CN111739653A - 传染病传播的评估方法、装置、计算机设备和存储介质 - Google Patents
传染病传播的评估方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111739653A CN111739653A CN202010567188.3A CN202010567188A CN111739653A CN 111739653 A CN111739653 A CN 111739653A CN 202010567188 A CN202010567188 A CN 202010567188A CN 111739653 A CN111739653 A CN 111739653A
- Authority
- CN
- China
- Prior art keywords
- target
- sub
- area
- time
- evaluation object
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例提供了一种传染病传播的评估方法、装置、计算机设备和存储介质。该方法包括：获取预设区域内的评估对象在第一时间片各自对应的目标轨迹数据，预设区域包括多个子区域；基于目标轨迹数据确定在第一时间片每个评估对象所匹配的匹配子区域，匹配子区域为多个子区域的其中一个；将多个子区域的至少一个作为目标子区域，基于传染病模型对目标子区域内的评估对象进行评估，以确定第一时间片传染病在预设区域内的评估对象的传播趋势；将下一时间片作为第一时间片，重新执行上述步骤，直至目标时间周期结束，以确定目标时间周期内传染病在预设区域内的评估对象中的传播趋势。达到细粒度地评估各个区域的感染趋势的效果。
Description
技术领域
本发明实施例涉及智能预测技术领域，尤其涉及一种传染病传播的评估方法、装置、计算机设备和存储介质。
背景技术
轨迹模拟评估在疾病防控等方面有着重要意义和作用。
目前，常用的评估传播的方式是基于传染病的模拟模型大部分都是通过数学模型(可分为常微分方程、偏微分方程和网络动力学模型)针对区域内部的人口数量，分析区域疾病的发展过程和评估变化趋势。
然而，这些模型侧重对总体患病人数的模拟与估计，不考虑真实的传染传播过程，无法细粒度的评估各个区域的感染趋势，评估得到的信息有限。
发明内容
本发明实施例提供一种传染病传播的评估方法、装置、计算机设备和存储介质，以实现细粒度地评估各个区域的感染趋势的效果。
第一方面，本发明实施例提供了一种传染病传播的评估方法，包括：
获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，所述预设区域包括多个子区域，其中，所述目标轨迹数据为历史的轨迹数据和/或预测的轨迹数据；
基于所述目标轨迹数据确定在每个时间片每个评估对象所匹配的匹配子区域，所述匹配子区域为所述多个子区域的其中一个；
将初始时间片作为第一时间片，在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，以确定所述第一时间片传染病在所述预设区域内的评估对象中的传播趋势；
将下一时间片作为所述第一时间片，重新执行在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估的步骤，直至目标时间周期结束，以确定所述目标时间周期内传染病在所述预设区域内的评估对象中的传播趋势。
可选的，在所述获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据之前，包括：
获取预设区域内的评估对象在目标时间周期内各自对应的未分段的原始轨迹数据；
按照目标时间周期的多个时间片，将所述预设区域内的评估对象各自对应的未分段的原始轨迹数据进行分段，得到所述预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据。
可选的，所述传染病模型为SEIR模型，所述基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，包括：确定所述目标子区域内在所述第一时间片的感染对象、携带者、康复者和未感染对象；基于SEIR模型对传染病在所述目标子区域内的感染对象、携带者、康复者和未感染对象之间的传播进行模拟，以得到传染病第一时间片在所述目标子区域内的传播趋势。
可选的，所述获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，包括：
接收用户至少选择所述初始感染参数、所述预设区域和所述目标时间周期后生成的开始评估指令；
基于所述开始评估指令获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据和初始时间片的初始健康状态；
所述基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，包括：
基于传染病模型和目标子区域内的评估对象各自对应的初始健康状态对疾病在第一时间片内在所述目标子区域内的评估对象间的传播进行评估。
可选的，所述目标轨迹数据为预测的轨迹数据，所述获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，包括：
确定所述目标时间周期对应的历史时间周期；
确定所述多个时间片各自匹配的目标历史时间；
从历史的轨迹数据库查询所述预设区域内的每个评估对象在每个时间片匹配的目标历史时间对应的目标历史的轨迹数据，其中，所述历史的轨迹数据库存储有不同用户在历史时间周期内的历史的轨迹数据；
将所述目标历史的轨迹数据作为所述预测的轨迹数据，以得到所述预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据。
可选的，所述目标轨迹数据为预测的轨迹数据，所述获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，包括：
调用制定好的管控计划，所述管控计划用于影响评估对象的出行和/或影响传染病的传播；
基于所述管控计划确定所述预设区域内的评估对象在所述目标时间周期的的多个时间片各自对应的目标轨迹数据。
可选的，所述管控计划包括区域封锁、远程工作和设置检测点其中的至少一项，所述方法还包括：
若所述管控计划包括区域封锁，则在传播模拟前将受所述区域封锁影响的预测对象对应的预测的轨迹数据替换为另一不受影响的历史的轨迹数据；
若所述管控计划包括远程工作，则在传播模拟前将受所述远程工作影响的预测对象在影响受影响时间对应的预测的轨迹数据替换为对应的家庭位置；
若所述管控计划包括设置检测点，则在相应的目标子区域设置检出概率，自当前时间片始直至目标时间周期结束，在传播模拟过程中将检测出异常的预测对象对应的目标轨迹数据替换至所述多个子区域中的安全子区域。
第二方面，本发明实施例提供了一种传染病传播的评估装置，包括：
轨迹数据获取模块，用于获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，所述预设区域包括多个子区域，其中，所述目标轨迹数据为历史的轨迹数据和/或预测的轨迹数据；
区域匹配模块，用于基于所述目标轨迹数据确定在每个时间片每个评估对象所匹配的匹配子区域，所述匹配子区域为所述多个子区域的其中一个；
