人群动态的观测理论及其未来发展思考

在“新冠”肺炎疫情发展过程中,人群动态的观测理论研究与应用受到了国内外许多研究人员和民众的重点关注,特别是公共卫生学、临床医学、地理学、公共管理学等多学科交叉,探索科学的疫情动态监测、精准防控、准确预测与有效应对等方面的理论与方法。本文首先系统介绍人群动态的观测理论研究背景和意义,概括地描述其核心的3个问题（观测其如何变、分析其为何变、控制其如何变）,从信息地理学、测绘学等领域角度阐述人群动态的观测理论研究意义及其学科价值。接着,围绕人群动态的观测与时空应用,本文阐述地理时空大数据背景下人群动态的关键观测理论框架（如基础时空理论、时空定量与综合观测理论、时空过程优化理论等）,及其所存在的瓶颈问题和发展需求。然后,结合未来理论研究与关注变化,阐述了4个典型的人群动态观测理论趋势变化,包括：数字化社会治理与公共安全/卫生应急等需求驱动下的精细化观测、公共利益至上与个人保护最大化兼顾下的差异化观测、对人观测与对地观测的集成化观测理论发展、高阶需求层次管控与服务的人群动态观测理论突破。最后,本文强调在多学科交叉背景下,指出重点发展人群大数据感知、多空间精细化观测、人地系统化建模等方面的基础理论与方法,实现差异化、集成化、层次化的对人观测,系统支撑面向地学的研究与时空应用,科学支撑不可逆的管理、控制、服务等社会治理现实应用决策。该方面理论研究,将对“新城镇化”、“美丽中国”、“人工智能”、“新基建”等国家战略中城市和区域的绿色、高效、智慧与可持续发展等都有重要支撑作用。     

测绘人的战“疫”风采

本刊讯新冠肺炎疫情发生以来,河南省测绘地理信息局广大党员干部按照局党委的要求部署,踊跃投身疫情防控工作,充分发挥了先锋模范作用,让党旗在疫情防控第一线高高飘扬。志愿服务筑牢疫情“防控墙”为缓解社区防控压力,全局党员干部组成抗击疫情志愿服务队,前往共建单位戊院社区开展疫情防控工作。志愿服务队密切配合社区党组织和派出所,认真开展疫情防控宣传和文明劝导工作,协助社区工作者对家属院进出人员进行体温监测,做好信息登记,并督促提醒他们规范佩戴口罩,齐心协力为共同打赢疫情防控阻击战而奋斗。     

基于谱系聚类的全球各国新冠疫情时间序列特征分析

COVID-19暴发以来,世界各国疫情呈现出不同的时序特点,研究不同国家疫情发展模式的特点,揭示其背后的主导因素,可为未来防控策略提供参考。为了揭示不同国家疫情时间序列之间的异同,本文提取了主要疫情国家每日新增病例时间序列的标准差、Hurst指数、治愈率、增长时长、平均增长率、防控效率进行谱系聚类,并从经济、医疗、人文冲突方面对聚类结果进行了成因分析。结果表明,全球疫情发展模式可分为3大类：C型、S型和I型。C型国家时间序列的特点是持续波动上涨,治愈率较低,原因是其人文冲突不利于疫情防控,经济医疗资源经过长时间大量消耗已趋于匮乏,建议在防控中加强宣传疏导,改变观念,统筹分配经济、医疗资源;S型国家时间序列的特点是快速上升后立即下降,并最终保持稳定趋势,总体治愈率较高,其原因是这类国家国内稳定,经济医疗水平较高,以及防控措施及时,建议加强国际合作和科学研究,并为可能到来的二次疫情做好准备;I型国家时间序列特点是缓慢上涨,整体发展趋势不稳定,治愈率较低,原因是其暴发比较晚,程度较小,大部分经济医疗水平以及人文冲突不利于疫情防控,建议汲取较好的防控经验,实施严格的隔离措施,尽量满足疫情期间物资需求,优化治疗方法。     

