顾及空间异质性的温州市COVID-19疫情预测

结合COVID-19实际传播规律,利用温州市COVID-19确诊病例数据、行政区划与人口统计数据构建了区县级LSEIR修正模型,进一步顾及空间异质性加权融合各区县预测结果,以预测温州市整体疫情趋势。结果表明提出的LSEIR修正模型参数求解结果与传染病动力学模型参数物理意义相符,预测温州市感染人群将于2020-01-26达到峰值,与公布的实际情况一致。以感染人数和新增移出人数同时为0时刻作为疫情拐点,预测3月1日为温州市疫情拐点。本方法能够较准确地预测温州市及市内各区县COVID-19感染人群和移出人群变化趋势,为相关政府部门更好地发现疫情传播规律、分析防控措施有效性和预测疫情发展趋势提供了模型支持与决策服务。     

基于GIS的河南COVID-19疫情空间格局演化研究

为研究河南疫情空间格局的演化规律,运用计量地理模型统计方法对河南已确认感染的1 272例确诊病例进行系统研究。结果表明：1) 1月24日至2月2日(疫情前增长期)、2月2日至2月18日(疫情高水平流行期)、2月18日至2月27日(疫情低水平流行期),感染COVID-19疫情确诊病例整体增长态势上呈现“少—多—少”。2)1月24日至2月27日的疫情平均发病率为8.06/10万。P₄=13.20/10万>P₃=13.09/10万>P₂=5.87/10万>P₁=0.09/10万。P_均=8.06/10万。3)从均匀性来看,P_豫南=44.16%>P_豫中=22.74%>P_豫东=15.93%>P_豫北=14.21%>P_豫西=2.96%。说明河南下属18个市分布不均匀。4)1月24日至2月27日时间节点内河南省感染COVID-19疫情确诊病例地区...     

石家庄市新冠肺炎疫情演变特征及时空聚集性分析

传染病的时空分布特征一直以来都是研究者关注的焦点,地理信息系统(Geographic Information Systems,GIS)为研究疾病传播的时空信息规律提供了有力的技术支撑。本文基于GIS的空间自相关分析、热点聚集分析等方法研究2021年初河北省石家庄市新冠肺炎(Coronavirus Disease 2019,COVID-19)确诊感染人数情况及疫情的空间分布规律。研究发现,此疫情总持续时间44 d,总病例数869例;在区县尺度此次疫情确诊病例不存在明显的空间自相关性,而小区/村级尺度具有显著的空间自相关特征Moran′s I指数为0.35(p=0.0001,z=10.5);热点分析结果发现在区县尺度只存在于藁城区热点区域,小区/村级尺度的热点主要集中在藁城区小果庄村及其周边村庄。由此可见,有效的应急防控措施使本次疫情并未出现大规模扩散。     

温州市新型冠状病毒肺炎时空分布格局演化分析

本文首先结合社交媒体信息和温州市新型冠状病毒肺炎（COVID-19）发展态势,获取疫情传播先验知识,进一步采用DBSCAN自适应聚类算法,分析温州市COVID-19时空分布格局与演化规律。结果表明：①温州市COVID-19易在20~59岁的青壮年人群,以及商业服务人员、农民和工人人群间传播;②我国针对人口流动采取的系列措施能够有效遏制疫情进一步蔓延,使得温州市聚类空间簇数量在时间上呈现先增加后减小的趋势;③温州市鹿城区银泰商贸附近、乐清市南部和瑞安市西部具有疫情扩散高风险,后期需增强防控力度。本文细粒度地分析了温州市疫情时空演化过程,能够更好地辅助温州市政府部门更精细地部署疫情防控措施。     

利用地理知识图谱的COVID-19疫情态势交互式可视分析

新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)疫情的暴发产生了海量与时空信息相关的数据,当前的地理时空疫情分析难以关联人物关系、事件等数据,由此提出了一种利用地理知识图谱结合交互式可视分析COVID-19疫情态势的方法。首先定义了病患实体和关系类型,提出了事件语义模型和事件关系分类,并根据不同的数据分类设计了知识抽取和知识表示方法,构建了病患时空信息知识图谱;然后分别从宏观和微观层次把控疫情态势的任务出发,设计了知识图谱可视化视图和交互分析方法;最后构建实验分析系统,利用COVID-19确诊患者数据,通过地图分布可视化、图谱可视化和轨迹可视化等多视图协同交互对COVID-19疫情态势进行分析实验。实验结果表明,该方法能够从实时疫情态势监控、病患关联关系、高危人群防控和地区防控态势等方面为疫情态势分析提供一种新的思路与方法。     

