Sadmin
5bdb345e33
B14 (поведение-сохраняющий рефакторинг): - services/search_engine.py — вся SAR-математика из analyze.py: SearchInput/SearchModel, build_search_model (чистая функция, без DB/auth/HTTP), деривации профилей/времени суток, unmodeled. - analyze.py — тонкая обёртка: сборка SearchInput + запись БД. - closed_cases.py — импорты хелперов из движка. - 12 юнит-тестов движка (claude_analyze мокается). - Контракт /analyze не изменён; регресс спеки подтверждён: bike 8yo 2h лес день -> 5.4 км. B15 (слои данных, Alembic): - backend/alembic (env из DATABASE_URL) + миграция 006_b15_layers. - Слой 4: search_models (case_id, version, input_snapshot, model_json). - Слой 3: search_teams, field_observations, areas_checked, found_events (geom JSONB GeoJSON, PostGIS в B16). - Слой 1: reference_priors (пустой, B12 заблокирован). - Бэкфилл: cases.analysis_log (объект с primary_zones) -> search_models v1; legacy-массивы и analysis_log-таблица не тронуты. - Проверено на CT108 в одноразовых pg16-контейнерах: чистая БД (без данных и с ними), бэкфилл=1 из 3 seed-кейсов, downgrade->upgrade идемпотентен, check-constraints работают, источник не модифицирован. pytest: 214 passed.
307 lines
14 KiB
Python
307 lines
14 KiB
Python
"""Завершённые поиски — ручной ввод данных + прогон матмодели БЕЗ ИИ.
|
|
|
|
Цель: датасет для калибровки зонального скоринга (B12) и архив исторических
|
|
поисков. LLM не используется: скоринг полностью детерминированный
|
|
(WeightedScorer + distance_service + психотип).
|
|
|
|
Прогон модели = тот же расчёт, что /analyze, но БЕЗ claude_service:
|
|
urgency/immediate_actions/behavioral_prediction вычисляются по правилам,
|
|
зоны считаются WeightedScorer-ом по фактическим данным кейса.
|
|
|
|
Endpoints:
|
|
POST /api/v1/closed-cases — внести завершённый поиск (+авто-прогон модели)
|
|
GET /api/v1/closed-cases — список (для таблицы в админке)
|
|
GET /api/v1/closed-cases/{id} — карточка
|
|
DELETE /api/v1/closed-cases/{id} — удалить (опечатка)
|
|
POST /api/v1/closed-cases/{id}/reanalyze — перегнать модель по внесённым данным
|
|
"""
|
|
from __future__ import annotations
|
|
|
|
from datetime import datetime
|
|
from typing import Any
|
|
from uuid import UUID
|
|
|
|
from fastapi import APIRouter, Depends, HTTPException, Query
|
|
|
|
from backend.database import db
|
|
from backend.routers.analyze import AnalysisRequest
|
|
from services.search_engine import (
|
|
derive_profiles as _derive_profiles,
|
|
derive_time_of_day as _derive_time_of_day,
|
|
unmodeled_profiles as _unmodeled_profiles,
|
|
)
|
|
from backend.routers.auth import require_roles
|
|
from backend.schemas import ClosedCaseCreate, ClosedCaseListResponse, ClosedCaseResponse
|
|
from services.distance_service import (
|
|
calculate_max_distance,
|
|
get_base_speed,
|
|
get_diagnosis_coefficient,
|
|
get_terrain_coefficient,
|
|
get_time_of_day_coefficient,
|
|
get_transport_coefficient,
|
|
get_weather_coefficient,
|
|
)
|
|
from services.psychotype_service import (
|
|
detect_psychotype,
|
|
get_psychotype_modifiers,
|
|
get_search_recommendations,
|
|
)
|
|
from services.scoring_service import WeightedScorer
|
|
|
|
router = APIRouter(
|
|
prefix='/api/v1/closed-cases',
|
|
tags=['closed-cases'],
|
|
dependencies=[Depends(require_roles(['operator', 'admin']))],
|
|
)
|
|
|
|
|
|
def _run_model(data: dict[str, Any]) -> dict[str, Any]:
|
|
"""Детерминированный прогон матмодели по данным завершённого поиска.
