CN113326341B - 街道疫情发展推演方法、装置及计算机可读介质 - Google Patents
街道疫情发展推演方法、装置及计算机可读介质 Download PDFInfo
- Publication number
- CN113326341B CN113326341B CN202110631583.8A CN202110631583A CN113326341B CN 113326341 B CN113326341 B CN 113326341B CN 202110631583 A CN202110631583 A CN 202110631583A CN 113326341 B CN113326341 B CN 113326341B
- Authority
- CN
- China
- Prior art keywords
- epidemic situation
- deduction
- development
- street
- map
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Abstract
本发明提供了街道疫情发展推演方法、装置及计算机可读介质。构建当前街道的推演地图;收集当前街道的疫情发展信息和疫情管理信息;从预先构建的想定库,选择至少一种目标想定,其中,每种想定对应一种推演前提条件;确定参与推演的疫情发展方、疫情应对方与第三方,并根据至少一个目标想定确定推演前提条件;控制疫情发展方根据推演前提条件和疫情传播信息生成疫情发展模型,根据疫情发展模型在推演地图中模拟推动疫情发展;控制疫情应对方在推演地图中根据推演前提条件和疫情管理信息模拟应对疫情的发展;调用第三方对推演情况进行分析,并根据分析结果生成至少一条疫情应对决策。本发明的方案能够有效进行街道疫情应对策略的试验和验证。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及街道疫情发展推演方法、装置及计算机可读介质。
背景技术
在疫情发生时,针对街道疫情的防控,主要是组织大量人力在街道中进行网格化和管理的方法,对社区、街道、家庭逐级覆盖排查和疫情监测。
然而,这种方法统计出的数据是一种静态的存量数据,只能显示为当前无人口流动静止状况下的疫情状态,相应的也只能够采取保守的措施来阻断疫情的发展,无法把握疫情的发展特征,因此无法准确的针对街道中疫情发展的真实情况有效进行街道疫情应对策略的试验和验证。
发明内容
本发明实施例提供了街道疫情发展推演方法、装置及计算机可读介质,能够有效进行街道疫情应对策略的试验和验证。
第一方面,本发明实施例提供了街道疫情发展推演方法,包括:
构建当前街道的推演地图;
收集所述当前街道的疫情发展信息和疫情管理信息;
从预先构建的想定库,选择至少一种目标想定,其中,每种想定对应一种推演前提条件;
确定参与推演的疫情发展方、疫情应对方与第三方,并根据至少一个目标想定确定推演前提条件;
控制所述疫情发展方根据所述推演前提条件和所述疫情传播信息生成疫情发展模型,根据所述疫情发展模型在所述推演地图中模拟推动疫情发展;
控制所述疫情应对方在所述推演地图中根据所述推演前提条件和所述疫情管理信息模拟应对疫情的发展;
调用所述第三方对推演情况进行分析,并根据分析结果生成至少一条疫情应对决策。
优选地,
所述想定,包括:在所述推演地图中的推演区域、推演持续的时间、传染源的数量、每个传染源在所述推演地图中的初始位置、当前街道的物质储备情况和疫情的传播能力。
优选地,
所述构当前街道的推演地图,包括:
利用预先设置的地理信息系统GIS服务,构建所述当前街道的二维地图;
将所述当前街道的区域进行分类,得到标准区域类别,其中,所述标准区域类别包括:居民区、商业区或行政区;
根据所述当前街道的人员流动情况,为每个标准区域类别赋予人员分布数据,其中,所述人员流动情况为从外部统计服务器获取的该地区内预设时间段内的各标准区域类别对应的平均人员流动数量;