评估模块，用于将初始时间片作为第一时间片，在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，以确定所述第一时间片传染病在所述预设区域内的评估对象中的传播趋势；
时刻切换模块，用于将下一时间片作为所述第一时间片，重新执行在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估的步骤，直至目标时间周期结束，以确定所述目标时间周期内传染病在所述预设区域内的评估对象中的传播趋势。
第三方面，本发明实施例提供了一种计算机设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个计算机程序，
当所述一个或多个计算机程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所述的传染病传播的评估方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如本发明任意实施例所述的传染病传播的评估方法。
本发明实施例通过获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，所述预设区域包括多个子区域，其中，所述目标轨迹数据为历史的轨迹数据和/或预测的轨迹数据；基于所述目标轨迹数据确定在每个时间片每个评估对象所匹配的匹配子区域，所述匹配子区域为所述多个子区域的其中一个；将初始时间片作为第一时间片，在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，以确定所述第一时间片传染病在所述预设区域内的评估对象中的传播趋势；将下一时间片作为所述第一时间片，重新执行在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估的步骤，直至目标时间周期结束，以确定所述目标时间周期内传染病在所述预设区域内的评估对象中的传播趋势，解决了模型侧重对总体患病人数的模拟与估计，不考虑真实的传染传播过程，导致评估的结果不够准确的问题，实现了细粒度地评估各个区域的感染趋势的效果。
附图说明
图1是本发明实施例一提供的一种传染病传播的评估方法的流程示意图；
图2是本发明实施例二提供的一种传染病传播的评估方法的流程示意图；
图3是本发明实施例三提供的一种传染病传播的评估装置的结构示意图；
图4是本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子计算机程序等等。
此外，术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等，但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一信息为第二信息，且类似地，可将第二信息称为第一信息。第一信息和第二信息两者都是信息，但其不是同一信息。术语“第一”、“第二”等而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
实施例一
图1为本发明实施例一提供的一种传染病传播的评估方法的流程示意图，可适用于对传染病的传播趋势进行评估的场景，该方法可以由传染病传播的评估装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成在计算机设备上。
如图1所示，本发明实施例一提供的传染病传播的评估方法包括：
S110、获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，所述预设区域包括多个子区域，其中，所述目标轨迹数据为历史的轨迹数据和/或预测的轨迹数据；
其中，轨迹数据是指时空环境下，通过对一个或多个移动对象运动过程的采样所获得的数据信息，包括设备号,采样点位置、采样时间、速度等，这些采样点数据信息根据设备号和采样先后顺序构成了轨迹数据。目标时间周期是指需要评估的时间周期。具体的，目标时间周期包括用于表征时间段的时间片。目标轨迹数据是指每个评估对象对应的轨迹数据。需要说明的是，目标轨迹数据为历史的轨迹数据和/或预测的轨迹数据。具体的，当目标轨迹数据为历史的轨迹数据时，利用本实施例的方法可以在得知一个感染者或潜伏者后，确定出与感染者或潜伏者的密切接触者，从而对密切接触者进行隔离观察、检测等，降低传播的风险；当目标轨迹数据为预测的轨迹数据时，采用本实施例的方法可以预测传染病在未来的传播趋势。第一时间片是指一个预设时间长度的时间段，例如可以是5分钟、10分钟等。当目标轨迹数据为历史的轨迹数据时，则第一时间片为历史时刻的其中一个时间段；当目标轨迹数据为预测的轨迹数据时，第一时间片为未来的一个时间段。可以理解的是，本实施例的只是提供了应用的示例，并没有限定具体的应用方式。在本实施例中，预设区域用于表征地理位置，预设区域可以根据需要选择，例如可以是整个国家或地理区域等，此处不作限制。示例性的，当预设区域为武汉时，多个子区域可以是按照新政区域进行划分，还可以是按照每个固定面积进行划分，例如每50平方米为一个子区域，此处不作具体限制。
在一个可选的实施方式中，在所述获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据之前，包括：
获取预设区域内的评估对象在目标时间周期内各自对应的未分段的原始轨迹数据；按照目标时间周期的多个时间片，将所述预设区域内的评估对象各自对应的未分段的原始轨迹数据进行分段，得到所述预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据。
其中，未分段的原始轨迹数据可以是一天的轨迹数据，也可以是一小时的轨迹数据，可以通过评估对象使用移动终端的定位获取得到。则在获取第一时间片的目标轨迹数据时，可以通过评估对象的唯一标识，获取与第一时间片对应的目标轨迹数据。
S120、基于所述目标轨迹数据确定在每个时间片每个评估对象所匹配的匹配子区域，所述匹配子区域为所述多个子区域的其中一个；
其中，匹配子区域是指在第一时间片，评估对象的目标轨迹数据在多个子区域中所在子区域。例如，在第一时间片，评估对象A的目标轨迹数据位于武汉光谷，则该评估对象A的匹配子区域为光谷。具体的，匹配子区域与在预设区域划分多个子区域的方式相关。需要说明的是，第一时间片是一个时间段，则可以将第一时间片的开始时刻对应的轨迹点确定所匹配的匹配子区域，也可以是将第一时间片的开始时刻对应的轨迹点确定所匹配的匹配子区域，还可以是将第一时间片的各个估计点进行融合后以确定所匹配的匹配子区域。
S130、将初始时间片作为第一时间片，在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，以确定所述第一时间片传染病在所述预设区域内的评估对象中的传播趋势；
其中，目标子区域是指多个子区域中的至少一个。具体的，在确定每个评估对象匹配的匹配子区域后，每个子区域中都包括有对应的评估对象，则可以对目标子区域的评估对象进行评估，以确定在第一时间片传染病在预设区域内的评估对象的传播趋势。需要说明的是，本实施例中，是通过传染病模型对目标子区域进行单独评估，从而确定在预设区域内的传播趋势。可以理解的是，相较于传统的数学模型模型进行预测，本实施例通过用户的轨迹数据结合传染病模型进行传播趋势的评估，需要考虑预测对象之间的接触关系，不仅是评估总体的传染人数，本实施例的技术方案评估的粒度更细，更好的反映真实地传播趋势。可以理解的是，进一步的，通过传染病模型对目标子区域进行单独评估，不需要考虑整个预设区域内的评估对象之间的接触关系，只需要考虑每个目标子区域内的评估对象之间的接触关系，相较于对整个预设区域的每个用户的接触关系进行评估，大大减少了计算量，降低了对计算机设备的算力要求。可选的，目标子区域的选定可以是将多个子区域中包括的人数大于或等于预设人数的区域。例如预设为2时，则只对多个子区域中包括的人数超过2个以上的区域才进行模拟，进一步降低了计算量。
