CN107256327A - 一种传染病防控方法及系统 - Google Patents

一种传染病防控方法及系统 Download PDF

Info

Publication number
CN107256327A
CN107256327A CN201710315295.5A CN201710315295A CN107256327A CN 107256327 A CN107256327 A CN 107256327A CN 201710315295 A CN201710315295 A CN 201710315295A CN 107256327 A CN107256327 A CN 107256327A
Authority
CN
China
Prior art keywords
trip
high risk
infectious disease
user
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710315295.5A
Other languages
English (en)
Other versions
CN107256327B (zh
Inventor
尹凌
杜小晶
宋晓晴
林楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201710315295.5A priority Critical patent/CN107256327B/zh
Publication of CN107256327A publication Critical patent/CN107256327A/zh
Application granted granted Critical
Publication of CN107256327B publication Critical patent/CN107256327B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本申请涉及公共卫生技术领域，特别涉及一种传染病防控方法及系统。所述传染病防控方法包括以下步骤：步骤a：根据本地染病风险数据识别传染病的高风险区域；步骤b：根据规则手机数据识别访问所述高风险区域的用户；步骤c：通过所述访问高风险区域的用户手机轨迹数据识别出行目的地为所述高风险区域的流入人群，并根据所述流入人群的出行特征将出行目的地进行分类；步骤d：依据防控严格程度分别制定空间防控措施，并依据所述空间防控措施以及出行目的地的分类结果分别向对应的流入人群发送出行干预信息。本申请通过在城市内部针对用户发送个人定制化的出行干预信息来指导用户改变出行目的地，降低高风险区域的输入性风险。