COVID-19疫情时空分析与建模研究进展

COVID-19疫情是进入21世纪以来最为严重的全球公共卫生事件,并成为不同学科共同关注的热点。根据文献计量学分析结果,从疫情开始直至近期,关于COVID-19疫情的文章已经超过13 000篇,相关研究除从医学及生物学角度探讨病毒致病机理、特效药物和疫苗研制之外,更多的是探索疫情的非药物防控方法。本文针对后者,从传播关系识别、疫情时空模式分析、疫情预测模型、疫情传播模拟、疫情风险评估和疫情影响评价6个方面梳理近期研究进展。传播关系识别的研究主要包括：聚集性疫情和传播关系的识别,其中,个体轨迹大数据已成为此类研究的关键。针对疫情的时空模式分析发现,疫情分布具有显著的时空异质性,而时空传播则呈现出典型的网络特征。针对疫情的预测仍主要依赖于动力学模型,而从宏观到微观的预测模型,人群流动的影响不容忽视,并成为模型预测精度的关键要素之一。针对疫情的情景模拟主要侧重于通过模拟手段评估交通限制、社区防控和医疗资源调配等措施的效果。在非药物的干预中,交通阻断和社区防控措施被证明是目前最有效的手段;医疗资源的保障和优化调配则是防控的基础;而复工复产的情景模拟显示,在防控措施到位的情况下,复工进程必须有序有节。针对疫情风险评估的研究,目前主要关注生物因素、自然因素和社会因素。具体地,疫情感染风险与个体是否具有基础性疾病关系密切,而感染病毒后的死亡率存在性别差异;在自然因素中,如温度、降水、气候等会影响疫情的传播,但影响有限;而社会因素中,除了人群流动和人口密度的影响外,社会不公平性所导致的就医条件差异也会对感染率产生显著影响。针对疫情对未来的影响,本文主要关注公众心理、自然环境和经济发展3个方面,即疫情对公众心理和经济的影响主要以负面为主,而对自然环境的影响则起正向作用。通过对现有研究的系统梳理,可以看出,大数据尤其是个体轨迹和群体大数据在非药物干预的各个方面均发挥了重要的作用;重大疫情的防控已经不是单一学科和手段所能解决的问题,需要多学科的交叉以及不同领域人员的协作;疫情期间各种防控措施的效果、影响因素等均已被明确的揭示,但疫情的空间溯源、精准预测以及对未来的影响仍然是未解的难题。     

一种基于改进SEIR模型的突发公共卫生事件风险动态评估与预测方法——以欧洲十国COVID-19为例

突发公共卫生事件会严重影响社会公众生命健康,风险评估和预测可为突发公共卫生事件有效防控提供科学依据。本文提出了一种基于SEIR模型的突发公共卫生事件风险动态评估与预测方法,将突发公共卫生事件传播与人口、医疗、经济情况相结合,耦合危险性与脆弱性,建立合理的风险评估综合指标体系,利用熵值—层次分析组合模型实现突发公共卫生事件风险动态评估。此外,本文建立了传染病传播动力学修正SEIR模型,将传染病传播动力学模拟预测与风险评估相结合,实现突发公共卫生事件演变趋势的预测和风险的动态预测。2019年12月底的COVID-19疫情是一次传播速度快、感染范围广、防控难度大的重大突发公共卫生事件。本文以欧洲10国COVID-19疫情为例,开展风险评估与风险动态预测研究,依据欧洲10国自疫情开始至2020年4月16日的疫情数据,预测了2020年4月17日—2020年5月10日疫情演变的趋势,进而实现了10国的疫情风险动态预测。本文模型预测结果表明至2020年5月10日欧洲10国疫情形势仍然严峻,预测数据与真实数据的拟合优度R ²大于0.92,预测结果与疫情真实情况基本一致,在此情况下,复工复产对于疫情防控仍然是不利的。本文提出的基于SEIR模型的公共卫生事件风险动态评估与预测方法为疫情已然传播开的国家和地区提供了风险持续评估和预测的可能,为后期疫情防控决策提供了支持,同时也可用于今后新的疫情发生时期或其他突发性公共卫生事件下风险的应急评估和预测。     

