急救出車d2d狀態感知方法及裝置的制造方法
【專利摘要】本發明涉及一種急救車出車D2D狀態感知方法及裝置，其中，方法包括：實時獲取急救車的樣本數據組，所述樣本數據組中的數據包括車輛數據、人員數據及裝備數據；將所述樣本數據組中的數據轉換為布爾數據；對所述布爾數據進行加權計算以得到狀態數據，并根據所述狀態數據確定出車狀態。根據本發明提供的急救車出車D2D狀態感知方法及裝置，實現了依據急救車變量模型的急救車出車D2D狀態智能感知，本發明的方法具有更高智能化程度和更高識別精度，更加符合實際應用需求。系統還具有學習功能，可通過優化權值使識別概率達到最優。
【專利說明】
急救出車D2D狀態感知方法及裝置
技術領域
[0001] 本發明涉及無線通信技術領域，特別涉及一種急救出車D2D狀態感知方法及裝置。
【背景技術】
[0002] 急救出車D2D狀態是指待命急救車輛從接收出車調度任務(Dispatch)開始至將急 救病患送達醫院(Door)的急救過程狀態轉換過程。
[0003] 目前急救車車聯網技術發展還處于獨立功能聯網應用階段，如GPS/北斗定位功 能、移動視頻監控、車輛0BD數據的遠程傳輸、病人體征數據遠程傳輸、身份識別RFID等，這 樣的單個或幾個功能數據聯網應用模式難以實現急救車智能化的更高級應用研究，無法從 總體上實現對急救車出車狀態感知識別。

【發明內容】

[0004] 本發明旨在至少在一定程度上解決相關技術中的技術問題之一。為此，本發明的 一個目的在于提出一種急救車出車D2D狀態感知方法。
[0005] 本發明的另一個目的在于提出一種急救車出車D2D狀態感知裝置。
[0006] 為實現上述目的，一方面，本發明提供的急救車出車D2D狀態感知方法，包括：
[0007] 實時獲取急救車的樣本數據組，所述樣本數據組中的數據包括車輛數據、人員數 據及裝備數據；
[0008] 將所述樣本數據組中的數據轉換為布爾數據；
[0009] 對所述布爾數據進行加權計算以得到狀態數據，并根據所述狀態數據確定出車狀 ??τ 〇
[0010] 另一方面，本發明提供的急救車出車D2D狀態感知裝置，包括：
[0011] 數據獲取單元，用于實時獲取急救車的樣本數據組，所述樣本數據組中的數據包 括車輛數據、人員數據及裝備數據；
[0012] 數據處理單元，用于將所述樣本數據組中的數據轉換為布爾數據；
[0013] 感知單元，用于對所述布爾數據進行加權計算以得到狀態數據，并根據所述狀態 數據確定出車狀態。
[0014] 根據本發明提供的急救車出車D2D狀態感知方法及裝置，以急救車三大要素車輛 數據、人員數據、裝備數據作為多維變量，對上述多維變量進行布爾數據轉換，再進行加權 計算以得到狀態數據，并根據所述狀態數據確定出車狀態，如此，實現了依據急救車變量模 型的急救車出車D2D狀態智能感知，本發明的方法具有更高智能化程度和更高識別精度，更 加符合實際應用需求。系統還具有學習功能，可通過優化權值使識別概率達到最優。
【附圖說明】
[0015] 圖1是本發明實施例急救車出車D2D狀態感知方法的流程圖；
[0016]圖2是本發明實施例急救車出車D2D狀態感知方法中步驟S11的流程圖；
[0017] 圖3是本發明實施例急救車出車D2D狀態感知方法中步驟S12的流程圖；
[0018] 圖4是本發明實施例急救車出車D2D狀態感知方法中狀態數據Si與車輛狀態對應 關系圖；
[0019] 圖5是本發明另一實施例急救車出車D2D狀態感知方法的流程圖；
[0020] 圖6是本發明實施例急救車出車D2D狀態感知裝置的結構示意圖；
[0021]圖7是本發明實施例急救車出車D2D狀態感知裝置中數據處理單元的結構示意圖； [0022]圖8是本發明實施例急救車出車D2D狀態感知裝置中感知單元的結構示意圖。
[0023] 本發明目的的實現、功能特點及優點將結合實施例，參照附圖做進一步說明。
【具體實施方式】