将每种所述标准区域类别导入到所述二维地图中,得到所述推演地图。
优选地,
所述疫情管理信息,包括:当前街道的医疗物资储备情况和当前街道的社会组织力量;
所述控制所述疫情发展方根据所述推演前提条件和所述疫情传播信息生成疫情发展模型,包括:
根据当前街道的实际感染数据和所述推演前提条件,确定如下疫情概率分布:
人员在每个标准区域类别中被感染后的潜伏期时长的概率分布;
人员在每个标准区域类别中被感染后的轻症期时长的概率分布和由轻症转为重症的概率分布;
人员在每个标准区域类别中被感染后的重症期时长的概率分布和由重症发展为死亡的概率分布;
人员在每个标准区域类别中被感染后的恢复期时长的概率分布;
根据各概率分布,生成基础疫情发展概率分布模型;
确定所述推演前提条件下,所述医疗物资储备情况和所述社会组织力量对所述疫情发展模型中每种概率分布的概率影响;
根据概率变动后的疫情概率分布调整基础疫情发展模型,生成所述疫情发展模型。
优选地,所述根据所述疫情发展模型在所述推演地图中模拟推动疫情发展,包括:
所述疫情发展方在所述推演地图中,控制传染源从其起始位置在所述推演地图中移动;
控制推演地图中分布的人员在各标准区域类别中移动;
根据所述疫情发展模型,确定每个传染源在所述推演地图中移动时的密切接触人群,其中,所述密切接触人员为在同一标准区域类别中与所述传染源的共处时间超过预设时间值的人员;
根据所述疫情发展模型进行感染判断,确定所述密切接触人群中已被感染的潜伏期感染者,并使每个潜伏期感染者发展病情并按照其对应的所述标准状态在各标准区域类别中移动形成新的密切接触人群以推动疫情发展。
优选地,
所述控制所述疫情应对方在所述推演地图中根据所述推演前提条件和所述疫情管理信息模拟应对疫情的发展,包括:
通过当前街道的医疗物资储备情况,根据所述推演地图中的人员分布情况分配,进行医疗物资的分配;
根据所述密切接触人群出现的至少一种标准区域类别,通过工作人员在所述推演地图中对至少一种环境类别进行局部管理并提供物资保障。
优选地,
所述调用所述第三方对推演情况进行分析,并根据分析结果生成至少一条疫情应对决策,包括:
确定所述虚拟推演空间中当前的疫情发展数据,所述疫情发展数据包括当前的传染率、重症率和致死率,将所述疫情发展数据与当前街道的实际疫情发展数据进行比对,根据比对结果生成至少一条疫情应对决策;
针对每个感染源在所述推演地图中的移动,在所述推演地图中标记出移动路径,确定所述移动路径的至少一个途径地,针对每一个途径地生成至少一条疫情应对决策。
第二方面,本发明实施例提供了根据上述第一发明中任一所述的街道疫情发展推演方法的街道疫情发展推演装置,包括:
构建模块,用于构建当前街道的推演地图;
收集模块,用于收集所述当前街道的疫情发展信息和疫情管理信息;
选择模块,用于从预先构建的想定库,选择至少一种目标想定,其中,每种想定对应一种推演前提条件;
推演模块,用于确定参与推演的疫情发展方、疫情应对方与第三方,并根据至少一个目标想定确定推演前提条件;控制所述疫情发展方根据所述推演前提条件和所述疫情传播信息生成疫情发展模型,根据所述疫情发展模型在所述推演地图中模拟推动疫情发展;控制所述疫情应对方在所述推演地图中根据所述推演前提条件和所述疫情管理信息模拟应对疫情的发展;调用所述第三方对推演情况进行分析,并根据分析结果生成至少一条疫情应对决策。
第三方面,本发明实施例提供了街道疫情发展推演装置,包括:至少一个存储器和至少一个处理器;
所述至少一个存储器,用于存储机器可读程序;
所述至少一个处理器,用于调用所述机器可读程序,执行上述第一方面中任一所述的方法。
第四方面,本发明实施例提供了计算机可读介质,所述计算机可读介质上存储有计算机指令,所述计算机指令在被处理器执行时,使所述处理器执行上述第一方面中任一所述的方法。