|
|
|
|
Повторяет логику analyze.analyze_case, но БЕЗ вызова claude_service.
|
|
urgency/behavioral_prediction/immediate_actions вычисляются правилами.
|
|
"""
|
|
# Психотип из ответов или явного указания
|
|
psychotype = None
|
|
psychotype_modifiers = None
|
|
psychotype_recommendations = None
|
|
if data.get('psychotype_answers'):
|
|
psychotype = detect_psychotype(data['psychotype_answers'])
|
|
psychotype_modifiers = get_psychotype_modifiers(psychotype)
|
|
psychotype_recommendations = get_search_recommendations(psychotype)
|
|
elif data.get('psychotype'):
|
|
psychotype = data['psychotype']
|
|
psychotype_modifiers = get_psychotype_modifiers(psychotype)
|
|
psychotype_recommendations = get_search_recommendations(psychotype)
|
|
|
|
time_of_day = _derive_time_of_day(data.get('loss_time'))
|
|
profiles = _derive_profiles(
|
|
data.get('diagnosis_type') or [],
|
|
data.get('has_transport'),
|
|
bool(data.get('cant_swim')),
|
|
explicit=data.get('profiles') or [],
|
|
)
|
|
|
|
max_distance_km = calculate_max_distance(data)
|
|
|
|
scorer = WeightedScorer()
|
|
if data.get('age_years'):
|
|
scorer.apply_age_modifiers(int(data['age_years']))
|
|
if data.get('season'):
|
|
scorer.apply_season_modifiers(str(data['season']))
|
|
if profiles:
|
|
scorer.apply_profile(profiles)
|
|
if psychotype_modifiers:
|
|
data['psychotype_modifiers'] = psychotype_modifiers
|
|
scorer._normalize_weights()
|
|
|
|
elapsed = float(data.get('elapsed_hours') or 1)
|
|
age_val = int(data.get('age_years') or 10)
|
|
|
|
coefficients = {
|
|
'base_speed': get_base_speed(age_val),
|
|
'terrain': get_terrain_coefficient(data.get('terrain_primary') or (data.get('terrain') or ['лес'])[0]),
|
|
'diagnosis': get_diagnosis_coefficient(data.get('diagnosis_type')),
|
|
'urgency': get_transport_coefficient(data.get('has_transport')),
|
|
'fatigue': max(0.3, 1.0 - 0.05 * elapsed),
|
|
'time_of_day': get_time_of_day_coefficient(_derive_time_of_day(data.get('loss_time'))),
|
|
'weather': get_weather_coefficient(data.get('weather') or 'нет'),
|
|
}
|
|
|
|
# Правила вместо LLM: urgency по elapsed + возраст + диагноз
|
|
urgency = _rule_based_urgency(elapsed, age_val, data.get('diagnosis_type') or [])
|
|
behavioral = _rule_based_behavior(data, profiles, psychotype)
|
|
actions = _rule_based_actions(data, profiles, psychotype)
|
|
|
|
return {
|
|
'max_distance_km': max_distance_km,
|
|
'coefficients': coefficients,
|
|
'time_of_day': time_of_day,
|
|
'psychotype': psychotype,
|
|
'psychotype_modifiers': psychotype_modifiers,
|
|
'psychotype_recommendations': psychotype_recommendations,
|
|
'weights': scorer.weights,
|
|
'distance_multiplier': scorer.distance_multiplier,
|
|
'active_profiles': scorer.get_active_profiles_info(),
|
|
'critical_warnings': scorer.critical_warnings,
|
|
'urgency': urgency,
|
|
'behavioral_prediction': behavioral,
|
|
'immediate_actions': actions,
|
|
'summary': 'Детерминированный расчёт (без LLM) — форма «Завершённый поиск»',
|
|
'fallback_used': False,
|
|
'llm_used': False,
|
|
}
|
|
|
|
|
|
def _rule_based_urgency(elapsed: float, age: int, diagnosis: list[str]) -> str:
|
|
"""urgency по правилам: чем меньше ребёнок и дольше поиск — тем выше срочность."""