[0024] 下面詳細描述本發明的實施例，所述實施例的示例在附圖中示出，其中自始至終 相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附 圖描述的實施例是示例性的，旨在用于解釋本發明，而不能理解為對本發明的限制。
[0025]參照圖1所示，本發明實施例提供了一種急救車出車D2D狀態感知方法，包括：
[0026] S10、實時獲取急救車的樣本數據組，所述樣本數據組中的數據包括車輛數據、人 員數據及裝備數據。
[0027] 具體的，車輛數據可以包括速度、轉速、油耗、里程、電量、發動機、門禁等等，車輛 數據可以通過車輛Can總線、0BD接口等采集上傳。人員數據可以包括醫生、護士、擔架工、司 機上下車狀態及病患的生命體征數據，人員數據可以通過醫生隨身攜帶的移動終端設備采 集上傳，病患數據可以通過生命體征監護儀等設備采集上傳。裝備數據可以包括擔架上下 車狀態、醫療設備使用數據等等，裝備數據可以通過車載設備采集系統采集后上傳。
[0028] S11、將所述樣本數據組中的數據轉換為布爾數據。
[0029] 車輛數據、人員數據及裝備數據中既包含有模擬量和開關量，例如車輛速度為模 擬量，而門禁信號則為開關量。而布爾數據由binary(二進制)數字組成，8卩"0"和"1"，由于 開關量對應為"0"和"Γ，所以，對于樣本數據組中的開關量，不需要進行轉換，只需要對樣 本數據組中的模擬量進行轉換，即將模擬量轉換為"〇"和"Γ的布爾數據。
[0030] S12、對所述布爾數據進行加權計算以得到狀態數據，并根據所述狀態數據確定出 車狀態。
[0031]也就是說，該步驟中，對各個布爾數據附加加權量，通過加權計算得到的狀態數據 即可作為判斷出車狀態的參考信息，根據該參考信息即可識別出車狀態，例如，根據參考信 息識別出車輛處于（1)出發、（2)到達現場、（3)病人上車、（4)離開現場、（5)送達醫院、（6)待 命中的一種狀態。
[0032] 根據本發明提供的急救車出車狀態感知方法及裝置，以急救車三大要素車輛數 據、人員數據、裝備數據作為多維變量，對上述多維變量進行布爾數據轉換，再進行加權計 算以得到狀態數據，并根據所述狀態數據確定出車狀態，如此，實現了依據急救車變量模型 的急救車出車狀態智能感知，本發明的方法具有更加智能化和更高識別精度，更加符合實 際應用需求。
[0033] 參照圖2所示，在本發明的一個實施例中，步驟S11、將所述樣本數據組中的數據轉 換為布爾數據可以包括：
[0034] S111、利用第一符號函數將樣本數據組中的數據轉換為0或1的第一函數值，所述 第一符號函數為：
[0035]
[0036] 其中，Xf為樣本數據組中的數據，Tf為與數據Xf對應的第一設定閥值，sgn(Xf)為數 據Xf對應的第一函數值，f為正整數。
[0037] S112、根據布爾化表達式將所述第一函數值sgn(Xf)轉換為布爾數據bf，所述布爾 化表達式為：
[0038] bf = sgn[xf]。
[0039] 也就是說，為樣本數據組中每個數據設置一個對應的第一設定閥值，將樣本數據 組中各個數據的值與對應的第一設定閥值進行比較，當該數據的值大于對應的第一設定閥 值時，則返回的第一函數值為1，而當該數據的值小于第一設定閥值時，則返回的第一函數 值為0。如此，通過第一符號函數即可將樣本數據組中的所有數據都轉換為0或1的布爾數 據。
[0040] 例如，當車輛的速度20km/h時，如果車速對應的第一設定閥值為0，則返回的第一 函數值為T，此時，速度對應的布爾數據為T ;反之，車輛速度為〇km/h，則返回的第一函 數值為"〇"，此時速度對應的布爾數據為"〇"。
[0041] 對于開關量，例如門禁，可以定義為開門為"1"，此時，門禁對應的布爾數據為T， 關門為"〇"，此時，門禁對應的布爾數據為"〇"。
[0042] 參照圖3所示，在本發明的一個實施例中，S12、對所述布爾數據進行加權計算以得 到狀態數據，并根據所述狀態數據確定出車狀態可以包括：
[0043] S121、根據布爾數據構建布爾數據矩陣B，根據預設加權量構建加權量矩陣W。
