CN112530600A - 传染病的溯源方法、装置、电子设备及存储介质 - Google Patents

传染病的溯源方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112530600A
CN112530600A CN202011242198.6A CN202011242198A CN112530600A CN 112530600 A CN112530600 A CN 112530600A CN 202011242198 A CN202011242198 A CN 202011242198A CN 112530600 A CN112530600 A CN 112530600A
Authority
CN
China
Prior art keywords
telecommunication
target patient
base station
track data
time
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.)
Pending
Application number
CN202011242198.6A
Other languages
English (en)
Inventor
郭夏玮
涂威威
戴振衡
岳凌
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.)
4Paradigm Beijing Technology Co Ltd
Original Assignee
4Paradigm Beijing Technology Co Ltd
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 4Paradigm Beijing Technology Co Ltd filed Critical 4Paradigm Beijing Technology Co Ltd
Priority to CN202011242198.6A priority Critical patent/CN112530600A/zh
Publication of CN112530600A publication Critical patent/CN112530600A/zh
Pending legal-status Critical Current

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
    • 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
    • G06Q50/265—Personal security, identity or safety
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3236—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using cryptographic hash functions

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Signal Processing (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本公开实施例公开了一种传染病的溯源方法、装置、设备及存储介质，该方法包括：根据传染病诊疗数据获取目标病患群；获取目标病患群的电信轨迹数据；根据所述电信轨迹数据构建传播关系链；基于所述传播关系链找出所述传染病的传染源头。