崔春明：“疫”线上的调解员

正"在防疫防控过程中,小区封闭、出行设卡、测量体温、居家隔离等措施,给居民的生活带来了不便,面对部分群众的不理解,老崔就当起了调解员,主动沟通,悉心劝说,最终得到了群众的理解和支持。"唐河县上屯镇茨园村村委会主任说道。老崔其名叫崔春明,唐河县自然资源局规划处员工,今年50岁。疫情期间,主动请缨到上屯镇茨园村卡点做疫情防控工作。还针对出现在卡点上的     

崔春明:“疫”线上的调解员

“在防疫防控过程中,小区封闭、出行设卡、测量体温、居家隔离等措施,给居民的生活带来了不便,面对部分群众的不理解,老崔就当起了调解员,主动沟通,悉心劝说,最终得到了群众的理解和支持。”唐河县上屯镇茨园村村委会主任说道。老崔其名叫崔春明,唐河县自然资源局规划处员工,今年50岁。疫情期间,主动请缨到上屯镇茨园村卡点做疫情防控工作。还针对出现在卡点上的社会纠纷积极主动做好调解,大家亲切的称他为“卡点调解员”。     

顾及空间冲突的等级道路网变比例尺二次规划模型

变比例尺可视化技术被广泛应用于城市路网的地图制图,其基本思想是采用较大比例尺突出显示城区的密集道路,较小比例尺显示并不重要但对路网布局起辅助作用的周边道路。目前,不少研究是通过使用坐标转换公式及参数组合对路网进行变换,以得到较理想的变比例尺效果。然而,这类方法常难以避免路网较大的变形和道路要素的空间冲突。鉴此,本文结合顾及道路等级的形变约束规则和基于支持向量机的线相交约束规则,建立了二次规划算法的等级道路网变比例尺模型,动态优化道路网变比例尺的效果。本文以广州市增城区规划建设的“一核三区”道路网作为试验对象,分别与可调“放大镜”式地图投影和Focus+Glue+Context模型进行比较。实验结果表明,本模型能得到较为理想的变比例尺效果,且具有良好的自适应性和实用价值,为地图变比例尺可视化研究提供一种可控制地图变形过大和解决空间冲突问题的新方法。     

基于多源时空大数据的区际迁徙人群多层次空间分布估算模型——以COVID-19疫情期间自武汉迁出人群为例

已有研究很少关注区际迁徙人群在不同尺度上空间分布的动态估算问题。COVID-19疫情爆发以来,坚决防止疫情扩散成为社会最紧迫的事情。在2020年1月23日武汉“封城”前夕,已有500多 万人离开了武汉,快速准确地推算这部分人群的去向,可以为防止疫情扩散和制定防疫决策提供科学依据。本文以此为例,基于开源腾讯位置请求大数据、百度迁徙大数据、土地覆盖数据等多源地理时空大数据,提出一种区际迁徙人群多层次空间分布动态估算模型,用于推算2020年除夕 （2020年1月24日）之前从武汉流入湖北省内各地的人群数量及其分布特征。结果显示：① 春节时段湖北省各地级市农村地 区人群增加数量占人群变化总量的比例平均达124.7%,从武汉市迁入各地级市的人群中至少51.3%流入农村地区;② 区县尺 度人群变化总量的空间分布呈现3个圈层结构：第一圈层为疫情核心区,包括武汉及其周边地区,以人群流出为主;第二圈层为 重点关注区,包括黄冈、黄石、仙桃、天门、潜江、随州、襄阳,以及孝感、荆门、荆州和咸宁的部分地区,以人群总量和农村地区人 群数量大幅增加为主;第三圈层为次级关注区,包括湖北西部宜昌、恩施、神农架和荆门部分地区,以人群小幅流入为主。最后,建议湖北省内,尤其是位于第二圈层内的区县,应高度关注农村地区人群的疫情防控。此研究成果在2~3天完成,显示大数据是可以快速地响应重大公共安全事件,为决策的制定提供一定支持的。     

