1.一种大数据健康医疗管理系统，其特征在于，所述系统包括：区域地图建立模块，用于基于预设的权限获取区域信息，根据区域信息建立含有虚拟边界的区域地图；所述虚拟边界用于将区域地图切分为子区域；

监控点位确定模块，用于在区域地图中确定与备案的公共摄像头对应的监控点位，基于边界线及区域标记确定监控点位的修正系数；

视频获取识别模块，用于接收公共摄像头采集到的视频，对视频进行识别，计算得到预设时间周期内的运动量；

健康度计算模块，用于根据所述修正系数和所述运动量计算每个子区域的总运动量，根据总运动量和子区域人数计算子区健康度；

参考方案确定模块，用于根据所述子区健康度确定健康设施的参考方案，向规划端发送；所述参考方案含有不同类型的健康设施的位置。

2.根据权利要求1所述的大数据健康医疗管理系统，其特征在于，所述区域地图建立模块包括：基准图构建单元，用于读取区域的边界，根据边界构建基准图；

区域切分单元，用于查询区域的用地规划信息，根据所述用地规划信息对基准图进行切分，得到子区域；

标记查询单元，用于查询各个子区域的区域标记，建立区域地图；所述区域标记包括商服用地、综合用地、工业用地、住宅用地和绿地；

区域地图更新单元，用于定时生成采集指令，随机获取预设数量个含有坐标的俯视图像，基于俯视图像更新区域地图；

其中，俯视图像的获取主体包括无人机和遥感卫星。

3.根据权利要求1所述的大数据健康医疗管理系统，其特征在于，所述监控点位确定模块包括：位置查询单元，用于基于预先获取到的权限在备案库中查询与公共摄像头的安装位置；

点位查询单元，用于根据同一比例尺在区域地图中查询与安装位置对应的监控点位；

影响值计算单元，用于遍历所有监控点位，计算监控点位与各个子区域的距离，查询各个子区域的区域标记对应的影响值；

影响值统计单元，用于基于所述距离统计所述影响值，确定各个监控点位的修正系数。

4.根据权利要求1所述的大数据健康医疗管理系统，其特征在于，所述视频获取识别模块包括：视频识别单元，用于接收公共摄像头采集到的视频，对视频进行识别，确定动态轮廓、运动速度及运动距离；

第一计算单元，用于根据动态轮廓及其运动速度确定轮廓身份，根据所述轮廓身份查询单位运动量；

第二计算单元，用于根据所述单位运动量和所述运动距离计算以视频的时间跨度为标签的视频运动量；

运动量统计单元，用于接收管理方输入的时间周期，基于时间周期统计所述公共摄像头对应的视频运动量，得到时间周期内的运动量。

5.根据权利要求1所述的大数据健康医疗管理系统，其特征在于，所述健康度计算模块包括：第一查询单元，用于查询每个公共摄像头对应的所述时间周期内的运动量；

第二查询单元，用于查询每个公共摄像头对应的监控点位的修正系数；

累加单元，用于根据修正系数累加运动量，得到总运动量；

第三计算单元，用于查询子区域人数，根据总运动量和子区域人数计算子区健康度。

6.根据权利要求1所述的大数据健康医疗管理系统，其特征在于，所述参考方案确定模块包括：第三查询单元，用于查询健康设施的设施类型及其设施数量；

备选地块确定单元，用于在区域地图中确定每种设施类型的备选地块；

备选地块选取单元，用于在每种设施类型的备选地块中选取设施数量个备选地块；

方案生成单元，用于统计所有设施类型的选取结果，得到一个参考方案；

方案评估单元，用于基于子区域的子区健康度对参考方案进行评估，确定最终方案；

方案发送单元，用于将最终方案向规划端发送。

7.根据权利要求6所述的大数据健康医疗管理系统，其特征在于，所述基于子区域的子区健康度对参考方案进行评估，确定最终方案的过程包括：遍历参考方案中各个地块，查询地块的设施类型，查询设施类型对应的服务键康度；

查询以地块为中心的预设范围内的子区域的子区健康度；

获取子区健康度的均值，计算服务健康度和均值的差值，根据所述差值的绝对值的反比确定每个地块的评估分；

累计所有地块的评估分，选取评估分最大的参考方案，作为最终方案。

8.根据权利要求6所述的大数据健康医疗管理系统，其特征在于，所述在每种设施类型的备选地块中选取设施数量个备选地块的过程包括：查询每个备选地块的交通便捷度；所述交通便捷度由路况信息和站点信息确定，为地块规划过程中预先确定的数值；

查询每个备选地块与所有已选取的备选地块的距离，选取最小距离；

根据所述交通便捷度和所述最小距离确定各个备选地块的选取效用值；

基于选取效用值的降序选取设施数量个备选地块。

9.根据权利要求1所述的大数据健康医疗管理系统，其特征在于，所述系统的工作内容还包括：基于预先获取的权限在社交App中实时查询并统计预设时间周期内的运动词条数；

根据所述运动词条数和子区健康度构建训练集和测试集，基于所述训练集训练神经网络模型，基于测试集计算神经网络模型的准度；

定时基于新获取到的运动词条数和子区健康度更新测试集，并将测试集中的数据提取至训练集；其中，所述测试集为队列结构，其数据存储量为预设值；

当所述准度达到预设的准度阈值时，基于训练好的神经网络模型和采集到的运动词条数计算子区健康度。