Description

一种传染病防控方法及系统
技术领域
本申请涉及公共卫生技术领域，特别涉及一种传染病防控方法及系统。
背景技术
随着我国城市化的推进，城市地区人口密度增大，城市内部居民出行方式和出行需求增加，城市环境的变化使得传染病很容易在城市内部传播开来，在城市内部采取及时有效、有针对性的防控措施变得尤为重要。自2015年新年伊始提出“精准医药”的概念后，最近又提出了“精准公共卫生”，这一新的概念为公共卫生研究提供了新方向，并且受到了医学研究人员和卫生从业者的极大关注。精准公共卫生需要做到因人而异，在正确的时间实施差异化、个体化的干预措施。
空间维度的传染病防控研究主要采用大规模手机数据进行个体时空行特征分析，进而在大范围区域内实施传染病防控措施。由于大规模规则手机数据可以提供较高的时空分辨率，并且拥有大量的用户人群，因此手机数据结合病例数据能准确的分析出传染病的源头和传播途径，更容易做到空间维度上的精准防控。目前，空间维度的传染病防控研究主要采用不规则的呼叫详细记录数据分析个体时空特征，以城市或多个手机基站为防控单元，在全球或国家等大范围区域内进行出行控制，主要针对某些人群进行粗粒度的调控，具体措施包括：减少城市之间的航班、火车等交通工具的班次或者依靠媒体的影响力传播城市中传染病的安全水平使个人自发调控自身出行路线避开高水平感染率的城市等。
综上所述，现有的传染病防控研究在手机数据、研究尺度、防控单元、防控措施等方面都存在较大的完善空间，具体不足包括：
一、使用的呼叫详细记录手机数据有限，难以提供完整的个体时空信息，该不规则手机数据具有随机性和短期爆发性，甚至可能对个体时空特征的提取产生误导。
二、现有传染病防控技术主要针对国家和地区层面的防控研究，防控措施实施单元一般针对某个城市或者多个基站，缺乏针对城市内部的具体有效的防控方案。
三、现有传染病防控研究大多选取城市或者多个手机基站区域作为空间防控单元，在较大范围内进行出行控制的可行性较差，并且没有做到精准的空间防控。
四、现有传染病防控研究的防控措施大多采用减少城市之间的航班、火车等交通工具的班次或者依靠媒体的影响力传播城市中传染病的安全水平使个人自发调控自身出行路线避开高水平感染率的城市等方法来进行出行防控，该类措施主要针对人群进行宏观控制或依靠个人自发的避免感染的行为来进行出行控制，缺乏针对个体的定制化的出行控制措施。
发明内容
本申请提供了一种传染病防控方法及系统，旨在至少在一定程度上解决现有技术中的上述技术问题之一。
为了解决上述问题，本申请提供了如下技术方案：
一种传染病防控方法，包括以下步骤：
步骤a：根据本地染病风险数据识别传染病的高风险区域；
步骤b：根据规则手机数据识别访问所述高风险区域的用户；
步骤c：通过所述访问高风险区域的用户手机轨迹数据识别出行目的地为所述高风险区域的流入人群，并根据所述流入人群的出行特征将出行目的地进行分类；
步骤d：依据防控严格程度分别制定空间防控措施，并依据所述空间防控措施以及出行目的地的分类结果向对应的流入人群发送出行干预信息。
本申请实施例采取的技术方案还包括：在所述步骤a中，所述本地染病风险数据为通过随机森林模型得出的由病例数据和影响伊蚊生存的环境因素组成的网格风险图。
本申请实施例采取的技术方案还包括：在所述步骤b中，所述规则手机数据为以小时为单位的规则手机定位数据。
本申请实施例采取的技术方案还包括：在所述步骤c中，所述出行目的地包括“家”、“工作/学习地”、“既不是家也不是工作/学习地”；所述根据流入人群的出行特征对出行目的地进行分类具体为：将所述“家”和“工作/学习地”分类为必要性出行，将所述“既不是家也不是工作/学习地”分类为非必要出行。
本申请实施例采取的技术方案还包括：在所述步骤d中，所述空间防控措施包括严格控制措施和非严格控制措施，所述出行干预信息分别为禁止出行信息和减少出行信息，所述禁止出行信息用于在严格控制措施下通知用户取消流入高风险区域的必要性出行和非必要出行；所述减少出行信息用于在非严格控制措施下通知用户减少到高风险区域的非必要出行。
本申请实施例采取的另一技术方案为：一种传染病防控系统，包括：
区域识别模块：用于根据本地染病风险数据识别传染病的高风险区域；
用户识别模块：用于根据规则手机数据识别访问所述高风险区域的用户；
目的地识别模块：用于通过所述访问高风险区域的用户手机轨迹数据识别出行目的地为所述高风险区域的流入人群，并根据所述流入人群的出行特征将出行目的地进行分类；
出行防控模块：用于依据防控严格程度分别制定空间防控措施，并依据所述空间防控措施以及出行目的地的分类结果分别向对应的流入人群发送出行干预信息。
本申请实施例采取的技术方案还包括：所述本地染病风险数据为通过随机森林模型得出的由病例数据和影响伊蚊生存的环境因素组成的网格风险图。
本申请实施例采取的技术方案还包括：所述规则手机数据为以小时为单位的规则手机定位数据。
本申请实施例采取的技术方案还包括：所述出行目的地包括“家”、“工作/学习地”、“既不是家也不是工作/学习地”；所述根据流入人群的出行特征对出行目的地进行分类具体为：将所述“家”和“工作/学习地”分类为必要性出行，将所述“既不是家也不是工作/学习地”分类为非必要出行。