Description

传染病的溯源方法、装置、电子设备及存储介质
技术领域
本发明涉及公共卫生安全领域，更具体地，涉及一种传染病的溯源方法、一种传染病的溯源装置、一种电子设备、及一种计算机可读存储介质。
背景技术
传染病在发生过程中，其传染源头往往难以追溯，例如2019年末-2020年初发生的ncov-19病毒流行事件，其被发现于华南海鲜市场开始暴发传播，但是其源头病人一直难以确定。现有医学上通常只能通过跟踪访问和病毒分析等流行病学调查来查找传染源头，工作困难且工作量十分巨大。
发明内容
有鉴于此，本公开实施例的一个目的是提供一种传染病的溯源的新的技术方案。
根据本公开的第一方面，提供一种传染病的溯源方法，其包括：
根据传染病诊疗数据获取目标病患群；
获取目标病患群的电信轨迹数据；
根据所述电信轨迹数据构建传播关系链；
基于所述传播关系链找出所述传染病的传染源头。
根据本公开的第二方面，还提供一种传染病的溯源装置，其包括：
第一获取模块，用于根据传染病诊疗数据获取目标病患群；
第二获取模块，用于获取目标病患群的电信轨迹数据；
构建模块，用于根据所述电信轨迹数据构建传播关系链；
查找模块，用于基于所述传播关系链找出所述传染病的传染源头。
根据本公开的第三方面，还提供一种包括至少一个计算装置和至少一个存储装置的设备，其中，所述至少一个存储装置用于存储指令，所述指令用于控制所述至少一个计算装置执行根据以上第一方面所述的方法。
根据本公开的第四方面，还提供一种计算机可读存储介质，其中，其上存储有计算机程序，所述计算机程序在被处理器执行时实现如以上第一方面所述的方法。
本公开的一个有益效果在于，根据本公开实施例的技术方案，能够根据传染病诊疗数据获取目标病患群，并进一步获取目标病患群的电信轨迹数据，以根据电信轨迹数据构建传播关系链，进而基于传播关系链找出传染病的传染源头，即，本公开实施例中结合了电信轨迹数据和传染病诊疗数据来寻找和分析传染病的传播关系链，进而确定传染病的传染源头，减少了大量的人力工作，使得传染病溯源工作更加高效与准确。
附图说明
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
图1是显示可用于实现本公开的实施例的电子设备的硬件配置的例子的框图；
图2示出了本公开实施例的传染病的溯源方法的流程示意图；
图3a示出了本公开实施例的潜在传播关系图的示意图；
图3b～图3d示出了本公开实施例的传播关系链的示意图；
图4示出了本公开实施例的传播关系链的展示信息图；
图5示出了本公开实施例的传染病的溯源装置的原理框图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
下面，参照附图描述根据本发明实施例的各个实施例和例子。
<硬件配置>
本公开实施例的方法可以由至少一台电子设备实施，即，用于实施该方法的装置4000可以布置在该至少一台电子设备上。图1示出了任意电子设备的硬件结构。图1所示的电子设备可以是便携式电脑、台式计算机、工作站、服务器等，也可以是任意的具有处理器等计算装置和存储器等存储装置的其他设备，在此不做限定。
如图1所示，该电子设备1000可以包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600、扬声器1700、麦克风1800等等。其中，处理器1100用于执行计算机程序。该计算机程序可以采用比如x86、Arm、RISC、MIPS、SSE等架构的指令集编写。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、耳机接口等。通信装置1400例如能够进行有线或无线通信，具体地可以包括Wifi通信、蓝牙通信、2G/3G/4G/5G通信等。显示装置1500例如是液晶显示屏、触摸显示屏等。输入装置1600例如可以包括触摸屏、键盘、体感输入等。电子设备1000可以通过扬声器1700输出语音信息，及可以通过麦克风1800采集语音信息等。
图1所示的电子设备仅仅是说明性的并且决不意味着对本发明、其应用或使用的任何限制。应用于本公开的实施例中，电子设备1000的所述存储器1200用于存储指令，所述指令用于控制所述处理器1100进行操作以执行本公开实施例的传染病的溯源方法。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。
在一个实施例中，提供了一种包括至少一个计算装置和至少一个存储装置的设备，该至少一个存储装置用于存储指令，该指令用于控制该至少一个计算装置执行根据本公开任意实施例的方法。
该设备可以包括至少一台图1所示的电子设备1000，以提供至少一个例如是处理器的计算装置和至少一个例如是存储器的存储装置，在此不做限定。
<方法实施例>
在本实施例中，提供一种传染病的溯源方法，该传染病的溯源方法可以是由电子设备实施，该电子设备可以是如图1所示的电子设备1000，电子设备1000可以是服务器，也可以是终端设备。即，本实施例的方法可以是由服务器实施，也可以是由终端设备实施，还可以是由服务器和终端设备共同实施。
在本实施例的方法有终端设备参与实施的应用中，交互可以包括人机交互。在本实施例的方法有服务器参与实施的应用中，交互可以包括服务器与终端设备之间的交互。
根据图2所示，本实施例的传染病的溯源方法可以包括如下步骤S2100～S2400：
步骤S2100，根据传染病诊疗数据获取目标病患群。
本实施例中的传染病诊疗数据是传染病诊疗系统中通过记录患病信息生成的数据，通常，每一患病信息对应一条诊疗数据。
传染病诊疗数据中的每条传染病诊疗数据包括病患身份标识，以及包括患病时间和确诊时间之中任意一个或两个，可以理解的是，患病时间通常小于或等于确诊时间。以上身份标识用于唯一标识病患，该身份标识可以是病患的身份证号码，当然，该身份标识还可以是能够唯一标识该病患的其他标识，例如护照号码、社保卡号等等，本实施例在此不做限定。
本实施例中，对病患身份标识进行加密，以保证数据的安全性，保护个人隐私。例如可以利用加密哈希函数对病患身份标识进行哈希处理，以获得密文信息，该加密哈希函数可以是能够实现哈希处理的任意函数，例如但不限于是MD5消息摘要算法、数字签名算法(Digital Signature Algorithm，DSA)和PBKDF2算法。上述密文信息可以是字符串信息，例如为dccbsfg，也可以是字符和数字的组合信息，例如为f4dcc3b5aa，在此不做限定。
该步骤S2100中，目标病患群至少可以表示：在传染病系统中记录的各类传染病中，被选定为要求进行传染病溯源的传染病对应的目标病患群，即，目标病患群具有特定的传染病类别，例如，目标病患群由ncov-19传染病的目标病患组成的；又例如，目标病患群由SARS-CoV传染病的目标病患组成的等。
该步骤S2100中，目标病患群至少还可以表示：对于任意具体类型的传染病的早期发病的预定数量的病患。该预定数量可以是根据传染病的传播速度进行设置，例如可以是选取ncov-19传染病的早期发病的50人或者是100人，具体人数根据实际情况和需求确定。
在本实施例中，该步骤S2100中根据传染病诊疗数据获取目标病患群可以进一步包括：
根据患病时间或确诊时间从早到晚进行排序，获取患病时间或确诊时间最早的预定数量的病患组成目标病患群。
例如，可以是根据患病时间从早到晚进行排序，并选取前预定数量的病患组成目标病患群，例如选取ncov-19传染病的患病时间最早的前50人或者是100人组成目标病患群。
又例如，可以是根据确诊时间从早到晚进行排序，并选取前预定数量的病患组成目标病患群，例如选取ncov-19传染病的确诊时间最早的前50人或者是100人组成目标病患群。
步骤S2200，获取目标病患群的电信轨迹数据。
本实施例中的电信轨迹数据是从电信数据系统中得到的，该电信数据系统中的电信轨迹数据是来自于移动运营商的基站检测数据。
电信轨迹数据中的每一条电信轨迹数据至少包括病患身份标识、手机号码、基站检测时间和基站位置信息，该基准位置信息包括经度信息和纬度信息，例如该基站位置信息可以表示为(Xt,Yt)，其中，Xt为t时刻的经度值，Yt为t时刻的纬度值，t即为基站位置信息所对应的时间戳。
本实施例中，可以是对病患身份标识和手机号码分别进行加密，以保证数据的安全性以及避免个人隐私的泄露。例如可以利用以上任意一个加密哈希函数对病患身份标识和手机号码进行哈希处理，以获得密文信息。
在本实施例中，该步骤S2200中获取目标病患群的电信轨迹数据可以进一步包括如下步骤S2210～S2220：
步骤S2210，获取目标病患群中的每个目标病患的身份标识对应的手机号码。
本步骤S2210中，该身份标识可以是身份证号，例如可以是获取目标病患群中的每个目标病患的身份证号对应的手机号码，一个身份证号可以对应一个或多个手机号码。
步骤S2220，基于目标病患群中的每个目标病患的身份标识对应的手机号码，获取该目标病患患病时间或确诊时间前后预定时间范围内的电信轨迹数据。
该预定时间范围可以是根据传染病的传播速度进行设置。
例如可以获取目标病患患病时间前后10天以内(总共20天)的电信轨迹数据。又例如也可以获取目标病患确诊时间前后10天以内(总共20天)的电信轨迹数据。
步骤S2300，根据电信轨迹数据构建传播关系链。
该步骤S2300中，电子设备1000可以基于电信轨迹数据，来确定目标病患群中各个目标病患之间的关联性，进而构建由相关联的各个目标病患组成的传播关系链。
在一个实施例中，本步骤S2300中根据电信轨迹数据构建传播关系链可以进一步包括如下步骤S2311～S2312：
步骤S2311，对电信轨迹数据进行预处理。
在一个例子中，可以对电信轨迹数据进行过滤处理，以解决电信轨迹数据漂移的问题，电信轨迹数据的数据漂移是指由于信息收集、基站检测信号震荡等原因产生的轨迹点不准确，而这些不准确的轨迹点需要被检测和滤除。
