CN112270998A - 区域内感染人员分布的评估方法及装置 - Google Patents
区域内感染人员分布的评估方法及装置 Download PDFInfo
- Publication number
- CN112270998A CN112270998A CN202011009826.6A CN202011009826A CN112270998A CN 112270998 A CN112270998 A CN 112270998A CN 202011009826 A CN202011009826 A CN 202011009826A CN 112270998 A CN112270998 A CN 112270998A
- Authority
- CN
- China
- Prior art keywords
- cell
- personnel
- processed
- infection
- time window
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 208000015181 infectious disease Diseases 0.000 claims abstract description 293
- 230000008859 change Effects 0.000 claims abstract description 73
- 238000004364 calculation method Methods 0.000 claims abstract description 41
- 208000035473 Communicable disease Diseases 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims description 32
- 238000011156 evaluation Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 239000012678 infectious agent Substances 0.000 claims description 4
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 230000007704 transition Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
-
- 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
Landscapes
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本公开提出一种区域内感染人员分布的评估方法及装置,其中方法包括:获取待处理区域,以及对待处理区域进行网格划分得到的多个单元格;获取历史时间段的各个时间窗口内各个单元格的人员属性信息,其中,人员属性信息包括:单元格内人员的标识;根据各个时间窗口内各个单元格内人员的标识,确定各个单元格至每个其他单元格的人员流动概率;针对每个待处理单元格,根据待处理单元格的当前人员感染信息、待处理单元格至每个其他单元格的人员流动概率、每个其他单元格至待处理单元格的人员流动概率、以及预设的传染病模型,评估时间窗口后待处理单元格的人员感染信息;根据时间窗口后各个待处理单元格的人员感染信息,确定时间窗口后待处理区域内的感染人员分布,从而通过对区域进行网格划分得到多个单元格,而不是以个体为单元格,根据时间窗口后单元格内以及单元格间的人员感染变动信息,确定时间窗口后各个待处理单元格的人员感染信息,计算量小,消耗的计算资源小,计算速度快。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及一种区域内感染人员分布的评估方法及装置。
背景技术
目前,对区域内感染人员分布的评估方法主要为,采用基于元胞自动机的移动异质的传染病模型,该传染病模型,将每个个体所在位置,称为元胞;以元胞为单位,确定个体异质性、个体移动性以及演化规则,并进行演化,确定时间窗口后区域内感染人员分布。计算量大,消耗的计算资源多,计算速度慢。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本公开的第一个目的在于提出一种区域内感染人员分布的评估方法,用于解决现有技术中计算量大,消耗的计算资源多,计算速度慢的问题。
本公开的第二个目的在于提出一种区域内感染人员分布的评估装置。
本公开的第三个目的在于提出一种电子设备。
本公开的第四个目的在于提出一种计算机可读存储介质。
为达上述目的,本公开第一方面实施例提出了一种区域内感染人员分布的评估方法,包括:
获取待处理区域,以及对所述待处理区域进行网格划分得到的多个单元格;
获取历史时间段的各个时间窗口内各个单元格的人员属性信息,其中,所述人员属性信息包括:单元格内人员的标识;
根据所述各个时间窗口内各个单元格内人员的标识,确定各个单元格至每个其他单元格的人员流动概率;
针对每个待处理单元格,根据所述待处理单元格的当前人员感染信息、所述待处理单元格至每个其他单元格的人员流动概率、每个其他单元格至所述待处理单元格的人员流动概率、以及预设的传染病模型,评估所述时间窗口后所述待处理单元格的人员感染信息;
根据所述时间窗口后各个待处理单元格的人员感染信息,确定所述时间窗口后所述待处理区域内的感染人员分布。
进一步地,所述根据所述各个时间窗口内各个单元格内人员的标识,确定各个单元格至每个其他单元格的人员流动概率,包括:
针对每个单元格,根据所述各个时间窗口内所述单元格内人员的标识与所述各个时间窗口内每个其他单元格内人员的标识,确定所述历史时间段内所述单元格与每个其他单元格的共同存在人员数量;
获取所述单元格的总存在人员数量,所述总存在人员数量为所述各个时间窗口内所述单元格内存在过的人员的总数量;
根据所述单元格与每个其他单元格的共同存在人员数量以及所述总存在人员数量,确定所述单元格至每个其他单元格的人员流动概率。
进一步地,所述历史时间段内时间窗口的数量为n个;
针对每个单元格,根据所述各个时间窗口内所述单元格内人员的标识与所述各个时间窗口内每个其他单元格内人员的标识,确定所述历史时间段内所述单元格与每个其他单元格的共同存在人员数量,包括:
针对每个单元格,对所述历史时间段内前n-1个时间窗口内所述单元格内人员的标识,进行并集处理,得到所述单元格的第一并集结果;
针对每个其他单元格,对所述历史时间段内后n-1个时间窗口内所述其他单元格内人员的标识进行并集处理,得到所述其他单元格的第二并集结果;
对所述单元格的第一并集结果与每个其他单元格的第二并集结果进行交集处理,根据交集处理后的人员的标识的数量,确定所述历史时间段内所述单元格与每个其他单元格的共同存在人员数量。
进一步地,所述根据所述待处理单元格的当前人员感染信息、所述待处理单元格至每个其他单元格的人员流动概率、每个其他单元格至所述待处理单元格的人员流动概率、以及预设的传染病模型,评估所述时间窗口后所述待处理单元格的人员感染信息,包括:
根据所述待处理单元格的当前人员感染信息以及预设的传染病模型,评估所述时间窗口内所述单元格内的第一人员感染变动信息;
根据所述待处理单元格的当前人员感染信息、每个其他单元格的当前人员感染信息、所述待处理单元格至每个其他单元格的人员流动概率以及每个其他单元格至所述待处理单元格的人员流动概率,评估所述时间窗口后所述单元格与所有其他单元格间的第二人员感染变动信息;
根据所述第一人员感染变动信息和所述第二人员感染变动信息,确定所述时间窗口后所述待处理单元格的人员感染信息。
进一步地,所述根据所述待处理单元格的当前人员感染信息以及预设的传染病模型,评估所述时间窗口内所述单元格内的第一人员感染变动信息,包括:
获取每个其他单元格的当前人员感染信息以及当前人员数量;
根据所述待处理单元格的当前人员感染信息,确定所述待处理单元格的当前人员数量;