[0044] 示例性的，當車輛具有六種狀態時，可將加權量矩陣W的行數對應設置為六行，加 權量列數設置對應于車、人、裝備數據的行數，例如:權量矩陣W如下：
[0045]
[0046] 布爾數據矩陣B如下，其列數分別是車輛數據列、人員數據列、裝備數據列共3列， 其行數等于車、人、裝備相關數據的個數，此處選取5個與出車狀態相關的車輛數據，如:速 度、門禁、坐標、怠速、油耗，以及5個人員數據，如：醫生、護士、擔架工、司機上下車狀態、病 人體征數據，5個相關裝備數據，如:擔架狀態、監護儀狀態等，缺項時取值為0:
[0047]
[0048] S122、對所述布爾數據矩陣B和加權量矩陣W進行矩陣乘法運算，得到狀態數據矩 陣S BW，所述矩陣乘法公式為：
[0049] Sbw=[W*B]*E；
[0050] 其中，E為轉換系數矩陣，且列數為1列，經過轉換運算的狀態數據矩陣Sbw為1列N行 矩陣，第i行狀態數據記為31，（1 = 1，2,3-，《4為車輛狀態個數，1為正整數；
[0051 ]示例性的，在本發明的一個實施例中，轉換系數矩陣E如下：
[0052] 也即是，本實施例中，轉換系數矩陣E為元素為"Γ的單列矩陣。 ，鏟? :，：
[0053] 對應的，矩陣乘法運算得到狀態數據矩陣SBW如下：
[0054]
[0055] 對應的狀態數據為Si、S2、S3、S4、S5、S 6，每一數據為：
[0056] 狀態數據 Si = S10 = Sll+S12+S13;
[0057] 狀態數據 S2 = S20 = S21+S22+S23;
[0058] 狀態數據 S3 = S30 = S31+S32+S33;
[0059] 狀態數據 S4=S40 = S41+S42+S43;
[0060] 狀態數據 S5 = S50 = S51+S52+S53;
[0061 ]狀態數據 S6 = S60 = S61+S62+S63。
[0062] 即六個車輛狀態分別與六個狀態數據--對應。
[0063] 需要說明的是，由于每個狀態數據組內的各個數據都是加權量矩陣W的某一行和 布爾數據矩陣B中某一列的乘積之和，而加權量矩陣W中的加權量為設定值，所以，得到的每 個狀態數據并不都是和"1"。
[0064] 特別地，當加權量全部取值w=l時，出車狀態的判斷就是只依據門禁數據、人員數 據、位置數據等的簡單邏輯運算的特例。
[0065] S123、利用第二符號函數將各個狀態數據Si轉換為"0"或"Γ的第二函數值，所述 第二符號函數為：
[0066]
[0067]其中，Ti為與狀態數據Si對應的第二設定閥值，N為車輛狀態個數。
[0068]也就是說，該步驟中，對每個狀態數據置一個對應的第二設定閥值，將每個狀 態數據值與對應的第二設定閥值進行比較，當該狀態數據的值大于對應的第二設定閥 值時，則返回的第二函數值為1，而當該狀態數據的值小于第二設定閥值時，則返回的第二 函數值為0。如此，即可將步驟S123中得到的各個狀態數據(例如Si、S2、……S6)對應轉換為 "0" 或 "1"。
[0069] S124、根據所述狀態數據Si對應的第二函數值確定出車狀態，每個狀態數據對應 用于判斷一種車輛狀態，也就是說，每一個狀態數據對應作為一種出車狀態的判斷依據，根 據該對應的判決數據集合即可判斷對應的出車狀態。
[0070] 示例性的，如圖4所示，狀態數據&用于判斷車輛是否出車，例如狀態數據&的第二 函數值為1時，判斷為車輛已出車，為〇時，判斷為未出車;狀態數據3 2用于判斷車輛是否達 到現場，例如狀態數據32的第二函數值為1時，判斷為車輛已達到現場，為0時，判斷為未到 現場;狀態數據&用于判斷病人是否上車，例如狀態數據&的第二函數值為1時，判斷為病人 已上車，為0時，判斷病人未上車;狀態數據S 4用于判斷車輛是否離開現場，例如狀態數據S4 的第二函數值為1時，判斷為已經離開現場，為〇時，未離開現場;狀態數據&用于判斷車輛 是否送達醫院，例如狀態數據3 5的第二函數值為1時，判斷為已送達醫院，為0時，判斷為未 送達醫院;狀態數據S6用于判斷車輛是否待命，例如狀態數據S 6的第二函數值為1時，判斷為 已經待命，為0時，判斷為未待命。