该例子中，该步骤S2311中对电信轨迹数据进行预处理可以包括对电信轨迹数据进行第一过滤处理，具体包括如下步骤S2311-1～S2311-2：
步骤S2311-1，对于每个目标病患的电信轨迹数据，计算每条电信轨迹数据对应的轨迹点的速度和/或加速度。
本步骤S2311-1中，该条电信轨迹数据对应的轨迹点的速度可以是根据上一条电信轨迹数据的轨迹点和该条电信轨迹数据对应的轨迹点的位置信息计算，例如可以是根据上一条电信轨迹数据的轨迹点和该条电信轨迹数据对应的轨迹点的经度与纬度相差来计算。
本步骤S2311-1中，该条电信轨迹数据对应的轨迹点的加速度可以是根据上一条电信轨迹数据的轨迹点和该条电信轨迹数据对应的轨迹点的速度来计算。
步骤S2311-2，过滤掉速度和/或加速度不合理的轨迹点对应的电信轨迹数据。
本步骤S2311-2中，根据以上步骤S2311-1获得每个目标病患的每条电信轨迹数据对应的轨迹点的速度和/或加速度之后，便可计算每个目标病患在对应的轨迹点的速度幅度和加速度幅度，通常情况下，轨迹点漂移会导致目标病患在某一个轨迹点产生一个理论上不可能的速度和/或加速度，因此，过滤掉速度和/或加速度不合理的轨迹点对应的电信轨迹数据，便可实现对电信轨迹数据的修正和过滤。
在一个例子中，该步骤S2311中对电信轨迹数据进行预处理可以包括对电信轨迹数据进行合并处理，具体包括如下步骤S2311-3：
步骤S2311-3，对于每个目标病患的电信轨迹数据，将同一个基站检测到的连续多条电信轨迹数据进行合并，只保留基站检测时间最早的一条电信轨迹数据。
根据本步骤S2311-3，对于每个目标病患而言，基站检测时间相邻的同一个基站检测到的连续多条电信轨迹数据会被合并，仅保留基站检测时间最早的一条电信轨迹数据。
本步骤S2311-3中，对于每个目标病患的电信轨迹数据，在进行合并处理后得到的电信轨迹数据中，任意基站检测时间相邻的两条电信轨迹数据对应不同的基站。
在一个例子中，对于每个目标病患的电信轨迹数据，可以在进行合并处理后得到的每条电信轨迹数据中添加目标病患离开基站时间字段。
对于每条电信轨迹数据，将该条电信轨迹数据的基站检测时间，作为其前一条电信轨迹数据的目标病患离开基站所在位置的时间，而每条电信轨迹数据中的基站检测时间即为目标病患来到基站所在位置的时间。换句话说，对于每个目标病患的合并处理后得到的每条电信轨迹数据，将其下一条电信轨迹数据中的基站检测时间添加到该条电信轨迹数据中，作为该目标病患离开该基站所在位置的时间，而该条电信轨迹数据中的原本的基站检测时间即为目标病患来到该基站所在位置的时间。
本例子中，电信轨迹数据中的每一条电信轨迹数据至少包括病患身份标识、病患手机号码、病患来到基站所在位置的时间和病患离开基站所在位置的时间。
在本公开的实施例中，也可以通过其他方式进行处理得到至少包括病患身份标识、病患手机号码、病患来到基站所在位置的时间和病患离开基站所在位置的时间的电信轨迹数据。即通过何种方式获得这样的电信轨迹数据的过程，不影响后面的步骤S2312。
步骤S2312，利用进行预处理后的电信轨迹数据构建传播关系链。
在一个实施例中，本步骤S2300中根据电信轨迹数据构建传播关系链还可以进一步包括如下步骤S2321～S2324：
步骤S2321，获取电信轨迹数据中涉及的所有基站。
本步骤S2321中的电信轨迹数据可以为根据以上步骤S2311中的进行预处理后的电信轨迹数据，也可以是通过其他方式处理得到的电信轨迹数据，总之，该电信轨迹数据中的每一条电信轨迹数据至少包括病患身份标识、手机号码、病患来到基站所在位置的时间和病患离开基站所在位置的时间。电信轨迹数据中涉及到的所有基站例如可以包括基站1、基站2、基站3等等。
步骤S2322，对于每一基站，获取预定距离范围内的其他基站，形成基站组。
预定距离范围可以是根据传染病的可传染距离进行设置，该距离范围例如可以是100米，例如可以选取距离每一基站100米内的其他基站，并将该基站和其他基站组成基站组。这是因为例如在ncov-19传染病中，ncov-19病毒可以通过空气传播，且具备高传染性，因此，两个目标病患在相差例如100米内被检测到，也认为二者之间存在潜在传播关系。
本步骤S2322中，电信轨迹数据中的每一个基站，均对应一个基站组，该基站组的标识可以与对应基站具有相同的标识，以将该基站组和基站进行对应，并用以区分不同的基站组。例如，基站1对应的基站组为基站组1，该基站组1中包括基站1、基站2、基站3等；基站2对应的基站组为基站组2，该基站组2中包括基站1、基站2、基站4等。可以理解的是，不同基站组中可以包括相同的基站，例如前面提到的基站组1和基站组2中均包括基站1和基站2；不同基站组中也可以包括不同的基站，例如前面提到的基站组1中包括基站3，基站组2中包括基站4。
步骤S2323，根据各个基站组以及各个基站组涉及的目标病患的电信轨迹数据和传染病诊疗数据，获得各个目标病患组成的潜在传播关系图。
本步骤S2323中根据各个基站组和各个基站组涉及的目标病患的电信轨迹数据和传染病诊疗数据，获得各个目标病患组成的潜在传播关系图可以进一步包括如下步骤S2323-1～S2323-2：
步骤S2323-1，对于每个基站组，根据该基站组中的各基站涉及的电信轨迹数据，确定该基站组内发生的不同目标病患之间的相遇事件和对应每一相遇事件的相遇时间。具体来说，所述电信轨迹数据中的每一条电信轨迹数据包括病患来到基站所在位置的时间和病患离开基站所在位置的时间。因此，对于每个基站组，根据该基站组中的各基站涉及的病患来到基站所在位置的时间和病患离开基站所在位置的时间，确定该基站组内发生的不同目标病患之间的相遇事件和对应每一所述相遇事件的相遇时间。
以上相遇事件表示两个目标病患在同一时间位于同一基站组所在位置；
以上相遇时间表示相遇事件的相遇时长、相遇起始时间点和相遇结束时间点。
本步骤S2323-1中对于每个基站组，根据该基站组中的各基站涉及的电信轨迹数据，确定该基站组内发生的不同目标病患之间的相遇事件和对应每一相遇事件的相遇时间可以进一步包括如下步骤S2323-11～SS2323-12：
步骤S2323-11，根据目标病患来到基站所在位置的时间字段和目标病患离开基站所在位置的时间字段，对每个基站组内基站所涉及的所有电信轨迹数据按照时间从早到晚的顺序进行排序。
步骤S2323-12，根据排序结果，将两个目标病患在同一基站组驻留时间有重叠的事件确定为相遇事件，以及将重叠的起始时间点、结束时间点和重叠时长确定为相遇时间。
现在以一个具体的例子对以上步骤S2323-11和步骤S2323-12进行详细说明，以基站组1为例，该基站组1中包括基站1、基站2和基站3，假设身份证号为610xxxxxxxxxxxxxxx的目标病患1在基站1内有所停驻，并且，目标病患1进入基站1的时间为：2019.12.1上午8:00，目标病患1离开基站1的时间为：2019.12.1上午9:30；身份证号为410xxxxxxxxxxxxxxx的目标病患2在基站2内有所停驻，并且，目标病患2进入基站2的时间为：2019.12.1上午8:30，离开基站2的时间为：2019.12.1中午15:30；身份证号为110xxxxxxxxxxxxxxx的目标病患3在基站3内有所停驻，并且，目标病患3进入基站3的时间为：2019.12.1中午13:00，离开基站3的时间为：2019.12.1中午16:30。则可以根据上述三位目标病患来到基站的时间字段和目标病患离开基站的时间字段，根据以上步骤2323-11对基站组1涉及的电信轨迹数据按照时间从早到晚的顺序进行排序，可以得到以下表1：
表1：对基站组1内基站所涉及的电信轨迹数据的排序结果
Figure BDA0002768788830000091
接续根据步骤S2323-12对以上表1的排序结果可知，目标病患1和目标病患2在基站组1内驻留时间有重叠，以及，目标病患2和目标病患3在基站组1内驻留时间有重叠，在此，可以得到该基站组1内的相遇事件以及对应的相遇时间如以下表2所示：
表2：基站组1内的相遇事件及对应的相遇时间
相遇事件 相遇时间
131xxxxxxxx和189xxxxxxxx 1小时
189xxxxxxxx和131xxxxxxxx 1小时
189xxxxxxxx和132xxxxxxxx 2小时30分钟
132xxxxxxxx和189xxxxxxxx 2小时30分钟
步骤S2323-2，根据每一相遇事件、相遇时间及相遇事件涉及的目标病患的传染病诊疗数据，在不同目标病患之间建立关联关系，获得各个目标病患组成的潜在传播关系图。具体来说，所述传染病诊疗数据中的每一条传染病诊疗数据包括病患患病时间和/或确诊时间，因此，根据一个相遇事件涉及的两个目标病患的患病时间和/或确诊时间的先后，在这两个目标病患之间建立关联关系，即所述相遇事件中两个患者之间的传播方向。
本步骤S2323-2中根据每一相遇事件、相遇时间及相遇事件涉及的目标病患的传染病诊疗数据，在不同目标病患之间建立关联关系，获得各个目标病患组成的潜在传播关系图可以进一步包括如下步骤S2323-21～S2323-23：
步骤S2323-21，在所有相遇事件中，滤除满足设定条件的相遇事件，得到备选相遇事件集合。
该设定条件可以包括第一条件和第二条件，这里，根据滤除后得到的备选相遇事件集合构建传播关系链，不仅可以提高处理速度，减少数据冗余，还可以提高构建传播关系链的准确性。
以上第一条件可以包括：同一相遇事件的出现次数大于一次。则所述滤除满足设定条件的相遇事件包括：当同一相遇事件的出现次数大于一次时，保留其中任一个相遇事件，滤除其他相遇事件。例如以上表2中的131xxxxxxxx和189xxxxxxxx、189xxxxxxxx和131xxxxxxxx为一个相遇事件，则滤除其中任意一个，保留另一个；又例如以上表2中的189xxxxxxxx和132xxxxxxxx、132xxxxxxxx和189xxxxxxxx为一个相遇事件，则滤除其中一个，保留另一个。
