基于道闸管理的医院疫情防控管理系统的设计与应用

张骥，杜桂民

齐河县人民医院医学装备科 （山东德州 251100）

2019年12月，湖北省武汉市部分医院陆续发现了不明原因肺炎病例，后经证实，该病是由一种新型冠状病毒感染引起的，以发热、乏力、干咳为主要表现的急性呼吸道传染病，严重影响人民群众的生命健康。为此，党中央国务院高度重视，及时对全国疫情防控作出全面部署，组织全国医疗资源集中攻坚，克服重重困难，在全国人民的通力配合下，将疫情牢牢控制住，显示出社会主义体制的高度优越性。随后，国外疫情暴发肆虐，全球各地陆续出现“德尔塔”“奥密克戎”等变异毒株，不时有境外输入病例和国际货物、冷链物流等引发国内疫情的发生，我国“外防输入、内防反弹”的防控形势十分严峻，因此，各地开始实施常态化疫情管控措施。自新型冠状病毒肺炎疫情暴发以来，我院作为县级综合公立医院，承担着服务全县人民的任务，严格落实闭环管理措施，尤其是对出入口人员实行严格的体温检测、流行病史调查、健康码和通行码查验等。由于部分来我院就诊的患者及陪护人员年龄偏大，无智能手机或未携带手机，无法注册国家健康码，因此，疫情初期只能以人工手写方式登记防疫筛查信息，记录缓慢，且患者配戴口罩发音不清晰，需反复询问校对，极易造成人员拥堵及信息采集不准确，增加疫情聚集性暴发的风险。为避免就诊人员、本院职工或来访人员在出入口的拥堵，消除人员聚集带来的传播隐患，保障疫情防控期间的医疗秩序，全力服务我院疫情防控工作，本研究利用物联网及人工智能技术对传统闸机进行改造，设计了一套基于道闸管理的医院疫情防控管理系统，实现了健康码识别、红外体温检测、身份证识别、人脸比对等核心功能，根据我院门诊和病房的分布位置，将该系统在我院4个出入口应用验证，提升了人员的通行管理效率，同时加强了对进出医院人员的安全管理，现对该系统作如下介绍。

1 通道闸机管理系统

通道闸机管理系统通过联合使用智能通道闸机与人脸识别设备系统，对人员出入通道进行控制管理以及考勤管理，不仅可方便职工有序出入，还可杜绝外来人员随意进出。该系统将人脸识别功能集成到闸机中，对来访人员进行健康码识别、人证比对，有助于加强疫情防控安全管理，适用于医院、学校、政务部门等机构；也可通过快速录入人脸信息，创建安全可靠的人脸库，用户采用刷脸通行的方式，能解决忘带工卡、盗刷等问题，实现企业、商业、住宅等多场景门禁通行。根据我院门诊楼、外科病房楼、内科病房楼的位置和建筑特征（图1），为满足所有出入口全封闭管理的要求，根据各出入口人流量情况，在门诊出入口设置2进1出和1个人工通道，在急诊出入口、外科出入口及内科出入口各设置1进1出和1个人工通道，为方便使用轮椅和病床的患者通过道闸，所有人工通道的宽度均达到1.5 m。

图1 我院门诊楼、外科病房楼、内科病房楼位置和建筑特征

2 基于道闸管理的医院疫情防控管理系统

2.1 总体架构

系统总体架构由前端硬件及后端平台组成，通过前端硬件的健康码识别、体温检测、身份证识别等多项管控手段，提升了进出卡口的通行效率和安全管理能力，建立了安保手段全面、数据查询精准、人员可追溯的实名制智慧平台；通过后端平台的管理模块可设置账户权限、管理区域等，进行数据统计分析并形成可视化报表；还可进行异常预警设置，对异常人群进行定位，并将信息上传至管理系统；亦可精确查询异常情况，追溯密切接触人员。

2.1.1 前端硬件

前端硬件由测温模块、健康码模块及身份证模块组成。测温模块具有体温检测和异常报警功能；健康码模块通过与国家信息中心大数据管理应用中心对接，具有健康码识别、人脸比对、异常报警和记录功能；身份证模块通过与国家信息中心大数据管理应用中心对接，具有身份证识别、人脸比对、异常报警和记录等功能。所有人员进入院区，可选择刷手机健康码方式在扫码器上方扫描个人手机上的健康码，健康码识别成功后，可通过与国家信息中心大数据管理应用中心后台的对接，获取健康码状态信息及更新时间。若健康码为绿色，闸机放行；若健康码为黄色或红色，或健康码过期，闸机禁行，并语音提示健康码异常，请走人工通道。已申请健康码的人员，也可通过刷个人身份证进行健康码核验，测量体温，做到留存信息。进入院区所有出入口的人员均需进行体温检测，体温异常闸机禁行并触发声光预警，报警阈值可根据国家疫情防控要求设定为37.3 ℃[1]。

2.1.2 后端平台

根据本平台功能需求，本系统整体采用B/S 三层架构，支撑平台构建全部采取统一标准，全部产品均采用国际标准结构。支撑平台产品的构架方式完全基于企业级应用集成模式，各原始数据通过数据集成与数据交换技术以通用的方式管理，因此能够支持不同的上层应用架构，无论各数据库在物理上是集中的还是分布在不同服务器上，均不会破坏平台的统一性[2]。B/S 三层架构是指前端表现层（Web Server）、应用逻辑层（Application Server）和数据层（DB Server），见图2。

