CN112309582A - 一种基于居民活动出行数据的病毒传播预测方法 - Google Patents
一种基于居民活动出行数据的病毒传播预测方法 Download PDFInfo
- Publication number
- CN112309582A CN112309582A CN202011211840.4A CN202011211840A CN112309582A CN 112309582 A CN112309582 A CN 112309582A CN 202011211840 A CN202011211840 A CN 202011211840A CN 112309582 A CN112309582 A CN 112309582A
- Authority
- CN
- China
- Prior art keywords
- activity
- trip
- individual
- virus
- 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.)
- Withdrawn
Links
- 230000000694 effects Effects 0.000 title claims abstract description 65
- 241000700605 Viruses Species 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004088 simulation Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 8
- 238000012800 visualization Methods 0.000 claims abstract description 7
- 230000006399 behavior Effects 0.000 claims description 3
- 230000029305 taxis Effects 0.000 claims description 3
- ONSIBMFFLJKTPT-UHFFFAOYSA-L zinc;2,3,4,5,6-pentachlorobenzenethiolate Chemical compound [Zn+2].[S-]C1=C(Cl)C(Cl)=C(Cl)C(Cl)=C1Cl.[S-]C1=C(Cl)C(Cl)=C(Cl)C(Cl)=C1Cl ONSIBMFFLJKTPT-UHFFFAOYSA-L 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims 1
- 230000002265 prevention Effects 0.000 abstract description 9
- 238000004364 calculation method Methods 0.000 abstract description 5
- 210000004027 cell Anatomy 0.000 description 12
- 230000009385 viral infection Effects 0.000 description 6
- 208000036142 Viral infection Diseases 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000003612 virological effect Effects 0.000 description 3
- 241000271566 Aves Species 0.000 description 2
- 241000124008 Mammalia Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000000845 anti-microbial effect Effects 0.000 description 2
- 230000000840 anti-viral effect Effects 0.000 description 2
- 239000004599 antimicrobial Substances 0.000 description 2
- 210000000170 cell membrane Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 150000007523 nucleic acids Chemical class 0.000 description 2
- 102000039446 nucleic acids Human genes 0.000 description 2
- 108020004707 nucleic acids Proteins 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 201000004647 tinea pedis Diseases 0.000 description 2
- 241000712461 unidentified influenza virus Species 0.000 description 2
- 241000193738 Bacillus anthracis Species 0.000 description 1
- 206010010741 Conjunctivitis Diseases 0.000 description 1
- 241000709687 Coxsackievirus Species 0.000 description 1
- 206010011416 Croup infectious Diseases 0.000 description 1
