一种COVID-19病例个体时空轨迹交互式提取与质量评估方法

针对当前新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)病例个体时空轨迹描述文本高度非结构化的特点,提出了一种基于自然语言处理(natural language processing, NLP)辅助的交互式轨迹提取方法,用于提高轨迹提取的效率和质量.设计了交互式轨迹提取和质量评估流...     

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。     

COVID-19疫情早期中国确诊时间的时空特征及动态过程分析

流行病确诊时间能够反映一个国家和地方卫生部门的综合应急水平及理疗能力。基于中国疾病预防控制中心提供的中国大陆地区早期7万余个新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)确诊和疑似病例诊疗时间记录数据,采用分区统计、空间制图、趋势模拟和显著性检验等分析手段,研究了COVID-19疫情早期在诊断时间的时空分布、空间分异和动态过程。研究结果表明:(1)COVID-19疫情早期从发病到确诊的平均确诊时间为7.35 d,其中湖北省为7.99 d,其他省份平均为5.68 d;从疑似到确诊的平均确诊时间为3.86 d,湖北省为4.08 d,其他省份为2.91 d。虽然湖北省的确诊时间要略微高于中国大陆地区平均水平,但是这种空间分异现象差异不是特别明显,各地平均确诊时间离散度仅为0.58 d。(2)COVID-19疫情早期确诊时间呈显著下降趋势(Slope=-0.78,P0.01,双尾),确诊时间由疫情暴发早期的2个月内快速下降至1 d左右,大大提高了COVID-19诊疗效率。(3)对出院病例的治愈时间与确诊时间进行Pearson相关分析,结果表明,治愈时间和确诊时间显著相关(P0.01,双尾),这从侧面反映缩短确诊时间、早治早疗和及时诊疗可以有效提高治愈率。     

新型冠状病毒肺炎期间公众情感的时空演化分析

新型冠状病毒肺炎(corona virus disease 2019,COVID-19)严重影响了人们日常的工作和生活,引起了社会媒体的高度关注.基于此,本文选取青岛市为研究区域,运用Pearson相关性分析、核密度分析、百度人工智能(artificial intelligence,AI)情感分析及词频-逆文档频率算法...     

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。     

基于VGG19卷积神经网络和迁移学习的水稻病害图像分类方法

本文在原有VGG19卷积神经网络的基础上,提出了一种基于迁移学习模型参数的水稻病害图像分类方法。该方法利用ImageNet数据集预训练生成的VGG19卷积神经网络,通过将网络相关参数迁移和调整的方式构建水稻病害图像分类的技术流程。通过对图像的预处理扩充样本数据,针对病害特征利用训练集调整训练参数,并利用验证集进行性能实测优化分类模型,实现水稻病害图像的快速识别分类,最后利用测试集评价分类精度。测试结果表明,该方法能够很好实现水稻病害图像的分类,分类精度达到99%以上。     

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。     

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。     

基于深度学习的航空遥感影像密集匹配

本文探讨了深度学习在航空影像密集匹配中的性能,并与经典方法进行了比较,对模型泛化能力进行了评估。首先,实现了MC-CNN(matching cost convolutional neural network)、GC-Net(geometry and context network)、DispNet(disparity estimation network)3种代表性卷积神经元网络在航空立体像对上的训练和测试,并与传统方法SGM(semi-global matching)和商业软件SURE进行了比较。其次,利用直接迁移学习方法,评估了各模型在不同数据集间的泛化能力。最后,利用预训练模型和少量目标数据集样本,评估了模型微调的效果。试验包含3套航空影像、2套开源街景影像。试验表明:①与传统的遥感影像密集匹配方法相比,目前深度学习方法略有优势;②GC-Net与MC-CNN表现了良好的泛化能力,在开源数据集上训练的模型可以直接应用于遥感影像,且3PE(3-pixel-error)精度没有明显下降;③在训练样本不足时,利用预训练模型做初值并进行参数微调可以得到比直接训练更好的结果。     

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。     

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。     

基于去噪扩散概率模型的InSAR相位解缠

二维相位解缠是合成孔径雷达(InSAR)中的关键任务之一,传统的相位解缠算法要求干涉相位相邻像元间的相位差位于[-π,π]之间,实际上由于噪声和采样率的因素,解算结果不可避免地产生误差或错误。提出了基于去噪概率扩散模型的InSAR相位解缠算法,利用深度学习中的扩散生成模型(Denoising Diffusion ProbabilisticModels)设计了相位解缠网络DDPU,使用LiCSAR数据以及仿真数据训练网络,在3 000个样本集上评估了相位解缠网络DDPU的质量并与传统相位解缠算法及其他基于深度学习的解缠算法进行对比,结果表明DDPU具有优异的解缠能力以及良好的鲁棒性。     

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。     

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。     

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.     