本申请实施例采取的技术方案还包括：所述空间防控措施包括严格控制措施和非严格控制措施，所述出行干预信息分别为禁止出行信息和减少出行信息，所述禁止出行信息用于在严格控制措施下通知用户取消流入高风险区域的必要性出行和非必要出行；所述减少出行信息用于在非严格控制措施下通知用户减少到高风险区域的非必要出行。
相对于现有技术，本申请实施例产生的有益效果在于：本申请实施例的传染病防控方法及系统通过在城市内部针对用户发送个人定制化的出行干预信息来指导用户改变出行目的地，从而降低高风险区域的输入性风险，达到传染病在空间角度上的精准防控。与现有技术相比，本申请具有如下优点：
一、采用以小时为单位的规则手机定位数据，能获得更加完整、可靠的个体时空特征，保证了对个人实施精确空间防控的可行性；
二、通过在城市内部进行防控研究，空间防控单元从原有的城市或多个基站缩小为单个手机基站，防控范围缩小，空间防控单元更加精确；
三、针对用户发送个人化的定制防控信息，改变流入高风险区域的用户的出行目的地，有效的减少高风险区域的输入性风险值，对于控制疾病的传播有明显的防控效果。
附图说明
图1是本申请实施例的传染病防控方法的流程图；
图2是本申请实施例的传染病防控系统的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
本申请实施例的传染病防控方法及系统充分运用规则手机数据中精确到基站的高空间分辨率，在城市内部实施以手机基站为空间防控单元的用户出行控制措施，针对个人制定个性化的出行防控措施，控制个体的出行目的地，细化了空间防控措施在空间维度的粒度，更准确的做到针对个体定制的城市内部的空间精准干预。
具体地，请参阅图1，是本申请实施例的传染病防控方法的流程图。本申请实施例的传染病防控方法包括以下步骤：
步骤100：根据本地染病风险数据识别传染病的高风险区域；
在步骤100中，高风险区域指本地染病风险概率值较大的区域，本地染病风险数据是通过随机森林模型得出的由病例数据和影响伊蚊生存的各种环境因素组成的网格风险图。
步骤200：根据规则手机数据识别访问高风险区域的用户；
在步骤200中，规则手机数据为每小时记录一次用户位置的手机定位数据。
步骤300：通过访问高风险区域的用户手机轨迹数据识别出行目的地为高风险区域的所有出行，确定流入高风险区域的人群；
在步骤300中，手机轨迹数据描述的个体日常活动的出行目的地主要可以分为三类：家、工作/学习地、既不是家也不是工作/学习地；按照用户的出行特征，可将上述三种出行目的地分为必要性出行和非必要出行两种类型，其中，必要性出行指回家、到学校、到工作地的出行，非必要出行则是指除了家、工作/学习地之外的其他出行，例如购物、娱乐等。
步骤400：依据防控严格程度的不同制定两类不同的空间防控措施，在两类不同的措施中，分别依据所述出行目的地的分类结果向对应的流入人群发送出行干预信息。
在步骤400中，由于用户的出行导致了输入性风险，疾病在高风险区域具有较强的传染性，因此本申请中的出行防控措施的最终目的是通过改变去往高风险区域的用户的出行目的地来减少高风险区域的输入性风险。输入性风险数据是利用本地染病风险值和蚊媒活动强度计算个体不同时刻的染病概率并累积求和得到，输入性风险数据的计算公式为：
在公式(1)和公式(2)中，Pri代表到访过该多边形的用户i的染病概率值，RL(t)是t小时用户所在位置的本地染病风险值，A(t)代表该时段白纹伊蚊的活动强度。
具体地，出行防控措施主要是根据出行目的地类型利用手机向流入高风险区域的人群发送针对个人定制的出行干预信息来指导用户改变出行目的地，使得该部分人群能够避开高风险区域，在不改变出行时间的情况下，改变出行目的地以减少出行产生的输入性风险，从而降低高风险区域的传染性强度，达到传染病在空间角度上的精准防控。其中，流入高风险区域的人群可以根据识别访问高风险区域的用户的出行目的地是否为高风险区域而得到。
本申请按照防控措施的严苛程度将空间防控措施分为严格控制措施和非严格控制措施，并根据空间防控措施和出行目的地的分类结果制定两类不同的出行干预信息，第一类为禁止出行信息，主要是为了在严格控制措施下通知用户取消流入高风险区域的所有出行。根据用户的出行目的地类型发送的禁止出行信息包括以下三种：
第一种：针对出行目的地为“家”的必要性出行用户，由于该出行目的地的不可替代性，不发送禁止出行信息给用户；
第二种：针对出行目的地为“工作/学习地”的必要性出行用户，禁止出行信息内容为：“禁止流入**高风险区域，请停留在家”；
第三种：针对出行目的地为“既不是家也不是工作/学习地”的非必要出行用户，禁止出行信息内容为“禁止流入**高风险区域，可以流入***非高风险区域活动”。其中，“***非高风险区域”是指与原出行目的地距离相似的随机选取的非高风险区域，该区域也包括家。
上述中，计算距离相似的非高风险区域的方法具体为：按照用户的手机轨迹数据找出用户原出行目的地位置P1(lng1，lat1)和上一个活动点的位置P2(lng2，lat2)，根据距离计算公式(1)计算出两个位置之间的出行距离，基于上一个活动点的位置，从手机基站数据集中检索与该出行距离相似的点，并且这个出行距离相似的点不属于高风险区域，该距离相似的点也包括家，然后通过禁止出行信息将该出行距离相似的点的位置发送给用户。两个位置之间的距离计算公式为：