在一个可选的实施方式中，所述传染病模型为SEIR模型，所述基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，包括：
确定所述目标子区域内在所述第一时间片的感染对象、携带者、康复者和未感染对象；基于SEIR模型对传染病在所述目标子区域内的感染对象、携带者、康复者和未感染对象之间的传播进行模拟，以得到传染病第一时间片在所述目标子区域内的传播趋势。
其中，感染对象是指认为是已感染上传染病并已有症状的对象，携带者是指携带病毒或细菌等感染微生物，但在潜伏期未有症状的对象，未感染对象是指认为是未感染上传染病的对象，康复者是指通过自愈或者治疗获得免疫力的对象。具体的，在进行初始化的评估时，目标子区域内的感染对象、携带者、康复者通过初始感染参数确定，初始感染参数包含：初始感染者，携带者，康复者在各子区域的分布信息，传染病的基本传染参数，比如传染病的传染性大小等。初始感染参数可以利用历史医疗数据确定，也可以是根据专家按照经验确定，此处不作限制，当本实施例的方法在持续进行评估时，当前时间片的感染对象、携带者、康复者和未感染对象根据上一个时间片的评估的结果确定。
SEIR模型是一种传染病传播模型，是传染病模型中最经典的模型之一。对一个特定的目标子区域，将该子区域在当前时间片中的人口信息输入(感染对象、携带者、康复者和未感染对象数目)，输入SEIR传染模型计算，从而得到传染病在未感染对象中的传播趋势。可选的，还可以根据需要选择SIR模型进行模拟，此处不作限制，SIR模型中不考虑携带者，可以根据传染病的具体特性来选择合适的模型进行预测，此处不作限制。
可以理解的是，还可以用其他的传染病模型和对应的参数进行模拟，本实施例不作具体限定。
S140、将下一时间片作为所述第一时间片，重新执行在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估的步骤，直至目标时间周期结束，以确定所述目标时间周期内传染病在所述预设区域内的评估对象中的传播趋势。
其中，下一时间片是指第一时间片的相接下一个时间片，两者之间无空隙。例如，第一时间片为9:00-9:05时，则下一时间片为第一时间片9:05-9:10。预设时间长度可以根据需要设置，此处不作具体限制。具体的，本实施例从目标时间周期的初始时间片开始，每隔一个时间片重新执行步骤S110，当下一时间片超出目标时间周期时，则停止评估，从而确定在目标时间周期内传染病在预设区域内的评估对象之间的传播趋势。
可选的，步骤S110、获取预设区域内的评估对象在第一时间片各自对应的目标轨迹数据，具体可以是接收用户至少选择所述初始感染参数、所述预设区域和所述目标时间周期后生成的开始评估指令；基于所述开始评估指令获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据和初始时间片的初始健康状态。则可以基于传染病模型和目标子区域内的评估对象各自对应的初始健康状态对疾病在第一时间片内在所述目标子区域内的评估对象间的传播进行评估。
具体的，使用的用户可以根据需要在计算机设备的显示面板上选择初始感染参数、需要评估的预设区域和目标时间周期后生成用于指示计算机设备开始评估的开始评估指令，计算机设备接收到该开始评估指令后，开始获取预设区域内的评估对象在第一时间片各自对应的目标轨迹数据，并根据初始感染参数进行评估。
本发明实施例的技术方案，通过获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，所述预设区域包括多个子区域，其中，所述目标轨迹数据为历史的轨迹数据和/或预测的轨迹数据；基于所述目标轨迹数据确定在每个时间片每个评估对象所匹配的匹配子区域，所述匹配子区域为所述多个子区域的其中一个；将初始时间片作为第一时间片，在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，以确定所述第一时间片传染病在所述预设区域内的评估对象中的传播趋势；将下一时间片作为所述第一时间片，重新执行在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估的步骤，直至目标时间周期结束，以确定所述目标时间周期内传染病在所述预设区域内的评估对象中的传播趋势，通过利用评估对象的轨迹数据来评估传播趋势，考虑不同评估对象之间的接触过程，相较于通过数学模型(可分为常微分方程、偏微分方程和网络动力学模型)针对区域内部的人口数量，分析区域疾病的发展过程和评估变化趋势，达到细粒度地评估各个区域的感染趋势的技术效果。
实施例二
图2是本发明实施例二提供的一种传染病传播的评估方法的流程示意图。本实施例是在上述技术方案的进一步细化，本实施例的目标轨迹数据为预测的轨迹数据，适用于对传染病在未来的传播趋势进行评估的场景。该方法可以由传染病传播的评估装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成在计算机设备上。
如图2所示，本发明实施例二提供的传染病传播的评估方法包括：
S210、确定所述目标时间周期对应的历史时间周期。
S220、确定所述多个时间片各自匹配的目标历史时间；
其中，时间片匹配的目标历史时间是指时间片映射在过去的历史时间。例如，时间片为2020年7月1日早上9:00-9:05，则将2019年7月1日早上9:00-9:05作为该时间片匹配的目标历史时间。
S230、从历史的轨迹数据库查询所述预设区域内的每个评估对象在每个时间片匹配的目标历史时间对应的目标历史的轨迹数据，其中，所述历史的轨迹数据库存储有不同用户在历史时间周期内的历史的轨迹数据；
其中，历史的轨迹数据库是指预先存储有不同用户在历史时间周期的历史的轨迹数据的数据库。历史的轨迹数据是指过去时间的轨迹数据，是真实存在的。其中，历史时间周期可以根据需要设置，例如可以是1号至31号作为一个历史时间周期，又例如可以是周一至周日为一个历史时间周期，还可以是以一年为一个历史时间周期。具体的，可以在确定出第一时间片对应的目标历史时间后，通过每个评估对象的唯一标识，从历史的轨迹数据库中查询评估对象在目标历史时间对应的目标历史的轨迹数据。
可选的，当历史的轨迹数据库不存在与预测对象对应的唯一标识时，可以将历史的轨迹数据库中不存在对应的唯一标识的目标预测对象的信息和其他预测对象的信息进行比对，将比对得到的相似度最高的作为目标预测对象的匹配对象，将匹配对象在目标历史时间对应的目标历史的轨迹数据作为目标预测对象在目标历史时间对应的目标历史的轨迹数据。当历史的轨迹数据库存在与目标预测对象对应的唯一标识，但是不存在目标历史时间对应的目标历史的轨迹数据时，可以将该目标预测对象在目标历史时间的之前历史时间，将之前历史时间对应的历史的轨迹数据作为目标历史时间对应的目标历史的轨迹数据。具体的，可以确定该目标历史时间对应的日期类型(例如工作日或休息日)和月份中的至少一项，选择匹配的之前历史时间。例如，目标历史时间对应周一，则选择上周一作为之前历史时间。