本发明实施例提供了街道疫情发展推演方法、装置及计算机可读介质。首先构建当前街道的推演地图并收集当前街道中真实的疫情发展信息和疫情管理信息;通过预先构建的想定库,选择其中的至少一种目标想定,想定可以表现不同疫情阶段、不同防控等级下的状态,为推演开始提供准备条件。确定参与推演的疫情发展方、疫情应对方与第三方,疫情发展方结合当前街道的推演地图,根据当前街道当前真实的疫情发展信息来模拟并尽可能推动疫情的发展;疫情应对方利用当前街道的疫情管理信息,应对疫情发展方推动的疫情发展。。除对抗双方外,调用第三方推演情况进行分析,实时关注疫情的发展趋势,研判未来发展,分析已有措施的有效性,以便及时修订和制定新措施。在本发明提供的方案中,通过疫情发展方、疫情应对方和第三方的三方推演方式,可以有效表现街道中疫情防控的各种行动和措施,推演结果可与真实的流行性调查结果进行比对,分析疫情防控的关键问题,由此可见,本发明提供的方案能够根据疫情发展的真实情况,有效进行街道疫情应对策略的试验和验证。
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,下面将对实施例或现有技术描述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是本发明一实施例提供的一种街道疫情发展推演方法的流程图;
图2是本发明一实施例提供的另一种街道疫情发展推演方法的流程图;
图3是本发明一实施例提供的一种街道疫情发展推演装置的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,都属于本发明保护的范围。
在疫情发生时,针对街道疫情的防控,主要是组织大量人力在街道中进行网格化和管理的方法,对社区、街道、家庭逐级覆盖排查和疫情监测。然而,这种方法统计出的数据是一种静态的存量数据,只能显示为当前无人口流动静止状况下的疫情状态,相应的也只能够采取保守的措施来阻断疫情的发展,无法把握疫情的发展特征,因此无法准确的针对街道中疫情发展的真实情况有效进行街道疫情应对策略的试验和验证。
下面结合附图来对本发明各个实施例提供的街道疫情发展推演方法、装置及计算机可读介质作详细说明。
如图1所示,本发明一实施例提供了一种街道疫情发展推演方法,该方法包括以下步骤:
步骤101:构建当前街道的推演地图,收集所述当前街道的疫情发展信息和疫情管理信息;
步骤102:从预先构建的想定库,选择至少一种目标想定,其中,每种想定对应一种推演前提条件;
步骤103:确定参与推演的疫情发展方、疫情应对方与第三方,并根据至少一个目标想定确定推演前提条件;
步骤104:控制所述疫情发展方根据所述推演前提条件和所述疫情传播信息生成疫情发展模型,根据所述疫情发展模型在所述推演地图中模拟推动疫情发展;控制所述疫情应对方在所述推演地图中根据所述推演前提条件和所述疫情管理信息模拟应对疫情的发展;
步骤105:调用所述第三方对推演情况进行分析,并根据分析结果生成至少一条疫情应对决策。
首先构建当前街道的推演地图并收集当前街道中真实的疫情发展信息和疫情管理信息;通过预先构件的想定库,选择其中的至少一种目标想定,想定可以表现不同疫情阶段、不同防控等级下的状态,为推演开始提供准备条件。确定参与推演的疫情发展方、疫情应对方与第三方,疫情发展方结合当前街道的推演地图,根据当前街道当前真实的疫情发展信息来模拟并尽可能推动疫情的发展;疫情应对方利用当前街道的疫情管理信息,应对疫情发展方推动的疫情发展。除对抗双方外,调用第三方推演情况进行分析,实时关注疫情的发展趋势,研判未来发展,分析已有措施的有效性,以便及时修订和制定新措施。在本发明提供的方案中,通过疫情发展方、疫情应对方和第三方的三方推演方式,可以有效表现街道中疫情防控的各种行动和措施,推演结果可与真实的流行性调查结果进行比对,分析疫情防控的关键问题,由此可见,本发明提供的方案能够根据疫情发展的真实情况有效进行街道疫情应对策略的试验和验证。