其中：
第二类为减少出行信息，减少出行信息比禁止出行信息的严苛程度略弱，主要是为了通知用户在非严格控制措施下减少到高风险区域的非必要出行。根据用户的出行目的地类型发送的减少出行信息包括以下两种：
第一种：针对出行目的地为“家”或“工作/学习地”的必要性出行用户，由于该出行目的地的不可替代性，不发送减少出行信息给用户；
第二种：针对出行目的地为“既不是家也不是工作/学习地”的非必要出行用户，减少出行信息内容为：“请减少流入**高风险区域的非必要出行，可改为流入**非高风险区域活动”。
请参阅图2，是本申请实施例的传染病防控系统的结构示意图。本申请实施例的传染病防控系统包括区域识别模块、用户识别模块、目的地识别模块和出行防控模块；具体地：
区域识别模块：用于根据本地染病风险数据识别传染病的高风险区域；其中，本地染病风险数据是通过随机森林模型得出的由病例数据和影响伊蚊生存的各种环境因素组成的网格风险图。
用户识别模块：用于根据规则手机数据识别访问高风险区域的用户；其中，规则手机数据为每小时记录一次用户位置的手机定位数据。
目的地识别模块：用于通过访问高风险区域的用户手机轨迹数据识别出行目的地为高风险区域的所有出行，确定流入高风险区域的人群；其中，手机轨迹数据描述的个体日常活动的出行目的地主要可以分为三类：家、工作/学习地、既不是家也不是工作/学习地；按照用户的出行特征，可将上述三种出行目的地分为必要性出行和非必要出行两种类型，其中，必要性出行指回家、到学校、到工作地的出行，非必要出行则是指除了家、工作/学习地之外的其他出行，例如购物、娱乐等。
出行防控模块：用于依据防控严格程度的不同制定两类不同的空间防控措施，在两类不同的措施中，分别依据所述出行目的地的分类结果向对应的流入人群发送出行干预信息；其中，由于用户的出行导致了输入性风险，疾病在高风险区域具有较强的传染性，因此本申请中的出行防控措施的最终目的是通过改变去往高风险区域的用户的出行目的地来减少高风险区域的输入性风险。输入性风险数据是利用本地染病风险值和蚊媒活动强度计算个体不同时刻的染病概率并累积求和得到，输入性风险数据的计算公式为：
在公式(1)和公式(2)中，Pri代表到访过该多边形的用户i的染病概率值，RL(t)是t小时用户所在位置的本地染病风险值，A(t)代表该时段白纹伊蚊的活动强度。
具体地，出行防控模块主要是根据出行目的地类型利用手机向流入高风险区域的人群发送针对个人定制的出行干预信息来指导用户改变出行目的地，使得该部分人群能够避开高风险区域，在不改变出行时间的情况下，改变出行目的地以减少出行产生的输入性风险，从而降低高风险区域的传染性强度，达到传染病在空间角度上的精准防控。其中，流入高风险区域的人群可以根据识别访问高风险区域的用户的出行目的地是否为高风险区域。
本申请按照防控措施的严苛程度将空间防控措施分为严格控制措施和非严格控制措施，并根据空间防控措施和出行目的地的分类结果制定两类不同的出行干预信息，第一类为禁止出行信息，主要是为了在严格控制措施下通知用户取消流入高风险区域的所有出行。根据用户的出行目的地类型发送的禁止出行信息包括以下三种：
第一种：针对出行目的地为“家”的必要性出行用户，由于该出行目的地的不可替代性，不发送禁止出行信息给用户；
第二种：针对出行目的地为“工作/学习地”的必要性出行用户，禁止出行信息内容为：“禁止流入**高风险区域，请停留在家”；
第三种：针对出行目的地为“既不是家也不是工作/学习地”的非必要出行用户，禁止出行信息内容为“禁止流入**高风险区域，可以流入***非高风险区域活动”。其中，“***非高风险区域”是指与原出行目的地距离相似的随机选取的非高风险区域，该区域也包括家。
上述中，计算距离相似的非高风险区域的方法具体为：按照用户的手机轨迹数据找出用户原出行目的地位置P1(lng1，lat1)和上一个活动点的位置P2(lng2，lat2)，根据距离计算公式(1)计算出两个位置之间的出行距离，基于上一个活动点的位置，从手机基站数据集中检索与该出行距离相似的点，并且这个出行距离相似的点不属于高风险区域，该距离相似的点也包括家，然后通过禁止出行信息将该出行距离相似的点的位置发送给用户。两个位置之间的距离计算公式为：
其中：
第二类为减少出行信息，减少出行信息比禁止出行信息的严苛程度略弱，主要是为了在非严格控制措施下通知用户减少到高风险区域的非必要出行。根据用户的出行目的地类型发送的减少出行信息包括以下两种：
第一种：针对出行目的地为“家”或“工作/学习地”的必要性出行用户，由于该出行目的地的不可替代性，不发送减少出行信息给用户；
第二种：针对出行目的地为“既不是家也不是工作/学习地”的非必要出行用户，减少出行信息内容为：“请减少流入**高风险区域的非必要出行，可改为流入**非高风险区域活动”。