- 201000011001 Ebola Hemorrhagic Fever Diseases 0.000 description 1
- 208000030820 Ebola disease Diseases 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 206010016952 Food poisoning Diseases 0.000 description 1
- 208000019331 Foodborne disease Diseases 0.000 description 1
- 208000007212 Foot-and-Mouth Disease Diseases 0.000 description 1
- 241000710198 Foot-and-mouth disease virus Species 0.000 description 1
- 208000004898 Herpes Labialis Diseases 0.000 description 1
- 206010021531 Impetigo Diseases 0.000 description 1
- 239000000232 Lipid Bilayer Substances 0.000 description 1
- 206010067152 Oral herpes Diseases 0.000 description 1
- 241000593989 Scardinius erythrophthalmus Species 0.000 description 1
- 206010061372 Streptococcal infection Diseases 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 201000010549 croup Diseases 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000000249 desinfective effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 206010013023 diphtheria Diseases 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 206010022000 influenza Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 230000005923 long-lasting effect Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 230000001617 migratory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 244000309711 non-enveloped viruses Species 0.000 description 1
- 244000000042 obligate parasite Species 0.000 description 1
- 150000007524 organic acids Chemical class 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- BWMISRWJRUSYEX-SZKNIZGXSA-N terbinafine hydrochloride Chemical compound Cl.C1=CC=C2C(CN(C\C=C\C#CC(C)(C)C)C)=CC=CC2=C1 BWMISRWJRUSYEX-SZKNIZGXSA-N 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Epidemiology (AREA)
- Tourism & Hospitality (AREA)
- Biomedical Technology (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Pathology (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于居民活动出行数据的病毒传播预测方法，涉及传播预测技术领域，预先获取个体单位活动出行数据信息，确定个体单位不同的活动地点与其他个体活动地点之间的空间距离，并判断个体单位之间的空间距离和判断发生近距离接触的个体之间是否有时间重叠，以及标定模拟天数，进行数据迭代计算，并对结果数据进行统计和空间可视化，确定病毒在个体单位间传播的时间和空间特征。本发明实现能够动态模拟真实目标区域环境中病毒在个体单位间的动态传播，以空间分布为基础进行模拟预测，能够反映出病毒传播过程中在一定时期内在空间中的传播特征，能够及时的采取相应的防疫措施，有效降低个体单位间的传播概率。
Description
技术领域
本发明涉及传播预测技术领域，具体来说，涉及一种基于居民活动出行数据的病毒传播预测方法。
背景技术
人健康受每天遇到的多种微生物的影响。特别地，与环境中的各种微生物接触在哺乳动物中可以导致可能严重或致死的病。例如，微生物污染可以导致多种病，包括但不限于食物中毒、链球菌感染、炭疽(皮肤)、流感、足癣(athlete's foot)、感冒疮、结膜炎(“红眼”)、柯萨奇病毒(手足口病)、哮吼、白喉(皮肤)、埃博拉出血热和脓疱病。病毒是主要关心的一类病原体。病毒感染在人发病率的最大原因中，其中在发达国家中人的病的所有发作中的估计60％或更多起因于病毒感染。此外，病毒几乎感染自然界中的每一种生物，其中在鸟(包括家禽和候鸟)和哺乳动物(包括人、宠物、家畜和动物园样品)中存在高病毒感染率。