在本发明一实施例中,所述想定,包括:在所述推演地图中的推演区域、推演持续的时间、传染源的数量、每个传染源在所述推演地图中的初始位置、当前街道的物质储备情况和疫情的传播能力。
具体地,想定准备包括设定地图即推演地图中的推演区域、推演持续的时间、每个传染源在所述推演地图中的初始位置部署、当前街道的物质储备情况和疫情的传播能力等方面,想定库包括存储、想定查询、想定删除三个功能。想定存储,把已经编辑完成的想定加入到想定库中,便于随时调用。想定调用,调用想定数据库中已有的想定进行推演。想定查询,根据相关的关键字在想定库进行检索查询,以便于找到所需要的想定。想定删除,对已经过时或者保存意义不大的想定进行删除,比如针对一些已克服的疫情对应的传播能力等想定,由于参考意义已不大,因此可以删除。在当前正传播的疫情的病毒产生变异的时候,可以通修改想定,来增强疫情的传播能力。通过想定设置不同规模的防控力量,表现不同程度的参与疫情应对程度;设置不同的感染患者数量和分布位置,表现不同的疫情爆发状态,能够表现不同街道、不同疫情阶段、不同防控等级下的状态,为推演开始提供准备条件。
在本发明一实施例中,所述构建当前街道的推演地图,包括:
利用预先设置的地理信息系统GIS服务,构建所述当前街道的二维地图;
将所述当前街道的区域进行分类,得到标准区域类别,其中,所述标准区域类别包括:居民区、商业区或行政区;
根据所述当前街道的人员流动情况,为每个标准区域类别赋予人员分布数据,其中,所述人员流动情况为从外部统计服务器获取的该地区内预设时间段内的各标准区域类别对应的平均人员流动数量;
将每种所述标准区域类别导入到所述二维地图中,得到所述推演地图。
具体地,本发明中疫情发展方和疫情应对方的推演需要在虚拟空间内进行,为研究各类疫情发展与防控提供拟真实化的平行世界环境。首先,通过GIS服务展现当前街道的二维地图,构建当前街道的全部区域可视化界面,若想定中规定了区域,则只构建该区域的二维地图。在二维地图中,对不同区域进行划分,将所述当前街道的区域进行分类,得到标准区域类别,如居民区、商业区、行政区域等。同时,结合推演街道的现实情况,为不同的标准区域类别赋予人员分布数据,比如,商业区各个时间段的人流量,在工作日上班时间各行政区域的人流量等等,使疫情发展更贴近街道的疫情发展。将标准区域类别导入到二维地图中,使得二维地图不仅用于显示当前街道的地图,而是能够进行推演的推演地图。
在本发明一实施例中,所述疫情管理信息,包括当前街道的医疗物资储备情况、医学科研能力和/或社会组织力量;
所述控制所述疫情发展方根据所述推演前提条件和所述疫情传播信息生成疫情发展模型,包括:
根据当前街道的实际感染数据和所述推演前提条件,确定如下疫情概率分布:
人员在每个标准区域类别中被感染后的潜伏期时长的概率分布;
人员在每个标准区域类别中被感染后的轻症期时长的概率分布和由轻症转为重症的概率分布;
人员在每个标准区域类别中被感染后的重症期时长的概率分布和由重症发展为死亡的概率分布;
人员在每个标准区域类别中被感染后的恢复期时长的概率分布;
根据各概率分布,生成基础疫情发展概率分布模型;
确定所述推演前提条件下,所述医疗物资储备情况和所述社会组织力量对所述疫情发展模型中每种概率分布的概率影响;
根据概率变动后的疫情概率分布调整基础疫情发展模型,生成所述疫情发展模型。
具体地,通过对已有传染数据的分类处理,将不同状态感染者对不同状态普通人员在不同环境下,形成不同亲密接触条件的传染概率进行统计分析,形成基础疫情发展概率分布模型。即,在未考虑现实中医疗物资储备情况、医学科研能力和/或社会组织力量对于疫情防控的影响下,疫情会如何进行发展。之后,由于街道中往往不具备科研力量和医学力量,因此街道中产生影响的因素为物资储备和社会组织力量。代入当前街道的的医疗物资储备情况和社会组织力量对所述疫情发展模型,确定每一种防护手段对疫情发展的防护能力。结合不同状态感染者对不同状态普通人员的一系列离散传染事件,对基础疫情发展概率分布模型进行调整,得到更符合实际疫情发展的疫情发展模型,疫情发展方通过疫情发展模型,来更具体的推动疫情的发展,使其接近当前街道现实中的实际发展。
