[发明专利]一种新冠疫情背景下的广域健康知识获取方法及系统

说明书

本发明属于数字信息传输技术领域，公开了一种新冠疫情背景下的广域健康知识获取方法及系统，由1个医疗管理机构HCO和N个数据收集区域组成；每个数据收集区域由一个集成边缘AI的局部数据管理者LDM和多个穿戴可穿戴设备的公民组成；其中，令表示LDMs的集合，LDM i管理M_i个装备可穿戴设备的公民，其中表示公民集合。本发明的广域健康知识获取方法同时考虑了知识生成过程和知识交易过程，并在不完全信息情况下推导出了知识交易机制的闭合表达式。本发明的激励机制深刻分析了各实体之间的经济互动，并显式给出了每个实体的最优策略。此外，本发明通过大量的数值仿真结果验证了理论结果的正确性。

技术领域

本发明属于数字信息传输技术领域，尤其涉及一种新冠疫情背景下的广域健康知识获取方法及系统。

背景技术

目前，在新冠疫情期间收集健康数据对人们生命安全和国家稳定有重大意义。自疫情爆发以来，可穿戴设备被广泛用来收集公民健康数据(心跳、步数等)。例如，WHOOPStrap 3.0是一款可穿戴腕带，可以实时收集并监督心肺数据的变化，并通过蓝牙将其发送到公民手机中。穿戴了Estimote公司研发的可穿戴设备，公民就能够实时更新其健康状态，并将数据与一个中央实体共享。Patch 1AX生物传感器能够测量体温、呼吸频率、心电图和心率，并通过蓝牙将健康数据传输到公民手机。所有这些传感器和其他可穿戴设备可都被用于应对COVID-19疫情。然而，人们在提供其健康数据方面总是表现的犹豫不决，缺少动力。因此，应设计一种复杂详尽的激励机制。

市场经济模型(Market economy models)已经被广泛用来设计激励机制。现有工作大多集中于数据交易和数据共享中，使用的方法包括博弈论、拍卖、行为经济学、技术经济学、算法博弈论、多臂老虎机等。然而，由于网络资源有限，大量传输数据是不现实的。近年来兴起的“知识即服务(Knowledge-as-a-Service)”能够很好的解决这一问题，即，将数据提炼成知识再进行交易。有关知识交易的机制设计大多使用非合作博弈理论，这假定博弈参与人具有完全信息，这在现实中几乎是不可能的。此外，现存有关知识交易的研究没有考虑到知识生成的过程。因此，亟需设计一种新冠疫情背景下的广域健康知识获取方法及系统，以弥补现有技术的缺陷。

通过上述分析，现有技术存在的问题及缺陷为：现有技术没有同时考虑知识生成过程和知识交易过程，没有考虑不完全信息的情况，且现有工作大多集中于数据交易和数据共享中，由于网络资源有限，大量传输数据是不现实的。

解决以上问题及缺陷的难度为：需要设计一套集合知识生成和知识交易的多层、多实体、多目标框架，要准确分析各层各实体之间的经济互动；不完全信息意味着参与者要在不完全了解对手信息的情况下制定自己的最优决策，这是博弈研究的一个难点。

解决以上问题及缺陷的意义为：让本发明提出的框架更贴合实际情况，能够为现实生活中类似的系统或架构提供理论指导。

发明内容

针对现有技术存在的问题，本发明提供了一种新冠疫情背景下的广域健康知识获取方法及系统，尤其涉及一种新冠疫情背景下基于区块链的广域健康知识获取方法及系统。

本发明是这样实现的，一种新冠疫情背景下的广域健康知识获取方法，其特征在于，所述新冠疫情背景下的广域健康知识获取方法包括：

假定HCO需要宏观的公民健康知识，LDM能够在微观层面收集公民数据并将其训练为知识，公民是原始数据的提供者，所述新冠疫情背景下的广域健康知识获取方法包括知识生成阶段和知识交易阶段；

在知识生成阶段，HCO向多个LDM发布一系列知识获取任务，在LDM选择接受某个任务后，将向感知区域内的公民发布数据收集需求，收集到数据后，LDM通过边缘AI算法将数据训练为知识；在知识交易阶段，LDMs将知识有偿的卖给HCO；所述边缘AI算法包括深度强化学习DRL和支持向量机SVM。

进一步，所述新冠疫情背景下的广域健康知识获取方法还包括：