顾及时空对象空间相互作用的疫情风险评估建模与应用

新型冠状病毒肺炎（Coronavirus Disease 2019,COVID-19）在全球的传播仍在持续,根据COVID-19在国内早期的扩散特征,从地理学角度出发,构建了一种顾及时空对象空间相互作用机制的疫情风险评估模型,模型在参照时空对象空间相互作用迁移型传导模式的基础上,重点考虑了疫情传播的时空过程、并兼顾空间依赖及空间异质性因素,实现了疫情风险城际传播的关联性、动态性分析。在实证研究阶段,基于该模型对武汉及其主要影响城市在2020年1月上旬到4月上旬的疫情风险及动态演变进行了评估,通过与基于城市对象自身属性计算得到的实时疫情风险指数及其空间分布进行比较,验证了基于时空对象的空间相互作用模型在疫情风险评估方面的有效性。结果表明：① 模型能兼顾疫情传播的空间依赖及空间异质性特征,体现疫情风险的城际传播过程,为疫情传染风险评估及相关空间问题的研究提供了一种新的视角和方法;② 来自源对象的输入性疫情风险与对象间的空间相互作用强度存在显著正相关性,因此在疫情防控中要结合空间相互作用的主要影响因素进行综合决策。     

耦合人群移动的COVID-19传染病模型研究进展

构建传染病模型可为疫情防控与公共卫生研究提供至关重要的规划与解析工具。由于宿主行为是传染病传播动态的决定性因素之一,有效耦合人群时空行为对以人为宿主的传染病建模具有重要意义。得益于人群移动大数据研究与应用的快速发展,新型冠状病毒肺炎（COVID-19）的疫情建模研究中呈现出了耦合人群移动建模的显著特征。为系统深入理解该项传染病模型研究中的重要进展,本文对相关文献进行分析与总结。首先,本文分析了COVID-19疫情与人群移动的交互影响,说明了耦合人群移动构建COVID-19模型的必要性。然后,根据建模的目的和原理,从疫情短期预测与过程模拟2个角度,对耦合人群移动的COVID-19传染病模型进行分类梳理。其中,根据耦合人群移动的方式,本文将面向疫情短期预测的模型分为人群移动一阶量与人群移动二阶量的耦合模型,将基于过程模拟的模型分为群体级别和个体级别的耦合模型。最后,本文评述了耦合人群移动的传染病模型研究进展和未来发展方向,认为该领域研究亟需更加深入建模与疾病传播相关的复杂人群时空行为、提升模型的空间解析能力、突破精细化时空传播模拟的计算瓶颈、拓展与前沿人工智能方法的融合,并构建普适而开放的建模数据与工具以促进应用发展。     

新冠疫情防控措施对新疆地区地球背景噪声影响分析

2020年7月中旬至8月下旬,新疆地区采取疫情防控措施。选取2020-06~2020-09新疆台网28个宽频带数字地震计的波形数据,获取相应的PSD（功率谱密度）和PDF（概率密度函数）,统计不同频段PSD值分布情况,分析疫情期间新疆地区噪声水平变化特征。结果显示,受新冠疫情的影响,乌鲁木齐地区高频段（2~20 Hz）噪声水平下降4.5%,其他地区也出现不同程度的降低,主要影响因素为人类活动的持续减少。同时,这种噪声减弱现象也由地表传达到地下。     