S240、将所述目标历史的轨迹数据作为所述预测的轨迹数据，以得到所述预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据。
在本步骤中，将目标历史的轨迹数据作为预测的轨迹数据，从而得到预设区域内的评估对象在第一时间片各自对应的预测的轨迹数据。
S250、基于所述目标轨迹数据确定在每个时间片每个评估对象所匹配的匹配子区域，所述匹配子区域为所述多个子区域的其中一个，所述目标轨迹数据为预测的轨迹数据；
S260、将初始时间片作为第一时间片，在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，以确定所述第一时间片传染病在所述预设区域内的评估对象中的传播趋势；
S270、将下一时间片作为所述第一时间片，重新执行在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估的步骤，直至目标时间周期结束，以确定所述目标时间周期内传染病在所述预设区域内的评估对象中的传播趋势。
在一个可选的实施方式中，获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，包括：
调用制定好的管控计划，所述管控计划用于影响评估对象的出行和/或影响传染病的传播；基于所述管控计划确定所述预设区域内的评估对象在所述目标时间周期的的多个时间片各自对应的目标轨迹数据。
在本实施例方式中，通过管控计划确定每个评估对象对应的目标轨迹数据，再进行匹配子区域的确定，从而进行传播趋势的评估。其中，可以通过以下公式表示：
Γ′＝θmob(Γ；Φ)，其中Φ表示模拟实施的防控政策，Γ是实施管控计划前的人群移动模式，Γ′表示受管控计划限制的人群活动模式特征，θmob表示用于在管控计划的影响下，预测的轨迹数据的生成模型。
具体的，若所述管控计划包括区域封锁，则在传播模拟前将受所述区域封锁影响的预测对象对应的预测的轨迹数据替换为另一不受影响的历史的轨迹数据；若所述管控计划包括远程工作，则在传播模拟前将受所述远程工作影响的预测对象在影响受影响时间对应的预测的轨迹数据替换为对应的家庭位置；若所述管控计划包括设置检测点，则在相应的目标子区域设置检出概率，自当前时间片始直至目标时间周期结束，在传播模拟过程中将检测出异常的预测对象对应的目标轨迹数据替换至所述多个子区域中的安全子区域。
其中，受区域封锁影响的预测对象是指目标轨迹数据与封锁的区域有交集的预测对象。另一轨迹数据是指不受区域封锁政策影响的轨迹，映射不受区域封锁政策影响的历史轨迹。例如，封锁区域为南山区，A预测对象的目标轨迹数据经过了南山区，则将A预测对象的轨迹数据根据历史的轨迹数据库替换为不经过南山区的轨迹数据。
受所述远程工作影响的预测对象是指在受影响时段需要去被封锁的工作地点上班的用户。若第一时间片属于工作日，则将受所述远程工作影响的预测对象对应的目标轨迹数据替换为对应的家庭位置。具体的，可以通过预测对象的历史的轨迹数据的轨迹点进行分析，将预测对象在工作日工作时间所处的位置定义为工作地点，将预测对象在休息日或工作日的非工作时间所处的位置定义为家庭位置。具体的，可以根据历史的轨迹数据的轨迹点，以及设置停留点检测的时间阈值和空间阈值(如停留时间超过1小时，停留的轨迹点簇距离小于500米)自动确定候选工作地点和候选家庭位置，将非工作时间(例如0-6点)停留次数最多的地点定义为家庭位置，工作时间(例如11-17点)停留次数最多的地点定义为工作地点。
设置检测点的目的是设置检测用户健康状态的站点，具体的，是设置检测用户是否出现发病症状的站点，例如检测用户体温的站点。检出概率β是指可以检测出感染者和携带者概率。检出概率可以根据历史检测的概率确定，也可以是由传染专家按照经验给定的概率值。具体的，目标子区域中的感染者和携带者在给定的时间片内有β的概率被检测出来，即本实施例中可以检测出异常的预测对象。安全子区域可以是映射医院的位置。具体的，将检测出异常的预测对象对应的目标轨迹数据替换至安全子区域再进行传播趋势的预测。
本实施例通过提供在管控计划下的传播趋势模拟，可以通过制定不同管控计划分别确定每个管控计划下的传播趋势，为政府有关部门决策提供决策依据。
本发明实施例的技术方案，通过获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，所述预设区域包括多个子区域，其中，所述目标轨迹数据为历史的轨迹数据和/或预测的轨迹数据；基于所述目标轨迹数据确定在每个时间片每个评估对象所匹配的匹配子区域，所述匹配子区域为所述多个子区域的其中一个；将初始时间片作为第一时间片，在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，以确定所述第一时间片传染病在所述预设区域内的评估对象中的传播趋势；将下一时间片作为所述第一时间片，重新执行在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估的步骤，直至目标时间周期结束，以确定所述目标时间周期内传染病在所述预设区域内的评估对象中的传播趋势，通过利用评估对象的轨迹数据来评估传播趋势，考虑不同评估对象之间的接触过程，相较于通过数学模型(可分为常微分方程、偏微分方程和网络动力学模型)针对区域内部的人口数量，分析区域疾病的发展过程和评估变化趋势，达到细粒度地评估各个区域的感染趋势的技术效果。
实施例三
图3是本发明实施例三提供的一种传染病传播的评估装置的结构示意图，本实施例可适用于对传染病的传播趋势进行评估的场景，该装置可以采用软件和/或硬件的方式实现，并可集成在计算机设备上。
如图3所示，本实施例提供的传染病传播的评估装置可以包括轨迹数据获取模块310、区域匹配模块320、评估模块330和时刻切换模块340，其中：
轨迹数据获取模块310，用于获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，所述预设区域包括多个子区域，其中，所述目标轨迹数据为历史的轨迹数据和/或预测的轨迹数据；区域匹配模块320，用于基于所述目标轨迹数据确定在每个时间片每个评估对象所匹配的匹配子区域，所述匹配子区域为所述多个子区域的其中一个；评估模块330，用于将初始时间片作为第一时间片，在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，以确定所述第一时间片传染病在所述预设区域内的评估对象中的传播趋势；时刻切换模块340，用于将下一时间片作为所述第一时间片，重新执行在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估的步骤，直至目标时间周期结束，以确定所述目标时间周期内传染病在所述预设区域内的评估对象中的传播趋势。
可选的，该轨迹数据获取模块310还用于获取预设区域内的评估对象在目标时间周期内各自对应的的未分段的原始轨迹数据；按照目标时间周期的多个时间片，将所述预设区域内的评估对象各自对应的未分段的原始轨迹数据进行分段，得到所述预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据。
可选的，所述传染病模型为SEIR模型，该评估模块330具体用于确定所述目标子区域内在所述第一时间片的感染对象、携带者、康复者和未感染对象；基于SEIR模型对传染病在所述目标子区域内的感染对象、携带者、康复者和未感染对象之间的传播进行模拟，以得到传染病第一时间片在所述目标子区域内的传播趋势。