结合所述待处理单元格的当前人员感染信息和当前人员数量、每个其他单元格的当前人员感染信息以及当前人员数量以及预设的传染病模型,评估所述时间窗口内所述单元格在人员流动情况下的第一人员感染变动信息。
进一步地,所述当前人员感染信息包括:单元格内人员的标识以及感染状态;
所述根据所述待处理单元格的当前人员感染信息、每个其他单元格的当前人员感染信息、所述待处理单元格至每个其他单元格的人员流动概率以及每个其他单元格至所述待处理单元格的人员流动概率,评估所述时间窗口后所述单元格与所有其他单元格间的第二人员感染变动信息,包括:
根据所述待处理单元格的当前人员感染信息,确定所述待处理单元格内各种感染状态的人员数量;
根据每个其他单元格的当前人员感染信息,确定每个其他单元格内各种感染状态的人员数量;
将所述待处理单元格内各种感染状态的人员数量、每个其他单元格内各种感染状态的人员数量、所述待处理单元格至每个其他单元格的人员流动概率以及每个其他单元格至所述待处理单元格的人员流动概率输入人员流动概率计算公式,对所述人员流动概率计算公式进行反解,获取所述时间窗口后所述单元格与每个其他单元格间的人员感染变动信息;
将所述时间窗口后所述待处理单元格与每个其他单元格间的人员感染变动信息的总和,确定为所述时间窗口后所述单元格与所有其他单元格间的第二人员感染变动信息。
进一步地,所述根据所述时间窗口后各个待处理单元格的人员感染信息,确定所述时间窗口后所述待处理区域内的感染人员分布之后,还包括:
获取所述待处理区域内各个位置的防护救治资源;
根据所述待处理区域内各个位置的防护救治资源,以及所述时间窗口后所述待处理区域内的感染人员分布,对所述待处理区域的防护救治资源进行调配处理。
本公开实施例的区域内感染人员分布的评估方法,通过获取待处理区域,以及对待处理区域进行网格划分得到的多个单元格;获取历史时间段的各个时间窗口内各个单元格的人员属性信息,其中,人员属性信息包括:单元格内人员的标识;根据各个时间窗口内各个单元格内人员的标识,确定各个单元格至每个其他单元格的人员流动概率;针对每个待处理单元格,根据待处理单元格的当前人员感染信息、待处理单元格至每个其他单元格的人员流动概率、每个其他单元格至待处理单元格的人员流动概率、以及预设的传染病模型,评估时间窗口后待处理单元格的人员感染信息;根据时间窗口后各个待处理单元格的人员感染信息,确定时间窗口后待处理区域内的感染人员分布,从而通过对区域进行网格划分得到多个单元格,而不是以个体为单元格,根据时间窗口后单元格内以及单元格间的人员感染变动信息,确定时间窗口后各个待处理单元格的人员感染信息,计算量小,消耗的计算资源小,计算速度快。
为达上述目的,本公开第二方面实施例提出了一种区域内感染人员分布的评估装置,包括:
第一获取模块,用于获取待处理区域,以及对所述待处理区域进行网格划分得到的多个单元格;
第二获取模块,用于获取历史时间段的各个时间窗口内各个单元格的人员属性信息,其中,所述人员属性信息包括:单元格内人员的标识;
第一确定模块,用于根据所述各个时间窗口内各个单元格内人员的标识,确定各个单元格至每个其他单元格的人员流动概率;
评估模块,用于针对每个待处理单元格,根据所述待处理单元格的当前人员感染信息、所述待处理单元格至每个其他单元格的人员流动概率、每个其他单元格至所述待处理单元格的人员流动概率、以及预设的传染病模型,评估所述时间窗口后所述待处理单元格的人员感染信息;
第二确定模块,用于根据所述时间窗口后各个待处理单元格的人员感染信息,确定所述时间窗口后所述待处理区域内的感染人员分布。
进一步地,所述第一确定模块具体用于,
针对每个单元格,根据所述各个时间窗口内所述单元格内人员的标识与所述各个时间窗口内每个其他单元格内人员的标识,确定所述历史时间段内所述单元格与每个其他单元格的共同存在人员数量;
获取所述单元格的总存在人员数量,所述总存在人员数量为所述各个时间窗口内所述单元格内存在过的人员的总数量;
根据所述单元格与每个其他单元格的共同存在人员数量以及所述总存在人员数量,确定所述单元格至每个其他单元格的人员流动概率。
进一步地,所述历史时间段内时间窗口的数量为n个;所述第一确定模块具体用于,
针对每个单元格,对所述历史时间段内前n-1个时间窗口内所述单元格内人员的标识,进行并集处理,得到所述单元格的第一并集结果;
针对每个其他单元格,对所述历史时间段内后n-1个时间窗口内所述其他单元格内人员的标识进行并集处理,得到所述其他单元格的第二并集结果;
对所述单元格的第一并集结果与每个其他单元格的第二并集结果进行交集处理,根据交集处理后的人员的标识的数量,确定所述历史时间段内所述单元格与每个其他单元格的共同存在人员数量。
进一步地,所述评估模块具体用于,
根据所述待处理单元格的当前人员感染信息以及预设的传染病模型,评估所述时间窗口内所述单元格内的第一人员感染变动信息;
根据所述待处理单元格的当前人员感染信息、每个其他单元格的当前人员感染信息、所述待处理单元格至每个其他单元格的人员流动概率以及每个其他单元格至所述待处理单元格的人员流动概率,评估所述时间窗口后所述单元格与所有其他单元格间的第二人员感染变动信息;
根据所述第一人员感染变动信息和所述第二人员感染变动信息,确定所述时间窗口后所述待处理单元格的人员感染信息。
进一步地,所述评估模块具体用于,
获取每个其他单元格的当前人员感染信息以及当前人员数量;
根据所述待处理单元格的当前人员感染信息,确定所述待处理单元格的当前人员数量;
结合所述待处理单元格的当前人员感染信息和当前人员数量、每个其他单元格的当前人员感染信息以及当前人员数量以及预设的传染病模型,评估所述时间窗口内所述单元格在人员流动情况下的第一人员感染变动信息。
进一步地,所述当前人员感染信息包括:单元格内人员的标识以及感染状态;所述评估模块具体用于,
根据所述待处理单元格的当前人员感染信息,确定所述待处理单元格内各种感染状态的人员数量;
根据每个其他单元格的当前人员感染信息,确定每个其他单元格内各种感染状态的人员数量;
将所述待处理单元格内各种感染状态的人员数量、每个其他单元格内各种感染状态的人员数量、所述待处理单元格至每个其他单元格的人员流动概率以及每个其他单元格至所述待处理单元格的人员流动概率输入人员流动概率计算公式,对所述人员流动概率计算公式进行反解,获取所述时间窗口后所述单元格与每个其他单元格间的人员感染变动信息;
将所述时间窗口后所述待处理单元格与每个其他单元格间的人员感染变动信息的总和,确定为所述时间窗口后所述单元格与所有其他单元格间的第二人员感染变动信息。
进一步地,所述的装置,还包括:第三获取模块和调配模块;
所述第三获取模块,用于获取所述待处理区域内各个位置的防护救治资源;
所述调配模块,用于根据所述待处理区域内各个位置的防护救治资源,以及所述时间窗口后所述待处理区域内的感染人员分布,对所述待处理区域的防护救治资源进行调配处理。
本公开实施例的区域内感染人员分布的评估装置,通过获取待处理区域,以及对待处理区域进行网格划分得到的多个单元格;获取历史时间段的各个时间窗口内各个单元格的人员属性信息,其中,人员属性信息包括:单元格内人员的标识;根据各个时间窗口内各个单元格内人员的标识,确定各个单元格至每个其他单元格的人员流动概率;针对每个待处理单元格,根据待处理单元格的当前人员感染信息、待处理单元格至每个其他单元格的人员流动概率、每个其他单元格至待处理单元格的人员流动概率、以及预设的传染病模型,评估时间窗口后待处理单元格的人员感染信息;根据时间窗口后各个待处理单元格的人员感染信息,确定时间窗口后待处理区域内的感染人员分布,从而通过对区域进行网格划分得到多个单元格,而不是以个体为单元格,根据时间窗口后单元格内以及单元格间的人员感染变动信息,确定时间窗口后各个待处理单元格的人员感染信息,计算量小,消耗的计算资源小,计算速度快。
为达上述目的,本公开第三方面实施例提出了一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如上所述的区域内感染人员分布的评估方法。
为了实现上述目的,本公开第四方面实施例提出了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的区域内感染人员分布的评估方法。