[0071] 作為優選地，布爾數據矩陣B包括Μ行三列布爾數據，所述三列布爾數據分別為車 輛數據列、人員數據列和裝備數據列，所述Μ行數據分別為Μ個車輛數據、Μ個人員數據和Μ個 裝備數據個數。如此，利用車輛數據列、人員數據列和裝備數據列進行加權計算后得到的狀 態數據作為參考信息，得到出車狀態更加準確。
[0072] 參照圖5所示，在本發明的一些實施例中，還包括：
[0073] S13、根據狀態數據Si對應的第二函數值確定的出車狀態與實際出車狀態的差異 修正加權量。
[0074] 也就是說，當根據狀態數據Si確定的出車狀態與實際出車狀態不符時，例如狀態 數據Si判斷為車輛已出車，但實際該車輛未出車，則可以通過對加權量矩陣W中的加權量進 行調整，直至根據狀態數據3 1確定的出車狀態與實際出車狀態相一致為止。如此，通過加權 量的修正，可以使得下一次感知結果更加準確。
[0075]換言之，該方法具有學習功能，可通過優化加權量使識別概率達到最優。
[0076]參照圖6所示，發明實施例提供了一種急救車出車狀態感知裝置，包括：
[0077] 數據獲取單元20,用于實時獲取急救車的樣本數據組，所述樣本數據組中的數據 包括車輛數據、人員數據及裝備數據；
[0078] 數據處理單元21，用于將所述樣本數據組中的數據轉換為布爾數據；
[0079] 感知單元22,用于對所述布爾數據進行加權計算以得到狀態數據，并根據所述狀 態數據確定出車狀態。
[0080] 參照圖7所示，在本發明的一個實施例中，所述數據處理單元21包括：
[0081] 第一轉換模塊211，用于利用第一符號函數將樣本數據組中的數據轉換為0或1的 第一函數值，所述第一符號函數為：
[0082]
[0083]其中，Xf為樣本數據組中的數據，Tf為與數據Xf對應的第一設定閥值，sgn( Xf)為數 據Xf對應的第一函數值；
[0084] 第二轉換模塊212,用于根據布爾化表達式將所述第一函數值sgn(Xf)轉換為布爾 數據bf，所述布爾化表達式為：
[0085] bf = sgn[Xf]。
[0086] 參照圖8所示，在本發明的一個實施例中，所述感知單元22包括：
[0087] 矩陣創建模塊221，用于根據布爾數據構建布爾數據矩陣B，根據預設加權量構建 加權量矩陣W;
[0088] 計算模塊222,用于對所述布爾數據矩陣B和加權量矩陣W進行矩陣乘法運算，得到 狀態數據矩陣Sbw，所述矩陣乘法公式為：
[0089] Sbw=[W*B]*E；
[0090] 其中，E為轉換系數矩陣，且列數為1列，經過轉換運算的狀態數據矩陣Sbw為1列N行 矩陣，第i行狀態數據記為Si，（? = 1，2,3···，Ν)，N為狀態個數；
[0091 ]第三轉換模塊223，用于利用第二符號函數將狀態數據Si轉換為"0"或"Γ的第二 函數值，所述第二符號函數為：
[0092]
[0093] 其中，Ti為與所述狀態數據Si對應的為第二設定閥值，N為狀態個數；
[0094]確定模塊224,用于根據所述狀態數據51對應的第二函數值確定出車狀態，每個狀 態數據對應用于判斷車輛的一種狀態。
[0095]參照圖6所示，在本發明的一個實施例中，還包括：
[0096]加權修正單元23,用于根據所述狀態數據Sdt應的第二函數值確定的出車狀態與 實際出車狀態的差異修正加權量。
[0097]作為優選地，布爾數據矩陣B包括Μ行三列布爾數據，所述三列布爾數據分別為車 輛數據列、人員數據列和裝備數據列，所述Μ行數據分別為Μ個車輛數據、Μ個人員數據和Μ個 裝備數據個數。
[0098]根據本發明提供的急救車出車狀態感知裝置，以急救車三大要素車輛數據、人員 數據、裝備數據作為多維變量，對上述多維變量進行布爾數據轉換，再實施加權計算以得到 狀態數據，并根據所述狀態數據確定出車狀態，如此，實現了依據急救車變量模型的急救車 出車狀態智能感知，本發明的方法更加智能化和更高的識別精度，更加符合實際應用需求。 系統還具有學習功能，可通過優化權值使識別概率達到最優。