病毒显示出在结构和生活史中广泛的多样性。病毒颗粒是固有的专性寄生物，且已进化为在细胞间转移遗传物质，且编码足够的信息以确保其繁殖。以最基本的形式，病毒由包装在简单蛋白质壳中的核酸小区段组成。病毒之间最广泛的区别是有包膜和无包膜病毒，即分别包含或不包含脂双层膜的那些。
病毒仅在活细胞内繁殖。病毒遇到的主要障碍是进入细胞内，所述细胞由厚度比得上病毒大小的细胞膜保护。为了穿透细胞，病毒首先必须变得与细胞表面附着。病毒关于某一类型的细胞的许多特异性存在于其与那种特定细胞的表面附着的能力。持久接触对于病毒感染宿主细胞是重要的，并且病毒和细胞表面相互作用的能力是病毒和宿主细胞两者的性质。病毒和宿主细胞膜的融合允许完整的病毒颗粒进入细胞，或在某些情况下仅其传染性核酸进入细胞。因此为了控制病毒感染，重要的是快速杀死接触皮肤的病毒，并且理想地在皮肤或硬表面上提供持久的抗病毒活性，以控制病毒感染。
因此，亟需一种基于居民活动出行数据的病毒传播预测方法。
检索发明专利CN101500418A公开了具有针对流感病毒包括禽流感病毒的快速和持久的抗病毒效力的抗微生物组合物。抗微生物组合物包含消毒醇、有机酸和水，其中所述组合物具有约5或更小的pH，并且所述组合物的非挥发性组分能够在被处理表面上形成屏障薄膜或层。但其仅能抑制病毒传播不能进行有效的进行模拟防疫措施，不能进行在防疫措施下获取病毒感染人数的时间和空间变化特征。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题，本发明提出一种基于居民活动出行数据的病毒传播预测方法，实现能够动态模拟真实目标区域环境中病毒在个体单位间的动态传播，通过动态传播模拟结果的分析，可以识别高风险区域、高风险人群，以空间分布为基础进行模拟预测，能够反映出病毒传播过程中在一定时期内在空间中的传播特征，能够及时的采取相应的防疫措施，有效降低个体单位间的传播概率，以克服现有相关技术所存在的上述技术问题。
本发明的技术方案是这样实现的：
一种基于居民活动出行数据的病毒传播预测方法，包括以下步骤：
步骤S1，预先获取个体单位活动出行数据信息，其中包括获取个体单位活动地点坐标信息、出行信息、出行地点和出行时间；
步骤S2，确定个体单位不同的活动地点与其他个体活动地点之间的空间距离Dij，并判断个体单位之间的空间距离是否小于设定的空间接触阈值Dmin和判断发生近距离接触的个体之间是否有时间重叠；
步骤S3，标定病毒的传播概率P值；
步骤S4，基于病毒的传播概率P值，对于存在时空接触的个体单位i和个体单位j之间，个体中已经有感染者，在近距离的接触过程中，与其近距离接触者就有P的概率被感染；
步骤S5，标定模拟天数，进行数据迭代计算，其中一次迭代计算的结果作为下一次迭代计算的初始变量，并对结果数据进行统计和空间可视化，确定病毒在个体单位间传播的时间和空间特征。
其中，步骤所述预先获取个体单位活动出行数据信息，还包括：
获取个体单位活动出行数据，其中包括个体单位24h中的完整的活动出行行为，至少包括出行目的、出行方式、出行地点和出行时间；
将获取的个体单位活动出行数据以可扩展标记语言格式进行存储，并作为信息输入数据。
其中，所述出行目的至少包括家、工作、购物、上学、休闲和探亲访友；所述出行方式至少包括小汽车、公交、自行车、电动自行车、步行、出租车、和搭乘；所述出行地点为目标区域的平面坐标值特征信息；所述出行时间为24h。
其中，步骤所述判断个体单位之间的空间距离是否小于设定的空间接触阈值Dmin，包括以下步骤：
若Dij≥Dmin则个体之间没有发生近距离接触；
若Dij≤Dmin，则进行重新确定个体单位不同的活动地点与其他个体单位活动地点之间的空间距离Dij。
其中，步骤所述发生近距离接触的个体之间是否有时间重叠，还包括：
标定个体单位i和个体单位j在某一地点活动的开始时间为Ti_start和Tj_start，活动的结束时间为Ti_end和Tj_end；
若Ti_start＞Tj_end或Ti_end＜Tj_start则个体单位i和个体单位j之间没有时间接触，反之个体单位i和个体单位j之间就存在时空接触。
本发明的有益效果：
本发明基于居民活动出行数据的病毒传播预测方法，通过预先获取个体单位活动出行数据信息，确定个体单位不同的活动地点与其他个体活动地点之间的空间距离，并判断个体单位之间的空间距离和判断发生近距离接触的个体之间是否有时间重叠，以及标定模拟天数，进行数据迭代计算，并对结果数据进行统计和空间可视化，确定病毒在个体单位间传播的时间和空间特征，实现能够动态模拟真实目标区域环境中病毒在个体单位间的动态传播，通过动态传播模拟结果的分析，可以识别高风险区域、高风险人群，以空间分布为基础进行模拟预测，能够反映出病毒传播过程中在一定时期内在空间中的传播特征，能够及时的采取相应的防疫措施，有效降低个体单位间的传播概率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种基于居民活动出行数据的病毒传播预测方法的流程示意图；
图2是根据本发明实施例的一种基于居民活动出行数据的病毒传播预测方法的判断示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
根据本发明的实施例，提供了一种基于居民活动出行数据的病毒传播预测方法。
如图1-图2所示，根据本发明实施例的基于居民活动出行数据的病毒传播预测方法，包括以下步骤：
步骤S1，预先获取个体单位活动出行数据信息，其中包括获取个体单位活动地点坐标信息、出行信息、出行地点和出行时间；