城市因素对COVID-19疫情的影响——以武汉市为例

新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)疫情是一次重大的突发公共卫生事件,深入研究城市空间因素对疫情发展的影响对于未来城市安全具有重要意义。武汉市是遭受COVID-19疫情影响最为严重的城市,以武汉市三环内的中心城区作为研究区域,基于COVID-19疫情的新浪微博求助数据,揭示了COVID-19疫情在城市中的空间分布格局及其对不同区域的影响。在此基础上,根据疫情的主要传播途径及相关影响因素,选取社会人口、城市形态、城市设施、城市功能4项指标进行了验证。通过将研究区域进行网格化处理,运用地理加权回归模型对这些因素的效应、空间异质性以及影响范围进行分析,解释并反演出疫情在武汉城市空间中发生、传播、扩散的实际情况和作用机制。结果显示,三甲医院密度、商业密度、地铁站点密度、建设规模、老龄化、土地混合使用对疫情有显著影响。对城市空间因素的分析和验证有利于在未来的突发性公共安全危机中采取有效的城市规划和建筑设计应对,帮助城市决策者制定科学合理的防治策略,提前规避或减小对脆弱性区域和群体的冲击。     

地理位置关联的COVID-19传播时空分析

新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)暴发以来,许多研究对COVID-19的发生和发展进行了分析和预测,但鲜见采用GIS空间分析技术进行COVID-19流行病学调查的研究。不同于医学的病毒原理和大数据分析方法,将流行病学调查知识与位置关联分析相结合,利用五元组模型结构化每个病例数据,采用GIS时空交叠原理处理病例数据,定义统计分类和传播分析的五元组操作规则,实现了确诊病例的分时、分区统计以及输入型、接触型和聚集性病例的判断、挖掘和疾病传播过程的分析。结果显示,五元组结构及其操作规则可实现病例数据的计算机自动化处理,能够快速获取疫情发展状况,推演疫情传播过程。五元组模型结合时序图、关系图等可视化技术能够有效地分析和展示疾病、健康或卫生事件的分布和传播情况,为疾控机构快速掌握疫情传播状况提供支持。     

一种顾及人口迁徙特征的COVID-19疫情时空分布规律研究

新型冠状病毒的传播与人员流动情况密切相关,越是人口稠密、人员流动性强的地区,其疫情大规模暴发的风险越大。以江苏省为研究区,基于各地市卫健委公布的疫情数据和百度慧眼迁徙数据,使用时空分析方法,对江苏省新型冠状病毒肺炎(COVID-19)疫情进行了回顾,探讨了江苏省COVID-19疫情发生的时空规律,在此基础上发现病例较多城市的特点为人口基数大、人员流动性大;疫区人口迁徙和疫情扩散强相关;建议进行疫情防控大数据平台建设,及时追踪疫情发生、传播的路径和趋势,精准挖掘高危人群的活动轨迹,做到精准社区防控。     

湖北省生态系统服务价值演变及影响因素分析

针对区域生态系统服务价值(ESV)多在单一尺度下进行分析以及影响因素存在空间异质性的问题，该文利用ESV评估模型、空间自相关分析和地理探测器等方法，基于1980—2020年土地利用等数据，分析了湖北省土地利用变化下的ESV时空变化、多尺度时空格局特征，探讨了ESV空间分异的影响因素。结果表明：(1)湖北省1980—2020年耕地、未利用地呈减少趋势，建设用地、水域呈增加趋势，林地、草地维持相对稳定；(2)近40年间湖北省ESV增加了459.83亿元，水域是ESV增加的贡献者；(3)湖北省多尺度全局自相关分析表明7 km格网尺度下的ESV空间集聚性最为显著，局部自相关分析显示以襄州区—宜都市为界，湖北省东部ESV表现出明显的局部聚集效应，而西部则不显著；(4)湖北省整体ESV空间分异的主导因子为归一化植被指数和气温，西部地区主要受人为影响综合指数的影响，而东部地区受高程的主导。     

