CN112652401A - 一种基于区县疫情大数据的疫情预防系统 - Google Patents
一种基于区县疫情大数据的疫情预防系统 Download PDFInfo
- Publication number
- CN112652401A CN112652401A CN202010841087.0A CN202010841087A CN112652401A CN 112652401 A CN112652401 A CN 112652401A CN 202010841087 A CN202010841087 A CN 202010841087A CN 112652401 A CN112652401 A CN 112652401A
- Authority
- CN
- China
- Prior art keywords
- epidemic situation
- county
- data
- module
- infection risk
- 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
Links
- 230000002265 prevention Effects 0.000 title claims abstract description 16
- 208000015181 infectious disease Diseases 0.000 claims abstract description 54
- 238000012800 visualization Methods 0.000 claims abstract description 27
- 238000009792 diffusion process Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000013480 data collection Methods 0.000 claims abstract description 4
- 238000013079 data visualisation Methods 0.000 claims abstract description 4
- 238000013508 migration Methods 0.000 claims description 11
- 230000005012 migration Effects 0.000 claims description 11
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 6
- 230000001413 cellular effect Effects 0.000 claims description 5
- 238000004040 coloring Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 description 16
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Abstract
本发明涉及一种基于区县疫情大数据的疫情预防系统,包括:数据采集模块,用于获取系统输入数据;数据库;存储模块;区县疫情分级模块,用于根据数据采集模块采集的数据对区县疫情进行分级处理;疫情扩散分析模块,用于根据数据采集模块采集的数据分析各区县疫情的扩散情况;人员感染风险判断模块,用于根据数据采集模块采集的数据对各区县人员的感染风险进行判断;可视化模块,用于进行数据可视化以及疫情预警;服务器端;所述的数据采集模块、数据库、存储模块、区县疫情分级模块、疫情扩散分析模块、人员感染风险判断模块和可视化模块分别与服务器端相连。与现有技术相比,本发明具有等优点。
Description
技术领域
本发明涉及疫情预防系统,尤其是涉及一种基于区县疫情大数据的疫情预防系统。
背景技术
目前许多在线疫情网站均提供了地级市级别的疫情数据统计及历史累计数据分析等功能。但在同一地级市内的确诊病例分布并不均匀,且确诊病例多表现为亲属之间的聚集性感染。如果因为地级市的总体确诊病例数量而将该地级市辖区内所有人员均列为感染风险人员,不仅会错误的估计人员的感染风险国内大部分地级市均出现了疫情数据,也不利于进行有效的人员感染风险分级,从而影响不同感染风险级别的人员流动控制,所以亟需一种能够对区县级疫情进行分析的疫情监控预防系统。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种实现区县级的疫情监控和预防、实用性强的基于区县疫情大数据的疫情预防系统。
本发明的目的可以通过以下技术方案来实现:
一种基于区县疫情大数据的疫情预防系统,其特征在于,包括:
数据采集模块,用于获取系统输入数据;
数据库;存储模块;
区县疫情分级模块,用于根据数据采集模块采集的数据对区县疫情进行分级处理;
疫情扩散分析模块,用于根据数据采集模块采集的数据分析各区县疫情的扩散情况;
人员感染风险判断模块,用于根据数据采集模块采集的数据对各区县人员的感染风险进行判断;
可视化模块,用于进行数据可视化以及疫情预警;
服务器端;
所述的数据采集模块、数据库、存储模块、区县疫情分级模块、疫情扩散分析模块、人员感染风险判断模块和可视化模块分别与服务器端相连。
优选地,所述的数据采集模块采集的数据包括各区县疫情数据、区县间的人口迁徙数据以及各区县内人员的定位数据。