可选的，轨迹数据获取模块310具体还用于接收用户至少选择所述初始感染参数、所述预设区域和所述目标时间周期后生成的开始评估指令；基于所述开始评估指令获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据和初始时间片的初始健康状态。该评估模块330具体用于基于传染病模型和目标子区域内的评估对象各自对应的初始健康状态对疾病在第一时间片内在所述目标子区域内的评估对象间的传播进行评估。
可选的，目标轨迹数据为预测的轨迹数据，该轨迹数据获取模块310包括：目标历史时间确定单元，用于确定所述目标时间周期对应的历史时间周期；确定所述多个时间片各自匹配的目标历史时间；目标历史的轨迹数据获取单元，用于从历史的轨迹数据库查询所述预设区域内的每个评估对象在每个时间片匹配的目标历史时间对应的目标历史的轨迹数据，其中，所述历史的轨迹数据库存储有不同用户在历史时间周期内的历史的轨迹数据；预测的轨迹数据确定单元，用于将所述目标历史的轨迹数据作为所述预测的轨迹数据，以得到所述预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据。
可选的，轨迹数据获取模块310具体用于调用制定好的管控计划，所述管控计划用于影响评估对象的出行和/或影响传染病的传播；基于所述管控计划确定所述预设区域内的评估对象在所述目标时间周期的的多个时间片各自对应的目标轨迹数据。
可选的，所述管控计划包括区域封锁、远程工作和设置检测点其中的至少一项，该装置还用于若所述管控计划包括区域封锁，则在传播模拟前将受所述区域封锁影响的预测对象对应的预测的轨迹数据替换为另一不受影响的历史的轨迹数据；若所述管控计划包括远程工作，则在传播模拟前将受所述远程工作影响的预测对象在影响受影响时间对应的预测的轨迹数据替换为对应的家庭位置；若所述管控计划包括设置检测点，则在相应的目标子区域设置检出概率，自当前时间片始直至目标时间周期结束，在传播模拟过程中将检测出异常的预测对象对应的目标轨迹数据替换至所述多个子区域中的安全子区域。
本发明实施例所提供的传染病传播的评估装置可执行本发明任意实施例所提供的传染病传播的评估方法，具备执行方法相应的功能模块和有益效果。本发明实施例中未详尽描述的内容可以参考本发明任意方法实施例中的描述。
实施例四
图4是本发明实施例四提供的一种计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备612的框图。图4显示的计算机设备612仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，计算机设备612以通用计算机设备的形式表现。计算机设备612的组件可以包括但不限于：一个或者多个处理器616，存储装置628，连接不同系统组件(包括存储装置628和处理器616)的总线618。
总线618表示几类总线结构中的一种或多种，包括存储装置总线或者存储装置控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry SubversiveAlliance，ISA)总线，微通道体系结构(Micro Channel Architecture，MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
计算机设备612典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备612访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置628可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)630和/或高速缓存存储器632。终端612可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统634可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘，例如只读光盘(Compact Disc Read-Only Memory，CD-ROM),数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线618相连。存储装置628可以包括至少一个计算机程序产品，该计算机程序产品具有一组(例如至少一个)计算机程序模块，这些计算机程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)计算机程序模块642的计算机程序/实用工具640，可以存储在例如存储装置628中，这样的计算机程序模块642包括但不限于操作系统、一个或者多个应用计算机程序、其它计算机程序模块以及计算机程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。计算机程序模块642通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备612也可以与一个或多个外部设备614(例如键盘、指向终端、显示器624等)通信，还可与一个或者多个使得评估对象能与该计算机设备612交互的终端通信，和/或与使得该计算机设备612能与一个或多个其它计算终端进行通信的任何终端(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口622进行。并且，计算机设备612还可以通过网络适配器620与一个或者多个网络(例如局域网(Local AreaNetwork，LAN)，广域网(Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图4所示，网络适配器620通过总线618与计算机设备612的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备612使用其它硬件和/或软件模块，包括但不限于：微代码、终端驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器616通过运行存储在存储装置628中的计算机程序，从而执行各种功能应用以及数据处理，例如实现本发明任意实施例所提供的一种传染病传播的评估方法，该方法可以包括：
获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，所述预设区域包括多个子区域，其中，所述目标轨迹数据为历史的轨迹数据和/或预测的轨迹数据；
基于所述目标轨迹数据确定在每个时间片每个评估对象所匹配的匹配子区域，所述匹配子区域为所述多个子区域的其中一个；
将初始时间片作为第一时间片，在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，以确定所述第一时间片传染病在所述预设区域内的评估对象中的传播趋势；
将下一时间片作为所述第一时间片，重新执行在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估的步骤，直至目标时间周期结束，以确定所述目标时间周期内传染病在所述预设区域内的评估对象中的传播趋势。