多阶段动态时滞动力学模型的COVID-19传播分析

截至2020-04-21,全球累计确诊新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)病例数已超过245万人,死亡病例数超过17万人。根据疫情的发展过程,首先建立了改进的离散时间多阶段时滞动力学模型,以提取疫情的传播特征,解析防控干预的影响(防控干预效果)和医疗资源可用率的影响,并基于该模型,提出一种分析COVID-19的经验传递动力学方法。其中,经验提取是基于该模型与WHO(World Health Organization)发布的疫情数据,通过参数反演实现。然后利用该方法,分析了意大利、西班牙、德国和美国等国家疫情所处的阶段,预测不同措施下各国疫情的可能走向,给出了快速控制的建议。分析结果显示,中国疫情已基本得到控制,西班牙、德国、意大利已达到峰值,美国疫情正处于紧急防御期。依据经验传递动力学方法,建议西班牙、德国、意大利三国继续坚持目前的防控干预方式,美国加大防控力度,尽快使疫情进入可控阶段。     

COVID-19 CT影像智能诊断系统

基于肺部CT(computed tomography)影像的人工智能诊断是针对新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)的有效辅助诊断方法之一。使用神经网络以及数字图像处理等技术,设计了一个基于切片内和切片间注意力机制的轻量级COVID-19分类模型,在此基础上开发了集早期筛查、病变评估、病灶分割功能和肺部及病灶像素分布直方图等功能于一体的COVID-19智能诊断系统。通过从武汉大学人民医院采集了247名COVID-19病患、152名其他肺炎患者和92名健康者的肺部CT图像,并制作为训练数据集用于网络训练。实验结果显示,提出的方法在验证集上的筛查任务和病变评估任务上的准确率分别达到88.63%和89.65%,算法模型中每人平均诊断时间缩短到0.4 s,系统具有重要的应用价值。     

COVID-19疫情初期美国城市夜间灯光时空变化分析

为应对COVID-19疫情而采取的非药物干预措施显著改变了城市社会经济活动,但其变化特征和时空模式仍不明确。本研究以美国20个大城市为例,获取NPP-VIIRS月度合成数据分析2020年2—4月COVID-19疫情初期城市夜光亮度变化的空间格局、衰减特征和用地类型差异。结果表明,疫情防控措施导致美国城市夜光亮度普遍变暗,平均降低5%—8%。夜光变化呈现明显“中心—边缘”空间结构特征,夜光降低幅度随到城市中心距离增加而减小。不同用地类型夜光变化幅度存在差异,纽约居住用地和航空设施用地夜光亮度降低幅度最明显,分别下降12%和11%。芝加哥各类用地夜光亮度普遍下降20%左右,除体育设施用地外,其他各类用地夜光亮度一个月后有所恢复。夜光遥感有效反映了城市社会经济活动变化,在监测评估突发事件社会影响方面具有重要应用。     

利用空间自相关的中国内陆甲型H1N1流感疫情分析

为了获得对中国大陆地区2009年爆发的甲型H1N1流感疫情的时空分布的认识,以中国省级甲流疫情的逐月时空数据（时间序列为2009年5月至2010年3月）为研究对象,采用空间自相关方法对其进行了分析。结果发现,甲流传播的集聚性是由弱到强变化的,疫情大致经历了三个阶段：早期的随机分布、中期的扩散以及后期的集中控制;广东、北京、浙江是疫情最为严重的地区,但高高疫情相邻的省份不多;统计学上显著的疫情爆发热点集中在中东部的浙江、江苏、上海、福建等地,聚集重心并未随着时间发生转移。     

基于“天地图”和大数据技术的江苏省疫情分析平台建设

为科学防控COVID-19新冠肺炎疫情,江苏省通信管理部门牵头建设了江苏省疫情分析平台,运用大数据分析,支撑服务疫情态势研判与疫情防控部署,统计分析省内人员动态流动情况,协助疾控部门开展确诊和疑似患者的流行病学调查以及排查密切接触人员。"天地图·江苏"为江苏省疫情分析平台的搭建,提供了统一空间框架、基础电子地图资源、基础地理数据集以及各类开发接口等,实现了江苏省疫情信息和区域间人口流动态势,以及医院、商场、超市、车站等重点场所的区域预警在空间"一张图"上的集成展示,辅助决策者利用空间化手段开展疫情信息挖掘和分析研判,发挥了较好的基础支撑作用。     

COVID-19病例活动知识图谱构建——以郑州市为例

目前,随着全球新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)病例数量不断增加,疫情时空传播过程变得越来越复杂。传统的传播过程研究主要是在宏观上研究传染病的整体传播规律或趋势,不能在个体层面分析具体病例之间的传播关系,无法精准定位疫情传播路径,很难支持传染病的精准防控,亟需兼顾时空和语义特征研究传染病传播过程。首先在解析COVID-19病例数据基础上,利用知识图谱技术提出了构建适应多样化描述方式的COVID-19病例活动知识图谱;然后从传播事件角度设计了COVID-19病例活动知识图谱本体规则,完成了模式层的构建;并以流行病调查数据为基础,对病例数据进行解析、事件实体识别和数据存储,完成了数据层的构建;最后,通过图数据库和B/S端构建原型系统进行实验验证。结果表明,通过COVID-19病例活动知识图谱对传播过程推理、关键节点分析和活动轨迹回溯等层面进行验证,方法较为有效,且具有一定可行性。     