在本发明一实施例中,所述根据所述疫情发展模型在所述推演地图中模拟推动疫情发展,包括:
所述疫情发展方在所述推演地图中,控制传染源从其起始位置在所述推演地图中移动;
控制推演地图中分布的人员在各标准区域类别中移动;
根据所述疫情发展模型,确定每个传染源在所述推演地图中移动时的密切接触人群,其中,所述密切接触人员为在同一标准区域类别中与所述传染源的共处时间超过预设时间值的人员;
根据所述疫情发展模型进行感染判断,确定所述密切接触人群中已被感染的潜伏期感染者,并使每个潜伏期感染者发展病情并按照其对应的所述标准状态在各标准区域类别中移动形成新的密切接触人群以推动疫情发展。
在本发明实施例中,疫情发展方通过控制感染源在市区不断流动,形成传染条件来扩大疫情规模。具体地,疫情发展方控制疫情感染源人员在推演地图内进行流动,期间易感人群形成密切接触条件,按照疫情发展模型,依据兵棋裁决逻辑完成感染裁决,以确定密接人群是否有人被感染,被感染者立即变成潜伏期感染者,按照病程发展规律发展自己的病情,同时具备作为感染源传染别人的概率能力,以此类推,疫情发展方可以有效实现疫情的人际传播,形成发展态势,收集、记录疫情的系列传染事件数据,统计形成传染率、重症率、致死率等疫情特征数据。推演数据可以提供疫情传染链路图,辅助理清疫情发展脉络,模拟医学流行性调查的真实结果,可以与当前街道流行性调查现状数据进行比对,从中发现和研讨不足与差距。
在本发明一实施例中,所述控制所述疫情应对方在所述推演地图中根据所述推演前提条件和所述疫情管理信息模拟应对疫情的发展,包括:
通过当前地区的医疗物资储备情况,根据所述推演地图中的人员分布情况分配,进行医疗物资的分配;
根据所述密切接触人群出现的至少一种标准区域类别,通过工作人员在所述推演地图中对至少一种环境类别进行局部管理并提供物资保障;
根据所述密切接触人群出现的至少一种标准区域类别,通过工作人员在所述推演地图中对至少一种环境类别进行局部管理并提供物资保障。
具体地,疫情应对方控制虚拟环境内的社会组织力量,包括街道工作人员和志愿者,两者合力完成对某区域的管理和物资保障工作,实现对疫情的有效应对。
在本发明一实施例中,所述调用所述第三方对推演情况进行分析,并根据分析结果生成至少一条疫情应对决策,包括:
确定所述虚拟推演空间中当前的疫情发展数据,所述疫情发展数据包括当前的传染率、重症率和致死率,将所述疫情发展数据与当前街道的实际疫情发展数据进行比对,根据比对结果生成至少一条疫情应对决策;
针对每个感染源在所述推演地图中的移动,在所述推演地图中标记出移动路径,确定所述移动路径的至少一个途径地,针对每一个途径地生成至少一条疫情应对决策。
具体地,推演过程中,第三方可以实时关注疫情的发展趋势,研判未来发展,分析已有措施的有效性,以便及时修订和制定新措施,指导疫情防控实践。推演结束后,可以推演生成的各类指标数据比对真实的疫情发展统计数据情况,分析以往策略的有效性和不足,为后续工作提供借鉴。可以分析疫情发展与医疗物资需求的相关性,为后续有针对性进行物资预储备提供条件。第三方在必要时,可以通过自己的超级第三者力量,实现对推演空间的调控,左右和把控疫情推演的发展趋势与方向。比如,推演结果显示疫情发展方的力量明显不如疫情应对方,导致街道中疫情的发展被早早控制住,为了测试疫情应对方的最大对抗能力,可以调整疫情发展方的力量来加快疫情的发展,比如,调整传染概率,增加传染源的数量,来测试疫情应对方的应对能力上限,为现实中的疫情应对提供参考。通过推演,可以详细研究疫情的传播能力数据、标准化的流行性调查脉络数据和医学防控各项数据。