政府严控期我国地级市COVID-19疫情的时空集聚、演变及自相关效应研究

突发性重大公共传染性疫情在地级城市层面政府严格防控时期的时空演变特征能够有效反应我国综合应急防控能力。基于中国2020年1月24日—3月5日312个城市的COVID-19累计确诊数、现有确诊数、治愈数等统计数据,采用ESDA、优化的热点分析、空间马尔科夫链、空间面板数据模型等方法分析了政府严控期COVID-19疫情在312个城市的时空变化特征。研究发现：① 全国COVID-19现存确诊数经历了“快速增长扩散、基本控制、逐渐下降、局部地区完全控制”的变化特征并在2月17日达到峰值,上升期的日均增长率为17.5%,下降期的日均下降率为5.1%,绝大部分城市的疫情变化特征与全国总体情况类似;② 春运期间的人口流动性高是导致疫情快速扩张的主要原因,武汉“封城”之前14 d的百度迁徙强度指数与部分城市的累计确诊数显著相关;③ 优化的热点分析方法识别出疫情热点的空间分布具有固定性且主要分布于以武汉为中心、半径约350 km范围内的36个城市,未识别出具有统计显著性的疫情冷点城市;④ 对各城市现有确诊人数的马尔科夫链转移概率矩阵分析结果显示,各种类型维持现状的概率大于0.85,向下转移的平均概率明显高于向上转移的概率,在不同空间滞后类型的影响下各类型转移概率发生明显变化;⑤ 空间面板数据模型估计结果显示312个城市的现存确诊数具有显著的空间和时间自相关性。本研究从地级市层面多角度分析了政府严控期间COVID-19疫情的时空变化特征,疫情防控重点在于降低其时空自相关效应,为我国当前及未来应对突发性重大公共传染性疫情提供决策参考。     

重庆市新型冠状病毒肺炎流行时空特征及其与人群活动性的关系

本文收集了重庆市2020年1月21日—2月24日确诊的545例新型冠状病毒肺炎（COVID-19）病例个案信息,结合1500万手机用户在疫情期间的信令轨迹大数据,分析了其疫情的时空演化特征以及人群活动的变化规律,并从复杂网络的角度揭示了疫情分布的异质性,从疫情传播与人群活动之间的关系揭示了异质性的原因。研究发现：① 重庆市疫情在时间上,经历了以输入病例为主、输入和本地病例共存、以本地病例为主3个阶段,病例实时再生数（R_t）初期较高,随着防控措施的实施,逐步减小;空间上,病例分布呈现显著聚集性,病例高聚集区主要分布在以万州区为核心的渝东北地区和以主城区为核心的渝西南地区;② 疫情发生后,重庆市人群移动总量减少为疫情前的53.20%,减少主要集中在主城区以及其他各区县的中心城区,而郊区、农村的人群移动变化不大,甚至有所增加;③ 人群活动与病例发生之间存在不同程度的相关性,具体为：每日人群移动总量与病例实时再生数、一个平均潜伏期（7 d）后的每日新增病例数的相关系数为0.97、0.89,揭示了人群活动与病例增长的时间相关性;各街道（乡镇）人群移动总量与其累计确诊病例数、本地感染病例数之间的相关系数为0.40、0.35,揭示了人群活动与病例空间分布的相关性;病例高聚集区与人群移动网络社区对应,且与网络社区内人群活动较强的区域吻合,揭示了重庆市疫情传播的本地聚集特征。大数据与疫情信息的聚合分析证实,切断人群移动网络社区之间的连接,并遏制疫情高风险社区内部的传播是在城市内部疫情防控的有效措施。     

珠江三角洲地区登革热流行风险空间模拟与预测

近年来日益严重的登革热疫情已在中国南部地区形成疫情高发区,并对中国的公共卫生安全形成了一定的威胁。登革热主要受到区域内复杂的自然环境条件以及社会经济因素的影响,而利用地理空间分析方法和模型探究登革热疫情的影响因素,并对其未来流行风险的空间分布进行模拟,是有效开展登革热预防控制工作的重要基础。本文收集了珠江三角洲地区2010-2014年的登革热病例资料和土地利用、人口密度两种社会经济要素数据,构建土地利用回归（LUR）模型以分析登革热疫情与不同空间范围内的土地利用和人口密度之间的关系,并结合SLEUTH模型获取的2030年土地利用数据以及基于人口密度预测模型获取的2030年人口密度数据,预测珠江三角洲地区2030年登革热疫情风险的空间分布。结果表明,社会经济要素对登革热疫情空间分布的影响在不同范围内存在差异,半径分别为10、7、10、2和1 km的缓冲区内的人口密度、草地、城镇用地、林地和耕地进入LUR模型并对疫情有显著的影响（相关系数分别为0.779、-0.473、0.818、-0.642和-0.403）,所构建的LUR模型效果较好（调整R²为0.796,F=390.409,P<0.01）,留一交叉检验结果显示模型的相对均方根误差为0.7046,预测值与实测值的拟合精度达到0.7101。2030年城市空间扩展的区域主要分布在深圳、东莞以及广佛的交界地区,而登革热风险预测模型表明2030年登革热疫情风险较大的区域与珠江三角洲城镇用地占比、人口分布较高的地区有高度的一致性,尤其是广佛地区。因此,LUR模型可以较好地预测登革热疫情的空间分布,从而为当地卫生部门防控登革热提供方法支持。     