图2 B/S 三层架构

通过数据的采集、加工和整合服务，进行整理后，汇入统一的系统数据库存储，其处理过程可监控、可回溯、可重新采集，系统详细记录数据处理的原则和整合规则，提供编辑处理[3]。数据采集的对象主要包括通行人员的身份信息、体温和健康码状态及位置信息。该系统采用了大量成熟技术，特别是结合了面向服务架构和组件化设计的思路，应用多层设计模型分离数据、业务逻辑和界面[4]，并采用门户、电子表单等关键技术解决系统需要集成数据异构及数据源的数量、格式不定等技术难点，实现了数据、（查询分析）功能和界面3个层次的灵活定制。该系统的数据库技术架构见图3。

图3 数据库技术架构

2.2 设计与应用

2.2.1 设计过程

本研究以全国区域疫情风险等级信息为基础，集身份证扫描器、健康码等身份识别设备、红外体温检测设备于一体，以便于就诊患者、陪护人员和本院职工快速通过各相关关口。该系统的工作流程见图4：首先进行健康码或身份证识别，登记居民信息，同时调取疫情风险库判断风险级别；若为低风险，记录该人员注册的健康码信息，核对人脸信息并检测体温，体温合格后放行；若为中风险，则语音提示进行人工登记，填写流行病史，安排专业医护组问诊处置；若为高风险，则语音报警提示，疫情防控人员启动疫情防控应急预案处置，同时调查生活轨迹信息，并及时记录保存，并将异常信息实时上传至平台，同时手机短信或后台可进行实时预警，精确到具体时间和闸机。根据异常人员的出入记录，查询所有同区域进出人员的信息，实现对密切接触者的精准追溯。

图4 基于道闸管理的医院疫情防控管理系统的工作流程

2.2.2 关键技术

该系统的设计主要应用了物联网技术、二维码识别技术、身份证识别技术、体温检测技术、构件化的开发方法、ASP.NET 开发架构六项关键技术。

物联网是物与物、人与物之间的信息传递与控制，在物联网应用中有传感器技术、嵌入式系统技术、智能技术等。健康码的本质为承载了个人健康信息的二维码，二维码识别的主要过程为图像预处理（灰度化、去噪、畸变矫正以及二值化等）、定位位置探测图形、定位校正图形、透视变换、译码和纠错[5-6]。身份证识别采用的是先进的TypeB 非接触IC 卡阅读技术，通过内嵌的专用身份证安全控制模块，以无线WIFI 传输方式与第二代居民身份证内的专用芯片进行安全认证后，读取芯片内的个人信息，再通过通信接口将此信息上传至智能平板并将其解码为文字和图像进行显示，平板将信息传输至身份证识别后台以对身份信息进行识别[7]。体温检测技术通过红外探测器将物体辐射的功率信号转换为电信号后，成像装置的输出信号便可完全一一对应地模拟扫描物体表面温度的空间分布，经电子系统处理，传至显示屏上，得到与物体表面热分布相对应的热像图[8]。构件化的开发方法实现了分析、设计、类等多层次的重用，分析抽象层的重用元素包括子系统、类；设计层的重用元素包括系统体系结构、子系统体系结构、设计模式、框架、容器、构件等。为了快速实现、跟踪本系统的设计和开发，系统主要采用了ASP.NET 应用技术，该技术提供了基于组件的设计方法，开发、集成、部署应用程序和多层分布式应用模式，使系统具有重用功能，并集成了基于XML 的数据交换——一个统一的安全模式及灵活的事务控制[9]。

2.2.3 应用

根据系统设计原理，在我院所有出入口安装了进出道闸后，其中人流量较大时门诊的实际情况见图5，进入门诊大厅的所有人员体温检测正常后，设备识别健康码，就诊患者、陪护人员和本院职工等有序排队通过闸机，未发生拥堵和聚集等情况。在平台管理模块可以实时查看每日的人员进出情况，由2022年1月19日（正常工作日）门诊出入口的人流量统计图（图6）可知，当天的人流量为3 078人次、高峰时间段为8～10时和13～15时，以上信息可以帮助疫情防控人员合理安排值守时间，避免人力资源浪费。此外，通过调取健康码过期和未注册等健康码异常情况（图7），并与人工登记情况对比，详细记录通过人员的健康码异常情况。

图5 门诊出入口道闸安装图

图6 门诊出入口人流量统计图

图7 健康码异常统计图

3 小结

本系统的应用不仅节约了大量人力、物力资源，实现了节能环保（即实现了无纸化登记查询和电子版材料的上报），而且利于促进区域化健康、防疫一体化联防联控大格局的形成和发展；同时，该平台的投入运行，可以有效对通行人员的数据进行分类处理，提高疫情防控人员的检查效率以及通行人员的通过效率，减少人员聚集，降低疫情防控人员感染风险；此外，该平台还可以记录通行人员的历史轨迹，高效查询相关人员的信息，并提供数据分析和报表导出功能，提高对通行人员的监管力度，一旦有异常情况出现，可帮助管理人员快速追踪到密切接触者；采用AI 智能设备替代人工，可以减少人员投入，降低管理人员使用成本。但由于本研究项目是在应急状态下突击开发，尚有诸多细节需要完善，如平台方面，尚未与国家行程码对接，无法直接判断是否到过中高风险地区；性能方面，识别健康码存在读取卡顿的现象，其稳定性尚待提高[10]。