步骤S2，确定个体单位不同的活动地点与其他个体活动地点之间的空间距离Dij，并判断个体单位之间的空间距离是否小于设定的空间接触阈值Dmin和判断发生近距离接触的个体之间是否有时间重叠；
步骤S3，标定病毒的传播概率P值；
步骤S4，基于病毒的传播概率P值，对于存在时空接触的个体单位i和个体单位j之间，个体中已经有感染者，在近距离的接触过程中，与其近距离接触者就有P的概率被感染；
步骤S5，标定模拟天数，进行数据迭代计算，其中一次迭代计算的结果作为下一次迭代计算的初始变量，并对结果数据进行统计和空间可视化，确定病毒在个体单位间传播的时间和空间特征。
另外，具体的，其对调查获取的居民活动出行数据进行处理，该数据涵盖居民一天(24h)中的完整的活动出行行为，包括其出行目的、出行方式、出行地点和出行时间。其中出行目的包括家、工作、购物、上学、休闲、探亲访友和其他7类，出行方式包括小汽车、公交、自行车、电动自行车、步行、出租车、搭乘和其他8类，出行地点为研究区域的平面坐标值，出行时间采用24h，并将这些数据以XML(可扩展标记语言)格式进行存储。
另外，假设近距离接触可以导致病毒的人际间传播，因此在日常的活动出行过程中，在同一地点同一时间的持续活动和出行过程中同一时间共乘同一辆公交车辆就存在病毒传播的可能，病毒在人际间的传播具有一定的随机性。
另外，根据相关医学研究，确定某一种病毒的传播概率P值。
其中，根据活动出行数据中的活动地点坐标，计算每个个体单位不同的活动地点与其他个体单位活动地点之间的空间距离Dij。
其中，判断个体单位之间的空间距离是否小于设定的空间接触阈值Dmin，如果Dij≥Dmin则个体单位之间没有发生近距离接触，如果Dij≤Dmin，则进行步骤四。
其中，判断发生近距离接触的个体单位之间是否有时间重叠，设个体单位i和j在某一地点活动的开始时间为Ti_start和Tj_start，活动的结束时间为Ti_end和Tj_end，如果Ti_start＞Tj_end或Ti_end＜Tj_start则个体单位i和j之间没有时间接触，反之个体单位i和j之间就存在时空接触。
其中，对于存在时空接触的个体单位i和j之间，设定病毒感染概率P，如果个体单位中已经有感染者，在近距离的接触过程中，与其近距离接触者就有P的概率被感染。
其中，判断个体单位是否在同一时间乘坐同一辆公交车辆，如果个体单位在同一时间同乘一辆公交车，且存在已感染个体单位，则同一时间车辆内其他个体单位就有P的概率被感染。
其中，一次迭代计算的结果作为下一次迭代计算的初始变量，按上述步骤进行迭代计算，每一次迭代相当于经历了一天，直到达到设定的模拟天数。
其中，对结果数据进行统计和空间可视化，分析病毒在人际间传播的时间和空间特征。
其中，模拟适当的防疫措施。在病毒传播期间，如果能够及早的采取相应的防疫措施，可以有效降低人际间的传播概率,在模型中，我们通过改变感染概率P值，模拟不同的防疫措施下病毒感染人数的时间和空间变化特征。
综上所述，借助于本发明的上述技术方案，通过预先获取个体单位活动出行数据信息，确定个体单位不同的活动地点与其他个体活动地点之间的空间距离，并判断个体单位之间的空间距离和判断发生近距离接触的个体之间是否有时间重叠，以及标定模拟天数，进行数据迭代计算，并对结果数据进行统计和空间可视化，确定病毒在个体单位间传播的时间和空间特征，实现能够动态模拟真实目标区域环境中病毒在个体单位间的动态传播，通过动态传播模拟结果的分析，可以识别高风险区域、高风险人群，以空间分布为基础进行模拟预测，能够反映出病毒传播过程中在一定时期内在空间中的传播特征，能够及时的采取相应的防疫措施，有效降低个体单位间的传播概率。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于居民活动出行数据的病毒传播预测方法，其特征在于，包括以下步骤：
预先获取个体单位活动出行数据信息，其中包括获取个体单位活动地点坐标信息、出行信息、出行地点和出行时间；
确定个体单位不同的活动地点与其他个体活动地点之间的空间距离Dij，并判断个体单位之间的空间距离是否小于设定的空间接触阈值Dmin和判断发生近距离接触的个体之间是否有时间重叠；
标定病毒的传播概率P值；
基于病毒的传播概率P值，对于存在时空接触的个体单位i和个体单位j之间，个体中已经有感染者，在近距离的接触过程中，与其近距离接触者就有P的概率被感染；
标定模拟天数，进行数据迭代计算，其中一次迭代计算的结果作为下一次迭代计算的初始变量，并对结果数据进行统计和空间可视化，确定病毒在个体单位间传播的时间和空间特征。
2.根据权利要求1所述的基于居民活动出行数据的病毒传播预测方法，其特征在于，步骤所述预先获取个体单位活动出行数据信息，还包括：
获取个体单位活动出行数据，其中包括个体单位24h中的完整的活动出行行为，至少包括出行目的、出行方式、出行地点和出行时间；
将获取的个体单位活动出行数据以可扩展标记语言格式进行存储，并作为信息输入数据。
3.根据权利要求2所述的基于居民活动出行数据的病毒传播预测方法，其特征在于，所述出行目的至少包括家、工作、购物、上学、休闲和探亲访友；所述出行方式至少包括小汽车、公交、自行车、电动自行车、步行、出租车、和搭乘；所述出行地点为目标区域的平面坐标值特征信息；所述出行时间为24h。
4.根据权利要求1所述的基于居民活动出行数据的病毒传播预测方法，其特征在于，步骤所述判断个体单位之间的空间距离是否小于设定的空间接触阈值Dmin，包括以下步骤：
若Dij≥Dmin则个体之间没有发生近距离接触；
若Dij≤Dmin，则进行重新确定个体单位不同的活动地点与其他个体单位活动地点之间的空间距离Dij。
5.根据权利要求4所述的基于居民活动出行数据的病毒传播预测方法，其特征在于，步骤所述发生近距离接触的个体之间是否有时间重叠，还包括：
标定个体单位i和个体单位j在某一地点活动的开始时间为Ti_start和Tj_start，活动的结束时间为Ti_end和Tj_end；