更加优选地,所述的各区县疫情数据通过既有的疫情数据平台获取;所述的区县间人口迁徙数据由网络爬虫通过既有的人口出行迁徙数据平台获取;所述的各区县内人员的定位数据通过既有的人员定位数据平台获取。
更加优选地,所述的疫情数据包括各区县单日新增病例数、各区县14天累计确诊病例数和各区县14天内有新增病例累计天数。
更加优选地,所述的区县疫情分级模块中感染风险等级的判断方法为:
低感染风险等级:单日新增确诊病例数、14天累计确诊病例数和14天内有新增病例累计天数均为零;
优选地,所述的疫情扩散分析模块具体为二维元胞自动机。
优选地,所述的人员感染风险判断模块中人员感染风险的判断方法为:
首先,判断人员14天内地理位置是否发生变动,若是,则直接判定该人员具有一定感染风险,若该人员14天内地理位置未发生变动,则继续判断该人员所在区县是否连续14天为地感染风险等级区县,若是,则判定该人员无感染风险,否则,判定该人员具有一定的感染风险。
优选地,所述的数据库为空间数据库。
优选地,所述的可视化模块包括区县疫情可视化单元和区县疫情扩散可视化单元;所述的区县疫情可视化单元和区县疫情扩散可视化单元分别与服务器端相连。
更加优选地,所述的可视化模块通过区县疫情分级模块的输出数据对可视化内容进行分级着色处理。
与现有技术相比,本发明具有以下优点:
一、实现区县级的疫情监控和预防:本发明中的疫情预防系统从既有大数据平台采集区县级疫情数据信息,在经过区域疫情分级、区域疫情扩散预测分析后进行可视化处理,同时通过可视化界面进行预警,实现对区县级疫情的监控和预警。
二、实用性强:本发明中的可视化模块通过区县疫情分级模块的输出数据对可视化内容进行分级着色处理,完善了用户体验,增强了系统的实用性。
附图说明
图1为本发明中疫情预防系统的结构示意图。
图中标号所示:
1、数据采集模块,2、数据库,3、存储模块,4、区县疫情分级模块,5、疫情扩散分析模块,6、人员感染风险判断模块,7、可视化模块,8、服务器端。
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,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
一种基于区县疫情大数据的疫情预防系统,其结构如图1所示,包括:
数据采集模块1,用于获取系统输入数据;
数据库2,存储模块3;
区县疫情分级模块4,用于根据数据采集模块1采集的数据对区县疫情进行分级处理;
疫情扩散分析模块5,用于根据数据采集模块1采集的数据分析各区县疫情的扩散情况;
人员感染风险判断模块6,用于根据数据采集模块1采集的数据对各区县人员的感染风险进行判断;
可视化模块7,用于进行数据可视化以及疫情预警;
服务器端8;
所述的数据采集模块1、数据库2、存储模块3、区县疫情分级模块4、疫情扩散分析模块5、人员感染风险判断模块6和可视化模块7分别与服务器端8相连。
下面对各个模块进行详细描述:
一、数据采集模块1
采集的数据包括各区县疫情数据、区县间的人口迁徙数据以及各区县内人员的定位数据。
各区县疫情数据通过既有的疫情数据平台获取,区县间人口迁徙数据由网络爬虫通过既有的人口出行迁徙数据平台获取,各区县内人员的定位数据通过既有的人员定位数据平台获取。
本实施例采集了大量每日疫情数据,在获取数据后需要对数据进行处理,本实施例中对数据的处理方法具体为:
第一步,按照高地理编码adcode将获取的区县级疫情数据进行排列;
第二步,对各地级市规划的各类经济类开发区等未具有国家行政级别,但分别统计疫情的区域,先完整记录下所有原始区域数据;
第三步,通过地图检索具体位置及查找发开区设置情况,将对应数据归并到相应的区县级区域内;
第四步,根据每日的汇总数据,生成单日区县级疫情数据表格,主要由省、市、区县、确诊病例总数、单日新增病例数等几个部分组成。
二、数据库2
本实施例中的数据库2选用空间数据库。
三、区县疫情分级模块4
该模块4的具体分级标准为:
低感染风险等级:单日新增确诊病例数、14天累计确诊病例数和14天内有新增病例累计天数均为零;
具体如表1所示。
表1 区县级感染风险等级分级标准
四、疫情扩散分析模块5
首先利用python网络爬虫技术从百度迁徙数据库中获取各个地级市对应的人口流入及流出城市。通过现有城市的疫情确诊病例数据与百度迁徙数据相结合,将数据输入元胞自动机进行预测。
本实施例中的疫情扩散分析模块5选用既有的二维元胞自动机来实现疫情扩散分析,元胞自动机的缓冲区和邻域均根据实际情况选取,由于元胞自动机实现预测是比较成熟的技术,所以本实施例不再赘述。
五、人员感染风险判断模块6
人员感染风险的判断方法为:
首先,判断人员14天内地理位置是否发生变动,若是,则直接判定该人员具有一定感染风险,若该人员14天内地理位置未发生变动,则继续判断该人员所在区县是否连续14天为地感染风险等级区县,若是,则判定该人员无感染风险,否则,判定该人员具有一定的感染风险。
六、可视化模块7
本实施例中的可视化模块7包括区县疫情可视化单元和区县疫情扩散可视化单元,区县疫情可视化单元和区县疫情扩散可视化单元分别与服务器端8相连。
本实施例中的可视化模块7还通过区县疫情分级模块4对可视化内容进行分级着色处理。
本实施例中的可视化处理过程具体为:将各地级市中未具有行政区划的经济类开发区中的确诊病例数归并到相应的区县级区域的病例统计内,校正疫情数据,再利用校正过的疫情数据中的adcode关键词,将区县级疫情数据与地图的区县级行政边界相关联。基于地图提高的网页二次开发工具,构建基于网页的区县级疫情空间可视化及查询页面。