本申请针对访问高风险区域的用户进行出行控制，根据具体的空间精准防控措施改变用户手机数据中的出行目的地，模拟得到几套新的手机数据。在这几套模拟手机数据中，随机模拟用户中收到出行干预信息后分别有30％和80％的人服从信息的通知而改变出行目的地。模拟结果发现，发送信息“禁止流入**高风险区域”和发送信息“请减少流入**高风险区域”这两种出行防控措施对于高风险区域的输入性风险减少率有显著的效果，在80％的服从度下高风险区域的输入性风险减少率均是30％服从度下的2.67倍。具体地，在80％服从度下：在“禁止流入**高风险区域”的措施下输入性风险减少率达到56.14％，在“请减少流入**高风险区域”的措施下输入性风险减少率达到了43.09％。两种模拟结果对比，可以看出发送信息“禁止流入**高风险区域”的措施是一种效果更佳的防控措施，并且在高服从度下效果更明显。
本申请实施例的传染病防控方法及系统通过在城市内部针对用户发送个人定制化的出行干预信息来指导用户改变出行目的地，从而降低高风险区域的输入性风险，达到传染病在空间角度上的精准防控。与现有技术相比，本申请具有如下优点：
一、采用以小时为单位的规则手机定位数据，能获得更加完整、可靠的个体时空特征，保证了对个人实施精确空间防控的可行性；
二、通过在城市内部进行防控研究，空间防控单元从原有的城市或多个基站缩小为单个手机基站，防控范围缩小，空间防控单元更加精确；
三、针对用户发送个人化的定制防控信息，改变流入高风险区域的用户的出行目的地，有效的减少高风险区域的输入性风险值，对于控制疾病的传播有明显的防控效果。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种传染病防控方法，其特征在于，包括以下步骤：
步骤a：根据本地染病风险数据识别传染病的高风险区域；
步骤b：根据规则手机数据识别访问所述高风险区域的用户；
步骤c：通过所述访问高风险区域的用户手机轨迹数据识别出行目的地为所述高风险区域的流入人群，并根据所述流入人群的出行特征将出行目的地进行分类；
步骤d：依据防控严格程度分别制定空间防控措施，并依据所述空间防控措施以及出行目的地的分类结果分别向对应的流入人群发送出行干预信息。
2.根据权利要求1所述的传染病防控方法，其特征在于，在所述步骤a中，所述本地染病风险数据为通过随机森林模型得出的由病例数据和影响伊蚊生存的环境因素组成的网格风险图。
3.根据权利要求1或2所述的传染病防控方法，其特征在于，在所述步骤b中，所述规则手机数据为以小时为单位的规则手机定位数据。
4.根据权利要求3所述的传染病防控方法，其特征在于，在所述步骤c中，所述出行目的地包括“家”、“工作/学习地”、“既不是家也不是工作/学习地”；所述根据流入人群的出行特征对出行目的地进行分类具体为：将所述“家”和“工作/学习地”分类为必要性出行，将所述“既不是家也不是工作/学习地”分类为非必要出行。
5.根据权利要求4所述的传染病防控方法，其特征在于，在所述步骤d中，所述空间防控措施包括严格控制措施和非严格控制措施，所述出行干预信息分别为禁止出行信息和减少出行信息，所述禁止出行信息用于在严格控制措施下通知用户取消流入高风险区域的必要性出行和非必要出行；所述减少出行信息用于在非严格控制措施下通知用户减少到高风险区域的非必要出行。
6.一种传染病防控系统，其特征在于，包括：
区域识别模块：用于根据本地染病风险数据识别传染病的高风险区域；
用户识别模块：用于根据规则手机数据识别访问所述高风险区域的用户；
目的地识别模块：用于通过所述访问高风险区域的用户手机轨迹数据识别出行目的地为所述高风险区域的流入人群，并根据所述流入人群的出行特征将出行目的地进行分类；
出行防控模块：用于依据防控严格程度分别制定空间防控措施，并依据所述空间防控措施以及出行目的地的分类结果分别向对应的流入人群发送出行干预信息。
7.根据权利要求6所述的传染病防控系统，其特征在于，所述本地染病风险数据为通过随机森林模型得出的由病例数据和影响伊蚊生存的环境因素组成的网格风险图。
8.根据权利要求6或7所述的传染病防控系统，其特征在于，所述规则手机数据为以小时为单位的规则手机定位数据。
9.根据权利要求8所述的传染病防控系统，其特征在于，所述出行目的地包括“家”、“工作/学习地”、“既不是家也不是工作/学习地”；所述根据流入人群的出行特征对出行目的地进行分类具体为：将所述“家”和“工作/学习地”分类为必要性出行，将所述“既不是家也不是工作/学习地”分类为非必要出行。
10.根据权利要求9所述的传染病防控系统，其特征在于，所述空间防控措施包括严格控制措施和非严格控制措施，所述出行干预信息分别为禁止出行信息和减少出行信息，所述禁止出行信息用于在严格控制措施下通知用户取消流入高风险区域的必要性出行和非必要出行；所述减少出行信息用于在非严格控制措施下通知用户减少到高风险区域的非必要出行。
CN201710315295.5A 2017-05-05 2017-05-05 一种传染病防控方法及系统 Active CN107256327B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710315295.5A CN107256327B (zh) 2017-05-05 2017-05-05 一种传染病防控方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710315295.5A CN107256327B (zh) 2017-05-05 2017-05-05 一种传染病防控方法及系统