若Ti_start＞Tj_end或Ti_end＜Tj_start则个体单位i和个体单位j之间没有时间接触，反之个体单位i和个体单位j之间就存在时空接触。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011211840.4A CN112309582A (zh) | 2020-11-03 | 2020-11-03 | 一种基于居民活动出行数据的病毒传播预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011211840.4A CN112309582A (zh) | 2020-11-03 | 2020-11-03 | 一种基于居民活动出行数据的病毒传播预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112309582A true CN112309582A (zh) | 2021-02-02 |
Family
ID=74332944
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011211840.4A Withdrawn CN112309582A (zh) | 2020-11-03 | 2020-11-03 | 一种基于居民活动出行数据的病毒传播预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112309582A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113270202A (zh) * | 2021-06-11 | 2021-08-17 | 上海海事大学 | 一种基于场论的病毒传播预测方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN111739653A (zh) * | 2020-06-19 | 2020-10-02 | 南方科技大学 | 传染病传播的评估方法、装置、计算机设备和存储介质 |
-
2020
- 2020-11-03 CN CN202011211840.4A patent/CN112309582A/zh not_active Withdrawn
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN111739653A (zh) * | 2020-06-19 | 2020-10-02 | 南方科技大学 | 传染病传播的评估方法、装置、计算机设备和存储介质 |
Non-Patent Citations (6)
| Title |
|---|
| 应申;徐雅洁;窦小影;陈学业;赵军;郭晗;: "地理位置关联的COVID-19传播时空分析", 武汉大学学报(信息科学版), no. 06, 5 June 2020 (2020-06-05) * |
| 张毅;王雪成;毕清华;: "基于新型冠状病毒传播机理的交通出行易感度研究", 交通运输研究, no. 01, 15 February 2020 (2020-02-15) * |
| 房志明;徐韵如;黄芳旧;黄中意;李晓恋;庄磊;陈国庆;宋卫国;: "考虑人员流动的邮轮空间传染病模型研究", 武汉理工大学学报(信息与管理工程版), no. 04, 15 August 2020 (2020-08-15) * |
| 梅珊;何华;朱一凡;: "空气传播传染病城市扩散建模", 管理评论, no. 08, 31 August 2016 (2016-08-31) * |
| 潘海啸、崔毅: "基于微观仿真出行模型的病毒时空扩散分布与控制", 城市交通, 26 May 2020 (2020-05-26), pages 62 - 69 * |
| 雷斌;刘星良;曹振;郝亚睿;张源;陈新苗;: "COVID-19在城市轨道交通系统内的传播建模与预测", 交通运输工程学报, no. 03, 15 June 2020 (2020-06-15) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113270202A (zh) * | 2021-06-11 | 2021-08-17 | 上海海事大学 | 一种基于场论的病毒传播预测方法 |
| CN113270202B (zh) * | 2021-06-11 | 2024-01-23 | 上海海事大学 | 一种基于场论的病毒传播预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Straif-Bourgeois et al. | Infectious disease epidemiology | |
| Alexander et al. | The ecology of pathogen spillover and disease emergence at the human-wildlife-environment interface | |
| Carvalho et al. | Historical amphibian declines and extinctions in Brazil linked to chytridiomycosis | |
| Dellicour et al. | Using viral gene sequences to compare and explain the heterogeneous spatial dynamics of virus epidemics | |
| Messina et al. | The global distribution of Crimean-Congo hemorrhagic fever | |