以上第二条件可以包括：相遇事件对应的相遇时间小于或等于设定的时间阈值。则所述滤除满足设定条件的相遇事件包括：滤除对应的相遇时间小于或等于设定的时间阈值的相遇事件。该设定的时间阈值可以根据传染病的传播速度进行设置，例如，该设定的时间阈值可以为5分钟，这是因为例如在ncov-19传染病中，ncov-19病毒可以通过空气传播，且具备高传染性，因此，两个目标病患在相遇5分钟，便可认为二者之间存在潜在传播关系。以上表2中相遇事件对应的相遇事件均超过5分钟，则不进行滤除。
该实施例中，只要相遇事件满足第一条件和第二条件中的任意条件，便被滤除。
根据本步骤S2323-21对表2中的相遇事件进行过滤，则可以得到以下表3：
表3：基站组1内的候选相遇事件集合
相遇事件 相遇时间
131xxxxxxxx和189xxxxxxxx 1小时
132xxxxxxxx和189xxxxxxxx 2小时30分钟
步骤S2323-22，根据备选相遇事件集合中每一相遇事件涉及的目标病患的传染病诊疗数据，获取每一相遇事件的传播方向。
本步骤S2323-22中，可以根据备选相遇事件集合中每一相遇事件涉及的目标病患的传染病诊疗数据中的患病时间字段或确诊时间字段，获取每一相遇事件的传播方向。
继续上述示例，考虑在ncov-19中，一般认为发病时间早的目标病患更可能传播给发病时间晚的目标病患，因此传播方向按患病时间或确诊时间选择为单向传播。假设手机号码为131xxxxxxxx的目标病患1的患病时间早于手机号码为189xxxxxxxx的目标病患2，则可以认为是手机号码为131xxxxxxxx的目标病患1传染给手机号码为189xxxxxxxx的目标病患2；以及，手机号码为189xxxxxxxx的目标病患2的患病时间早于手机号码为132xxxxxxxx的目标病患3，则可以认为是手机号码为189xxxxxxxx的目标病患2传染给手机号码为132xxxxxxxx的目标病患3。当然，对于某一些传染病，也有可能是双向传播。
步骤S2323-23，根据每一相遇事件、对应相遇事件的相遇时间及相遇事件的传播方向，在不同目标病患之间建立关联关系。
本步骤S2323-23中根据每一相遇事件、对应相遇事件的相遇时间及相遇事件的传播方向，在不同目标病患之间建立关联关系可以进一步包括：以所述备选相遇事件集合中各个所述相遇事件涉及的目标病患的手机号码为节点，以不同手机号码对应相同的相遇事件为边，以传播方向为边的方向，建立关联关系，获得潜在传播关系图。
继续上述示例，将表3中的相遇事件131xxxxxxxx和189xxxxxxxx、132xxxxxxxx和189xxxxxxxx涉及的手机号码为节点，以不同手机号码对应相同的相遇事件为边，以传播方向为边的方向，建立关联关系，获得的潜在传播关系图如图3a所示，可以理解的是，图3a仅是示例性图，实际情况中，该潜在传播关系图往往包含更多的节点以及节点之间的关联边。
步骤S2324，根据潜在传播关系图，构建由相关联的各个目标病患组成的传播关系链。
在一个实施例中，本步骤S2324中根据潜在传播关系图，构建由相关联的各个目标病患组成的传播关系链可以进一步包括如下步骤S2324-1a～SS2324-2a：
步骤S2324-1a，将潜在传播关系图中涉及的相遇事件按照对应的相遇起始时间点的早晚进行排序。
步骤S2324-2a，遍历排序后的相遇事件，得到由相关联的各个目标病患组成的传播关系链。
在另一个实施例中，考虑到潜在传播关系图往往很大，即包含很多节点和边，所以增加切分传播关系图的步骤，以增加查找传染源的速度。本步骤S2324中根据潜在传播关系图，构建由相关联的各个目标病患组成的传播关系链可以进一步包括如下步骤S2324-1b～S2324-3b：
步骤S2324-1b，切分潜在传播关系图，获得多个子传播关系图。
本步骤S2324-1b中切分潜在传播关系图，获得多个子传播关系图可以进一步包括如下步骤S2324-11b～S2324-13b：
步骤S2324-11b，在潜在传播关系图中任意两个节点之间存在多个边的情况下，将多个边融合为一条边。
可以理解的是，两个节点存在多个边，表示两个目标病患存在多次相遇的情况。
步骤S2324-12b，计算潜在传播关系图中任意两个节点之间的边的权重值。
步骤S2324-13b，根据所有边的权重值和预设的切分算法，切分潜在传播关系图，获得多个子传播关系图。
预设的切分算法可以是谱聚类算法，任何有效的谱聚类都可以对潜在传播关系图进行切分。
步骤S2324-2b，将各个子传播关系图中涉及的相遇事件按照对应的相遇事件按照对应的相遇起始时间点的早晚进行排序。
步骤S2324-3b，遍历排序后的相遇事件，得到由相关联的各个目标病患组成的传播关系链。
对于以上步骤S2324-2a或者是S2324-3b中遍历排序后的相遇事件，得到由相关联的各个目标病患组成的传播关系链可以进一步包括如下步骤：
步骤S1，对于遍历到的每一个相遇事件，判断相遇事件中的主动目标病患是否位于其他传播关系链中，得到第一判断结果。
例如在得到潜在传播关系图后，如果没有开始执行遍历操作，则不存在任何传播关系链，在此，假设遍历到的第一个相遇事件可以是手机号码为131xxxxxxxx的目标病患传染给手机号码为189xxxxxxxxde的目标病患，即，手机号码为131xxxxxxxx的目标病患为主动目标病患，手机号码为189xxxxxxxx的目标病患为被动目标病患。
又例如在得到潜在传播关系图后，如果已经执行任意多个遍历操作，并且，执行该任意多个遍历操作后，可以得到如图3b和图3c所示的2个传播关系链，其中，图3b所示的传播关系链是以手机号码121xxxxxxxx的目标病患为传播源头，图3c所示的传播关系链是以手机号码141xxxxxxxx的目标病患为传播源头。可以理解的是，该附图仅是示例性地，实际情况下，如果已经执行任意多个遍历操作，则可能会得到多个传播关系链，并且，每一传播关系链下均包括多个子节点。
步骤S2，根据第一判断结果的不同，进行不同处理。
在一个例子中，该步骤S2中根据第一判断结果的不同，进行不同处理可以进一步包括如下步骤S21a～S22a:
步骤S21a，在第一判断结果为相遇事件中的主动目标病患不位于其他传播关系链的情况下，新建以主动目标病患为传播源头的传播关系链。
继续上述示例，如图3d所示，主动目标病患131xxxxxxxx不位于其他传播关系链例如图3b和图3c所示的传播关系链中，则新建以主动目标病患131xxxxxxxx为传播源头的传播关系链。
步骤S22a，将相遇事件中的被动目标病患加入主动目标病患的子节点，以更新传播关系链。
继续上述示例，可以将被动目标病患189xxxxxxxx加入主动目标病患131xxxxxxxx的子节点。
在一个例子中，该步骤S2中根据第一判断结果的不同，进行不同处理可以进一步包括如下步骤S21b～S22b:
步骤S21b，在第一判断结果为相遇事件中的主动目标病患位于其他传播关系链的情况下，判断相遇事件中的被动目标病患是否位于其他传播关系链中，获得第二判断结果。
在本步骤S21b中，假设上述的主动目标病患131xxxxxxxx已经位于其他传播关系链中，则需要进一步判断被动目标病患189xxxxxxxx是否也位于其他传播关系链中。
步骤S22b，根据第二判断结果的不同，进行不同处理。
在一个例子中，本步骤S22b中根据第二判断结果的不同，进行不同处理可以进一步包括如下步骤S22b-1～S22b-3：
步骤S22b-1，在第二判断结果为被动目标病患位于其他传播关系链的情况下，判断被动目标病患是否为主动目标病患的祖先节点。
以上主动目标病患的祖先节点包括主动目标病患的父节点，父节点的父节点，父节点的父节点的父节点等，本实施例在此不做限定。
在本步骤S22b-1中，假设以上被动目标病患189xxxxxxxx位于主动目标病患131xxxxxxxx所在的其他任意传播关系链中，那么在其他任意传播关系链中，该被动目标病患189xxxxxxxx可能为该主动目标病患131xxxxxxxx的祖先节点，也可能为该主动目标病患131xxxxxxxx的子节点，因此，需要根据本步骤S22b-1中在被动目标病患189xxxxxxxx位于主动目标病患131xxxxxxxx所在的其他任意传播关系链的情况下，进一步判断该被动目标病患189xxxxxxxx是否为该主动目标病患131xxxxxxxx的祖先节点。
步骤S22b-2，在被动目标病患为主动目标病患的祖先节点的情况下，则对其他传播关系链不进行任何处理；以及，在被动目标病患为主动目标病患的祖先节点的情况下，并且，所述主动目标病患所在的所有传播关系链中，所述被动目标病患均为主动目标病患的祖先节点，则新建以主动目标病患为传播源头的传播关系链，并将被动目标病患加入主动目标病患的子节点，以更新传播关系链。
本步骤S22b-2中，假设在主动目标病患131xxxxxxxx所在的其他任意传播关系链中，被动目标病患189xxxxxxxx均为该主动目标病患131xxxxxxxx的祖先节点，则对其他任意传播关系链不进行任何处理。
本步骤S22b-2中，还存在另外一种情况，假设在主动目标病患131xxxxxxxx所在的其他任意传播关系链中，被动目标病患189xxxxxxxx均为该主动目标病患131xxxxxxxx的祖先节点，但是这些其他传播关系链均不符合要求，在此，需要新建以主动目标病患131xxxxxxxx为传播源头的传播关系链，并将该被动目标病患189xxxxxxxx加入该主动目标病患131xxxxxxxx的子节点。
步骤S22b-3，在被动目标病患不为主动目标病患的祖先节点的情况下，并且，主动目标病患的子节点中没有被动目标病患，则将被动目标病患加入主动目标病患的子节点，以更新其他传播关系链；以及，在不为目标病患的祖先节点的情况下，并且，主动目标病患的子节点中存在被动目标病患，则不进行任何处理。