Publications (2)

Publication Number Publication Date
CN107256327A true CN107256327A (zh) 2017-10-17
CN107256327B CN107256327B (zh) 2020-04-14

Family

ID=60027212

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710315295.5A Active CN107256327B (zh) 2017-05-05 2017-05-05 一种传染病防控方法及系统

Country Status (1)

Country Link
CN (1) CN107256327B (zh)

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108986921A (zh) * 2018-07-04 2018-12-11 泰康保险集团股份有限公司 疾病预测方法、装置、介质及电子设备
CN109212129A (zh) * 2018-06-30 2019-01-15 湖北海纳天鹰科技发展有限公司 一种规避空气中过敏原的目的地选择方法和装置
CN109360660A (zh) * 2018-10-31 2019-02-19 河南省疾病预防控制中心 一种疾控与出行信息互联的防控方法及防控系统
CN109461505A (zh) * 2018-11-16 2019-03-12 河南省疾病预防控制中心 一种利用空间信息降低狂犬病防控成本的方法
CN109670541A (zh) * 2018-12-07 2019-04-23 中国科学院软件研究所 一种基于空间聚合的蚊媒传染病发热人群范围标记方法
CN109831748A (zh) * 2019-01-14 2019-05-31 珍岛信息技术（上海）股份有限公司 一种大数据智能推送方法及系统
CN111261302A (zh) * 2020-02-26 2020-06-09 汤一平 基于时空轨迹数据的流行传染病病毒场可视化方法及系统
CN111383771A (zh) * 2020-02-26 2020-07-07 汤一平 基于流行传染病病毒场的防控系统
CN111446000A (zh) * 2020-02-26 2020-07-24 汤一平 基于流行传染病病毒场追溯传染源的系统
CN111445999A (zh) * 2020-02-25 2020-07-24 思创数码科技股份有限公司 一种带有传染性疾病的卡点排查及管控方法
CN111464951A (zh) * 2020-03-31 2020-07-28 深圳前海微众银行股份有限公司 疫情防控方法、装置、设备及计算机可读存储介质
CN111540476A (zh) * 2020-04-20 2020-08-14 中国科学院地理科学与资源研究所 一种基于手机信令数据的呼吸道传染病传染树重构方法
CN111652446A (zh) * 2020-06-15 2020-09-11 深圳前海微众银行股份有限公司 传染病感染风险的预测方法、设备及存储介质
CN111724908A (zh) * 2020-06-28 2020-09-29 北京来也网络科技有限公司 基于机器人流程自动化rpa的疫情排查方法和装置
CN111798353A (zh) * 2020-06-17 2020-10-20 广州通达汽车电气股份有限公司 一种公共交通的信息通知方法及装置
CN111798988A (zh) * 2020-07-07 2020-10-20 医渡云（北京）技术有限公司 风险区域预测方法、装置、电子设备及计算机可读介质
CN111833599A (zh) * 2020-05-29 2020-10-27 广东岭南通股份有限公司 一种突发公共卫生安全事件密切接触者预警方法及系统
CN111916215A (zh) * 2020-06-17 2020-11-10 扬州大学附属医院 一种群集性/慢性疾病早期自动报警、初步特征分析与风险评估系统
CN112669988A (zh) * 2020-02-20 2021-04-16 单正建 一种细颗粒密接探测方法、系统及交互式出入管理系统
CN113450923A (zh) * 2020-03-27 2021-09-28 中国科学院深圳先进技术研究院 大规模轨迹数据模拟流感时空传播过程的方法及系统
CN113496781A (zh) * 2020-04-01 2021-10-12 中国科学院深圳先进技术研究院 城市内部传染病扩散模拟方法、系统及电子设备
WO2022000141A1 (zh) * 2020-06-28 2022-01-06 北京来也网络科技有限公司 基于机器人流程自动化rpa的疫情排查方法和装置
TWI760953B (zh) * 2020-07-14 2022-04-11 英華達股份有限公司 基於流感風險推薦路徑的方法和系統
WO2022100062A1 (zh) * 2020-11-12 2022-05-19 平安科技（深圳）有限公司 风险管控方法、装置、电子设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102314474A (zh) * 2010-06-24 2012-01-11 索尼公司 信息处理装置、信息处理系统、信息处理方法和程序
CN102945310A (zh) * 2012-09-27 2013-02-27 吉林大学 基于自治计算的流行病传播网络建模与推断
CN103578288A (zh) * 2013-11-13 2014-02-12 惠州Tcl移动通信有限公司 交通安全提醒方法、移动终端及交通安全提醒系统
CN103677533A (zh) * 2012-09-14 2014-03-26 星克跃尔株式会社 用于路线搜索的用户界面装置及其方法
CN104697516A (zh) * 2015-03-17 2015-06-10 徐军 移动终端以及行程引导方法
CN105740615A (zh) * 2016-01-28 2016-07-06 中山大学 利用手机轨迹追踪传染源和预测传染病流行趋势的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102314474A (zh) * 2010-06-24 2012-01-11 索尼公司 信息处理装置、信息处理系统、信息处理方法和程序
CN103677533A (zh) * 2012-09-14 2014-03-26 星克跃尔株式会社 用于路线搜索的用户界面装置及其方法
CN102945310A (zh) * 2012-09-27 2013-02-27 吉林大学 基于自治计算的流行病传播网络建模与推断
CN103578288A (zh) * 2013-11-13 2014-02-12 惠州Tcl移动通信有限公司 交通安全提醒方法、移动终端及交通安全提醒系统
CN104697516A (zh) * 2015-03-17 2015-06-10 徐军 移动终端以及行程引导方法
CN105740615A (zh) * 2016-01-28 2016-07-06 中山大学 利用手机轨迹追踪传染源和预测传染病流行趋势的方法