基于多元数据的中国地理空间疫情风险评估探索——以2020年1月1日至4月11日COVID-19疫情数据为例

新冠肺炎（COVID-19）在空间上具有一定的传播风险,对城市的安全健康构成了威胁,防止疫情传播成为紧迫的任务。在2020年1月1日至4月11日,COVID-19疫情经历了发生、迅速发展和趋于稳定的发展过程,利用初期的COVID-19数据进行宏观层面的疫情风险评估,为防疫控制措施提供一定的参考。因此本研究基于行政区划、定点医院、疫情小区以及道路交通等多元数据,在宏观层面提出并构建全国地理空间疫情风险性评估,对疫情风险分布探讨的同时进行评估效果验证,并根据构建指标揭示影响风险的因素及其机理,主要结论： ① 地理空间风险评估具有有效的可行性。② 地理空间疫情风险分布全局Moran's I指数为0.758,具有显著的空间集聚特征。同时,不同的省区市之间的局部LISA值呈现空间差异性,其中高—高聚类省区市占比全国25.81%,风险程度较高,主要分布在湖北、河南、湖南、江西、安徽、浙江、江苏、上海,低—低聚类省区市占比全国9.68%,风险程度较低,主要分布在青海、西藏、新疆。③ 地理空间疫情风险分布与地理区位、道路交通、医疗卫生、疫情现状指标均存在一定的相关性。根据统计学的Pearson相关性分析,其相关指标R ²存在差异,在数值上由高到低依次为疫情现状、地理区位、道路交通、医疗卫生,在属性上其相关因子存在正负2种效应,地理空间疫情风险与武汉市地理距离、定点医院密度以及居民-医院地理距离呈现显著的负相关,其R ²分别为0.813、0.545、0.436,与铁路网密度、公路网密度以及疫情小区密度呈现显著的正相关,其R ²分别为0.751、0.792、0.825。④ 地理空间疫情风险的构成因素错综复杂,其受到多种因子的共同作用,根据空间分层异质性分析,不同因子之间均存在交互作用,其中居民—医院地理距离与公路网密度、铁路网密度交互作用较强,q值分别为0.9842、0.9837。本研究在宏观层面为城市管理中重大疫情的空间资源分配以及区域空间的联防联控策略提供了相应的依据。     

疫情背景下中国居民城际出行恢复力、恢复模式与影响因素

新冠疫情爆发以来,居民城际出行受到显著影响,其时空波动规律反映了居民城际出行恢复力和恢复模式。文章基于百度迁徙数据,着眼于疫情防控常态化阶段,分析城际出行恢复力的分异格局,归纳总结时序波动规律与模式,并构建计量模型探究影响城际出行恢复力的因素。研究构建了波动比率、恢复比率、恢复弹性和恢复指数4个指标,用以衡量城际出行恢复力大小;将2021年中国新冠疫情划分为4个波次,各轮疫情持续时长不一,涉及地区范围各异。研究发现：① 居民城际出行恢复力表现出一定的空间差异,东部地区最好,西部地区和中部地区其次,东北地区最差;② 居民城际出行恢复模式时序与传统韧性三角形模式相似,根据疫情传播特征和性质具体可归纳为相对独立型、中间波动型、起点关联型、终点关联型、双向受制型等5种模式,表现出各异的曲线形态和特征;③ 对于居民城际出行恢复力的影响因素,机场、高铁等交通因素具有正向相关关系,而与GDP、产业结构等经济因素的影响表现为U型关系。疫情防控背景下,城际出行恢复模式和恢复力是城市韧性的重要方面,为制定相关城市政策提供了科学依据。