本公开附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本公开实施例提供的一种区域内感染人员分布的评估方法的流程示意图;
图2为多个单元格的示意图;
图3为时间窗口内待处理区域内人员分布的示意图;
图4为本公开实施例提供的另一种区域内感染人员分布的评估方法的流程示意图;
图5为本公开实施例提供的另一种区域内感染人员分布的评估方法的流程示意图;
图6为本公开实施例提供的一种区域内感染人员分布的评估装置的结构示意图;
图7为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
下面详细描述本公开的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本公开,而不能理解为对本公开的限制。
下面参考附图描述本公开实施例的区域内感染人员分布的评估方法及装置。
图1为本公开实施例提供的一种区域内感染人员分布的评估方法的流程示意图。如图1所示,主要包括以下步骤:
S101、获取待处理区域,以及对待处理区域进行网格划分得到的多个单元格。
在本申请实施例中,待处理区域可以为任意一个区域,例如某县、某市、市里的某区等,例如朝阳区、海淀区等。划分得到的单元格的数量,可以根据待处理区域内的总人数、待处理区域的大小、待处理区域内人员的活跃度以及计算量等进行确定。图2为多个单元格的示意图,在图2中,待处理区域可以为N×N(km)的范围区域,待处理区域可以被划分成多个单元格,每个单元格为n×n(km)的范围区域,单元格的数量为(N/n)×(N/n)。
S102、获取历史时间段的各个时间窗口内各个单元格的人员属性信息,其中,人员属性信息包括:单元格内人员的标识。
在本申请实施例中,以历史时间段为一天中的8:00到18:00为例,该历史时间段可以分为5个时间窗口,分别为8:00到10:00、10:00到12:00、12:00到14:00、14:00到16:00、16:00到18:00。
在本申请实施例中,目前基本上是人人一只手机,手机运营商能实时获取到人员的位置信息,因此,可以通过手机运营商来获取各个手机的位置信息,进而获取各个手机对应用户的位置信息,进而确定每个用户所在的单元格。其中,单元格内人员的标识例如为用户手机号码、用户名称、用户所使用的设备的编号等可以唯一标识用户的参数。
在本申请实施例中,在一个时间窗口内,可以实时采集对应的位置信息位于单元格内的用户的标识,将各个时间点采集到的用户的标识进行合并,得到时间窗口内单元格的人员属性信息。
在本申请实施例中,根据时间窗口内单元格的人员属性信息可以确定时间窗口内单元格的人员数量,进而根据时间窗口内各个单元格的人员数量,可以确定时间窗口内待处理区域的人员分布。如图3所示,为时间窗口内待处理区域内人员分布的示意图。
S103、根据各个时间窗口内各个单元格内人员的标识,确定各个单元格至每个其他单元格的人员流动概率。
在本申请实施例中,人员流动概率,表征单元格之间的人员流动情况。其中,区域内感染人员分布的评估装置执行步骤103的过程可以参考图4所示,在图4中,步骤103具体可以包括以下步骤:
S1031、针对每个单元格,根据各个时间窗口内单元格内人员的标识与各个时间窗口内每个其他单元格内人员的标识,确定历史时间段内单元格与每个其他单元格的共同存在人员数量。
在本申请实施例中,历史时间段内时间窗口的数量可以为n个。由于单元格之间人员的流动是需要时间的,人员不会在同一时间点同时位于两个单元格内,也难以很短的时间内从一个单元格转移到另一个单元格。因此,区域内感染人员分布的评估装置执行步骤1031的过程例如可以为,针对每个单元格,对历史时间段内前n-1个时间窗口内单元格内人员的标识,进行并集处理,得到单元格的第一并集结果;针对每个其他单元格,对历史时间段内后n-1个时间窗口内其他单元格内人员的标识进行并集处理,得到其他单元格的第二并集结果;对单元格的第一并集结果与每个其他单元格的第二并集结果进行交集处理,根据交集处理后的人员的标识的数量,确定历史时间段内单元格与每个其他单元格的共同存在人员数量。
在本申请实施例中,以n为5,单元格用(i,j)表示,单元格的人员属性信息用ld(i,j)表示,第n个时间窗口内单元格的人员属性信息用ldtn(i,j)表示,第n个时间窗口内其他单元格的人员属性信息用ldtn(p,k)表示,则历史时间段内单元格(i,j)与其他单元格(p,k)的共同存在人员数量的计算公式可以为,
历史时间段内单元格(i,j)与其他单元格(p,k)的共同存在人员数量=Q((ldt1∪ldt2∪ldt3∪ldt4)(i,j)∩(ldt2∪ldt3∪ldt4∪ldt5)(p,k))。
S1032、获取单元格的总存在人员数量,总存在人员数量为各个时间窗口内单元格内存在过的人员的总数量。
在本申请实施例中,以上述例子进行说明,单元格的总存在人员数量可以为5个时间窗口内单元格内存在过的人员的总数量。另外,由于单元格之间人员的流动是需要时间的,第5个时间窗口内单元格的人员属性信息对人员流动概率的计算并未提供贡献,因此,为了进一步提高人员流动概率计算的准确度,可以结合前n-1个时间窗口内单元格的人员属性信息进行人员流动概率的计算,以n为5为例,单元格的总存在人员数量的计算公式可以为,
单元格的总存在人员数量=Q((ldt1∪ldt2∪ldt3∪ldt4)(i,j))。
S1033、根据单元格与每个其他单元格的共同存在人员数量以及总存在人员数量,确定单元格至每个其他单元格的人员流动概率。
在本申请实施例中,以上述例子进行说明,以n为5为例,单元格(i,j)至其他单元格(p,k)的人员流动概率的计算公式可以为,
R(i,j),(p,k)=Q((ldt1∪ldt2∪ldt3∪ldt4)(i,j)∩(ldt2∪ldt3∪ldt4∪ldt5)(p,k))/Q((ldt1∪ldt2∪ldt3∪ldt4)(i,j))
其中,R(i,j),(p,k)表示单元格(i,j)至其他单元格(p,k)的人员流动概率。
S104、针对每个待处理单元格,根据待处理单元格的当前人员感染信息、待处理单元格至每个其他单元格的人员流动概率、每个其他单元格至待处理单元格的人员流动概率、以及预设的传染病模型,评估时间窗口后待处理单元格的人员感染信息。
在本申请实施例中,待处理单元格的当前人员感染信息可以包括:单元格内人员的标识以及感染状态;结合待处理单元格内人员的标识以及感染状态,以及预设的传染病模型,就能够评估待处理单元格在时间窗口内的第一人员感染变动信息;结合待处理单元格的当前人员感染信息、待处理单元格至每个其他单元格的人员流动概率、以及每个其他单元格至待处理单元格的人员流动概率,就能够评估待处理单元格与其他单元格之间的第二人员感染变动信息;结合第一人员感染变动信息、第二人员感染变动信息以及当前人员感染信息,就能够确定时间窗口后待处理单元格的人员感染信息。
S105、根据时间窗口后各个待处理单元格的人员感染信息,确定时间窗口后待处理区域内的感染人员分布。
在本申请实施例中,步骤105之后,区域内感染人员分布的评估装置还可以执行以下过程:获取待处理区域内各个位置的防护救治资源;根据待处理区域内各个位置的防护救治资源,以及时间窗口后待处理区域内的感染人员分布,对待处理区域的防护救治资源进行调配处理。
本公开实施例的区域内感染人员分布的评估方法,通过获取待处理区域,以及对待处理区域进行网格划分得到的多个单元格;获取历史时间段的各个时间窗口内各个单元格的人员属性信息,其中,人员属性信息包括:单元格内人员的标识;根据各个时间窗口内各个单元格内人员的标识,确定各个单元格至每个其他单元格的人员流动概率;针对每个待处理单元格,根据待处理单元格的当前人员感染信息、待处理单元格至每个其他单元格的人员流动概率、每个其他单元格至待处理单元格的人员流动概率、以及预设的传染病模型,评估时间窗口后待处理单元格的人员感染信息;根据时间窗口后各个待处理单元格的人员感染信息,确定时间窗口后待处理区域内的感染人员分布,从而通过对区域进行网格划分得到多个单元格,而不是以个体为单元格,根据时间窗口后单元格内以及单元格间的人员感染变动信息,确定时间窗口后各个待处理单元格的人员感染信息,计算量小,消耗的计算资源小,计算速度快。