综上所述,本发明实施例通过融合标准化、结构化的数据,运用严谨科学的行为规则,以及覆盖类别全面、数据合理的地图信息,形成虚拟的疫情传染、医学防控对抗数字空间,在构建的虚拟化数字空间中,通过系统中想定设置、推演支持、复盘评估、数据管理等功能模块,提供一整套针对疫情的防控研究解决方案和工具手段。依据推演技术思想应对街道级疫情防控,便于将多种多样的疫情传播与感染途径进行精准化、可视化展现与推演,构建了开放性策略标注功能,可大幅降低数据复杂度的同时,更鲜明的标示疫情的确诊、救治与防控策略脉络,为研究疫情发展为题提供手段。为疫情应对的疫情发展方、疫情应对方和第三方提供不同的推演方式,可以有效表现疫情防控中的各种行动和措施。
下面通过举例说明来对本发明各实施例提供的方案进行解释说明。假设通过本发明提供的方案对A街道进行疫情模拟,如图3所示,本发明实施例提供了一种街道疫情发展推演方法,该方法包括以下步骤:
步骤201:通过GIS服务收集A街道二维地图,分析A街道区域类别,按照标准区域类别标准为地图进行标准化工作,形成标准化的外部环境。
步骤202:根据A街道的实际疫情传播信息生成疫情发展模型。
具体地,收集A街道疫情以来的感染病例及其感染流行性调查数据,通过统计与分析和标准化处理,详细梳理出疫情中,潜伏期感染者在不同环境下不同密接条件、对不同年龄段不同防护状态下易感人员的传染概率分布;轻症感染者在不同环境下不同密接条件、对不同年龄段不同防护状态下易感人员的传染概率分布;重症感染者在不同环境下不同密接条件、对不同年龄段不同防护状态下易感人员的传染概率分布;恢复期感染者在不同环境下不同密接条件、对不同年龄段不同防护状态下易感人员的传染概率分布;形成基础疫情发展概率分布模型。统计分析并标准化处理后形成不同年龄段易感人员在被感染后,潜伏期时长概率分布;轻症期时长概率分布,受医护干预后的概率变动,以及由轻症向重症转化的概率分布;重症期时长概率分布,受医护干预后的概率变动,以及由重症发展为死亡的概率分布;恢复期时长概率分布,受医护干预后的概率变动。收集A街道的人员力量运用和物资消耗数据,经统计分析和标准化处理,形成防控消杀、社区管理、物资分配等行为模型,用以应对疫情发展。通过上述数据和基础疫情发展概率分布模型形成疫情发展模型。
步骤203:确定推演的起始状态和交互设定。
举例来说,推演方可设为疫情发展方(如病毒传播人群)、疫情应对方(A街道的街道工作人员及志愿者)和第三方等不同角色,通过不同角色的任务要求,设定推演目标。对推演想定进行设置,包括对想定管理的增删改查,选定A街道地图为推演地图,设定基于角色不同而配备不同规模的防控力量,根据当前疫情数据,部署不同区域内的感染患者数量和分布位置。
步骤204:疫情发展方根据疫情发展模型推动疫情发展,疫情应对方应对疫情的发展,第三方对推演情况进行分析。
具体地,设置完成后,进入推演对抗阶段,不同推演用户根据不同任务目标进行推演。疫情发展方控制疫情感染源人员在某市区内按照职业习惯进行流动,期间易感人群形成密切接触条件,按照疫情发展模型,依据兵棋裁决逻辑完成感染裁决,以确定密接人群是否有人被感染,被感染者立即变成潜伏期感染者,按照病程发展规律发展自己的病情,同时具备作为感染源传染别人的概率能力。以此类推,疫情发展方可以有效实现疫情的人际传播,形成发展态势,收集、记录疫情的系列传染事件数据,统计形成传染率、重症率、致死率等疫情特征数据。
疫情应对方组织工作人员完成对社区的管理和物资保障工作,实现对疫情的有效应对,形成时间段内筛查能力数据、确诊准确率数据、重症率和致死率下降数据等应对效果数据。
推演过程中,第三方可以实时关注疫情的发展趋势,研判未来发展,分析已有措施的有效性,以便及时修订和制定新措施,指导疫情防控实践。推演结束后,可以推演生成的各类指标数据比对真实的疫情发展统计数据情况,分析以往策略的有效性和不足,为后续工作提供借鉴。可以分析疫情发展与医疗物资需求的相关性,为后续有针对性进行物资预储备提供条件。