居住地分布面板上显示A市各区县的疫情累计确诊人数和新增确诊人数,并且在地图上进行分级着色图的绘制。在地图上点击需要查询的区县,将会弹出该区县14天内的疫情统计图表。
上述系统已经成功应用,成功构建了基于网页的空间数据展示平台,该平台运用地理信息技术、大数据技术及数字存储技术,构建了针对疫情的地理信息系统,实现了全国疫情的空间可视化及动态分析、疫情空间影响的评估。通过该系统可以对全国区县级疫情信息进行有效的空间展示,并可对单个区县行政单元进行累计疫情统计分析。高校与各单位可以通过该系统实现对学生及员工的分布状态及其所在地疫情的有效掌握,分析不同员工的疫情感染风险,从而制定合理的学生与员工的返校返岗方案,并为学生与员工的返校返岗行程选择提供辅助信息支撑。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于区县疫情大数据的疫情预防系统,其特征在于,包括:
数据采集模块(1),用于获取系统输入数据;
数据库(2);存储模块(3);
区县疫情分级模块(4),用于根据数据采集模块(1)采集的数据对区县疫情进行分级处理;
疫情扩散分析模块(5),用于根据数据采集模块(1)采集的数据分析各区县疫情的扩散情况;
人员感染风险判断模块(6),用于根据数据采集模块(1)采集的数据对各区县人员的感染风险进行判断;
可视化模块(7),用于进行数据可视化以及疫情预警;
服务器端(8);
所述的数据采集模块(1)、数据库(2)、存储模块(3)、区县疫情分级模块(4)、疫情扩散分析模块(5)、人员感染风险判断模块(6)和可视化模块(7)分别与服务器端(8)相连。
2.根据权利要求1所述的一种基于区县疫情大数据的疫情预防系统,其特征在于,所述的数据采集模块(1)采集的数据包括各区县疫情数据、区县间的人口迁徙数据以及各区县内人员的定位数据。
3.根据权利要求2所述的一种基于区县疫情大数据的疫情预防系统,其特征在于,所述的各区县疫情数据通过既有的疫情数据平台获取;所述的区县间人口迁徙数据由网络爬虫通过既有的人口出行迁徙数据平台获取;所述的各区县内人员的定位数据通过既有的人员定位数据平台获取。
4.根据权利要求3所述的一种基于区县疫情大数据的疫情预防系统,其特征在于,所述的疫情数据包括各区县单日新增病例数、各区县14天累计确诊病例数和各区县14天内有新增病例累计天数。
5.根据权利要求4所述的一种基于区县疫情大数据的疫情预防系统,其特征在于,所述的区县疫情分级模块(4)中感染风险等级的判断方法为:
低感染风险等级:单日新增确诊病例数、14天累计确诊病例数和14天内有新增病例累计天数均为零;
较低感染风险等级:单日新增确诊病例数范围为[1,3],14天累计确诊病例数范围为[1,5],14天内有新增病例累计天数范围为[1,3];
中感染风险等级:单日新增确诊病例数范围为[4,6],14天累计确诊病例数范围为[6,10],14天内有新增病例累计天数范围为[4,6];
较高感染风险等级:单日新增确诊病例数范围为[7,10],14天累计确诊病例数范围为[11,20],14天内有新增病例累计天数范围为[7,9];
高感染风险等级:单日新增确诊病例数范围为[11,20],14天累计确诊病例数范围为[21,40],14天内有新增病例累计天数范围为[10,12]。
6.根据权利要求1所述的一种基于区县疫情大数据的疫情预防系统,其特征在于,所述的疫情扩散分析模块(5)具体为二维元胞自动机。
7.根据权利要求1所述的一种基于区县疫情大数据的疫情预防系统,其特征在于,所述的人员感染风险判断模块(6)中人员感染风险的判断方法为:
首先,判断人员14天内地理位置是否发生变动,若是,则直接判定该人员具有一定感染风险,若该人员14天内地理位置未发生变动,则继续判断该人员所在区县是否连续14天为地感染风险等级区县,若是,则判定该人员无感染风险,否则,判定该人员具有一定的感染风险。
8.根据权利要求1所述的一种基于区县疫情大数据的疫情预防系统,其特征在于,所述的数据库(2)为空间数据库。
9.根据权利要求1所述的一种基于区县疫情大数据的疫情预防系统,其特征在于,所述的可视化模块(7)包括区县疫情可视化单元和区县疫情扩散可视化单元;所述的区县疫情可视化单元和区县疫情扩散可视化单元分别与服务器端(8)相连。
10.根据权利要求9所述的一种基于区县疫情大数据的疫情预防系统,其特征在于,所述的可视化模块(7)通过区县疫情分级模块(4)的输出数据对可视化内容进行分级着色处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010841087.0A CN112652401A (zh) | 2020-08-20 | 2020-08-20 | 一种基于区县疫情大数据的疫情预防系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010841087.0A CN112652401A (zh) | 2020-08-20 | 2020-08-20 | 一种基于区县疫情大数据的疫情预防系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112652401A true CN112652401A (zh) | 2021-04-13 |
Family