基于中文分词的加权地理编码在COVID-19疫情防控空间定位中的应用

地理编码是实现带有地址描述的信息空间定位的重要途径。比较研究了国内外地理编码方法,分析了中文地址的组成方式和定位方法。针对中文地址高度复杂性和多样性的特征,设计了一种顾及多种语义的地址匹配算法,并以武汉市新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)病人入院时登记的地址描述信息为例,对匹配算法进行了实验验证,将匹配结果进行空间定位。结果表明,所提出的中文分词的加权地理编码方法匹配高效、定位准确、方法智能,能够实现基于语义的COVID-19病人入院时登记地址的快速定位,可为疫情防控提供准确的空间定位信息。     

交通分析区尺度上的COVID-19时空扩散推估方法：以武汉市为例

现有的流行病学模型大多是通过对统计数据进行拟合,实现对患病人数的推估,较少考虑细粒度空间人群移动交互对时空扩散特征的直接作用。将空间交互特征融入流行病学模型,提出了基于手机用户空间交互数据的新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)时空扩散推估方法,并对2019-12—2020-03武汉市COVID-19患病人数以及时空扩散过程进行推估。研究结果表明,该方法能有效推估出每天的疫情新增交通分析区,能够完全覆盖了有疫情公告的交通分析区,且存在疫情公告的交通分析区占所推估交通分析区的72.7%;2020-02-18后的累计推估患者结果与官方公布患者总量吻合得非常好,差距约为5.6%,间接验证了前期推估的合理性。由此得出,该方法能比较有效地推估细粒度空间之间的传染病传播,对正确认识细粒度空间下人群交互对传染病时空扩散的影响机制,增强宏观流行病学模型的空间可解释性具有一定的科学意义。     

面向重大公共卫生事件的位置服务技术——以COVID-19疫情为例

2020年初暴发的新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)疫情给全球人民生命安全和经济发展带来了严重影响。位置服务以庞大的地理空间信息数据库为依托,能向服务对象提供与地理信息相关的便捷、实时、精准的综合性服务,可很好地运用于紧急救灾、大流量人员追踪、复杂环境下的现场人员管控等事件中。事实证明,位置服务的优势特性在2020年春中国COVID-19疫情防控中起到了非常重要的作用。从北斗车联网平台、基于泛在定位的基础服务、时空大数据分析与疫情防控、智能导航机器人参与抗疫等多个方面阐述了中国COVID-19疫情下的位置服务应用。通过对这些应用及技术手段的分析总结,深化位置服务技术的内涵,可以为今后重大公共卫生事件的应急处置提供解决方案。     

甘肃省疫情"目标人"监测系统研究

针对爆发的新型冠状病毒肺炎(COVID-19)重大疫情,提出一种基于地理信息系统(Geo-graphic Information System,GIS)和大数据技术的甘肃省疫情"目标人"监测系统.该系统基于移动运营商实时定位数据和天地图·甘肃地理信息服务平台,通过汇聚接入全省漫入重点人员定位数据,实现重点人员的实时位置监测和时间序列分析,准确把握重点人员的时空分布和发展趋势,为甘肃省新冠疫情的防控起到了辅助决策作用,有效解决了目标定位数据到决策人手中的最后一公里问题.     

温州市新型冠状病毒肺炎疫情扩散时空特征研究

新型冠状病毒肺炎(COVID-19)疫情爆发以来,温州市疫情形势严峻.本文通过温州市卫生健康委员会官方网站公布的新型冠状病毒肺炎患者的具体信息,利用数据分析法、GIS技术和定量分析法对温州市新冠肺炎疫情的发展变化、分布及扩散特征进行分析.结果显示:1)温州市新冠肺炎确诊病例男性占比高于女性,且以中青年人为主,老年人位列第三,少年儿童最少.2)新冠肺炎患者主要分布在温州中部和东北部人口稠密、经济发达的地区,南部和西南部地区患者数量比较少.3)经济发展较弱的地区扩散风险较高,人群防护意识薄弱也会加剧疫情扩散.本研究可对新冠肺炎等传染性疾病疫情的防控工作起到一定的指导和借鉴作用.