|
|
score = 0
|
|
if elapsed >= 24:
|
|
score += 2
|
|
elif elapsed >= 8:
|
|
score += 1
|
|
if age <= 7:
|
|
score += 2
|
|
elif age <= 12:
|
|
score += 1
|
|
if diagnosis:
|
|
score += 1
|
|
if score >= 4:
|
|
return 'критическая'
|
|
if score >= 2:
|
|
return 'высокая'
|
|
return 'средняя'
|
|
|
|
|
|
def _rule_based_behavior(data: dict, profiles: list[str], psychotype: str | None) -> str:
|
|
"""Краткое поведенческое предсказание по профилям (справочник WeightedScorer)."""
|
|
parts: list[str] = []
|
|
if psychotype:
|
|
parts.append(f'Психотип: {psychotype}.')
|
|
if 'РАС' in profiles:
|
|
parts.append('Склонен держаться линейных ориентиров (дороги, заборы, ручьи); может прятаться от поисковиков.')
|
|
if 'эпилепсия' in profiles:
|
|
parts.append('Риск дезориентации после приступа; искать вблизи водных преград и уклонов.')
|
|
if 'СДВГ' in profiles:
|
|
parts.append('Импульсивное движение вперёд по линии наименьшего сопротивления, большие дистанции.')
|
|
if 'ЗПР' in profiles:
|
|
parts.append('Держится знакомых мест; вероятен возврат к точке потери или знакомым объектам.')
|
|
if str(data.get('has_transport') or '') == 'bike':
|
|
parts.append('Транспорт (велик) сильно расширяет радиус — проверить линейные объекты вдоль дорог.')
|
|
if data.get('cant_swim'):
|
|
parts.append('Не умеет плавать — приоритет ближним водоёмам.')
|
|
if not parts:
|
|
parts.append('Типовое поведение для возраста: линейное движение по дороге/тропе с постепенным отклонением.')
|
|
return ' '.join(parts)
|
|
|
|
|
|
def _rule_based_actions(data: dict, profiles: list[str], psychotype: str | None) -> list[str]:
|
|
"""Первоочередные действия по правилам (справочник по профилям)."""
|
|
actions: list[str] = []
|
|
elapsed = float(data.get('elapsed_hours') or 0)
|
|
if elapsed >= 8:
|
|
actions.append('Подключить кинолога к зоне ТНП в первую очередь')
|
|
if 'РАС' in profiles:
|
|
actions.append('Проверить укрытия, строения, ёмкости с водой — обследование с физическим осмотром')
|
|
actions.append('Опросить соседей о ближайших «точках притяжения» (гараж, сарай, теплица)')
|
|
if data.get('cant_swim'):
|
|
actions.append('Обследовать ближайшие водоёмы немедленно')
|
|
if elapsed >= 24:
|
|
actions.append('Расширить поиск за пределы расчётного радиуса')
|
|
actions.append('Опросить жителей и водителей, проверив направления от ТНП')
|
|
return actions
|
|
|
|
|
|
def _accuracy_note(prediction: dict[str, Any], fact: ClosedCaseCreate) -> str | None:
|
|
"""Сравнить прогноз модели с реальным исходом (текстово, человекочитаемо)."""
|
|
if fact.found_distance_km is None:
|
|
return None
|
|
try:
|
|
max_d = float(prediction.get('max_distance_km') or 0)
|
|
except (TypeError, ValueError):
|
|
return None
|
|
if max_d <= 0:
|
|
return 'Прогноз не построен'
|
|
found_km = float(fact.found_distance_km)
|
|
ratio = found_km / max_d if max_d else 0
|
|
if ratio <= 1.0:
|
|
note = f'Найден в {found_km:.1f} км — внутри прогнозного радиуса {max_d:.1f} км (соотношение {ratio:.2f}).'
|
|
else:
|
|
note = f'Найден в {found_km:.1f} км — ЗА пределами прогнозного радиуса {max_d:.1f} км (соотношение {ratio:.2f}).'
|
|
if not fact.found_alive:
|
|
note += ' Исход неблагоприятный.'