[0099]綜上所述，急救車變量模型及出車D2D狀態感知系統具有如下優點：
[0100] 1)基于急救車車輛數據、人員數據及裝備數據變量可以應用較為完整的模式識別 理論體系實現對急救車信息化應用的系統性分析，車輛數據、人員數據及裝備數據是系統 性觀察急救車運行狀態的相互關聯的變量因素。
[0101] 2)狀態識別更加符合實際應用：在實際應用中可能會缺少這樣或那樣的采集數 據，如不能通過RFID采集人員數據時，本方法仍然可以利用門禁、擔架狀態等數據通過閾值 調整實現狀態識別計算輸出。
[0102] 3)有利于實現對急救車的大數據分析：
[0103] 按車、人、裝備三大要素實現對急救車的數據采集，獲得車輛數據、人員數據及裝 備數據，有利于系統性地對急救車應用的大數據分析，為用戶提供更好的應用服務、提供更 準確的售前與售后服務。
[0104] 4)有利于提高急救車智能化程度：
[0105] 急救車出車狀態智能感知系統只是急救車智能化的一部分，基于車、人、裝備三變 量體系我們還可以繼續提高急救車的智能化應用水平，如車乘人員自動識別、車載設備電 能耗自動管理等等。
[0106] 需要說明的是，本說明書中的各個實施例均采用遞進的方式描述，每個實施例重 點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。 對于裝置或系統類實施例而言，由于其與方法實施例基本相似，所以描述的比較簡單，相關 之處參見方法實施例的部分說明即可。
[0107] 還需要說明的是，在本文中，諸如第一和第二等之類的關系術語僅僅用來將一個 實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間 存在任何這種實際的關系或者順序。而且，術語"包括"、"包含"或者其任何其他變體意在涵 蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要 素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備 所固有的要素。在沒有更多限制的情況下，由語句"包括一個……"限定的要素，并不排除在 包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。
[0108] 結合本文中所公開的實施例描述的方法或算法的步驟可以直接用硬件、處理器執 行的軟件模塊，或者二者的結合來實施。軟件模塊可以置于隨機存儲器(RAM)、內存、只讀存 儲器(R0M)、電可編程R0M、電可擦除可編程R0M、寄存器、硬盤、可移動磁盤、CD-ROM、或技術 領域內所公知的任意其它形式的存儲介質中。
[0109]對所公開的實施例的上述說明，使本領域專業技術人員能夠實現或使用本發明。 對這些實施例的多種修改對本領域的專業技術人員來說將是顯而易見的，本文中所定義的 一般原理可以在不脫離本發明的精神或范圍的情況下，在其它實施例中實現。因此，本發明 將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一 致的最寬的范圍。
【主權項】
1. 一種急救車出車D2D狀態感知方法，其特征在于，包括： 實時獲取急救車的樣本數據組，所述樣本數據組中的數據包括車輛數據、人員數據及 裝備數據； 將所述樣本數據組中的數據轉換為布爾數據； 對所述布爾數據進行加權計算W得到狀態數據，并根據所述狀態數據確定出車狀態。2. 根據權利要求1所述的急救車出車D2D狀態感知方法，其特征在于，所述將所述樣本 數據組中的數據轉換為布爾數據包括： 利用第一符號函數將樣本數據組中的數據轉換為"0"或"Γ的第一函數值，所述第一符 號函數為：其中，Xf為樣本數據組中的數據，Tf為與數據Xf對應的第一設定閥值，sgn(Xf)為數據Xf 對應的第一函數值； 根據布爾化表達式將所述第一函數值sgn(Xf)轉換為布爾數據bf，所述布爾化表達式 為： bf = sgn[Xf]。