Sadmin
f20080305d
Определение специфических рекомендаций (матрица профилей §8):
1. Ж/д слой (закрыт мёртвый railway ×2.5 у РАС):
- /api/v1/water/{case_id} отдаёт railway=rail как LineString
(без service/industrial/military веток), кэш общий v2;
- railway_warning «перекрыть/проверить немедленно» по профилям;
- SearchMap: Polyline слой ж/д (тёмно-красный), счётчики 💧/🚂.
2. cant_swim → профиль не_умеет_плавать (water ×3.0, без изменения
радиуса, critical_warning «обследовать водоёмы НЕМЕДЛЕННО»):
- раньше чекбокс влиял только на текст, в скоринге был пробел;
- derive в analyze._derive_profiles — работает и для closed_cases.
3. unmodeled_profiles: ДЦП/слабое зрение/слух — честная пометка
«вне поведенческой модели» с пояснением (vector_tasks B12:
профили без аналога не выдавать за учтённые); блок на фронте
в карточке здоровья.
Площадь воды: сферический эксцесс, проверен на квадрате 53° (744017 м²
vs 743272 точного). Тесты: 202 passed (новый test_cant_swim_profile).
273 lines
12 KiB
Python
273 lines
12 KiB
Python
from __future__ import annotations
|
|
|
|
from datetime import datetime, timezone
|
|
from typing import Any
|
|
from uuid import UUID
|
|
|
|
from fastapi import APIRouter, Depends, HTTPException
|
|
from pydantic import BaseModel, Field
|
|
|
|
from backend.database import db
|
|
from backend.routers.auth import require_roles
|
|
from services.claude_service import analyze_case as claude_analyze
|
|
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/analyze', tags=['analyze'])
|
|
|
|
|
|
class AnalysisRequest(BaseModel):
|
|
case_id: UUID | None = None
|
|
age: int | None = None
|
|
gender: str | None = None
|
|
terrain: str | list[str] | None = None
|
|
weather: str | None = None
|
|
elapsed_hours: float | None = None
|
|
last_location: str | None = None
|
|
circumstances: str | None = None
|
|
physical_condition: str | None = None
|
|
experience: str | None = None
|
|
season: str | None = None
|
|
diagnosis_type: list[str] = Field(default_factory=list)
|
|
has_transport: str | None = None
|
|
psychotype_answers: dict[str, Any] = Field(default_factory=dict)
|
|
tnp_lat: float | None = None
|
|
tnp_lon: float | None = None
|
|
lat: float | None = None
|
|
lon: float | None = None
|
|
profiles: list[str] = Field(default_factory=list)
|
|
|
|
|
|
def _first_terrain(value: str | list[str] | None) -> str | None:
|
|
if isinstance(value, list):
|
|
return value[0] if value else None
|
|
return value
|
|
|
|
|
|
def _as_case_data(payload: AnalysisRequest) -> dict[str, Any]:
|
|
terrain = _first_terrain(payload.terrain)
|
|
case_data: dict[str, Any] = {
|
|
'age': payload.age,
|
|
'gender': payload.gender,
|
|
'terrain': terrain,
|
|
'terrain_primary': terrain,
|
|
'weather': payload.weather,
|
|
'elapsed_hours': payload.elapsed_hours,
|
|
'last_location': payload.last_location,
|
|
'circumstances': payload.circumstances,
|
|
'physical_condition': payload.physical_condition,
|
|
'experience': payload.experience,
|
|
'season': payload.season,
|
|
'diagnosis_type': payload.diagnosis_type,
|
|
'has_transport': payload.has_transport,
|
|
'profiles': list(payload.profiles or []),
|
|
'psychotype_answers': payload.psychotype_answers,
|
|
'lat': payload.lat if payload.lat is not None else payload.tnp_lat,
|
|
'lon': payload.lon if payload.lon is not None else payload.tnp_lon,
|
|
}
|
|
# Отфильтровываем None и пустые контейнеры ([], {}), чтобы при merge
|
|
# {**to_detail, **case_data} значения из карточки случая не затирались
|
|
# «пустышками» из дефолтов payload (psychotype_answers={}, diagnosis_type=[]).
|
|
return {
|
|
k: v for k, v in case_data.items()
|
|
if v is not None and not (isinstance(v, (list, dict)) and len(v) == 0)
