(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211212906.0 (22)申请日 2022.09.29 (71)申请人 浙江传媒学院 地址 310018 浙江省杭州市下沙高教园区 学源街998号 (72)发明人 孙煦雪　王华琼　钱归平　万小溪　 赵友兵　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 专利代理师 陈升华 (51)Int.Cl. G06F 30/20(2020.01) G06K 9/62(2022.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01)G06Q 50/26(2012.01) (54)发明名称 一个基于数据驱动 的异质养老服务需求的 建模分析方法 (57)摘要 本发明公开了一个基于数据驱动 的异质养 老服务需求的建模分析方法， 包括： 收集并提取 老年人生活能力、 健康状况、 社会人口学特征等 个体大数据； 建模个体化不同级别养老服务使用 预测模型， 量化分析养老服务使用率； 根据老人 生活能力和康复护理等级等识别变量， 建立养老 服务需求识别系统， 量化分析日常养老服务需求 的个体差异； 在细粒度需求预测模型基础上， 结 合计算机仿真技术， 实现高保真的服务需求不确 定性分析和建模； 基于养老服务需求分析， 构建 随机优化模 型， 实现最优床位配置和最优工作调 度决策优化， 确保养老服务质量并降低开销。 本 发明提高预测准确度和决策可信度， 增强养老服 务资源分配策略效能， 具有高灵活度和强扩展 性。 权利要求书3页 说明书9页 附图5页 CN 115438506 A 2022.12.06 CN 115438506 A 1.一个基于数据驱动的异质养老服务需求的建模分析方法， 其特征在于， 包括以下步 骤： 步骤1)： 获取老人个人 特征数据； 步骤2)： 输入步骤1)老人个人特征数据， 建立老人养老服务使用天数预测模型， 经过模 型参数估计训练得到养 老服务使用天数的影响因子的作用大小， 得到估计训练后的老人的 养老服务使用天数 预测模型； 步骤3)： 服 务供给时间聚类分析和生成服 务需求识别树； 步骤4)： 根据入院老人个体特征进行预测和随机采样， 通过步骤2)估计训练后的老人 的养老服务使用天数预测模型预测养老服务使用天数， 同时使用步骤3)获得的服务需求识 别树， 根据老人 特征相关的识别变量预测老人服 务需求所对应的供 给时间簇g； 采用计算机仿真方法， 量化分析现实世界中养老服务需求的不确定性， 获得老人i养老 服务需求对应的供给时间ξi， 可表示为 其中Ii为老人i 所属服务供给时间簇的指示变量， HypoExp表示次指数分布， 为速率 参数， 其中s＝1和s＝2分别 表示直接和间接服务， 表示簇g对应的直接/间接服务供给平 均时间， 进而可获得每日养老服务总需求 其中Nt是每天t使用养老服务的老 人的总数， 养 老服务需求仿 真器将针对每个使用养 老服务的老人随机采样每天养老服务需 求， 直至其停止使用养老服 务； 步骤5： 基于需求分析的养老服 务资源分配。 2.根据权利要求1所述的基于数据驱动的异质养老服务需求的建模分析方法， 其特征 在于， 步骤1)中， 老人个人 特征数据包括： 社会人口学 特征， 包括年龄、 性别以及经济状态； 疾病情况， 包括急性和慢性疾病情况； 日常生活功能评估情况； 个人生理数据， 包括体表温度、 心率、 血压、 睡眠质量数据。 3.根据权利要求1所述的基于数据驱动的异质养老服务需求的建模分析方法， 其特征 在于， 步骤2)中， 建立老人的养老服 务使用天数 预测模型， 具体包括： 步骤2.1)： 设计模型公式， 包含N名老年人和M种停用养老服务安排， 用Tim表示老人i和 停用养老服务安排m的服务使用天数， 表示任意给定一个， 提出的预测模型公式表示如下： 其中 指老人i在特定停用安排m下停止养老服务使用 的风险， 是停用安排m下老年群体停止养老服务使用的风险基线， m＝1...M； βm和xi分 别代表停用养 老服务安排m相关的协变量系数和老人个人特征数据； t表示所有停用安排下 养老服务使用天数的下限， Δt表示时间间隔， Pr( ·|·)表示条件概率， limΔt→∞·表示时 间间隔趋近无穷时的极限值， exp( ·)是指数函数， 上 标T表示转置符。权　利　要　求　书 1/3 页 2 CN 115438506 A 24.根据权利要求1所述的基于数据驱动的异质养老服务需求的建模分析方法， 其特征 在于， 步骤2)中， 经过模 型参数估计训练得到养 老服务使用天数的影响因子的作用大小， 具 体包括： 步骤2.2)： 引入了增广变量Δim, m＝1...M来指示老人停用养老服务后的安 排， 如果老人i停用服务后的安排为m， 则Δi m＝1， 否则Δim＝0； 给出增广数据 其中ti表示老人i的养老服务使用天数， Δim为上述增广变量， xi为老人i的个人特征， 和一组未知参数Θ＝∪mΘm， 其中∪m表示特定 停用安排m对应的所有未知参数的并集操作， Θm是相互排斥的， 并且 其 中 是停用安排m下老年群体停止养 老服务使用的风险基线， βm表示停用养 老服务安排 m相关的协变量系数， 进一 步解耦似然函数， 如公式(2)所示： 其中∏·表示连乘运算， 表示停用安排m下老年群体停止养老服务使用的风险基 线， exp( ·)是指数函数， ∑ ·为求和符号， ∫ ·dτ表示积分符号， τ为积分变量， 是停用服务安 排m对应的似然函数， Im是所有停用安 排为m的老人编号 集合； 步骤2 .3) ： 采 用半参数化估计方法 ： 先使 用部分似然最大化来估计βm， 其中 表示使目标函数达到最大值的βm取值， 再使用Efron  Morris估计器来估计 并通过βm量化分析得到养老服务使用天数 的影 响因子的作用大小。 5.根据权利要求1所述的基于数据驱动的异质养老服务需求的建模分析方法， 其特征 在于， 步骤3)中， 服 务供给时间聚类分析， 具体包括： 对平均直接服务和平均间接服务供给时间进行量化， 采用分层聚类方法进行聚类分 析， 并使用Jensen ‑Shannon散度作为相似性度量， 目标服务供给时间簇的数量由最小簇数 获得， 该最小簇数 可以满足簇内最大Jensen ‑Shannon散度不超过容差∈c的条件。 6.根据权利要求1所述的基于数据驱动的异质养老服务需求的建模分析方法， 其特征 在于， 步骤3)中， 生成服 务需求识别树， 具体包括： 使用老人个人特征数据中的个人特征作为识别变量， 挖掘学习识别变量和服务供给时 间簇之间的关联规则， 构建一棵服 务需求识别树。 7.根据权利要求1所述的基于数据驱动的异质养老服务需求的建模分析方法， 其特征 在于， 步骤5中， 基于需求分析的养老服 务资源分配， 包括： 步骤5.1)： 采用带机会约束的随机优化模型对床位 容量进行分配； 步骤5.2)： 采用两阶段随机优化模型进行求 解、 对服务供给人员进行工作分配。 8.根据权利要求7所述的基于数据驱动的异质养老服务需求的建模分析方法， 其特征权　利　要　求　书 2/3 页 3 CN 115438506 A 3