|
|
return note
|
|
|
|
|
|
# ---------------- Endpoints ----------------
|
|
|
|
@router.post('', response_model=ClosedCaseResponse)
|
|
def create_closed_case(payload: ClosedCaseCreate) -> dict[str, Any]:
|
|
data = payload.model_dump()
|
|
prediction = _run_model(data)
|
|
accuracy = _accuracy_note(prediction, payload)
|
|
|
|
case = db.create_case(
|
|
**{k: v for k, v in data.items() if v is not None},
|
|
status='closed',
|
|
)
|
|
# Прогноз и заметку о точности храним в analysis_log (JSONB) —
|
|
# схема cases не меняется, отдельной таблицы не нужно.
|
|
db.update_case(
|
|
str(case.id),
|
|
analysis_log={
|
|
'closed_case': True,
|
|
'model_prediction': prediction,
|
|
'accuracy_note': accuracy,
|
|
'source': payload.source,
|
|
},
|
|
)
|
|
detail = case.to_detail()
|
|
return {**data, 'id': str(case.id), 'created_at': detail.get('created_at'),
|
|
'model_prediction': prediction, 'accuracy_note': accuracy}
|
|
|
|
|
|
@router.get('', response_model=ClosedCaseListResponse)
|
|
def list_closed_cases(
|
|
page: int = Query(default=1, ge=1),
|
|
page_size: int = Query(default=50, ge=1, le=200),
|
|
) -> dict:
|
|
cases = [c for c in db.list_cases() if (c.to_summary().get('analysis_log') or {}).get('closed_case')]
|
|
items = []
|
|
for c in cases:
|
|
detail = c.to_detail()
|
|
log = detail.get('analysis_log') or {}
|
|
if not log.get('closed_case'):
|
|
continue
|
|
items.append({
|
|
**{k: detail.get(k) for k in ClosedCaseCreate.model_fields},
|
|
'id': detail['id'],
|
|
'created_at': detail.get('created_at'),
|
|
'model_prediction': log.get('model_prediction'),
|
|
'accuracy_note': log.get('accuracy_note'),
|
|
})
|
|
start = (page - 1) * page_size
|
|
return {'items': items[start:start + page_size], 'total': len(items)}
|
|
|
|
|
|
@router.get('/{case_id}', response_model=ClosedCaseResponse)
|
|
def get_closed_case(case_id: str) -> dict[str, Any]:
|
|
case = db.get_case(case_id)
|
|
if not case:
|
|
raise HTTPException(status_code=404, detail='Case not found')
|
|
detail = case.to_detail()
|
|
log = detail.get('analysis_log') or {}
|
|
if not log.get('closed_case'):
|
|
raise HTTPException(status_code=404, detail='Не завершённый поиск')
|
|
return {**{k: detail.get(k) for k in ClosedCaseCreate.model_fields},
|
|
'id': detail['id'], 'created_at': detail.get('created_at'),
|
|
'model_prediction': log.get('model_prediction'),
|
|
'accuracy_note': log.get('accuracy_note')}
|
|
|
|
|
|
@router.post('/{case_id}/reanalyze')
|
|
def reanalyze_closed_case(case_id: str) -> dict[str, Any]:
|
|
"""Перегнать модель по внесённым данным (после правки коэффициентов/данных)."""
|
|
case = db.get_case(case_id)
|
|
if not case:
|
|
raise HTTPException(status_code=404, detail='Case not found')
|
|
detail = case.to_detail()
|
|
log = detail.get('analysis_log') or {}
|
|
if not log.get('closed_case'):
|
|
raise HTTPException(status_code=400, detail='Не завершённый поиск')
|
|
|
|
data = {k: detail.get(k) for k in ClosedCaseCreate.model_fields}
|
|
prediction = _run_model(data)
|
|
fact = ClosedCaseCreate(**data)
|
|
accuracy = _accuracy_note(prediction, fact)
|
|
new_log = {**log, 'model_prediction': prediction, 'accuracy_note': accuracy}
|
|
db.update_case(case_id, analysis_log=new_log)
|
|
return {'model_prediction': prediction, 'accuracy_note': accuracy}
|
|
|
|
|
|
@router.delete('/{case_id}')
|
|
def delete_closed_case(case_id: str) -> dict[str, bool]:
|
|
deleted = db.delete_case(case_id)
|
|
if not deleted:
|
|
raise HTTPException(status_code=404, detail='Case not found')
|
|
return {'deleted': True} |