|
|
}
|
|
|
|
|
|
# Диагнозы, которые форма собирает, но поведенческая модель не покрывает
|
|
# (vector_tasks.md B12: профили без аналога/данных — честно помечать «вне модели»).
|
|
UNMODELED_DIAGNOSES: dict[str, str] = {
|
|
'ДЦП': 'Двигательные нарушения — модель не учитывает; учесть вручную при планировании (доступность местности, темп).',
|
|
'слабое_зрение': 'Слабое зрение — модель не учитывает; вероятность следования по открытым/звуковым ориентирам выше.',
|
|
'слабый_слух': 'Слабый слух — модель не учитывает; голосовой поиск менее эффективен, приоритет визуальным сигналам.',
|
|
}
|
|
|
|
|
|
def _unmodeled_profiles(case_data: dict[str, Any]) -> list[dict[str, str]]:
|
|
"""Диагнозы вне поведенческой модели (не влияют на скоринг) + пояснение."""
|
|
out: list[dict[str, str]] = []
|
|
for diag in (case_data.get('diagnosis_type') or []):
|
|
d = str(diag).lower()
|
|
for key, note in UNMODELED_DIAGNOSES.items():
|
|
if d == key.lower() and not any(o['profile'] == key for o in out):
|
|
out.append({'profile': key, 'note': note})
|
|
return out
|
|
|
|
|
|
def _derive_profiles(case_data: dict[str, Any]) -> list[str]:
|
|
"""
|
|
Формирует список поведенческих профилей из диагнозов и транспорта, если они
|
|
не переданы явно. Ключи WeightedScorer.PROFILES — русские (§8 контекста).
|
|
Это закрывает рассинхрон bike/велосипед на границе бэкенд↔фронтенд.
|
|
"""
|
|
explicit = list(case_data.get('profiles') or [])
|
|
if explicit:
|
|
return explicit
|
|
derived: list[str] = []
|
|
for diag in (case_data.get('diagnosis_type') or []):
|
|
d = str(diag).lower()
|
|
if 'рас' in d or 'аутизм' in d:
|
|
derived.append('РАС')
|
|
elif 'эпилепси' in d:
|
|
derived.append('эпилепсия')
|
|
elif 'сдвг' in d:
|
|
derived.append('СДВГ')
|
|
elif 'зпр' in d:
|
|
derived.append('ЗПР')
|
|
transport = str(case_data.get('has_transport') or '').lower()
|
|
if transport == 'bike':
|
|
derived.append('велосипед')
|
|
elif transport == 'scooter':
|
|
derived.append('самокат')
|
|
if case_data.get('cant_swim'):
|
|
derived.append('не_умеет_плавать')
|
|
seen: set[str] = set()
|
|
out: list[str] = []
|
|
for p in derived:
|
|
if p not in seen:
|
|
seen.add(p)
|
|
out.append(p)
|
|
return out
|
|
|
|
|
|
def _derive_time_of_day(loss_time: Any) -> str:
|
|
"""
|
|
Выводит время суток из loss_time: 6-18 день, 18-22 сумерки, иначе ночь.
|
|
Порт фронтендовой getTimeOfDay. Принимает datetime или ISO-строку.
|
|
"""
|
|
if not loss_time:
|
|
return 'день'
|
|
try:
|
|
if isinstance(loss_time, str):
|
|
hour = int(loss_time.split('T')[1].split(':')[0])
|
|
else:
|
|
hour = loss_time.hour
|
|
except Exception:
|
|
return 'день'
|
|
if 6 <= hour < 18:
|
|
return 'день'
|
|
if 18 <= hour < 22:
|
|
return 'сумерки'
|
|
return 'ночь'
|
|
|
|
|
|
@router.post('', dependencies=[Depends(require_roles(['operator', 'field', 'admin']))])
|
|
async def analyze_case(payload: AnalysisRequest) -> dict[str, Any]:
|
|
case_data = _as_case_data(payload)
|
|
|
|
if payload.case_id is not None:
|
|
case = db.get_case(str(payload.case_id))
|
|
if not case:
|
|
raise HTTPException(status_code=404, detail='Case not found')
|
|
case_data = {**case.to_detail(), **case_data}
|
|
|
|
# Время суток из loss_time (порт фронтендовой getTimeOfDay)
|
|
if not case_data.get('time_of_day'):
|
|
case_data['time_of_day'] = _derive_time_of_day(case_data.get('loss_time'))
|
|
# terrain_primary из terrain, если вдруг не дошёл
|
|
if not case_data.get('terrain_primary') and case_data.get('terrain'):
|
|
case_data['terrain_primary'] = _first_terrain(case_data['terrain'])
|
|
|
|
# Поведенческие профили из диагнозов + транспорта (если не заданы явно)
|
|
case_data['profiles'] = _derive_profiles(case_data)
