本信息包括活动名称、活动类型、活动补偿指数Q_补、广场舞所消耗能量Q_舞、观看电影活动所消耗能量Q_电、情感指数、活动标准关注度P₀、参加人数区间、活动场地范围、基本活动场景要求、适应人群、活动基础方案和应急方案；其中，活动补偿指数Q_补为单一活动的运动补偿因子，活动标准关注度P₀为参加活动人员专心于具体活动的专注时间与活动总体时间的比值，把60岁健康女性1个小时在观看电影活动所消耗能量Q_电作为基数，其补偿指数设定为100，把60岁健康女性1个小时在广场舞所消耗能量Q_舞，指数设定为0，中间按照运动量100等分记为Q₁，其他活动按照式1补偿；

步骤二：活动筹划；

步骤S201：社区基本情况摸底

同社区工作人员沟通，了解该社区日常居住老人的人数、年龄区间，文化程度、近一年来参加的各项活动信息；

步骤S202：活动匹配

根据该社区老人的基本情况，查找匹配的老人活动项目，进行活动匹配；

步骤S203：活动方案策划

根据社区的具体地点或选中的活动项目，策划活动方案；活动方案包括以下内容：组织人员、资助单位、活动场地、活动具体内容、备品备件、应急方案和宣传计划；

步骤S204：活动方案沟通

同社区工作人员、社区内的业主委员会针对方案进行沟通，并调整方案；

步骤S205：活动宣传

根据确定好的活动方案，派驻工作人员进驻社区、小区进行宣传；

步骤S206：活动报名

接受60岁以上老人进行活动报名，并进行报名登记，派发智能手环，并对手环信息与老人信息匹配；智能手环选用华为智能手环，型号为B3；

步骤三：活动登记；

步骤S301：在活动现场登记参加老人的信息，包括姓名，年龄、性别、健康状态、家庭住址、活动爱好、精神活动需求和手环ID号信息；

步骤S302：针对已经发了手环的老人，通过接口程序，对活动前期运动数据采集；

步骤四：活动后数据采集；

步骤S401：活动完成后，给老人发放活动效果问卷，针对个人参加活动的满意度、愉悦度进行调查；

步骤S402：通过接口程序，采集活动期间参加活动老人的运动量数据；

步骤S403：活动结束1-3天后，回收运动手环；

步骤S404：通过接口程序，采集活动后1-3天参加活动老人的运动量数据；

步骤五：数据整理；

每种活动整理一个数据模型，活动数据分为3段：活动前、活动中和活动后；

步骤六：运动与活动效果模型搭建；

步骤S601：数据匹配

通过活动登记、手环的ID号，查找同一老人的活动前，活动中，活动后的数据；

步骤S602：数据清洗

根据数据上是否佩戴标志判断该数据是否有效，如无效，剔除该人该段活动的数据，具体规则如下：

如果该人在活动期间没有数据，若该人没有佩戴腕表时间大于半小时，则认为该人没有有效的佩戴腕表，剔除该人的该次整体活动数据；

如果该人在活动前和活动后有效佩戴腕表时间均小于12小时，则剔除该人的该次整体活动数据；

如果该人在活动前、活动中和活动后，不满足式2至式4，则剔除该人的活动数据；

即

上式中：

Q为热量消耗值，单位为千卡；

Y为单位时间步数值，单位为步数/分钟；

L为心率，单位为次/分；

其中下角标：前：为活动前数据；中：为活动期间数据；后：为活动期后数据；

Q_min：运动误差比最小值；

Q_max：运动误差比最大值；

Y_min：步数误差比最小值；

Y_max：步数误差比最大值；

L_min：心率误差比最小值；

L_max：心率误差比最大值；

步骤S603：数据衍生

对Q、Y、L对时间一阶求导，求出各个时间点的Q^/、Y^/、L^/的值；

继续对Q^/、Y^/、L^/对时间在求一次导数，求出Q^//、Y^//、L^//的值；

步骤S604：运动满意度匹配

提取运动有效人员的活动调查数据的满意度和对自己的行为的满意度进行匹配，形成一个能量消耗、步数、心率的时间序列数据；

步骤S605：关注时间计算

对Y求出每5分钟变化率小于5％，且Y值小于活动期间平均Y值的时间进行累计，获得累计关注时间T_关，单位分钟；按照式5和式6计算关注率P_t和活动关注效果K；

关注率P_t＝T_关/T_总 式5

活动关注效果K＝P_t/P₀ 式6

式中：P_t：关注率，无单位；

T_关：关注时间，单位分钟

T_总：该项活动的总体时间，单位分钟；

P₀：该项活动标准关注度

步骤S606：兴奋次数N累计

对L求出大于L在活动期间平均值20％的次数，这里把大于1分钟的每分钟定为一次；

步骤S607：数据时间序列曲线拟合

以时间为x轴，以Q、Y、L数值为y轴，做一组曲线，并标识活动时间范围，中间的点采用最小二乘法进行曲线拟合，在曲线上标注出活动区间、极值点；

以时间为x轴，以Q^/、Y^/、L^/数值为y轴，做一组曲线，并标识活动时间范围，中间的点采用最小二乘法进行曲线拟合；在曲线上标注出活动区间、极值点；

以时间为x轴，以Q^//、Y^//、L^//数值为y轴，做一组曲线，并标识活动时间范围，中间的点采用最小二乘法进行曲线拟合；在曲线上标注出活动区间、极值点、0值点；

步骤S608：运动模型训练

把参加的人员按照服务项目名称、性别、年龄、健康状况进行数据分类，并采用粗糙数据集分类的方法，对活动前、活动中、活动后的热量消耗值Q、单位时间步数值Y、心率L、Q^/、Y^/、L^/、Q^//、Y^//、L^//、活动关注效果K、兴奋次数N、活动补偿指数B数据、活动调查数据的满意度和对自己的行为的满意度数据分类，形成神经网络数据元，并用深度神经网络学习的方法，对上述数据进行机器学习，以此形成运动服务满意度数据关系模型；

步骤七：模型验证；

重新采集活动数据，采用步骤六训练运动服务满意度数据关系模型计算满意度，并与实际的活动调查数据的满意度和对自己的行为的满意度进行对比，如果准确率小于运动模型阈值F，调整运动服务满意度数据关系模型参数，直至其准确率大于运动模型阈值F；

步骤八：活动补偿指数修正；

按照式6和式7计算每类活动的人均消耗能量和补偿因子B，计算出该参数后，更新到养老各种活动表中；

式中：为人均时消耗能量，单位千卡；

Q为参加活动时该人的单位时间消耗能量，单位为千卡/小时；Q_前：为该人活动前的单位时间消耗能量，单位为千卡/小时；Q_后：为该人活动后的单位时间消耗能量，单位为千卡/小时；N_z：该项活动下有效人员的数量汇总，单位：个；

B：为补偿因子；

Q_电：看电影的平均消耗；

步骤九：文化养老活动效果评价。