施迅-基于活动轨迹大数据的疫情监测分析模拟预测.docx

《施迅-基于活动轨迹大数据的疫情监测分析模拟预测.docx》由会员分享，可在线阅读，更多相关《施迅-基于活动轨迹大数据的疫情监测分析模拟预测.docx（20页珍藏版）》请在优知文库上搜索。

1、基于活动轨迹大数据的疫情监测，分析，模拟与预测施迅1李美芳2311达特茅斯学院（美国）地理系2江西师范大学地理与环境学院3南昌市疾病预防控制中心全球或全国尺度VS区域或城市尺度聚合数据VS个体数据可视化VS空间分析参数方法VS非参数方法基于手机信令数据的个体活动轨迹信息 从手机运营商提供的聚合数据中提取（如联通智慧足迹公司提供的数据产品） 其他商业数据公司提供的数据产品（如唯智公司提供的数据产品，一般需得到政府授权） 来自手机运营商的原始数据（需在特殊情形下由政府协调相关部门获取）基本研究问题从个体活动轨迹推测两个个体之间发生接触的强度,从而推测这两个个体之间发生传染的可能性。接触强度： 接触

2、距离 接触时间 接触类型（场合、性质）体应用问题绘制病例轨迹热力图，并在此基础上对城市内不同区域的风险等级进行评估，将结果向公众发布，为公众出行提供指导。对流调报告进行补充和订正，追踪病例的漏报密切接触者,并评估其与病例的关联强度I实现对密接的分级管理，对高风险者进行及早监测与隔离。追踪病例之间的接触关系，确认病例之间的传染关系，追溯病例的传染源,进而建立疫情传播时空模型，并从中提取疫情的流行病学信息。对疫情在不同防控措施下的发展进行情景模拟，对疫情发展进行预测，对防控措施的制订与实施提供科学依据。TbU-0%8八、Dy2S.0125MJBCTIOIlhaXShap_1.th0_1Polyli

3、M0:加FolrliM2i29STWC53瘠3FoZyltM*，449而匿4PolyliM51041.45i572i*,FolziiM33056?!eewUUFortfi26”：230：1X3X472FolyIxM0S35514C48PoirliM1:540.229721：22字匕:该工9FoliM9FolyliM:KSU4C-:沏筋aFolrIiMl2W3IWSeU30T；.12M；M:“c；e三13PZUm4MTS04S；4FolyIiMRrT3030：Folyhn1145T：QH23：:“门:FeIrltM：430：l7M34_uEe1.17PolyIiM1TM03：“您115111：8

4、FolrlXM3W52：2545：19FeXrliMMWf2TW：APolyliM27T20M145:2：FolyliM505.24S3133J54S；35544ie?iar3r24Polylxx旗:运的253U9212I3-e-MTlSi2酸WWNeC31M：3BoXMOrFolyliMI34如92SFoX*：830Sisex:小；32八2153SiOIU9：430FoZyHM33545902459；孙、31PolrliM的：354”：%5YPilnI3：22353ZT33FolyIiM593938M：3T34FoIrliM：”3WWI3335FolyIitM497；225934U*SMIy

5、hM*20525iJ37PeIyliMOe40442工，IISFolyliM5SHU；9PolyXiM:但Hsa：FelylxMHaar3rei皿*oX,r,o3.arc:心4*Fo.-.ibBre30：97-4JPelTliaa23-3M:tra:巨力MlM12“切(1OUtofISOSeiected).Dy2Sv012显227个病例，260余万有效轨迹点皿2200接轨迹,3000余万有效轨迹点活动轨迹大数据昌新肺炎高风险区域热7图https:oa.nccdc.orH.cn:2590/map.htmlWWtte三*v双好坨*n海社区中SlM域好上播街WUjUI社区BflHSfftt歹二.&:

6、MiirrJHWitJF)JBtfBtR厅占省住房0域多建IafT阿，林1.*IIh4IFlS-；IB界大学发耐侬定点医皖主办单位南回市疾病预防拄制中心支持单位江西础地理CS患中心江西师范大学地理与环境学院利用轨迹数据评估个体之间的接触强度,对流调信息进行补充和订正流行病学报告（错漏信息）（自述）并于1月7日乘坐D2235次列车3车IA回南昌，1月8日中午13点左右在南昌市建设西路自家楼下附近餐馆就过餐，吃了小笼包、肉饼汤、拌粉后感觉头晕、乏力、恶心，就餐后大约14点在洪城路上乘坐高铁巴士2号线到南昌西站候车室等待乘坐下午6:58分G5021次列车回到兴国，在兴国西站开私家车到兴国县背街今日休

7、闲服装店利用活动轨迹大数据精准搜索确诊病例的密切接触者精准搜索和管理密接接触者3723人,其中感染者113人大数据独立识别1718人，其中感染者13人把流调独立识别878人，其中感染者8人大数据、流调共同识别1127人，其中感染者92人大数据补充搜索密接”18人，其中感染者13人结合流调数据与轨迹分析数据，追溯病例之间的传染关系皿南昌新冠病毒确诊病例230例，无症状感染者18例外地输入确诊病例107例本地感染者141例：密接搜索并管理113例，自行就诊28例,107例外地输入病例为南昌市新冠疫情传染源源头123例本地病例、18例无症状感染者的溯源流行病学调查：97例大数据轨迹重合度排查：所有本

8、地感染者，即141例疫情树林一种非参数疫情时空模型1.ietal.2019,AAGAnnals疫情树林/I钊始病例（输入病例）OOO次级病例（本地病例）流行病学信息Rt=cpt/Pt匕时段内的新发病例总数匕个新发病例所产生的所有子代病例数不同空间尺度树林尺度单棵树尺度栅格尺度对疫情在不同防控措施下的发展进行情景模拟 从疫情树林得到疫情在历史上不同防控情形下表现的特点 从轨迹数据得到的人群流动在历史上不同防控情形下表现的特点 对未来疫情在不同防控情形下的发展进行预测 为防控措施的制订与实施提供科学依据研究项目与团队李美芳与南昌市疾控中心，江西省新型冠状病毒肺炎疫情应急科研攻关项目，“新型冠状肺炎高危人群搜索和高危区域识别预警系统在疫情防控应急决策中的应用”宋欢、杨华珍、李美芳与华西大数据中心，四川省COVID-19应急项目，“基于人群动态定位大数据平台、多种时空网络、动力学模型对新型冠状病毒肺炎传播及流行趋势的评估与预测”、朱良君（中科院地理所）鸣谢: 江西师范大学林辉团队 北京大学刘瑜团队 中国移动四川分公司 上海维智公司陶闯团队姚远志（美国奥尔本大学）