经过推演得出的详细数据指标,可以有效还原疫情由一到多的发展过程,辅助进行疫情分析和错略制定,为后续的疫情或其他疾病导致的疫情提供有益借鉴。
如图3所示,在图1的基础上,本发明一实施例提供了街道疫情发展推演装置,包括:
构建模块301,用于构建当前街道的推演地图;
收集模块302,用于收集所述当前街道的疫情发展信息和疫情管理信息;
选择模块303,用于从预先构建的想定库,选择至少一种目标想定,其中,每种想定对应一种推演前提条件;
推演模块304,用于确定参与推演的疫情发展方、疫情应对方与第三方,并根据至少一个目标想定确定推演前提条件;控制所述疫情发展方根据所述推演前提条件和所述疫情传播信息生成疫情发展模型,根据所述疫情发展模型在所述推演地图中模拟推动疫情发展;控制所述疫情应对方在所述推演地图中根据所述推演前提条件和所述疫情管理信息模拟应对疫情的发展;调用所述第三方对推演情况进行分析,并根据分析结果生成至少一条疫情应对决策。
可以理解的是,本发明实施例示意的结构并不构成对街道疫情发展推演装置的具体限定。在本发明的另一些实施例中,街道疫情发展推演装置可以包括比图示更多或者更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件、软件或者软件和硬件的组合来实现。
上述街道疫情发展推演装置内的各单元之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本发明还提供了一种计算机可读介质,存储用于使一计算机执行如本文所述的街道疫情发展推演方法的指令。具体地,可以提供配有存储介质的系统或者装置,在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码,且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。
在这种情况下,从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上下载程序代码。
此外,应该清楚的是,不仅可以通过执行计算机所读出的程序代码,而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作,从而实现上述实施例中任意一项实施例的功能。
此外,可以理解的是,将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中,随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作,从而实现上述实施例中任一实施例的功能。
需要说明的是,上述各流程和各系统结构图中不是所有的步骤和模块都是必须的,可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的,可以根据需要进行调整。上述各实施例中描述的系统结构可以是物理结构,也可以是逻辑结构,即,有些模块可能由同一物理实体实现,或者,有些模块可能分由多个物理实体实现,或者,可以由多个独立设备中的某些部件共同实现。
以上各实施例中,硬件单元可以通过机械方式或电气方式实现。例如,一个硬件单元可以包括永久性专用的电路或逻辑(如专门的处理器,FPGA或ASIC)来完成相应操作。硬件单元还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器),可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。
上文通过附图和优选实施例对本发明进行了详细展示和说明,然而本发明不限于这些已揭示的实施例,基与上述多个实施例本领域技术人员可以知晓,可以组合上述不同实施例中的代码审核手段得到本发明更多的实施例,这些实施例也在本发明的保护范围之内。
Claims (8)