| Simpson et al. | Vector host-feeding preferences drive transmission of multi-host pathogens: West Nile virus as a model system | |
| Garwood et al. | Removal of chronic Mycoplasma ovipneumoniae carrier ewes eliminates pneumonia in a bighorn sheep population | |
| Eskew et al. | Gene expression differs in susceptible and resistant amphibians exposed to Batrachochytrium dendrobatidis | |
| Gonzalez et al. | Global spread of hemorrhagic fever viruses: predicting pandemics | |
| Gaudart et al. | Demography and diffusion in epidemics: malaria and black death spread | |
| Chanprasopchai et al. | Effect of rainfall for the dynamical transmission model of the dengue disease in Thailand | |
| Chiarello et al. | Captive bottlenose dolphins and killer whales harbor a species-specific skin microbiota that varies among individuals | |
| Datta et al. | Modelling the spread of American foulbrood in honeybees | |
| Cullingham et al. | Combining direct and indirect genetic methods to estimate dispersal for informing wildlife disease management decisions | |
| Ibrahim et al. | Predictive analysis effectiveness in determining the epidemic disease infected area | |
| CN112309582A (zh) | 一种基于居民活动出行数据的病毒传播预测方法 | |
| Kim et al. | The role of livestock movements in the spread of Rift Valley fever virus in animals and humans in Mayotte, 2018–19 | |
| Oppedisano et al. | Importance of psyllids’ life stage in the epidemiology of apple proliferation phytoplasma | |
| Yap et al. | Invasion of the fungal pathogen Batrachochytrium dendrobatidis on California islands | |
| Bauer et al. | Interdisciplinary studies on Coxiella burnetii: From molecular to cellular, to host, to one health research | |
| Kanamori et al. | Rethinking One Health approach in the challenging era of COVID-19 pandemic and natural disasters | |
| de Freitas Costa et al. | The effect of temperature on the boundary conditions of West Nile virus circulation in Europe | |
| Simpson et al. | Broad, multi-year sampling effort highlights complex dynamics of the tick-borne pathogen Ehrlichia chaffeensis (Rickettsiales: Anaplasmatacae) | |
| Chen et al. | Introduction to analyzing and modeling spatial and temporal dynamics of infectious diseases | |
| Deka | The geographic distribution of Crimean-Congo hemorrhagic fever in Tajikistan and central Asia |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210202 |
|
| WW01 | Invention patent application withdrawn after publication |