本发明实施例的技术方案，通过获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，所述预设区域包括多个子区域，其中，所述目标轨迹数据为历史的轨迹数据和/或预测的轨迹数据；基于所述目标轨迹数据确定在每个时间片每个评估对象所匹配的匹配子区域，所述匹配子区域为所述多个子区域的其中一个；将初始时间片作为第一时间片，在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，以确定所述第一时间片传染病在所述预设区域内的评估对象中的传播趋势；将下一时间片作为所述第一时间片，重新执行在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估的步骤，直至目标时间周期结束，以确定所述目标时间周期内传染病在所述预设区域内的评估对象中的传播趋势，通过利用评估对象的轨迹数据来评估传播趋势，考虑不同评估对象之间的接触过程，相较于通过数学模型(可分为常微分方程、偏微分方程和网络动力学模型)针对区域内部的人口数量，分析区域疾病的发展过程和评估变化趋势，达到细粒度地评估各个区域的感染趋势的技术效果。
实施例五
本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如本发明任意实施例所提供的一种传染病传播的评估方法，该方法可以包括：
获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，所述预设区域包括多个子区域，其中，所述目标轨迹数据为历史的轨迹数据和/或预测的轨迹数据；
基于所述目标轨迹数据确定在每个时间片每个评估对象所匹配的匹配子区域，所述匹配子区域为所述多个子区域的其中一个；
将初始时间片作为第一时间片，在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，以确定所述第一时间片传染病在所述预设区域内的评估对象中的传播趋势；
将下一时间片作为所述第一时间片，重新执行在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估的步骤，直至目标时间周期结束，以确定所述目标时间周期内传染病在所述预设区域内的评估对象中的传播趋势。
本发明实施例的计算机可读存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储计算机程序的有形介质，该计算机程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的计算机程序。
存储介质上包含的计算机程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种计算机程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述计算机程序设计语言包括面向对象的计算机程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式计算机程序设计语言—诸如“C”语言或类似的计算机程序设计语言。计算机程序代码可以完全地在评估对象计算机上执行、部分地在评估对象计算机上执行、作为一个独立的软件包执行、部分在评估对象计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到评估对象计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本发明实施例的技术方案，通过获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，所述预设区域包括多个子区域，其中，所述目标轨迹数据为历史的轨迹数据和/或预测的轨迹数据；基于所述目标轨迹数据确定在每个时间片每个评估对象所匹配的匹配子区域，所述匹配子区域为所述多个子区域的其中一个；将初始时间片作为第一时间片，在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，以确定所述第一时间片传染病在所述预设区域内的评估对象中的传播趋势；将下一时间片作为所述第一时间片，重新执行在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估的步骤，直至目标时间周期结束，以确定所述目标时间周期内传染病在所述预设区域内的评估对象中的传播趋势，通过利用评估对象的轨迹数据来评估传播趋势，考虑不同评估对象之间的接触过程，相较于通过数学模型(可分为常微分方程、偏微分方程和网络动力学模型)针对区域内部的人口数量，分析区域疾病的发展过程和评估变化趋势，达到细粒度地评估各个区域的感染趋势的技术效果。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种传染病传播的评估方法，其特征在于，包括：
获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，所述预设区域包括多个子区域，其中，所述目标轨迹数据为历史的轨迹数据和/或预测的轨迹数据；
基于所述目标轨迹数据确定在每个时间片每个评估对象所匹配的匹配子区域，所述匹配子区域为所述多个子区域的其中一个；
将初始时间片作为第一时间片，在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，以确定所述第一时间片传染病在所述预设区域内的评估对象中的传播趋势；
将下一时间片作为所述第一时间片，重新执行在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估的步骤，直至目标时间周期结束，以确定所述目标时间周期内传染病在所述预设区域内的评估对象中的传播趋势。
2.如权利要求1所述的方法，其特征在于，在所述获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据之前，包括：
获取预设区域内的评估对象在目标时间周期内各自对应的未分段的原始轨迹数据；
按照目标时间周期的多个时间片，将所述预设区域内的评估对象各自对应的未分段的原始轨迹数据进行分段，得到所述预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据。
3.如权利要求1所述的方法，其特征在于，所述传染病模型为SEIR模型，所述基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，包括：
确定所述目标子区域内在所述第一时间片的感染对象、携带者、康复者和未感染对象；
基于SEIR模型对传染病在所述目标子区域内的感染对象、携带者、康复者和未感染对象之间的传播进行模拟，以得到传染病第一时间片在所述目标子区域内的传播趋势。
4.如权利要求1所述的方法，其特征在于，所述获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，包括：
接收用户至少选择所述初始感染参数、所述预设区域和所述目标时间周期后生成的开始评估指令；
基于所述开始评估指令获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据和初始时间片的初始健康状态；
所述基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，包括：
基于传染病模型和目标子区域内的评估对象各自对应的初始健康状态对疾病在第一时间片内在所述目标子区域内的评估对象间的传播进行评估。