本步骤S22b-3中，假设在主动目标病患131xxxxxxxx所在的其他任意传播关系链中，被动目标病患189xxxxxxxx均不是该主动目标病患131xxxxxxxx的祖先节点，并且，该主动目标病患131xxxxxxxx的子节点没有该被动目标病患189xxxxxxxx，则将该被动目标病患189xxxxxxxx加入该主动目标病患131xxxxxxxx的子节点，以更新该主动目标病患131xxxxxxxx所在的其他任意传播关系链。
本步骤S22b-3中，假设在主动目标病患131xxxxxxxx所在的其他任意传播关系链中，被动目标病患189xxxxxxxx均不是该主动目标病患131xxxxxxxx的祖先节点，并且，该主动目标病患131xxxxxxxx的子节点中存在该被动目标病患189xxxxxxxx，则不进行任何处理。
在一个例子中，本步骤S22b中根据第二判断结果的不同，进行不同处理可以进一步包括：
在第二判断结果为被动目标病患不位于其他传播关系链的情况下，将被动目标病患加入主动目标病患的子节点，以更新其他传播关系链。
假设被动目标病患189xxxxxxxx不位于主动目标病患131xxxxxxxx所在的其他任意传播关系链中，则将该被动目标病患189xxxxxxxx加入该主动目标病患131xxxxxxxx的子节点，以更新更新该主动目标病患131xxxxxxxx所在的其他任意传播关系链。
步骤S2400，基于传播关系链找出传染病的传染源头。
本实施例中，以上传播关系链可以为树形结构关系图，例如可以包括多个树形结构关系图。
本实施例中，该步骤S2400中基于传播关系链找出传染病的传染源头可以进一步包括：
获取树形结构关系图的根节点，作为对应的传染源头。
可以理解的是，在传染病的实际传播当中，通常会存在多个传播关系链，在此，可以是获取每一个树形结构关系图的根节点，作为对应每一个树形结构关系图的根节点，并将该根节点作为对应的传染源头，即，获得多个传染源头，最后可以人工对多个传染源头进行分析。
根据本公开实施例，其能够根据传染病诊疗数据获取目标病患群，并进一步获取目标病患群的电信轨迹数据，以根据电信轨迹数据构建传播关系链，进而基于传播关系链找出传染病的传染源头，即，本公开实施例中结合了电信轨迹数据和传染病诊疗数据来寻找和分析传染病的传播关系链，进而确定传染病的传染源头，减少了大量的人力工作，使得传染病溯源工作更加高效与准确。
在一个实施例中，其可以提供人机交互接口，基于用户请求从电信数据系统中获取所需要的电信轨迹数据，进而提高数据获取的靶向性。该实施例中，该传染病的溯源方法还可以进一步包括如下步骤S5100～S5300：
步骤S5100，提供用于获取电信轨迹数据的获取接口。
步骤S5200，通过获取接口向电信数据系统发送获取目标病患的电信轨迹数据的请求。
请求中携带目标病患的身份标识和电信轨迹数据的查询时间段。
步骤S5300，接收电信数据系统响应于请求返回的查询时间段内的目标病患的电信轨迹数据。
在一个实施例中，该传染病的溯源方法还包括：响应于获取挖掘传播关系链的挖掘结果的请求，获取设定的显示模式；以及，按照显示模式显示构建的传播关系链。
该显示模式可以是图形形式。
该实施例中，其可以根据获取挖掘传播关系链的挖掘结果的请求，按照设定的显示模式提供传播关系链，以使得显示输出具有更友好的可视性。
在一个实施例中，该传染病的溯源方法还包括：响应于设置显示模式的操作，提供设置入口；获取通过设置入口输入的显示模式；更新设定的显示模式为输入的显示模式。
该实施例中，设置入口可以是输入框、下拉列表、语音输入入口等能够供用户输入信息的任意入口，在此不做限定。
该实施例中，其允许工作人员根据需要设置显示模式及根据需要在不同显示模式之间切换，例如，设置显示模式为图形模式，提供信息输出的可视性。
在一个实施例中，该传染病的溯源方法还包括：响应于包含时间点的展示请求展示截止所述时间点的传播关系链的步骤。
该实施例中，该展示截止对应特定时间点的传播关系链可以进一步包括如下步骤S6100～S6500：
步骤S6100，响应于包含特定时间点展示请求，基于所述特定时间点根据传染病诊疗数据获取目标病患群，以及获取目标病患群的电信轨迹数据，基于基站为所述目标病患群的电信轨迹数据建立倒排索引。
本步骤S6100中，具体响应于展示截止指定时间点的传播关系链的请求，在对应时间点处目标病患群的电信轨迹数据中基于基站为电信轨迹数据建立倒排索引。
该倒排索引即为以基站为索引，在以基站为索引建立倒排索引后，每一基站所对应的数据至少可以包括到达过基站的目标病患以及对应的基站检测时间。
可以理解的是，这里的目标病患群根据时间点的不同，由不同的目标病患组成。
本实施例中，可以是提供能够进行滑动的时间滑动条，如图4所示，可以通过滑动该时间滑动条来指定时间点，在此，为了能够快速响应于用户的展示请求进行传播关系链的展示，可以是通过本步骤S6100中的在目标病患群的电信轨迹数据中基于基站为电信轨迹数据建立倒排索引以进行加速处理，进而提升用户体验。
例如，指定的时间点为2019年12月24日，1:12:00PM，则可以是选取患病时间或确诊时间在2019年12月24日，1:12:00PM之前的前50人或100人组成目标病患群。
又例如，这里的目标病患群也可以直接为根据以上任意实施例得到的目标病患群。
本实施例中，本步骤S6100中基于基站为所述目标病患群的电信轨迹数据建立倒排索引可以进一步包括如下步骤S6110～S6130：
步骤S6110，对目标病患群的电信轨迹数据进行预定处理。
该预定处理可以是过滤处理。如何对电信轨迹数据进行过滤处理，可以参照以上实施例，本实施例在此不做赘述。
步骤S6120，查找进行所述预定处理后的电信轨迹数据中涉及到的所有基站。
步骤S6130，以每一基站为索引，记录所述预定处理后的电信轨迹数据中到达过基站的目标病患以及对应的基站检测时间。
根据本步骤S6100对目标病患群的电信轨迹数据中基于基站位置为电信轨迹数据建立倒排索引后，便可得到索引为基站的每一基站对应的数据。该每一基站对应的数据中包括：基站标识、病患身份证号、手机号码、病患来到该基站所在位置的时间和病患离开该基站所在位置的时间。
步骤S6200，获取倒排索引中涉及的所有基站。
步骤S6300，对于每一基站，获取预定距离范围内的其他基站，形成基站组。
关于本步骤S6300中的具体实施可以参照以上步骤S2322，本实施例在此不做赘述。
步骤S6400，根据各个基站组以及各个基站组涉及的目标病患的电信轨迹数据和诊疗数据，获得各个目标病患组成的潜在传播关系图。
本步骤S6400中根据各个基站组和各个基站组涉及的目标病患的电信轨迹数据和诊疗数据，获得各个目标病患组成的潜在传播关系图的具体实施可以参照以上步骤S2323，本实施例在此不做详细赘述。
步骤S6500，根据潜在传播关系图，构建由相关联的各个目标病患组成的传播关系链，并展示传播关系链。
本步骤S6400中根据潜在传播关系图，构建由相关联的各个目标病患组成的传播关系链的具体实施可以参照以上步骤S2324，本实施例在此不做详细赘述。
根据本实施例方法，其可以响应于用户指定的时间段查询，并展示对应的时间点的传播关系链。
在一个实施例中，该传染病的溯源方法还包括：以所述特定时间点为索引存储所构建的截止该特定时间点的相应传播关系链；当再次响应包含所述特定时间点的展示请求时，展示所存储的对应所述特定时间点的传播关系链。这样，截止一个特定时间点的传播关系链只需要构建一次并保存，后续展示所保存的传播关系链即可，进一步提高响应速度。当然，如果诊疗数据或电信轨迹数据有更新时可以按需重新执行构建传播关系链的步骤。
在一个实施例中，该传染病的方法还包括：提供显示传播关系链的配置开关。
在配置开关的开关状态为开启状态的情况下，显示以下各项之中的至少一项：
传播关系链中所有目标病患的病患信息。如图4所示显示有3个传播关系链，第一个传播关系链中包括9个目标病患，第二个传播关系链中包括2个目标病患，第三个传播关系链中包括1个目标病患。
传播关系链中目标病患间的接触时间。如图4所示可以显示各个传播链中各个目标病患间的相遇时间。
传播关系链中目标病患间的接触地点。如图4所示中的地图上的圆圈可以表征各个目标病患间的接触地点。
在电子设备显示的地图上显示传播关系链中所有目标病患的历史行驶轨迹。
传播关系链中去过疑似发源地的目标病患。如图4所示中的最大的圆圈为疑似发源地，并显示去过该疑似发源地的目标病患。
<装置实施例>
在本实施例中，提供一种传染病的溯源装置5000，如图5所示，包括第一获取模块5100、第二获取模块5200、构建模块5300及查找模块5400。
所述第一获取模块5100，用于根据传染病诊疗数据获取目标病患群；
所述第二获取模块5200，用于获取目标病患群的电信轨迹数据；
所述构建模块5300，用于根据所述电信轨迹数据构建传播关系链；
所述查找模块，用于基于所述传播关系链找出所述传染病的传染源头。
在一个实施例中，所述传染病诊疗数据中的每条传染病诊疗数据包括病患身份标识，以及包括患病时间和确诊时间之中的任意一个或两个。
所述第一获取模块5100还用于：根据所述患病时间或确诊时间从早到晚进行排序，获取患病时间或确诊时间最早的预定数量的病患组成所述目标病患群。
在一个实施例中，所述第二获取模块5200还用于：获取所述目标病患群中的每个目标病患的身份标识对应的手机号码；基于所述目标病患群中的每个目标病患的身份标识对应的手机号码，获取该目标病患患病时间或确诊时间前后预定时间范围内的电信轨迹数据。
其中，所述电信轨迹数据中的每条电信轨迹数据至少包括病患身份标识、手机号码、基站检测时间和基站位置信息。
在一个实施例中，所述构建模块5300还用于：对所述电信轨迹数据进行预处理；利用进行所述预处理后的所述电信轨迹数据构建传播关系链；
在一个实施例中，所述预处理包括第一过滤处理，所述构建模块5300还用于：对于每个目标病患的电信轨迹数据，计算每条电信轨迹数据对应的轨迹点的速度和/或加速度；过滤掉速度和/或加速度不合理的轨迹点对应的电信轨迹数据；和/或，