图5为本公开实施例提供的另一种区域内感染人员分布的评估方法的流程示意图。如图5所示,在图1所示实施例的基础上,步骤104具体可以包括以下步骤:
S1041、根据待处理单元格的当前人员感染信息以及预设的传染病模型,评估时间窗口内单元格内的第一人员感染变动信息。
区域内感染人员分布的评估装置执行步骤1041的过程例如可以为,获取每个其他单元格的当前人员感染信息以及当前人员数量;根据待处理单元格的当前人员感染信息,确定待处理单元格的当前人员数量;结合待处理单元格的当前人员感染信息和当前人员数量、每个其他单元格的当前人员感染信息以及当前人员数量、以及预设的传染病模型,评估时间窗口内单元格在人员流动情况下的第一人员感染变动信息。
在本申请实施例中,在第一种实施场景中,待处理单元格的当前人员数量,可以为待处理单元格的当前人员感染信息中人员标识的数量。在第二种实施场景中,待处理单元格的当前人员数量,可以结合前一时间窗口中待处理单元格的人员数量、各个时间窗口内待处理单元格以及其他单元格的人员属性信息来确定。其中,待处理单元格的当前人员数量的计算公式例如可以如以下公式所示。
其中,ddtn-1,(i,j)为前一时间窗口内待处理单元格(i,j)的人员数量,ddtn,(i,j)为待处理单元格(i,j)的当前人员数量。为前一时间窗口内在单元格(p,k)内,当前在待处理单元格(i,j)内的人员数量,是指从其他单元格转移到待处理单元格(i,j)内的人员数量;是指转移出待处理单元格(i,j)的人员数量。
在本申请实施例中,传染病模型,主要研究传染病的传播速度、空间范围、传播途径、动力学机理等问题,以指导对传染病的有效地预防和控制。其中,待处理单元格的当前人员感染信息可以包括:单元格内人员的标识以及感染状态。其中,人员的感染状态可以分为4种,易感者,潜伏者,感染者和康复者。其中,易感者可以用S表示,潜伏者可以用E表示,感染者可以用I表示,康复者可以用R表示。
其中,易感者与潜伏者之间的转移概率可以用α表示,阿尔法一般与单元格内部感染者的密度相关,感染者的密度为单元格内感染者的数量与单元格内人员数量的比值。潜伏者与感染者之间的转移概率β,以及感染者与康复者之间的转移概率γ,与传染病的传播参数相关。
在本申请实施例中,在第一种实施场景中,传染病模型可以不考虑单元格间的人员流动情况,只基于动力学微分方程以及上述3个转移概率,结合输入的单元格内当前的易感者数量、潜伏者数量、感染者数量和康复者数量,来预测时间窗口后单元格内各种感染状态的人员的变动信息。其中,传染病模型结合以下公式来预测时间窗口后单元格内各种感染状态的人员的变动信息。
其中,S(i,j)表示时间窗口内单元格内的易感者数量,I(i,j)表示时间窗口内单元格内的感染者数量,E(i,j)表示时间窗口内单元格内的潜伏者数量,R(i,j)表示时间窗口内单元格内的康复者数量,I(i,j)的下标tn表示是第几个时间窗口,dd(i,j)表示时间窗口内单元格的人员数量。其中,当预测从当前时间点开始1个时间窗口后单元格内各种感染状态的人员的变动信息时,可以基于单元格内当前的易感者数量、潜伏者数量、感染者数量和康复者数量进行预测。
在本申请实施例中,在第二种实施场景中,传染病模型考虑单元格间的人员流动情况,基于动力学微分方程、上述3个转移概率以及单元格间的人员流动情况,结合输入的单元格内当前的易感者数量、潜伏者数量、感染者数量和康复者数量,来预测时间窗口后单元格内各种感染状态的人员的变动信息。其中,传染病模型结合以下公式来预测时间窗口后单元格内各种感染状态的人员的变动信息。
其中,与Stn(i,j)的差值,表示1个时间窗口后单元格(i,j)的第一人员感染变动信息中易感者的变动数量;与Etn(i,j)的差值,表示1个时间窗口后单元格(i,j)的第一人员感染变动信息中潜伏者的变动数量;与Itn(i,j)的差值,表示1个时间窗口后单元格(i,j)的第一人员感染变动信息中感染者的变动数量;与Rtn(i,j)的差值,表示1个时间窗口后单元格(i,j)的第一人员感染变动信息中康复者的变动数量。
S1042、根据待处理单元格的当前人员感染信息、每个其他单元格的当前人员感染信息、待处理单元格至每个其他单元格的人员流动概率以及每个其他单元格至待处理单元格的人员流动概率,评估时间窗口后单元格与所有其他单元格间的第二人员感染变动信息。
在本申请实施例中,当前人员感染信息包括:单元格内人员的标识以及感染状态。对应的,区域内感染人员分布的评估装置执行步骤1042的过程具体可以为,根据待处理单元格的当前人员感染信息,确定待处理单元格内各种感染状态的人员数量;根据每个其他单元格的当前人员感染信息,确定每个其他单元格内各种感染状态的人员数量;将待处理单元格内各种感染状态的人员数量、每个其他单元格内各种感染状态的人员数量、待处理单元格至每个其他单元格的人员流动概率以及每个其他单元格至待处理单元格的人员流动概率输入人员流动概率计算公式,对人员流动概率计算公式进行反解,获取时间窗口后单元格与每个其他单元格间的人员感染变动信息;将时间窗口后待处理单元格与每个其他单元格间的人员感染变动信息的总和,确定为时间窗口后单元格与所有其他单元格间的第二人员感染变动信息。
在本申请实施例中,以待处理单元格为单元格(i,j),其他单元格分别为单元格(p,k)1,(p,k)2,……,(p,k)n,为例进行说明。单元格(i,j)与单元格(p,k)1的人员感染变动信息的计算方式可以为,将单元格(i,j)内各种感染状态的人员数量、单元格(p,k)1内各种感染状态的人员数量、单元格(i,j)至单元格(p,k)1的人员流动概率以及单元格(p,k)1至单元格(i,j)的人员流动概率,输入人员流动概率计算公式,反解计算时间窗口后单元格(i,j)与单元格(p,k)1间的人员感染变动信息,进而将时间窗口后待处理单元格与每个其他单元格间的人员感染变动信息的总和,确定为时间窗口后单元格与所有其他单元格间的第二人员感染变动信息。
S1043、根据第一人员感染变动信息和第二人员感染变动信息,确定时间窗口后待处理单元格的人员感染信息。
在本申请实施例中,第一人员感染变动信息可以包括:易感者的变动数量、潜伏者的变动数量、感染者的变动数量和康复者的变动数量。第二人员感染变动信息可以包括:易感者的变动数量、潜伏者的变动数量、感染者的变动数量和康复者的变动数量。将第一人员感染变动信息和第二人员感染变动信息中相应感染状态的变动数量进行加和,就能够得到相应感染状态的总变动数量;进而结合每个感染状态的总变动数量以及当前人员感染信息中相应感染状态的数量,确定相应感染状态的变动后数量,进而确定时间窗口后待处理单元格的人员感染信息。
本公开实施例的区域内感染人员分布的评估方法,通过获取待处理区域,以及对待处理区域进行网格划分得到的多个单元格;获取历史时间段的各个时间窗口内各个单元格的人员属性信息,其中,人员属性信息包括:单元格内人员的标识;根据各个时间窗口内各个单元格内人员的标识,确定各个单元格至每个其他单元格的人员流动概率;针对每个待处理单元格,根据待处理单元格的当前人员感染信息以及预设的传染病模型,评估时间窗口内单元格内的第一人员感染变动信息;根据待处理单元格的当前人员感染信息、每个其他单元格的当前人员感染信息、待处理单元格至每个其他单元格的人员流动概率以及每个其他单元格至待处理单元格的人员流动概率,评估时间窗口后单元格与所有其他单元格间的第二人员感染变动信息;根据第一人员感染变动信息和第二人员感染变动信息,确定时间窗口后待处理单元格的人员感染信息;根据时间窗口后各个待处理单元格的人员感染信息,确定时间窗口后待处理区域内的感染人员分布,从而通过对区域进行网格划分得到多个单元格,而不是以个体为单元格,根据时间窗口后单元格内以及单元格间的人员感染变动信息,确定时间窗口后各个待处理单元格的人员感染信息,计算量小,消耗的计算资源小,计算速度快。
图6为本公开实施例提供的一种区域内感染人员分布的评估装置的结构示意图。如图6所示,包括:第一获取模块61、第二获取模块62、第一确定模块63、评估模块64和第二确定模块65。