ID=75346145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010841087.0A Pending CN112652401A (zh) | 2020-08-20 | 2020-08-20 | 一种基于区县疫情大数据的疫情预防系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112652401A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793619A (zh) * | 2014-02-27 | 2014-05-14 | 成都医学院 | 一种新型传染病空间扩散模拟方法 |
CN111128399A (zh) * | 2020-03-30 | 2020-05-08 | 广州地理研究所 | 一种基于人流密度的流行病疫情风险等级评估方法 |
CN111403047A (zh) * | 2020-03-17 | 2020-07-10 | 腾讯科技(成都)有限公司 | 疫情提示方法、装置、计算机设备和存储介质 |
-
2020
- 2020-08-20 CN CN202010841087.0A patent/CN112652401A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793619A (zh) * | 2014-02-27 | 2014-05-14 | 成都医学院 | 一种新型传染病空间扩散模拟方法 |
CN111403047A (zh) * | 2020-03-17 | 2020-07-10 | 腾讯科技(成都)有限公司 | 疫情提示方法、装置、计算机设备和存储介质 |
CN111128399A (zh) * | 2020-03-30 | 2020-05-08 | 广州地理研究所 | 一种基于人流密度的流行病疫情风险等级评估方法 |
Non-Patent Citations (1)
Title |
---|
余锦芬等: ""基于机器学习和动力学模型的湖北省新型冠状病毒肺炎疫情分析"", 《生物医学工程研究》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107239575B (zh) | 城市道路暴雨内涝风险分析与预警智联网服务系统及方法 | |
CN104484993A (zh) | 用于交通小区划分的手机信令信息的处理方法 | |
CN105678481A (zh) | 一种基于随机森林模型的管线健康状态评估方法 | |
CN103236163A (zh) | 一种基于群智网络的交通拥堵规避提示系统 | |
Pope et al. | A multi-objective assessment of an air quality monitoring network using environmental, economic, and social indicators and GIS-based models | |
CN112712674A (zh) | 一种基于信息化技术的城市内涝预警方法 | |
CN109508363A (zh) | 基于gis的水利大数据服务平台及其工作方法 | |
CN1936880A (zh) | 采用网格法确定雷电参数的统计方法 | |
Zheng et al. | An eiot system designed for ecological and environmental management of the xianghe segment of china’s grand canal | |
US20180182041A1 (en) | Systems and Methods for Wide-Scale Mapping of Neighborhood Property Geolocations and Estimating Property Values Thereof | |
CN112738729B (zh) | 一种用手机信令数据判别探亲返乡游客的方法及系统 | |
CN112948595B (zh) | 城市群运行状态知识图谱构建方法、系统及设备 | |
CN109933637A (zh) | 一种洪水风险动态展示及分析系统 | |
CN112288247A (zh) | 一种基于空间交互关系的土壤重金属风险识别方法 | |
CN116503226A (zh) | 基于物联网的化工园区环境监测管理系统 | |
CN111966746A (zh) | 一种气象防灾减灾流程监控系统及其监控方法 | |
CN110836683A (zh) | 河道管理方法、河道管理装置及终端 | |
CN113256978A (zh) | 一种城市拥堵地区的诊断方法、系统及储存介质 | |
CN106843656A (zh) | 一种数据展示及交互的方法 | |
CN112652401A (zh) | 一种基于区县疫情大数据的疫情预防系统 | |
CN116013084A (zh) | 交通管控场景确定方法、装置、电子设备及存储介质 | |
CN115879594A (zh) | 一种基于地理探测器的城市定居人口分布趋势预测方法 | |
CN109613179A (zh) | 累积高值区的确定方法 | |
CN114666738A (zh) | 基于手机信令的国土空间规划方法和系统 | |
CN110515961B (zh) | 一种基于时空大数据的基础地理信息更新需求评价方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210413 |