[发明专利]监测预定区域中的可移动实体

说明书

一种使计算机能够使用实时位置信息来确定预定区域的占用原因的方法和系统。处理实时位置信息以确定预定区域的多个区中的每个区的占用信息。使用机器学习模型来处理(组合的)占用信息，以预测预定区域的预定区的占用原因。

技术领域

本发明涉及监测可移动实体的领域，并且尤其涉及确定预定区域的占用原因的领域。

背景技术

在医学领域中，越来越期望跟踪和/或监测为什么占用预定区域(例如医院或诊所)的不同区的原因。该信息对于优化医院工作流程和识别潜在低效操作实践是重要的。

识别区域占用原因的一种已知方法是让专门的观察者监测区域，例如亲自或者使用CCTV，并且识别该区域内所发生的事件。可以将所识别的事件视为该区域的不同区被占用的原因。这种方法是公开并且侵入性的，以及需要额外的开销(例如工作人员和/或设备的实质性额外成员)，因此成本很高。

另一已知的方法是要求该区域的工作人员和/或其他用户来记录他们占用该区域的一个或多个区的原因。然而，这样的方法是不准确的，例如由于不遵守或遗忘，给预定区域的用户增加了显著的负担。

显然，因此将期望一种确定预定区域的占用原因的自动化且低成本的方法。

发明内容

本发明由权利要求书限定。

根据依照本发明的一个方面的示例，提供了一种监测预定区域内的可移动实体的计算机实施的方法。所述方法包括：获得识别可移动实体在所述预定区域内的当前位置的实时位置RTL信息流；处理所述实时位置信息流以生成所述预定区域的多个预定区中的每个预定区的占用信息；并且使用机器学习模型来处理所述占用信息，从而确定一个或多个占用原因(29)，每个占用原因指示在一个或多个预定区内的预定事件的发生，其中，所述机器学习模型定义占用信息与占用原因之间的关系。。

本发明认识到可移动实体的位置与由可移动实体所占用的区内的事件的发生之间存在关系。换句话说，已经认识到可以通过监测可移动实体关于预定区域的位置来导出在预定区域(由区形成)中预定事件的发生。

提出的实施例提供了用于使得能够在可移动实体的实时位置和与可移动实体相关联的预定事件之间进行映射的方法。有利地，这提供了用于识别预定区域的占用原因的新的输入方法，该占用原因是在预定区域内发生预定事件。

特别地，本发明认识到，预定区域的区的占用信息可以用于识别或预测一个或多个区的预定事件的发生(即，一个事件解释为什么一个或多个特定区被一个或多个可移动实体占用)。

特别地，所提出的方法使用可移动实体的实时位置来导出多个预定区中的每个预定区的占用信息。然后，使用机器学习模型来处理该占用信息，以识别多个区的占用原因。

以此方式，将机器学习模型应用于多个区的占用信息，以预测预定区域的一个或多个占用原因。因此，机器学习模型可以将多个区的占用信息映射到占用原因。有利地已经认识到，可以训练机器学习模型以将多个区的占用信息与一个或多个区内发生的预定事件相关。

如本文所使用的，“占用原因”是指示在一个或多个区内(由可移动实体占用的区)发生事件的数据或信息，例如建立识别事件，该识别事件需要特定的可移动实体的出席或特别是导致可移动实体的移动。因此，占用原因可以是导致一个或多个特定区被可移动实体占用的预定事件的实例的发生。因此，占用原因提供了一个或多个区被占用的原因，即占用一个或多个区的目的。

在特定实施例中，占用原因可以指示在特定或单个区内发生的事件的发生。换句话说，确定一个或多个占用原因的步骤可以包括识别在特定(单个)区内发生的预定事件的发生。这提供了关于事件发生的更精确、特定和相关的信息。