其中,第一获取模块61,用于获取待处理区域,以及对所述待处理区域进行网格划分得到的多个单元格;
第二获取模块62,用于获取历史时间段的各个时间窗口内各个单元格的人员属性信息,其中,所述人员属性信息包括:单元格内人员的标识;
第一确定模块63,用于根据所述各个时间窗口内各个单元格内人员的标识,确定各个单元格至每个其他单元格的人员流动概率;
评估模块64,用于针对每个待处理单元格,根据所述待处理单元格的当前人员感染信息、所述待处理单元格至每个其他单元格的人员流动概率、每个其他单元格至所述待处理单元格的人员流动概率、以及预设的传染病模型,评估所述时间窗口后所述待处理单元格的人员感染信息;
第二确定模块65,用于根据所述时间窗口后各个待处理单元格的人员感染信息,确定所述时间窗口后所述待处理区域内的感染人员分布。
进一步地,所述第一确定模块63具体用于,
针对每个单元格,根据所述各个时间窗口内所述单元格内人员的标识与所述各个时间窗口内每个其他单元格内人员的标识,确定所述历史时间段内所述单元格与每个其他单元格的共同存在人员数量;
获取所述单元格的总存在人员数量,所述总存在人员数量为所述各个时间窗口内所述单元格内存在过的人员的总数量;
根据所述单元格与每个其他单元格的共同存在人员数量以及所述总存在人员数量,确定所述单元格至每个其他单元格的人员流动概率。
进一步地,所述历史时间段内时间窗口的数量为n个;所述第一确定模块63具体用于,
针对每个单元格,对所述历史时间段内前n-1个时间窗口内所述单元格内人员的标识,进行并集处理,得到所述单元格的第一并集结果;
针对每个其他单元格,对所述历史时间段内后n-1个时间窗口内所述其他单元格内人员的标识进行并集处理,得到所述其他单元格的第二并集结果;
对所述单元格的第一并集结果与每个其他单元格的第二并集结果进行交集处理,根据交集处理后的人员的标识的数量,确定所述历史时间段内所述单元格与每个其他单元格的共同存在人员数量。
进一步地,所述评估模块64具体用于,
根据所述待处理单元格的当前人员感染信息以及预设的传染病模型,评估所述时间窗口内所述单元格内的第一人员感染变动信息;
根据所述待处理单元格的当前人员感染信息、每个其他单元格的当前人员感染信息、所述待处理单元格至每个其他单元格的人员流动概率以及每个其他单元格至所述待处理单元格的人员流动概率,评估所述时间窗口后所述单元格与所有其他单元格间的第二人员感染变动信息;
根据所述第一人员感染变动信息和所述第二人员感染变动信息,确定所述时间窗口后所述待处理单元格的人员感染信息。
进一步地,所述评估模块64具体用于,
获取每个其他单元格的当前人员感染信息以及当前人员数量;
根据所述待处理单元格的当前人员感染信息,确定所述待处理单元格的当前人员数量;
结合所述待处理单元格的当前人员感染信息和当前人员数量、每个其他单元格的当前人员感染信息以及当前人员数量、以及预设的传染病模型,评估所述时间窗口内所述单元格在人员流动情况下的第一人员感染变动信息。
进一步地,所述当前人员感染信息包括:单元格内人员的标识以及感染状态;所述评估模块64具体用于,
根据所述待处理单元格的当前人员感染信息,确定所述待处理单元格内各种感染状态的人员数量;
根据每个其他单元格的当前人员感染信息,确定每个其他单元格内各种感染状态的人员数量;
将所述待处理单元格内各种感染状态的人员数量、每个其他单元格内各种感染状态的人员数量、所述待处理单元格至每个其他单元格的人员流动概率以及每个其他单元格至所述待处理单元格的人员流动概率输入人员流动概率计算公式,对所述人员流动概率计算公式进行反解,获取所述时间窗口后所述单元格与每个其他单元格间的人员感染变动信息;
将所述时间窗口后所述待处理单元格与每个其他单元格间的人员感染变动信息的总和,确定为所述时间窗口后所述单元格与所有其他单元格间的第二人员感染变动信息。
进一步地,所述的装置,还包括:第三获取模块和调配模块;
所述第三获取模块,用于获取所述待处理区域内各个位置的防护救治资源;
所述调配模块,用于根据所述待处理区域内各个位置的防护救治资源,以及所述时间窗口后所述待处理区域内的感染人员分布,对所述待处理区域的防护救治资源进行调配处理。
需要说明的是,对本申请中各模块的描述,可以参考图1-至图5所示的方法实施例,此处不再进行详细描述。
本公开实施例的区域内感染人员分布的评估装置,通过获取待处理区域,以及对待处理区域进行网格划分得到的多个单元格;获取历史时间段的各个时间窗口内各个单元格的人员属性信息,其中,人员属性信息包括:单元格内人员的标识;根据各个时间窗口内各个单元格内人员的标识,确定各个单元格至每个其他单元格的人员流动概率;针对每个待处理单元格,根据待处理单元格的当前人员感染信息、待处理单元格至每个其他单元格的人员流动概率、每个其他单元格至待处理单元格的人员流动概率、以及预设的传染病模型,评估时间窗口后待处理单元格的人员感染信息;根据时间窗口后各个待处理单元格的人员感染信息,确定时间窗口后待处理区域内的感染人员分布,从而通过对区域进行网格划分得到多个单元格,而不是以个体为单元格,根据时间窗口后单元格内以及单元格间的人员感染变动信息,确定时间窗口后各个待处理单元格的人员感染信息,计算量小,消耗的计算资源小,计算速度快。
下面参考图7,其示出了适于用来实现本公开实施例的电子设备800的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
通常,以下装置可以连接至I/O接口805:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807;包括例如磁带、硬盘等的存储装置808;以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备800,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置809从网络上被下载和安装,或者从存储装置808被安装,或者从ROM 802被安装。在该计算机程序被处理装置801执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该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。而在本公开中,计算机可读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,该计算机可读信号介质可以发送、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程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
获取待处理区域,以及对所述待处理区域进行网格划分得到的多个单元格;
获取历史时间段的各个时间窗口内各个单元格的人员属性信息,其中,所述人员属性信息包括:单元格内人员的标识;
根据所述各个时间窗口内各个单元格内人员的标识,确定各个单元格至每个其他单元格的人员流动概率;
针对每个待处理单元格,根据所述待处理单元格的当前人员感染信息、所述待处理单元格至每个其他单元格的人员流动概率、每个其他单元格至所述待处理单元格的人员流动概率、以及预设的传染病模型,评估所述时间窗口后所述待处理单元格的人员感染信息;
根据所述时间窗口后各个待处理单元格的人员感染信息,确定所述时间窗口后所述待处理区域内的感染人员分布。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户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服务器上执行。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)—连接到用户计算机,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)。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的区域内感染人员分布的评估方法。