所述预处理包括合并处理，所述构建模块5300还用于：对于每个目标病患的电信轨迹数据，将同一个基站检测到的连续多条电信轨迹数据进行合并，只保留基站检测时间最早的一条电信轨迹数据。
在一个实施例中，所述预处理包括合并处理，并且，对于每个目标病患的电信轨迹数据，在进行所述合并处理后得到的电信轨迹数据中，任意基站检测时间相邻的两条电信轨迹数据对应不同的基站。
所述构建模块5300还用于：对于每个目标病患的电信轨迹数据，在进行所述合并处理后得到的每条电信轨迹数据中添加目标病患离开基站时间字段；其中，对于每条电信轨迹数据，将该条电信轨迹数据的基站检测时间，作为其前一条电信轨迹数据的目标病患离开基站所在位置的时间，而每条电信轨迹数据中的基站检测时间即为目标病患来到基站所在位置的时间。
在一个实施例中，所述构建模块5300还用于：获取所述电信轨迹数据中涉及的所有基站；对于每一所述基站，获取预定距离范围内的其他所述基站，形成基站组；根据各个所述基站组以及各个所述基站组涉及的目标病患的电信轨迹数据和传染病诊疗数据，获得各个目标病患组成的潜在传播关系图；根据所述潜在传播关系图，构建由相关联的各个目标病患组成的传播关系链。其中，所述电信轨迹数据中的每一条电信轨迹数据包括病患身份标识、手机号码、病患来到基站所在位置的时间和病患离开基站所在位置的时间。
在一个实施例中，所述装置还包括展示模块(图中未示出)，所述展示模块用于：响应于所述包含特定时间点的展示请求，基于所述特定时间点根据传染病诊疗数据获取目标病患群，以及获取目标病患群的电信轨迹数据；基于基站为所述目标病患群的电信轨迹数据建立倒排索引；获取所述倒排索引中涉及的所有基站；对于每一所述基站，获取预定距离范围内的其他所述基站，形成基站组；根据各个所述基站组以及各个所述基站组涉及的目标病患的电信轨迹数据和传染病诊疗数据，获得各个目标病患组成的潜在传播关系图；根据所述潜在传播关系图，构建由相关联的各个目标病患组成的传播关系链，并展示所述传播关系链。其中，建立倒排索引后的每一条数据中包括基站标识、病患身份证号、手机号码、病患来到该基站所在位置的时间和病患离开该基站所在位置的时间。
在一个实施例中，所述展示模块还用于：对所述目标病患群的电信轨迹数据进行预定处理；查找进行所述预定处理后的所述电信轨迹数据中涉及到的所有基站；以每一所述基站为索引，记录所述预定处理后的所述电信轨迹数据中到达过所述基站的目标病患以及对应的基站检测时间。
在一个实施例中，所述电信轨迹数据中的每一条电信轨迹数据包括病患来到基站所在位置的时间和病患离开基站所在位置的时间；所述传染病诊疗数据中的每一条传染病诊疗数据包括病患患病时间和/或确诊时间。所述构建模块5300和所述展示模块均包括潜在传播图获取单元(图中未示出)，所述潜在传播图获取单元用于：对于每个基站组，根据该基站组中的各基站涉及的病患来到基站所在位置的时间和病患离开基站所在位置的时间，确定该基站组内发生的不同目标病患之间的相遇事件和对应每一所述相遇事件的相遇时间；根据每一所述相遇事件、所述相遇时间及所述相遇事件涉及的目标病患的患病时间和/或确诊时间，在不同目标病患之间建立关联关系，获得各个目标病患组成的潜在传播关系图；
其中，所述相遇事件表示两个目标病患在同一时间位于同一基站组所在位置；
其中，所述相遇时间表示所述相遇事件的相遇时长、相遇起始时间点和相遇结束时间点。
在一个实施例中，所述潜在传播图获取单元还用于：根据目标病患来到基站所在位置的时间字段和目标病患离开基站所在位置的时间字段，对每个所述基站组内基站所涉及的所有电信轨迹数据按照时间从早到晚的顺序进行排序；根据排序结果，将两个目标病患在同一基站组驻留时间有重叠的时间确定为相遇时间事件，以及将重叠的起始时间点、结束时间点和重叠时长确定为所述相遇时间。
在一个实施例中，所述潜在传播图获取单元还用于：在所有所述相遇事件中，滤除满足设定条件的相遇事件，得到备选相遇事件集合；根据所述备选相遇事件集合中每一所述相遇事件涉及的目标病患的传染病诊疗数据，获取每一所述相遇事件的传播方向；根据每一所述相遇事件、对应所述相遇事件的相遇时间及所述相遇事件的传播方向，在不同目标病患之间建立关联关系。
在一个实施例中，所述滤除满足设定条件的相遇事件包括：当同一相遇事件的出现次数大于一次时，保留其中任一个相遇事件，滤除其他相遇事件；和/或，滤除对应的相遇时间小于或等于设定的时间阈值的相遇事件。
在一个实施例中，所述电信轨迹数据中的每一条电信轨迹数据还包括病患手机号码；所述潜在传播图获取单元还用于：以所述备选相遇事件集合中各个所述相遇事件涉及的目标病患的手机号码为节点，以不同手机号码对应相同的相遇事件为边，以传播方向为边的方向，建立关联关系。
在一个实施例中，所述构建模块5300还用于：将所述潜在传播关系图中涉及的相遇事件按照对应的相遇起始时间点的早晚进行排序；遍历排序后的相遇事件，得到由相关联的各个目标病患组成的传播关系链。
在一个实施例中，该所述构建模块5300还用于：切分所述潜在传播关系图，获得多个子传播关系图；以及，将各个所述子传播关系图中涉及的相遇事件按照对应的相遇起始时间点的早晚进行排序。
在一个实施例中，在所述潜在传播关系图中任意两个节点之间存在多个边的情况下，将所述多个边融合为一条边；计算所述潜在传播关系图中任意两个节点之间的所述边的权重值；根据所有所述边的权重值和预设的切分算法，切分所述潜在传播关系图，获得多个子传播关系图。
在一个实施例中，所述装置还包括第一判断模块(图中未示出)，所述第一判断模块用于：对于遍历到的每一个所述相遇事件，判断所述相遇事件中的主动目标病患是否位于其他传播关系链中，得到第一判断结果；根据所述第一判断结果的不同，进行不同处理。
所述第一判断模块还用于：在所述第一判断结果为所述相遇事件中的主动目标病患不位于其他传播关系链的情况下，新建以所述主动目标病患为传播源头的传播关系链；将所述相遇事件中的被动目标病患加入所述主动目标病患的子节点，以更新所述传播关系链。
在一个实施例中，所述装置还包括第二判断模块(图中未示出)，所述第二判断模块用于：在所述第一判断结果为所述相遇事件中的主动目标病患位于其他传播关系链的情况下，判断所述相遇事件中的被动目标病患是否位于所述其他传播关系链中，获得第二判断结果；根据所述第二判断结果的不同，进行不同处理。
所述第二判断模块还用于：在所述第二判断结果为所述被动目标病患不位于所述其他传播关系链的情况下，将所述被动目标病患加入所述主动目标病患的子节点，以更新所述其他传播关系链；
在所述第二判断结果为所述被动目标病患位于其他所述传播关系链的情况下，判断所述被动目标病患是否为所述主动目标病患的祖先节点；
在所述被动目标病患为所述目标病患的祖先节点的情况下，则对其他所述传播关系链不进行任何处理；以及，在所述被动目标病患为所述主动目标病患的祖先节点的情况下，并且，所述主动目标病患所在的所有传播关系链中，所述被动目标病患均为所述主动目标病患的祖先节点，则新建以所述主动目标病患为传播源头的传播关系链，并将所述被动目标病患加入所述主动目标病患的子节点，以更新所述传播关系链；或者，
在所述被动目标病患不为所述主动目标病患的祖先节点的情况下，并且，所述主动目标病患的子节点中没有所述被动目标病患，则将所述被动目标病患加入所述主动目标病患的子节点，以更新其他所述传播关系链；以及，在所述被动目标病患不为所述目标病患的祖先节点的情况下，并且，所述主动目标病患的子节点中存在所述被动目标病患，则不进行任何处理。
在一个实施例中，所述第二判断模块还用于：在所述第二判断结果为所述被动目标病患不位于其他所述传播关系链的情况下，将所述被动目标病患加入所述主动目标病患的子节点，以更新所述其他传播关系链。
在一个实施例中，所述第二获取模块5200还用于：提供用于获取电信轨迹数据的获取接口；通过所述获取接口向电信数据系统发送获取目标病患的电信轨迹数据的请求，其中，所述请求中携带所述目标病患的身份标识和所述电信轨迹数据的查询时间段；接收所述电信数据系统响应于所述请求返回的所述查询时间段内的所述目标病患的电信轨迹数据。
在一个实施例中，所述传播关系链为树形结构关系图；
所述查找模块5400还用于：获取所述树形结构关系图的根节点，作为对应的所述传染源头。
在一个实施例中，所述装置还包括第一显示模块(图中未示出)，所述第一显示模块用于：响应于获取挖掘传播关系链的挖掘结果的请求，获取设定的显示模式；按照所述显示模式显示构建的所述传播关系链。
在一个实施例中，所述装置还包括更新模块(图中未示出)，所述更新模块用于：响应于设置显示模式的操作，提供设置入口；获取通过所述设置入口输入的显示模式；更新所述设定的显示模式为所述输入的显示模式。
在一个实施例中，所述装置还包括存储模块(图中未示出)。
所述存储模块；用于以所述特定时间点为索引存储相应的传播关系链；
所述展示模块，用于当再次响应包含所述特定时间点的展示请求时，展示所存储的对应所述特定时间点的传播关系链。
在一个实施例中，所述装置还包括第二显示模块(图中未示出)，所述第二显示模块用于：
提供显示传播关系链的配置开关；
在所述配置开关的开关状态为开启状态的情况下，显示以下各项之中的至少一项：
所述传播关系链中所有目标病患的病患信息；
所述传播关系链中目标病患间的接触时间；
所述传播关系链中目标病患间的接触地点；
在电子设备显示的地图上显示所述传播关系链中所有目标病患的历史行驶轨迹；
所述传播关系链中去过疑似发源地的目标病患。
<存储介质实施例>
本实施例提供了一种计算机可读存储介质，其中，其上存储有计算机程序，所述计算机程序在被处理器执行时实现根据上述方法实施例中任一项所述的方法。
本发明可以是设备、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (10)