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。     

“居家健康屋”疫情隔离管理系统的设计与实现

对2020年COVID-19新冠肺炎疫情期间居家隔离工作进行分析,设计了高风险人员居家隔离管理工作的信息登记与生活服务等相关业务流程,并基于地理信息技术进行系统的实现,为防疫工作中压实疫情防控责任,提高基层工作效率提供支撑和保障。     

基于增强生成对抗网络的滑坡影像集超分辨率重建

针对高分遥感影像用于滑坡智能识别缺少高清训练集的问题,在组建高清滑坡训练集过程中,为充分利用低分辨率滑坡影像,本文采用基于增强型生成对抗网络模型(ESRGAN)实现了低分辨率滑坡影像集超分辨率重建。ESRGAN模型在SRGAN模型基础上,通过移除批归一化层、加入多级残差网络与残差缩放系数,提升了生成器的特征提取性能与稳定性,并采用迁移学习方法,基于毕节滑坡影像集与云南南景高速公路滑坡影像集进行试验验证。试验结果表明,基于迁移学习的ESRGAN模型在峰值信噪比(PSNR)与结构相似性(SSIM)方面获得更高得分,超分辨率重建取得更优结果。本文研究结果为获取滑坡高分辨率遥感影像集提供了一种新的技术方法。     

测量学课程信息化教学中一些问题的探讨

信息化教学是数字化教学向智慧化教学方向发展的必经阶段。在我国新型冠状病毒肺炎(COVID-19)疫情防控的今天,信息化教学方式已成为一种常态化的、主要的线上教学的方式。本文对测量学课程信息化教学过程中存在的一些问题进行了探讨,并提出了解决问题的思路,为推进测量学课程信息化教学建设提供了参考。     

遥感影像云检测网络泛化性能研究：以DeepLabv3+为例

近年来,深度学习算法得到了长足的发展,并开始应用于云检测。但是深度神经网络模型参数众多,依赖大量训练样本,因此理解其泛化性能对于深度学习在不同遥感影像的实际应用具有重要的参考价值。本文以深度语义分割算法DeepLabv3+为例,以一组广泛使用的云标记数据集"L8 Biome"为验证数据,探讨该算法用于云检测时在不同的地表景观、空间分辨率和光谱波段组合的遥感影像上的泛化性能。云标记数据集"L8Biome"包含96景具有全球代表性的Landsat 8 OLI影像及相应的人工云掩膜,被广泛用于测试云和云阴影检测算法性能。首先,利用Landsat 8 OLI云标记数据集"L8 Biome",构建不同类型景观、不同空间分辨率、不同波段组合的训练影像集和测试影像集;其次基于不同训练样本集和测试集,评估了DeepLabv3+算法在不同情况下的云检测精度,并与Fmask算法作对比分析。研究结果表明:(1)使用全混合景观类型的训练集训练出来的云检测网络在总体检测精度(92.81%)与稳定度(标准差12.08%)上都优于使用单一景观类型的训练集训练得到的云检测网络,也优于Fmask的总体精度(88.75%)与稳定度(标准差17.34%),说明在构建深度学习算法的训练集时,应该尽可能包含多类型的地表景观;(2)将全混合景观训练集中剔除一类景观的样本(冰/雪景观除外)构建的"混合-1"训练集与全混合景观训练集训练的DeepLabv3+网络的云检测精度也相差不大,说明现有训练样本集已具备较强的景观泛化能力;(3)基于30 m空间分辨率的全混合景观训练样本集训练得到的DeepLabv3+云检测网络在不同分辨率(30 m、60 m、120 m、240 m)的测试集上云检测精度差异不大,都取得较好的效果,说明DeepLabv3+能够泛化应用于不同空间分辨率的遥感影像,相反Fmask直接应用于低分辨率影像时精度明显下降;(4) DeepLabv3+能充分自适应不同波段的信息用于云检测,总体来说更多的光谱波段输入能够提高DeepLabv3+的云检测的精度和稳定度,其中短波红外波段对于DeepLabv3+区分冰/雪与云具有重要价值,而热红外波段对DeepLabv3+云检测网络的性能提升很微小。以上结果说明利用现有数据集"L8 Biome"训练的DeepLabv3+云检测网络能够适用于多种类型的遥感影像,并优于Fmask算法。