本公开还提供一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时,实现如上所述的区域内感染人员分布的评估方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,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至少一个该特征。在本公开的描述中,“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。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本公开的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本公开的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本公开各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本公开的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本公开的限制,本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (16)
1.一种区域内感染人员分布的评估方法,其特征在于,包括:
获取待处理区域,以及对所述待处理区域进行网格划分得到的多个单元格;
获取历史时间段的各个时间窗口内各个单元格的人员属性信息,其中,所述人员属性信息包括:单元格内人员的标识;
根据所述各个时间窗口内各个单元格内人员的标识,确定各个单元格至每个其他单元格的人员流动概率;
针对每个待处理单元格,根据所述待处理单元格的当前人员感染信息、所述待处理单元格至每个其他单元格的人员流动概率、每个其他单元格至所述待处理单元格的人员流动概率、以及预设的传染病模型,评估所述时间窗口后所述待处理单元格的人员感染信息;
根据所述时间窗口后各个待处理单元格的人员感染信息,确定所述时间窗口后所述待处理区域内的感染人员分布。
2.根据权利要求1所述的方法,其特征在于,所述根据所述各个时间窗口内各个单元格内人员的标识,确定各个单元格至每个其他单元格的人员流动概率,包括:
针对每个单元格,根据所述各个时间窗口内所述单元格内人员的标识与所述各个时间窗口内每个其他单元格内人员的标识,确定所述历史时间段内所述单元格与每个其他单元格的共同存在人员数量;
获取所述单元格的总存在人员数量,所述总存在人员数量为所述各个时间窗口内所述单元格内存在过的人员的总数量;
根据所述单元格与每个其他单元格的共同存在人员数量以及所述总存在人员数量,确定所述单元格至每个其他单元格的人员流动概率。
3.根据权利要求2所述的方法,其特征在于,所述历史时间段内时间窗口的数量为n个;
针对每个单元格,根据所述各个时间窗口内所述单元格内人员的标识与所述各个时间窗口内每个其他单元格内人员的标识,确定所述历史时间段内所述单元格与每个其他单元格的共同存在人员数量,包括:
针对每个单元格,对所述历史时间段内前n-1个时间窗口内所述单元格内人员的标识,进行并集处理,得到所述单元格的第一并集结果;
针对每个其他单元格,对所述历史时间段内后n-1个时间窗口内所述其他单元格内人员的标识进行并集处理,得到所述其他单元格的第二并集结果;
对所述单元格的第一并集结果与每个其他单元格的第二并集结果进行交集处理,根据交集处理后的人员的标识的数量,确定所述历史时间段内所述单元格与每个其他单元格的共同存在人员数量。
4.根据权利要求1所述的方法,其特征在于,所述根据所述待处理单元格的当前人员感染信息、所述待处理单元格至每个其他单元格的人员流动概率、每个其他单元格至所述待处理单元格的人员流动概率、以及预设的传染病模型,评估所述时间窗口后所述待处理单元格的人员感染信息,包括:
根据所述待处理单元格的当前人员感染信息以及预设的传染病模型,评估所述时间窗口内所述单元格内的第一人员感染变动信息;
根据所述待处理单元格的当前人员感染信息、每个其他单元格的当前人员感染信息、所述待处理单元格至每个其他单元格的人员流动概率以及每个其他单元格至所述待处理单元格的人员流动概率,评估所述时间窗口后所述单元格与所有其他单元格间的第二人员感染变动信息;
根据所述第一人员感染变动信息和所述第二人员感染变动信息,确定所述时间窗口后所述待处理单元格的人员感染信息。
5.根据权利要求4所述的方法,其特征在于,所述根据所述待处理单元格的当前人员感染信息以及预设的传染病模型,评估所述时间窗口内所述单元格内的第一人员感染变动信息,包括:
获取每个其他单元格的当前人员感染信息以及当前人员数量;
根据所述待处理单元格的当前人员感染信息,确定所述待处理单元格的当前人员数量;
结合所述待处理单元格的当前人员感染信息和当前人员数量、每个其他单元格的当前人员感染信息以及当前人员数量、以及预设的传染病模型,评估所述时间窗口内所述单元格在人员流动情况下的第一人员感染变动信息。
6.根据权利要求4所述的方法,其特征在于,所述当前人员感染信息包括:单元格内人员的标识以及感染状态;
所述根据所述待处理单元格的当前人员感染信息、每个其他单元格的当前人员感染信息、所述待处理单元格至每个其他单元格的人员流动概率以及每个其他单元格至所述待处理单元格的人员流动概率,评估所述时间窗口后所述单元格与所有其他单元格间的第二人员感染变动信息,包括:
根据所述待处理单元格的当前人员感染信息,确定所述待处理单元格内各种感染状态的人员数量;
根据每个其他单元格的当前人员感染信息,确定每个其他单元格内各种感染状态的人员数量;
将所述待处理单元格内各种感染状态的人员数量、每个其他单元格内各种感染状态的人员数量、所述待处理单元格至每个其他单元格的人员流动概率以及每个其他单元格至所述待处理单元格的人员流动概率输入人员流动概率计算公式,对所述人员流动概率计算公式进行反解,获取所述时间窗口后所述单元格与每个其他单元格间的人员感染变动信息;
将所述时间窗口后所述待处理单元格与每个其他单元格间的人员感染变动信息的总和,确定为所述时间窗口后所述单元格与所有其他单元格间的第二人员感染变动信息。
7.根据权利要求1所述的方法,其特征在于,所述根据所述时间窗口后各个待处理单元格的人员感染信息,确定所述时间窗口后所述待处理区域内的感染人员分布之后,还包括:
获取所述待处理区域内各个位置的防护救治资源;
根据所述待处理区域内各个位置的防护救治资源,以及所述时间窗口后所述待处理区域内的感染人员分布,对所述待处理区域的防护救治资源进行调配处理。
8.一种区域内感染人员分布的评估装置,其特征在于,包括:
第一获取模块,用于获取待处理区域,以及对所述待处理区域进行网格划分得到的多个单元格;
第二获取模块,用于获取历史时间段的各个时间窗口内各个单元格的人员属性信息,其中,所述人员属性信息包括:单元格内人员的标识;
第一确定模块,用于根据所述各个时间窗口内各个单元格内人员的标识,确定各个单元格至每个其他单元格的人员流动概率;
评估模块,用于针对每个待处理单元格,根据所述待处理单元格的当前人员感染信息、所述待处理单元格至每个其他单元格的人员流动概率、每个其他单元格至所述待处理单元格的人员流动概率、以及预设的传染病模型,评估所述时间窗口后所述待处理单元格的人员感染信息;
第二确定模块,用于根据所述时间窗口后各个待处理单元格的人员感染信息,确定所述时间窗口后所述待处理区域内的感染人员分布。
9.根据权利要求8所述的装置,其特征在于,所述第一确定模块具体用于,
针对每个单元格,根据所述各个时间窗口内所述单元格内人员的标识与所述各个时间窗口内每个其他单元格内人员的标识,确定所述历史时间段内所述单元格与每个其他单元格的共同存在人员数量;
获取所述单元格的总存在人员数量,所述总存在人员数量为所述各个时间窗口内所述单元格内存在过的人员的总数量;
根据所述单元格与每个其他单元格的共同存在人员数量以及所述总存在人员数量,确定所述单元格至每个其他单元格的人员流动概率。
