1.一种面向情境的健康风险识别方法，其特征在于包括如下步骤：

步骤1，建立面向情境的健康风险识别的知识图谱概念模型；

步骤2，采集传感器参数，从而建立面向情境的健康风险识别的知识图谱实例模型；

步骤3，基于语义相似度算法识别健康风险，并驱动健康照护机器人提供照护服务；

所述步骤1中，建立的模型具体包括定义用户、传感器、传感器参数、健康状况和照护服务概念，以及概念相应的关系包括使用、提供、赋值、触发；

其中，用户包括患者；传感器包括虚拟传感器、生理传感器、环境传感器、运动传感器；

传感器参数包括个人信息、生理参数、环境参数、运动参数；健康状况包括个人信息状况、生理参数状况、环境参数状况、运动参数状况；照护服务包括异常服务、紧急服务；使用表示用户使用传感器；提供表示传感器提供传感器的监测参数值；赋值表示传感器的监测参数改变用户的健康状况；触发表示健康状况触发健康服务；

所述步骤2的具体内容是：

步骤21，根据具体监护慢性疾病，按需求配置用户的虚拟传感器组、生理传感器组、环境传感器组、运动传感器组 、照护服务集合，分别记为 ：虚拟传感器组生理传感器组 环境

传感器组 运动传感器组

照护服务集合{Service1,Service2,…,Servicek}；

步骤22，通过虚拟传感器组、生理传感器组、环境传感器组、运动传感器组收集用户的如下情境数据：个人信息 生理参数 环境参数

和运动参数

根据个人信息，以及生理参

数、环境参数、运动参数所在的区间范围得到当前健康状况S'，从而建立面向情境的健康风险识别的知识图谱实例模型；

所述步骤3的具体内容是：

步骤31，利用如下公式计算当前健康状况与健康状况参考标准的语义相似度：其中，f表示当前健康状况S'和健康状况参考标准S的公共概念数量，g表示当前健康状况S'和健康状况参考标准S的不同概念数量，wi、wf+j为权重，并有0≤wi,wf+j≤1；sima(s'i,si)表示当前健康状况概念s'i和对应的健康状况参考标准的概念si的原子概念相似度，0≤sima(s'i,si)≤1，1≤i≤f，1≤j≤g；

步骤32，将步骤31计算得到的语义相似度与健康异常状况阈值δabnormal、健康紧急状况阈值δurgent比较，识别健康风险，再根据识别结果由边缘云驱动健康照护机器人提供照护服务。

2.如权利要求1所述的面向情境的健康风险识别方法，其特征在于：所述步骤31中，原子概念相似度sima(s'i,si)的计算方法是：首先，将健康状况、健康状况参考标准的原子概念的属性分为文本型和区间型，其中，文本型是指虚拟传感器采集的个人信息，区间型指生理传感器组、环境传感器组、运动传感器组分别采集的参数数据；

然后，分别进行如下处理：

针对文本型属性，建立概念s'i、si的属性向量，其中s'i存在且si也存在的属性位置的记为1，s'i存在但si不存在的属性位置记为0，则s'i、si的文本型属性相似度计算公式为：其中， 为对应的s'i、si的属性向量，I为单位向量，ζ为权重，Dep(s'i)，Dep(si)分别表示s'i、si在S'、S中的概念深度；

针对区间型属性，假设s'i＝[s'a,s'b]，si＝[sa,sb]，且令s'a,s'b,sa,sb由大到小排序后为s1,s2,s3,s4，则s'i、si的区间型属性相似度计算公式为：其中，sgn()为符号函数；

最后，将前述文本型属性相似度、区间型属性相似度加权求和，得到基于属性的原子概念相似度，如下式：其中， am,bn分别是文本型属性系数，区间型属性系数；M是当前健康状况概念s'm和对应的健康状况参考标准的概念sm的文本型属性的数量，N是当前健康状况概念s'n和对应的健康状况参考标准的概念sn的区间型属性的数量。

3.如权利要求1所述的面向情境的健康风险识别方法，其特征在于：所述步骤32中，若语义相似度Sim(S',S)小于健康异常状况阈值δabnormal，健康风险识别为“正常”；若语义相似度Sim(S',S)大于等于健康异常状况阈值δabnormal且小于健康紧急状况阈值δurgent，健康风险识别为“异常”，则边缘云驱动健康照护机器人提供异常服务；若语义相似度Sim(S',S)大于等于健康紧急状况阈值δurgent，健康风险识别为“紧急”，则由边缘云驱动健康照护机器人提供紧急服务。

4.基于权利要求1所述的一种面向情境的健康风险识别方法的识别系统，其特征在于：包括内置虚拟传感器组的移动智能终端、生理传感器组、环境传感器组、运动传感器组、边缘云和健康照护机器人，其中，虚拟传感器组用于采集用户个人信息；生理传感器组用于采集心率、心电、血压、血氧；环境传感器组用于采集温度、湿度、空气质量；运动传感器组用于采集用户位置、运动和身体姿态；边缘云通过边缘服务器收集虚拟传感器、生理传感器、环境传感器、运动传感器采集的数据并建立面向情境的健康风险识别的知识图谱实例模型，识别健康风险并驱动健康照护机器人提供照护服务。

5.如权利要求4所述的识别系统，其特征在于：所述生理传感器组采用心率传感器、心电传感器、血压传感器、血氧传感器；环境传感器组采用温度传感器、湿度传感器、PM2.5传感器；运动传感器采用加速度传感器、陀螺仪、重力感应器、方向传感器。

6.如权利要求5所述的识别系统，其特征在于：所述边缘服务器采用Cortex A8处理器芯片、250G Byte固态硬盘、Linux操作系统Xen VMM、融合网关、10M/100M网卡。