5.如权利要求1所述的方法，其特征在于，所述目标轨迹数据为预测的轨迹数据，所述获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，包括：
确定所述目标时间周期对应的历史时间周期；
确定所述多个时间片各自匹配的目标历史时间；
从历史的轨迹数据库查询所述预设区域内的每个评估对象在每个时间片匹配的目标历史时间对应的目标历史的轨迹数据，其中，所述历史的轨迹数据库存储有不同用户在历史时间周期内的历史的轨迹数据；
将所述目标历史的轨迹数据作为所述预测的轨迹数据，以得到所述预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据。
6.如权利要求1所述的方法，其特征在于，所述目标轨迹数据为预测的轨迹数据，所述获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，包括：
调用制定好的管控计划，所述管控计划用于影响评估对象的出行和/或影响传染病的传播；
基于所述管控计划确定所述预设区域内的评估对象在所述目标时间周期的的多个时间片各自对应的目标轨迹数据。
7.如权利要求6所述的方法，其特征在于，所述管控计划包括区域封锁、远程工作和设置检测点其中的至少一项，所述方法还包括：
若所述管控计划包括区域封锁，则在传播模拟前将受所述区域封锁影响的预测对象对应的预测的轨迹数据替换为另一不受影响的历史的轨迹数据；
若所述管控计划包括远程工作，则在传播模拟前将受所述远程工作影响的预测对象在影响受影响时间对应的预测的轨迹数据替换为对应的家庭位置；
若所述管控计划包括设置检测点，则在相应的目标子区域设置检出概率，自当前时间片始直至目标时间周期结束，在传播模拟过程中将检测出异常的预测对象对应的目标轨迹数据替换至所述多个子区域中的安全子区域。
8.一种传染病传播的评估装置，其特征在于，包括：
轨迹数据获取模块，用于获取预设区域内的评估对象在目标时间周期的多个时间片各自对应的目标轨迹数据，所述预设区域包括多个子区域，其中，所述目标轨迹数据为历史的轨迹数据和/或预测的轨迹数据；
区域匹配模块，用于基于所述目标轨迹数据确定在每个时间片每个评估对象所匹配的匹配子区域，所述匹配子区域为所述多个子区域的其中一个；
评估模块，用于将初始时间片作为第一时间片，在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估，以确定所述第一时间片传染病在所述预设区域内的评估对象中的传播趋势；
时刻切换模块，用于将下一时间片作为所述第一时间片，重新执行在所述第一时间片将所述多个子区域的至少一个作为目标子区域，基于传染病模型和预设的初始感染参数对所述目标子区域内的评估对象进行评估的步骤，直至目标时间周期结束，以确定所述目标时间周期内传染病在所述预设区域内的评估对象中的传播趋势。
9.一种计算机设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个计算机程序；
当所述一个或多个计算机程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一项所述的传染病传播的评估方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的传染病传播的评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010567188.3A CN111739653B (zh) | 2020-06-19 | 2020-06-19 | 传染病传播的评估方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010567188.3A CN111739653B (zh) | 2020-06-19 | 2020-06-19 | 传染病传播的评估方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111739653A true CN111739653A (zh) | 2020-10-02 |
| CN111739653B CN111739653B (zh) | 2022-11-15 |
Family
ID=72651820
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010567188.3A Active CN111739653B (zh) | 2020-06-19 | 2020-06-19 | 传染病传播的评估方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111739653B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112331358A (zh) * | 2020-10-27 | 2021-02-05 | 中德（珠海）人工智能研究院有限公司 | 基于三维建模的疾病监测方法、装置、设备和存储介质 |
| CN112669978A (zh) * | 2020-11-23 | 2021-04-16 | 广州大学 | 一种疫情感染风险评估方法 |
| CN113035367A (zh) * | 2021-03-26 | 2021-06-25 | 中国工商银行股份有限公司 | 传染病群体传染趋势预测方法、装置、设备及存储介质 |
| CN113161006A (zh) * | 2021-03-24 | 2021-07-23 | 南方科技大学 | 密接人员感染风险评估方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110125514A1 (en) * | 2009-11-24 | 2011-05-26 | General Electric Company | System and method of patient destination prediction |
| 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 |
| 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 |
| 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 |
-
2020
- 2020-06-19 CN CN202010567188.3A patent/CN111739653B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110125514A1 (en) * | 2009-11-24 | 2011-05-26 | General Electric Company | System and method of patient destination prediction |
| 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 |
| 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 |