10.根据权利要求9所述的装置,其特征在于,所述历史时间段内时间窗口的数量为n个;所述第一确定模块具体用于,
针对每个单元格,对所述历史时间段内前n-1个时间窗口内所述单元格内人员的标识,进行并集处理,得到所述单元格的第一并集结果;
针对每个其他单元格,对所述历史时间段内后n-1个时间窗口内所述其他单元格内人员的标识进行并集处理,得到所述其他单元格的第二并集结果;
对所述单元格的第一并集结果与每个其他单元格的第二并集结果进行交集处理,根据交集处理后的人员的标识的数量,确定所述历史时间段内所述单元格与每个其他单元格的共同存在人员数量。
11.根据权利要求8所述的装置,其特征在于,所述评估模块具体用于,
根据所述待处理单元格的当前人员感染信息以及预设的传染病模型,评估所述时间窗口内所述单元格内的第一人员感染变动信息;
根据所述待处理单元格的当前人员感染信息、每个其他单元格的当前人员感染信息、所述待处理单元格至每个其他单元格的人员流动概率以及每个其他单元格至所述待处理单元格的人员流动概率,评估所述时间窗口后所述单元格与所有其他单元格间的第二人员感染变动信息;
根据所述第一人员感染变动信息和所述第二人员感染变动信息,确定所述时间窗口后所述待处理单元格的人员感染信息。
12.根据权利要求11所述的装置,其特征在于,所述评估模块具体用于,
获取每个其他单元格的当前人员感染信息以及当前人员数量;
根据所述待处理单元格的当前人员感染信息,确定所述待处理单元格的当前人员数量;
结合所述待处理单元格的当前人员感染信息和当前人员数量、每个其他单元格的当前人员感染信息以及当前人员数量、以及预设的传染病模型,评估所述时间窗口内所述单元格在人员流动情况下的第一人员感染变动信息。
13.根据权利要求11所述的装置,其特征在于,所述当前人员感染信息包括:单元格内人员的标识以及感染状态;所述评估模块具体用于,
根据所述待处理单元格的当前人员感染信息,确定所述待处理单元格内各种感染状态的人员数量;
根据每个其他单元格的当前人员感染信息,确定每个其他单元格内各种感染状态的人员数量;
将所述待处理单元格内各种感染状态的人员数量、每个其他单元格内各种感染状态的人员数量、所述待处理单元格至每个其他单元格的人员流动概率以及每个其他单元格至所述待处理单元格的人员流动概率输入人员流动概率计算公式,对所述人员流动概率计算公式进行反解,获取所述时间窗口后所述单元格与每个其他单元格间的人员感染变动信息;
将所述时间窗口后所述待处理单元格与每个其他单元格间的人员感染变动信息的总和,确定为所述时间窗口后所述单元格与所有其他单元格间的第二人员感染变动信息。
14.根据权利要求8所述的装置,其特征在于,还包括:第三获取模块和调配模块;
所述第三获取模块,用于获取所述待处理区域内各个位置的防护救治资源;
所述调配模块,用于根据所述待处理区域内各个位置的防护救治资源,以及所述时间窗口后所述待处理区域内的感染人员分布,对所述待处理区域的防护救治资源进行调配处理。
15.一种电子设备,其特征在于,包括:
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一所述的区域内感染人员分布的评估方法。
16.一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,该程序被处理器执行时实现如权利要求1-7中任一所述的区域内感染人员分布的评估方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011009826.6A CN112270998B (zh) | 2020-09-23 | 2020-09-23 | 区域内感染人员分布的评估方法及装置 |
PCT/CN2021/109783 WO2022062657A1 (zh) | 2020-09-23 | 2021-07-30 | 区域内感染人员分布的评估方法及装置 |
US18/188,028 US20230223155A1 (en) | 2020-09-23 | 2023-03-22 | Method for evaluating distribution of infected persons in area |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011009826.6A CN112270998B (zh) | 2020-09-23 | 2020-09-23 | 区域内感染人员分布的评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112270998A true CN112270998A (zh) | 2021-01-26 |
CN112270998B CN112270998B (zh) | 2023-03-28 |
Family
ID=74348618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011009826.6A Active CN112270998B (zh) | 2020-09-23 | 2020-09-23 | 区域内感染人员分布的评估方法及装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230223155A1 (zh) |
CN (1) | CN112270998B (zh) |
WO (1) | WO2022062657A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113517075A (zh) * | 2021-06-25 | 2021-10-19 | 联通(广东)产业互联网有限公司 | 一种基于传染病动力学的传染病预测方法、系统及介质 |
CN113591095A (zh) * | 2021-08-04 | 2021-11-02 | 百度在线网络技术(北京)有限公司 | 一种标识信息处理方法、装置及电子设备 |
CN113793690A (zh) * | 2021-08-31 | 2021-12-14 | 医渡云(北京)技术有限公司 | 传染病的区域风险评估方法、装置、存储介质及设备 |
WO2022062657A1 (zh) * | 2020-09-23 | 2022-03-31 | 清华大学 | 区域内感染人员分布的评估方法及装置 |
CN114420308A (zh) * | 2022-01-24 | 2022-04-29 | 平安国际智慧城市科技股份有限公司 | 传染病的传播路径分析方法、装置、设备及存储介质 |
CN116013541A (zh) * | 2023-01-03 | 2023-04-25 | 武汉博科国泰信息技术有限公司 | 一种用于结核病检测的资源配置方法和系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794342A (zh) * | 2009-09-30 | 2010-08-04 | 中国人民解放军防化指挥工程学院 | 基于非线性、变系数预测模型的传染病疫情预测分析方法 |
CN108009134A (zh) * | 2017-12-26 | 2018-05-08 | 武汉大学 | 一种人类活动信息挖掘方法 |
CN109087022A (zh) * | 2018-08-22 | 2018-12-25 | 北京三快在线科技有限公司 | 用户稳定性的分析方法、装置、介质及电子设备 |
JP2019040475A (ja) * | 2017-08-25 | 2019-03-14 | 日本電信電話株式会社 | 人流予測装置、システムおよびプログラム |
CN110795950A (zh) * | 2019-10-12 | 2020-02-14 | 李嘉杰 | 一种基于超高射频识别技术的展会人员定位方法 |
CN111430042A (zh) * | 2020-03-31 | 2020-07-17 | 南方科技大学 | 预测传染病传播的方法、装置、计算机设备和存储介质 |