|
|
|
|
# Психотип детектим ДО анализа, чтобы применить его к ранжированию зон.
|
|
# get_psychotype_modifiers возвращает таблицу полос по дистанции, которую
|
|
# WeightedScorer.score_zone читает из case['psychotype_modifiers'].
|
|
psychotype = None
|
|
psychotype_modifiers = None
|
|
psychotype_recommendations = None
|
|
if case_data.get('psychotype_answers'):
|
|
psychotype = detect_psychotype(case_data['psychotype_answers'])
|
|
psychotype_modifiers = get_psychotype_modifiers(psychotype)
|
|
psychotype_recommendations = get_search_recommendations(psychotype)
|
|
case_data['psychotype'] = psychotype
|
|
case_data['psychotype_modifiers'] = psychotype_modifiers
|
|
|
|
max_distance_km = calculate_max_distance(case_data)
|
|
claude_result = await claude_analyze(case_data)
|
|
|
|
scorer = WeightedScorer()
|
|
if case_data.get('age'):
|
|
scorer.apply_age_modifiers(int(case_data['age']))
|
|
if case_data.get('season'):
|
|
scorer.apply_season_modifiers(str(case_data['season']))
|
|
if case_data.get('profiles'):
|
|
scorer.apply_profile(list(case_data['profiles']))
|
|
scorer._normalize_weights()
|
|
|
|
# Разбивка коэффициентов формулы Экстремум для отображения на фронте
|
|
elapsed = float(case_data.get('elapsed_hours') or 1)
|
|
age_val = int(case_data.get('age') or 10)
|
|
coefficients = {
|
|
'base_speed': get_base_speed(age_val),
|
|
'terrain': get_terrain_coefficient(case_data.get('terrain_primary', 'лес')),
|
|
'diagnosis': get_diagnosis_coefficient(case_data.get('diagnosis_type')),
|
|
'urgency': get_transport_coefficient(case_data.get('has_transport')),
|
|
'fatigue': max(0.3, 1.0 - 0.05 * elapsed),
|
|
'time_of_day': get_time_of_day_coefficient(case_data.get('time_of_day', 'день')),
|
|
'weather': get_weather_coefficient(case_data.get('weather', 'нет')),
|
|
}
|
|
|
|
result = {
|
|
'case_id': str(payload.case_id) if payload.case_id else None,
|
|
'analyzed_at': datetime.now(timezone.utc).isoformat(),
|
|
'max_distance_km': max_distance_km,
|
|
'coefficients': coefficients,
|
|
'time_of_day': case_data.get('time_of_day', 'день'),
|
|
'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,
|
|
'unmodeled_profiles': _unmodeled_profiles(case_data),
|
|
'urgency': claude_result.urgency,
|
|
'primary_zones': [zone.model_dump() for zone in claude_result.primary_zones],
|
|
'search_radius_km': claude_result.search_radius_km,
|
|
'key_locations': claude_result.key_locations,
|
|
'behavioral_prediction': claude_result.behavioral_prediction,
|
|
'immediate_actions': claude_result.immediate_actions,
|
|
'summary': claude_result.summary,
|
|
'fallback_used': claude_result.fallback_used,
|
|
}
|
|
|
|
if payload.case_id is not None:
|
|
db.update_case(str(payload.case_id), analysis_log=result, status='analyzed')
|
|
|
|
return result
|
|
|
|
|
|
@router.post('/combined', dependencies=[Depends(require_roles(['operator', 'field', 'admin']))])
|
|
async def analyze_combined(payload: AnalysisRequest) -> dict[str, Any]:
|
|
return await analyze_case(payload)
|
|
|
|
|
|
@router.get('/{case_id}')
|
|
def get_analysis(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()
|
|
if not detail.get('analysis_log'):
|
|
raise HTTPException(status_code=404, detail=f'No analysis found for case {case_id}')
|
|
return {
|
|
'case_id': case_id,
|
|
'analysis_log': detail['analysis_log'],
|
|
'created_at': detail['created_at'],
|
|
}
|