Cited By (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109212129A (zh) * 2018-06-30 2019-01-15 湖北海纳天鹰科技发展有限公司 一种规避空气中过敏原的目的地选择方法和装置
CN108986921A (zh) * 2018-07-04 2018-12-11 泰康保险集团股份有限公司 疾病预测方法、装置、介质及电子设备
CN109360660A (zh) * 2018-10-31 2019-02-19 河南省疾病预防控制中心 一种疾控与出行信息互联的防控方法及防控系统
CN109461505A (zh) * 2018-11-16 2019-03-12 河南省疾病预防控制中心 一种利用空间信息降低狂犬病防控成本的方法
CN109670541A (zh) * 2018-12-07 2019-04-23 中国科学院软件研究所 一种基于空间聚合的蚊媒传染病发热人群范围标记方法
CN109831748A (zh) * 2019-01-14 2019-05-31 珍岛信息技术（上海）股份有限公司 一种大数据智能推送方法及系统
CN112669988A (zh) * 2020-02-20 2021-04-16 单正建 一种细颗粒密接探测方法、系统及交互式出入管理系统
CN111445999A (zh) * 2020-02-25 2020-07-24 思创数码科技股份有限公司 一种带有传染性疾病的卡点排查及管控方法
CN111383771B (zh) * 2020-02-26 2023-12-22 汤一平 基于流行传染病病毒场的防控系统
CN111261302A (zh) * 2020-02-26 2020-06-09 汤一平 基于时空轨迹数据的流行传染病病毒场可视化方法及系统
CN111261302B (zh) * 2020-02-26 2024-04-19 汤一平 基于时空轨迹数据的流行传染病病毒场可视化方法及系统
CN111446000B (zh) * 2020-02-26 2023-12-22 汤一平 基于流行传染病病毒场追溯传染源的系统
CN111446000A (zh) * 2020-02-26 2020-07-24 汤一平 基于流行传染病病毒场追溯传染源的系统
CN111383771A (zh) * 2020-02-26 2020-07-07 汤一平 基于流行传染病病毒场的防控系统
WO2021189516A1 (zh) * 2020-03-27 2021-09-30 中国科学院深圳先进技术研究院 大规模轨迹数据模拟流感时空传播过程的方法及系统
CN113450923B (zh) * 2020-03-27 2023-07-14 中国科学院深圳先进技术研究院 大规模轨迹数据模拟流感时空传播过程的方法及系统
CN113450923A (zh) * 2020-03-27 2021-09-28 中国科学院深圳先进技术研究院 大规模轨迹数据模拟流感时空传播过程的方法及系统
CN111464951A (zh) * 2020-03-31 2020-07-28 深圳前海微众银行股份有限公司 疫情防控方法、装置、设备及计算机可读存储介质
CN111464951B (zh) * 2020-03-31 2024-01-23 深圳前海微众银行股份有限公司 疫情防控方法、装置、设备及计算机可读存储介质
CN113496781A (zh) * 2020-04-01 2021-10-12 中国科学院深圳先进技术研究院 城市内部传染病扩散模拟方法、系统及电子设备
CN111540476B (zh) * 2020-04-20 2020-12-01 中国科学院地理科学与资源研究所 一种基于手机信令数据的呼吸道传染病传染树重构方法
CN111540476A (zh) * 2020-04-20 2020-08-14 中国科学院地理科学与资源研究所 一种基于手机信令数据的呼吸道传染病传染树重构方法
CN111833599A (zh) * 2020-05-29 2020-10-27 广东岭南通股份有限公司 一种突发公共卫生安全事件密切接触者预警方法及系统
CN111652446A (zh) * 2020-06-15 2020-09-11 深圳前海微众银行股份有限公司 传染病感染风险的预测方法、设备及存储介质
CN111916215A (zh) * 2020-06-17 2020-11-10 扬州大学附属医院 一种群集性/慢性疾病早期自动报警、初步特征分析与风险评估系统
CN111798353A (zh) * 2020-06-17 2020-10-20 广州通达汽车电气股份有限公司 一种公共交通的信息通知方法及装置
WO2022000141A1 (zh) * 2020-06-28 2022-01-06 北京来也网络科技有限公司 基于机器人流程自动化rpa的疫情排查方法和装置
CN111724908A (zh) * 2020-06-28 2020-09-29 北京来也网络科技有限公司 基于机器人流程自动化rpa的疫情排查方法和装置
CN111798988B (zh) * 2020-07-07 2022-11-01 医渡云（北京）技术有限公司 风险区域预测方法、装置、电子设备及计算机可读介质
CN111798988A (zh) * 2020-07-07 2020-10-20 医渡云（北京）技术有限公司 风险区域预测方法、装置、电子设备及计算机可读介质
TWI760953B (zh) * 2020-07-14 2022-04-11 英華達股份有限公司 基於流感風險推薦路徑的方法和系統
WO2022100062A1 (zh) * 2020-11-12 2022-05-19 平安科技（深圳）有限公司 风险管控方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN107256327B (zh) 2020-04-14