1.一种传染病的溯源方法，包括：
根据传染病诊疗数据获取目标病患群；
获取目标病患群的电信轨迹数据；
根据所述电信轨迹数据构建传播关系链；
基于所述传播关系链找出所述传染病的传染源头。
2.根据权利要求1所述的方法，其中，
所述传染病诊疗数据中的每条传染病诊疗数据包括病患身份标识，以及患病时间和确诊时间之中的任意一个或两个；
所述根据传染病诊疗数据获取目标病患群包括：根据所述患病时间或确诊时间从早到晚进行排序，获取患病时间或确诊时间最早的预定数量的病患组成所述目标病患群。
3.根据权利要求1所述的方法，其中，所述获取目标病患群的电信轨迹数据包括：
获取所述目标病患群中的每个目标病患的身份标识对应的手机号码；
基于所述目标病患群中的每个目标病患的身份标识对应的手机号码，获取该目标病患患病时间或确诊时间前后预定时间范围内的电信轨迹数据；
其中，所述电信轨迹数据中的每条电信轨迹数据至少包括病患身份标识、手机号码、基站检测时间和基站位置信息。
4.根据权利要求1所述的方法，其中，所述根据所述电信轨迹数据构建传播关系链包括：
对所述电信轨迹数据进行预处理；
利用进行所述预处理后的所述电信轨迹数据构建传播关系链。
5.根据权利要求4所述的方法，其中，
所述预处理包括第一过滤处理：对于每个目标病患的电信轨迹数据，计算每条电信轨迹数据对应的轨迹点的速度和/或加速度；过滤掉速度和/或加速度不合理的轨迹点对应的电信轨迹数据；
和/或，
所述预处理包括合并处理：对于每个目标病患的电信轨迹数据，将同一个基站检测到的连续多条电信轨迹数据进行合并，只保留基站检测时间最早的一条电信轨迹数据。
6.根据权利要求5所述的方法，其中，所述预处理包括合并处理，并且，对于每个目标病患的电信轨迹数据，在进行所述合并处理后得到的电信轨迹数据中，任意基站检测时间相邻的两条电信轨迹数据对应不同的基站；
所述方法还包括：
对于每个目标病患的电信轨迹数据，在进行所述合并处理后得到的每条电信轨迹数据中添加目标病患离开基站时间字段；其中，对于每条电信轨迹数据，将该条电信轨迹数据的基站检测时间，作为其前一条电信轨迹数据的目标病患离开基站所在位置的时间，而每条电信轨迹数据中的基站检测时间即为目标病患来到基站所在位置的时间。
7.根据权利要求1所述的方法，其中，所述根据所述电信轨迹数据构建传播关系链包括：
获取所述电信轨迹数据中涉及的所有基站；
对于每一所述基站，获取预定距离范围内的其他基站，形成基站组；
根据各个所述基站组以及各个所述基站组涉及的目标病患的电信轨迹数据和传染病诊疗数据，获得各个目标病患组成的潜在传播关系图；
根据所述潜在传播关系图，构建由相关联的各个目标病患组成的传播关系链。
8.一种传染病的溯源装置，包括：
第一获取模块，用于根据传染病诊疗数据获取目标病患群；
第二获取模块，用于获取目标病患群的电信轨迹数据；
构建模块，用于根据所述电信轨迹数据构建传播关系链；
查找模块，用于基于所述传播关系链找出所述传染病的传染源头。
9.一种包括至少一个计算装置和至少一个存储装置的设备，其中，所述至少一个存储装置用于存储指令，所述指令在被所述至少一个计算装置执行时实现根据权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其中，其上存储有计算机程序，所述计算机程序在被处理器执行时实现如权利要求1至7中任一项所述的方法。
CN202011242198.6A 2020-05-26 2020-05-26 传染病的溯源方法、装置、电子设备及存储介质 Pending CN112530600A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011242198.6A CN112530600A (zh) 2020-05-26 2020-05-26 传染病的溯源方法、装置、电子设备及存储介质