3. 根據權利要求1所述的急救車出車D2D狀態感知方法，其特征在于，所述對所述布爾 數據進行加權計算W得到狀態數據，并根據所述狀態數據確定出車狀態包括： 根據布爾數據構建布爾數據矩陣B，根據預設加權量構建加權量矩陣W; 對所述布爾數據矩陣B和加權量矩陣W進行矩陣乘法運算，得到狀態數據矩陣Sbw，所述 矩陣乘法公式為： Sbw=[W巧]巧； 其中，E為轉換系數矩陣，且列數為1列，經過轉換運算的狀態數據矩陣Sbw為1列N行矩 陣，第i行狀態數據記為Si，（ i = 1，2，3…，N)，N為車輛狀態個數； 利用第二符號函數將狀態數據Si轉換為"0"或"Γ的第二函數值，所述第二符號函數為：其中，Τι為與所述狀態數據Si對應的第二設定閥值，N為車輛狀態個數； 根據所述狀態數據Si對應的第二函數值確定出車D2D狀態，每個狀態數據對應用于判斷 一個車輛狀態。4. 根據權利要求3所述的急救車出車D2D狀態感知方法，其特征在于，還包括： 根據狀態數據Si對應的第二函數值確定的出車狀態與實際出車狀態的差異修正加權 量。5. 根據權利要求3所述的急救車出車D2D狀態感知方法，其特征在于，所述布爾數據矩 陣B包括Μ行Ξ列布爾數據，所述Ξ列布爾數據分別為車輛數據列、人員數據列和裝備數據 列，所述Μ行數據分別為Μ個車輛數據、Μ個人員數據和Μ個裝備數據個數。6. -種急救車出車D2D狀態感知裝置，其特征在于，包括： 數據獲取單元，用于實時獲取急救車的樣本數據組，所述樣本數據組中的數據包括車 輛數據、人員數據及裝備數據； 數據處理單元，用于將所述樣本數據組中的數據轉換為布爾數據； 感知單元，用于對所述布爾數據進行加權計算W得到狀態數據，并根據所述狀態數據 確定出車狀態。7. 根據權利要求6所述的急救車出車D2D狀態感知裝置，其特征在于，所述數據處理單 元包括： 第一轉換模塊，用于利用第一符號函數將樣本數據組中的數據轉換為0或1的第一函數 值，所述第一符號函數為：其中，Xf為樣本數據組中的數據，Tf為與數據Xf對應的第一設定閥值，sgn(xf)為數據Xf 對應的第一函數值； 第二轉換模塊，用于根據布爾化表達式將所述第一函數值sgn(Xf)轉換為布爾數據bf， 所述布爾化表達式為： bf = sgn[Xf]。8. 根據權利要求6所述的急救車出車D2D狀態感知裝置，其特征在于，所述感知單元包 括： 矩陣創建模塊，用于根據布爾數據構建布爾數據矩陣B，根據預設加權量構建加權量矩 陣W; 計算模塊，用于對所述布爾數據矩陣B和加權量矩陣W進行矩陣乘法運算，得到狀態數 據矩陣Sbw，所述矩陣乘法公式為： Sbw=[W巧]巧； 其中，E為轉換系數矩陣，且列數為1列，經過轉換運算的狀態數據矩陣Sbw為1列N行矩 陣，第i行狀態數據記為Si，（ i = 1，2，3…，N)，N為車輛狀態個數； 第Ξ轉換模塊，利用第二符號函數將狀態數據Si轉換為"0"或"Γ的第二函數值，所述第 二符號函數為：其中，Τι為與所述狀態數據Si對應的為第二設定閥值，N為車輛狀態個數； 確定模塊，用于根據所述狀態數據Si對應的第二函數值確定出車狀態，每個狀態數據對 應用于判斷一個車輛狀態。9. 根據權利要求8所述的急救車出車D2D狀態感知裝置，其特征在于，還包括： 加權修正單元，用于根據所述狀態數據Si對應的第二函數值確定的出車狀態與實際出 車狀態的差異修正加權量。10. 根據權利要求8所述的急救車出車D2D狀態感知裝置，其特征在于，所述布爾數據矩 陣B包括Μ行Ξ列布爾數據，所述Ξ列布爾數據分別為車輛數據列、人員數據列和裝備數據 列，所述Μ行數據分別為Μ個車輛數據、Μ個人員數據和Μ個裝備數據個數。
【文檔編號】G06Q10/06GK105976456SQ201610367532
【公開日】2016年9月28日
【申請日】2016年5月30日
【發明人】陳牧鋒
【申請人】陳牧鋒