CN111444279A (zh) * | 2020-04-03 | 2020-07-24 | 长春市万易科技有限公司 | 一种基于区块链的人员流动记录系统及方法 |
CN111639092A (zh) * | 2020-05-29 | 2020-09-08 | 京东城市(北京)数字科技有限公司 | 一种人员流动分析方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270998B (zh) * | 2020-09-23 | 2023-03-28 | 清华大学 | 区域内感染人员分布的评估方法及装置 |
-
2020
- 2020-09-23 CN CN202011009826.6A patent/CN112270998B/zh active Active
-
2021
- 2021-07-30 WO PCT/CN2021/109783 patent/WO2022062657A1/zh active Application Filing
-
2023
- 2023-03-22 US US18/188,028 patent/US20230223155A1/en not_active Abandoned
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794342A (zh) * | 2009-09-30 | 2010-08-04 | 中国人民解放军防化指挥工程学院 | 基于非线性、变系数预测模型的传染病疫情预测分析方法 |
JP2019040475A (ja) * | 2017-08-25 | 2019-03-14 | 日本電信電話株式会社 | 人流予測装置、システムおよびプログラム |
CN108009134A (zh) * | 2017-12-26 | 2018-05-08 | 武汉大学 | 一种人类活动信息挖掘方法 |
CN109087022A (zh) * | 2018-08-22 | 2018-12-25 | 北京三快在线科技有限公司 | 用户稳定性的分析方法、装置、介质及电子设备 |
CN110795950A (zh) * | 2019-10-12 | 2020-02-14 | 李嘉杰 | 一种基于超高射频识别技术的展会人员定位方法 |
CN111430042A (zh) * | 2020-03-31 | 2020-07-17 | 南方科技大学 | 预测传染病传播的方法、装置、计算机设备和存储介质 |
CN111444279A (zh) * | 2020-04-03 | 2020-07-24 | 长春市万易科技有限公司 | 一种基于区块链的人员流动记录系统及方法 |
CN111639092A (zh) * | 2020-05-29 | 2020-09-08 | 京东城市(北京)数字科技有限公司 | 一种人员流动分析方法、装置、电子设备及存储介质 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022062657A1 (zh) * | 2020-09-23 | 2022-03-31 | 清华大学 | 区域内感染人员分布的评估方法及装置 |
CN113517075A (zh) * | 2021-06-25 | 2021-10-19 | 联通(广东)产业互联网有限公司 | 一种基于传染病动力学的传染病预测方法、系统及介质 |
CN113591095A (zh) * | 2021-08-04 | 2021-11-02 | 百度在线网络技术(北京)有限公司 | 一种标识信息处理方法、装置及电子设备 |
CN113591095B (zh) * | 2021-08-04 | 2023-08-29 | 百度在线网络技术(北京)有限公司 | 一种标识信息处理方法、装置及电子设备 |
CN113793690A (zh) * | 2021-08-31 | 2021-12-14 | 医渡云(北京)技术有限公司 | 传染病的区域风险评估方法、装置、存储介质及设备 |
CN113793690B (zh) * | 2021-08-31 | 2024-03-12 | 医渡云(北京)技术有限公司 | 传染病的区域风险评估方法、装置、存储介质及设备 |
CN114420308A (zh) * | 2022-01-24 | 2022-04-29 | 平安国际智慧城市科技股份有限公司 | 传染病的传播路径分析方法、装置、设备及存储介质 |
CN116013541A (zh) * | 2023-01-03 | 2023-04-25 | 武汉博科国泰信息技术有限公司 | 一种用于结核病检测的资源配置方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2022062657A1 (zh) | 2022-03-31 |
US20230223155A1 (en) | 2023-07-13 |
CN112270998B (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112270998B (zh) | 区域内感染人员分布的评估方法及装置 | |
WO2021147481A1 (zh) | 监控方法、装置及电子设备 | |
CN111739658B (zh) | 基于输入病例预测传染病趋势的方法及装置 | |
CN111640515A (zh) | 区域的疫情风险确定方法、装置、计算机设备和存储介质 | |
JP6984705B2 (ja) | 監視システム、監視方法、およびプログラム | |
CN107658023A (zh) | 疾病预测方法、装置、介质和电子设备 | |
CN108182240A (zh) | 兴趣点新增率预测模型训练及预测方法、装置及存储介质 | |
CN107608778A (zh) | 应用程序管控方法、装置、存储介质及电子设备 | |
CN113392018B (zh) | 流量分发方法、装置、存储介质及电子设备 | |
CN111898061B (zh) | 搜索网络的方法、装置、电子设备和计算机可读介质 | |
JP7397738B2 (ja) | 集計装置 | |
CN112036519B (zh) | 基于多位sigmoid的分类处理方法、装置及电子设备 | |
CN112148448B (zh) | 资源分配方法、装置、设备和计算机可读介质 | |
CN114298421A (zh) | 用户的兴趣点预测模型的建模、使用方法及相关设备 | |
CN114047897A (zh) | 检测信息显示方法、装置、电子设备和计算机可读介质 | |
CN112700884A (zh) | 疫情防控有效性确定方法、装置、电子设备及介质 | |
CN115130026A (zh) | 目标对象的确定方法、装置、介质及电子设备 | |
CN112131468A (zh) | 推荐系统中的数据处理方法、装置 | |
CN116820539B (zh) | 一种基于互联网的系统软件运行维护系统及方法 | |
CN110377362A (zh) | 清理应用程序的方法、装置、终端及存储介质 | |
CN110401603A (zh) | 用于处理信息的方法和装置 | |
JP2019028687A (ja) | サーバ装置及びパンデミック予測方法 | |
CN114334161B (zh) | 模型训练方法、数据处理方法、装置、介质、电子设备 | |
Parnass et al. | Estimating emergency department crowding with stochastic population models | |
Alberts et al. | Channel agnostic healthcare for resource constrained environments |
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 |