Similar Documents

Publication Publication Date Title
CN107256327A (zh) 一种传染病防控方法及系统
Gkiotsalitis et al. Public transport planning adaption under the COVID-19 pandemic crisis: literature review of research needs and directions
Lee et al. Bicycle-based transit-oriented development as an alternative to overcome the criticisms of the conventional transit-oriented development
Cao How does neighborhood design affect life satisfaction? Evidence from Twin Cities
Grudgings et al. Why don’t more women cycle? An analysis of female and male commuter cycling mode-share in England and Wales
Lindsey et al. Access, equity, and urban greenways: An exploratory investigation
CN107277763A (zh) 一种传染病防控方法及系统
CN107133901A (zh) 一种传染病防控方法及系统
Xin et al. Impact of the COVID-19 pandemic on urban human mobility-A multiscale geospatial network analysis using New York bike-sharing data
Guan et al. Delineating urban park catchment areas using mobile phone data: A case study of Tokyo
Cervero Office development, rail transit, and commuting choices
Shoval et al. GPS, smartphones, and the future of tourism research
Qureshi et al. Prospects of biodiversity in the mega city Karachi, Pakistan: Potentials, constraints and implications
Tarkowski et al. COVID-19 lockdown in Poland–changes in regional and local mobility patterns based on Google Maps data
Li et al. Time-varying accessibility to senior centers by public transit in Philadelphia
Rice et al. The COVID-19 pandemic continues to change the way people recreate outdoors: A second preliminary report on a national survey of outdoor enthusiasts amid the COVID-19 pandemic
Jones et al. The impact of COVID-19 restrictions on local communities of Peak District National Park and management options during the pandemic
Johansen Diffusion of strip cropping in southwestern Wisconsin
Zhai et al. Examining the association between urban green space and viral transmission of COVID-19 during the early outbreak
Man et al. SPATIAL IMPACT OF THE ROAD INFRASTRUCTURE DEVELOPMENT IN ROMANIA. AN ACCESSIBILITY APPROACH.
Aslam et al. Smart card data and human mobility
Hashimoto Spatial analysis of pedestrian accidents
Leong et al. A socio-ecological perspective on COVID-19 spatiotemporal integrated vulnerability in Singapore
Lau Self-organisation shapes travel behaviours and social exclusion in deprived urban neighbourhoods of China
Sun et al. Measuring the influence of built environment on walking behavior: An accessibility approach

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant