3293. 风险人群筛查

简介: 3293. 风险人群筛查

某地疫情爆发后,出于“应检尽检”的原则,我们想要通知所有近期经过该高危区域的居民参与核酸检测。


想要找出经过高危区域的居民,分析位置记录是一种简单有效的方法。


具体来说,一位居民的位置记录包含 t 个平面坐标 (x1,y1),(x2,y2),…,(xt,yt),其中 (xi,yi) 表示该居民 i 时刻所在位置。


高危区域则可以抽象为一个矩形区域(含边界),左下角和右上角的坐标分别为 (xl,yd) 和 (xr,yu),满足 xl<xr 且 yd<yu。


考虑某位居民的位置记录,如果其中某个坐标位于矩形内(含边界),则说明该居民经过高危区域;进一步地,如果其中连续 k 个或更多坐标均位于矩形内(含边界),则认为该居民曾在高危区域逗留。


需要注意的是,判定经过和逗留时我们只关心位置记录中的 t 个坐标,而无需考虑该居民在 i 到 i+1 时刻之间位于何处。


给定高危区域的范围和 n 位居民过去 t 个时刻的位置记录,试统计其中经过高危区域的人数和曾在高危区域逗留的人数。


输入格式

输入共 n+1 行。


第一行包含用空格分隔的七个整数 n、k、t、xl、yd、xr 和 yu,含义如上文所述。


接下来 n 行,每行包含用空格分隔的 2t 个整数,按顺序表示一位居民过去 t 个时刻的位置记录 (x1,y1),(x2,y2),⋯,(xt,yt)。


输出格式

输出共两行,每行一个整数,分别表示经过高危区域的人数和曾在高危区域逗留的人数。


数据范围

全部的测试点满足 1≤n≤24,1≤k≤t≤103,所有坐标均为整数且绝对值不超过 106。

本题官网给出的 n 的范围是 1≤n≤20,但是官网实际数据中 n 的范围是 1≤n≤24,特此声明,并将数据与官网实际数据范围保持一致。


输入样例1:

5 2 6 20 40 100 80

100 80 100 80 100 80 100 80 100 80 100 80

60 50 60 46 60 42 60 38 60 34 60 30

10 60 14 62 18 66 22 74 26 86 30 100

90 31 94 35 98 39 102 43 106 47 110 51

0 20 4 20 8 20 12 20 16 20 20 20


输出样例1:

3

2


样例1解释

如下图红色标记所示,前三条位置记录经过了高危区域;


但第三条位置记录(图中左上曲线)只有一个时刻位于高危区域内,不满足逗留条件。


2.png


输入样例2:

1 3 8 0 0 10 10

-1 -1 0 0 0 0 -1 -1 0 0 -1 -1 0 0 0 0


输出样例2:

1

0


样例2解释

该位置记录经过了高危区域,但最多只有连续两个时刻位于其中,不满足逗留条件。


思路

用结构体来存储每个点的坐标,用数组来记录每个点是否在高风险区内

如果这个点在高风险区内,则s[i] = s[ i - 1] + 1;否则把s[i]置为0

这样当s[i] >= k时,则说明它连续经过了k个高风险区的点,满足逗留条件


#include <iostream>
using namespace std;
const int N = 100010;
struct point{
    int x,y;
}p[N];
int r[N];
int by,stay;
int main()
{
    int n,k,t,xl,yd,xr,yu;
    cin>>n>>k>>t>>xl>>yd>>xr>>yu;
    for(int i = 0; i < n; i++)
    {
        long long res1 = 0,res2 = 0;
        for(int i = 1; i <= t; i++)
        {
            cin>>p[i].x>>p[i].y;
            if(p[i].x >= xl&&p[i].x <= xr&& p[i].y >= yd&&p[i].y <= yu)
            {
                r[i] = r[i - 1] + 1;
            }else {
                r[i] = 0;
            }
        }
        for(int i = 1; i <= t; i++)
        {
            if(r[i] >= k)res2++;
            if(r[i] >= 1)res1++;
        }
        if(res1) by++;
        if(res2) stay++;
    }
    cout<<by<<endl<<stay<<endl;
    return 0;
}



目录
相关文章
|
6月前
|
机器学习/深度学习 传感器 人工智能
植保机器人在生长监测与分析以及病虫害预警与防控方面
植保机器人在生长监测与分析以及病虫害预警与防控方面
106 2
|
5月前
|
机器学习/深度学习 数据采集 监控
基于机器学习的糖尿病风险预警分析系统
基于机器学习的糖尿病风险预警分析系统
61 1
|
数据采集 机器学习/深度学习 安全
疫苗效果分析:如何使用疫苗预防率等指标来评估疫苗的预防效果
疫苗效果分析:如何使用疫苗预防率等指标来评估疫苗的预防效果
1474 0
|
传感器 监控 安全
精准感知+高效预判——城市“听诊器”防水患于未然
近期,全国多地遭遇暴雨猛袭,引发城市积涝,更有台风“杜苏芮”登陆后引发沿海内陆极端降水,各地排水防涝工作面临严峻考验。 快速定位城市排水管网系统的管道淤堵点,对河道水位、雨量情况、污水厂进水流量以及泵站运行情况等进行实时在线监测,是预防暴雨内涝可能带来的城市安全隐患的关键之一。
精准感知+高效预判——城市“听诊器”防水患于未然
|
人工智能 数据处理
基于人工智能的【患肺癌病】风险预测与分析(上)
基于人工智能的【患肺癌病】风险预测与分析
199 0
|
机器学习/深度学习 人工智能
基于人工智能的【患肺癌病】风险预测与分析(下)
基于人工智能的【患肺癌病】风险预测与分析
144 0
2023年春运(春节)舆情风险点研判提示分析
随着农历春节临近,根据国务院《2023年综合运输春运疫情防控和运输服务保障总体工作方案》通知,2023年综合运输春运从1月7日开始,至2月15日结束,共40天。
2023年春运(春节)舆情风险点研判提示分析
安全生产舆情风险分析
一直以来,“安全生产”话题就是全网的重点关注对象。
安全生产舆情风险分析
|
C++
202009-2风险人群筛查
202009-2风险人群筛查
111 0
202009-2风险人群筛查
程序人生 - 不同人群预防新型冠状病毒感染口罩选择和使用技术指引
程序人生 - 不同人群预防新型冠状病毒感染口罩选择和使用技术指引
142 0
程序人生 - 不同人群预防新型冠状病毒感染口罩选择和使用技术指引
下一篇
无影云桌面