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202011242198.6A CN112530600A (zh) 2020-05-26 2020-05-26 传染病的溯源方法、装置、电子设备及存储介质
CN202010451918.3A CN111370139B (zh) 2020-05-26 2020-05-26 传染病的溯源方法、装置、电子设备及存储介质

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN202010451918.3A Division CN111370139B (zh) 2020-05-26 2020-05-26 传染病的溯源方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN112530600A true CN112530600A (zh) 2021-03-19

Family

ID=71211073

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202010451918.3A Active CN111370139B (zh) 2020-05-26 2020-05-26 传染病的溯源方法、装置、电子设备及存储介质
CN202011242198.6A Pending CN112530600A (zh) 2020-05-26 2020-05-26 传染病的溯源方法、装置、电子设备及存储介质

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202010451918.3A Active CN111370139B (zh) 2020-05-26 2020-05-26 传染病的溯源方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (2) CN111370139B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115497638A (zh) * 2022-11-08 2022-12-20 广东泳华科技有限公司 一种基于时空轨迹的传播链溯源估计方法

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10991190B1 (en) 2020-07-20 2021-04-27 Abbott Laboratories Digital pass verification systems and methods
CN112071435B (zh) * 2020-09-09 2023-07-18 北京百度网讯科技有限公司 无向关系至有向关系转换方法、装置、设备以及存储介质
CN112365996A (zh) * 2020-11-10 2021-02-12 中科海微(北京)科技有限公司 一种疾病传播防控方法及系统
CN112613726A (zh) * 2020-12-18 2021-04-06 深圳前海微众银行股份有限公司 基于联邦学习的风险检测方法、客户端、设备和存储介质
CN112669980B (zh) * 2020-12-28 2022-03-11 山东大学 一种基于节点相似度的流行病传播网络重构方法和系统
CN112599253B (zh) * 2020-12-29 2022-04-15 医渡云（北京）技术有限公司 根据密接图谱确定疫情传播路径方法、装置、设备和介质
CN112669981B (zh) * 2020-12-30 2023-03-21 广东省科学院广州地理研究所 呼吸道传染病的三维时空溯源方法、装置及设备
CN113257433A (zh) * 2021-05-17 2021-08-13 中国人民大学 一种基于数据挖掘技术的密切接触者快速识别系统和方法
CN113554542A (zh) * 2021-08-09 2021-10-26 南通市疾病预防控制中心 5g移动流调仪的突发公共卫生事件应急指挥调度平台

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150100330A1 (en) * 2013-10-08 2015-04-09 Assaf Shpits Method and system of identifying infectious and hazardous sites, detecting disease outbreaks, and diagnosing a medical condition associated with an infectious disease
US20160004827A1 (en) * 2013-03-15 2016-01-07 Rush University Medical Center Geographic utilization of artificial intelligence in real-time for disease identification and alert notification
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
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
CN110874362A (zh) * 2019-10-29 2020-03-10 青岛海信网络科技股份有限公司 一种数据关联分析方法及装置
CN110958572A (zh) * 2018-09-27 2020-04-03 北京融信数联科技有限公司 一种基于移动轨迹的有向信任传递链构建方法
CN111027525A (zh) * 2020-03-09 2020-04-17 中国民用航空总局第二研究所 疫情期间公共场所潜在被感染者追踪方法、装置及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9141762B2 (en) * 2010-12-15 2015-09-22 Michal Lev System and method for analyzing and controlling epidemics
CN106777935A (zh) * 2016-12-05 2017-05-31 广东石油化工学院 一种基于网络结构的疾病动态预测方法
CN109378079A (zh) * 2018-09-27 2019-02-22 同济大学 一种基于发热症状监测传染病的系统及方法
KR102399702B1 (ko) * 2020-03-30 2022-05-19 주식회사 올라운드 전염병 환자 추적 시스템 및 이를 이용한 전염병 환자 추적 방법

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160004827A1 (en) * 2013-03-15 2016-01-07 Rush University Medical Center Geographic utilization of artificial intelligence in real-time for disease identification and alert notification
US20150100330A1 (en) * 2013-10-08 2015-04-09 Assaf Shpits Method and system of identifying infectious and hazardous sites, detecting disease outbreaks, and diagnosing a medical condition associated with an infectious disease
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
CN110958572A (zh) * 2018-09-27 2020-04-03 北京融信数联科技有限公司 一种基于移动轨迹的有向信任传递链构建方法
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
CN110874362A (zh) * 2019-10-29 2020-03-10 青岛海信网络科技股份有限公司 一种数据关联分析方法及装置
CN111027525A (zh) * 2020-03-09 2020-04-17 中国民用航空总局第二研究所 疫情期间公共场所潜在被感染者追踪方法、装置及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115497638A (zh) * 2022-11-08 2022-12-20 广东泳华科技有限公司 一种基于时空轨迹的传播链溯源估计方法

Also Published As

Publication number Publication date
CN111370139A (zh) 2020-07-03
CN111370139B (zh) 2020-09-22

Similar Documents

Publication Publication Date Title
CN111370139B (zh) 传染病的溯源方法、装置、电子设备及存储介质
Cuttone et al. Understanding predictability and exploration in human mobility
US11500872B2 (en) Graph database for outbreak tracking and management
CN105740615B (zh) 利用手机轨迹追踪传染源和预测传染病流行趋势的方法
US10281284B2 (en) Hybrid road network and grid based spatial-temporal indexing under missing road links
CN111933299B (zh) 传染病感染风险评估方法和装置、电子设备以及存储介质
CN107948928B (zh) 凭经验的专家确定和问题路由系统和方法
Drakonakis et al. Please forget where I was last summer: The privacy risks of public location (meta) data
Huang et al. Uncertainties in the assessment of COVID-19 risk: A study of people’s exposure to high-risk environments using individual-level activity data
CN111276256A (zh) 一种疫情预警及处理的方法、系统、设备及介质
CN111354473A (zh) 基于导航地图和手机定位寻找新冠肺炎感染者的应用系统
WO2021056731A1 (zh) 基于日志数据分析的行为检测方法、装置、设备及介质
CN110244994A (zh) 用于数据处理系统的数据模块管理
CN112712903A (zh) 一种基于人机物三元空间协同感知的传染病监测方法
CN111353173B (zh) 一种使用图差分隐私模型的敏感标签轨迹数据发布方法
US11933619B2 (en) Safe zones and routes planning
US20220285036A1 (en) Systems and methods for intelligent and privacy-centric contact tracing
McLaughlin et al. Genomic epidemiology of the first two waves of SARS-CoV-2 in Canada
US20220336110A1 (en) Case sift and cluster sift for outbreak tracking and management
Ye et al. Community mitigation: A data-driven system for covid-19 risk assessment in a hierarchical manner
US20210134147A1 (en) System and method for processing vehicle event data for low latency speed analysis of road segments
CN112735602A (zh) 区块链风险值管理方法、装置、电子设备及存储介质
US20230205928A1 (en) Data management system to track and distribute public data collection with user privacy protection and event token exchange
CN111624635A (zh) 一种移动终端的定位方法、系统、服务器和存储介质
CN111611337B (zh) 终端数据处理系统

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