| 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 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112331358A (zh) * | 2020-10-27 | 2021-02-05 | 中德（珠海）人工智能研究院有限公司 | 基于三维建模的疾病监测方法、装置、设备和存储介质 |
| CN112669978A (zh) * | 2020-11-23 | 2021-04-16 | 广州大学 | 一种疫情感染风险评估方法 |
| CN113161006A (zh) * | 2021-03-24 | 2021-07-23 | 南方科技大学 | 密接人员感染风险评估方法、装置、电子设备及存储介质 |
| CN113035367A (zh) * | 2021-03-26 | 2021-06-25 | 中国工商银行股份有限公司 | 传染病群体传染趋势预测方法、装置、设备及存储介质 |
| CN113035367B (zh) * | 2021-03-26 | 2024-02-27 | 中国工商银行股份有限公司 | 传染病群体传染趋势预测方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111739653B (zh) | 2022-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111739653B (zh) | 传染病传播的评估方法、装置、计算机设备和存储介质 | |
| Canzian et al. | Trajectories of depression: unobtrusive monitoring of depressive states by means of smartphone mobility traces analysis | |
| Alaa et al. | Personalized risk scoring for critical care prognosis using mixtures of gaussian processes | |
| Mshali et al. | Adaptive monitoring system for e-health smart homes | |
| Bartkowiak et al. | Validating the electronic cardiac arrest risk triage (eCART) score for risk stratification of surgical inpatients in the postoperative setting: retrospective cohort study | |
| US20210304900A1 (en) | Method and apparatus for predicting transmission of an infectious disease, computer apparatus and storage medium | |
| Dufour et al. | Evaluation of hand hygiene compliance and associated factors with a radio-frequency-identification-based real-time continuous automated monitoring system | |
| US20210241923A1 (en) | Sensor-based machine learning in a health prediction environment | |
| CN111739658B (zh) | 基于输入病例预测传染病趋势的方法及装置 | |
| US20230098491A1 (en) | Assessment method and device for infectious disease transmission, computer equipment and storage medium | |
| CN112216402A (zh) | 基于人工智能的疫情预测方法、装置、计算机设备及介质 | |
| CN113539509A (zh) | 新发传染病发病风险预测方法、装置、终端设备及介质 | |
| US20220036984A1 (en) | Identifying and indexing discriminative features for disease progression in observational data | |
| Ma et al. | Predictive monitoring with logic-calibrated uncertainty for cyber-physical systems | |
| Gibson et al. | Real-time mechanistic bayesian forecasts of covid-19 mortality | |
| West et al. | Weighted multilevel models: a case study | |
| Cai et al. | A dynamic Bayesian network‐based emergency decision‐making framework highlighting emergency propagations: Illustrated using the Fukushima nuclear accidents and the Covid‐19 pandemic | |
| Das et al. | Functional regression-based monitoring of quality of service in hospital emergency departments | |
| CN112396228A (zh) | 目标路径确定方法、装置、电子设备及介质 | |
| Howedi et al. | Distinguishing activities of daily living in a multi-occupancy environment | |
| Manocha | IoT‐assisted irregular environmental event determination for health analysis of pregnant females | |
| Younger et al. | Research Methods in Epidemiology | |
| Shou et al. | Crowdq: Predicting the queue state of hospital emergency department using crowdsensing mobility data-driven models | |
| US20240153645A1 (en) | Detecting infection sources | |
| Vest et al. | Contribution of different data sources to the prediction of emergency department revisits in a safety-net population |
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 |