1.街道疫情发展推演方法,其特征在于,包括:
构建当前街道的推演地图;
收集所述当前街道的疫情发展信息和疫情管理信息;
从预先构建的想定库,选择至少一种目标想定,其中,每种想定对应一种推演前提条件;
确定参与推演的疫情发展方、疫情应对方与第三方,并根据至少一个目标想定确定推演前提条件;
控制所述疫情发展方根据所述推演前提条件和所述疫情传播信息生成疫情发展模型,根据所述疫情发展模型在所述推演地图中模拟推动疫情发展;
控制所述疫情应对方在所述推演地图中根据所述推演前提条件和所述疫情管理信息模拟应对疫情的发展;
调用所述第三方对推演情况进行分析,并根据分析结果生成至少一条疫情应对决策;
其中,
所述构建当前街道的推演地图,包括:
利用预先设置的地理信息系统GIS服务,构建所述当前街道的二维地图;
将所述当前街道的区域进行分类,得到标准区域类别,其中,所述标准区域类别包括:居民区、商业区或行政区;
根据所述当前街道的人员流动情况,为每个标准区域类别赋予人员分布数据,其中,所述人员流动情况为从外部统计服务器获取的该街道内预设时间段内的各标准区域类别对应的平均人员流动数量;
将每种所述标准区域类别导入到所述二维地图中,得到所述推演地图;
所述疫情管理信息,包括:当前街道的医疗物资储备情况和当前街道的社会组织力量;
所述控制所述疫情发展方根据所述推演前提条件和所述疫情传播信息生成疫情发展模型,包括:
根据当前街道的实际感染数据和所述推演前提条件,确定如下疫情概率分布:
人员在每个标准区域类别中被感染后的潜伏期时长的概率分布;
人员在每个标准区域类别中被感染后的轻症期时长的概率分布和由轻症转为重症的概率分布;
人员在每个标准区域类别中被感染后的重症期时长的概率分布和由重症发展为死亡的概率分布;
人员在每个标准区域类别中被感染后的恢复期时长的概率分布;
根据各概率分布,生成基础疫情发展概率分布模型;
确定所述推演前提条件下,所述医疗物资储备情况和所述社会组织力量对所述疫情发展模型中每种概率分布的概率影响;
根据概率变动后的疫情概率分布调整基础疫情发展模型,生成所述疫情发展模型。
2.根据权利要求1所述的方法,其特征在于,
所述想定,包括:在所述推演地图中的推演区域、推演持续的时间、传染源的数量、每个传染源在所述推演地图中的初始位置、当前街道的物质储备情况和疫情的传播能力。
3.根据权利要求1所述的方法,其特征在于,
所述根据所述疫情发展模型在所述推演地图中模拟推动疫情发展,包括:
所述疫情发展方在所述推演地图中,控制传染源从其起始位置在所述推演地图中移动;
控制推演地图中分布的人员在各标准区域类别中移动;
根据所述疫情发展模型,确定每个传染源在所述推演地图中移动时的密切接触人群,其中,所述密切接触人群为在同一标准区域类别中与所述传染源的共处时间超过预设时间值的人员;
根据所述疫情发展模型进行感染判断,确定所述密切接触人群中已被感染的潜伏期感染者,并使每个潜伏期感染者发展病情并按照其对应的标准状态在各标准区域类别中移动形成新的密切接触人群以推动疫情发展。
4.根据权利要求3所述的方法,其特征在于,
所述控制所述疫情应对方在所述推演地图中根据所述推演前提条件和所述疫情管理信息模拟应对疫情的发展,包括:
通过当前街道的医疗物资储备情况,根据所述推演地图中的人员分布情况分配,进行医疗物资的分配;
根据所述密切接触人群出现的至少一种标准区域类别,通过组织工作人员在所述推演地图中对至少一种环境类别进行局部管理并提供物资保障。
5.根据权利要求1所述的方法,其特征在于,
所述调用所述第三方对推演情况进行分析,并根据分析结果生成至少一条疫情应对决策,包括:
确定虚拟推演空间中当前的疫情发展数据,所述疫情发展数据包括当前的传染率、重症率和致死率,将所述疫情发展数据与当前街道的实际疫情发展数据进行比对,根据比对结果生成至少一条疫情应对决策;
针对每个感染源在所述推演地图中的移动,在所述推演地图中标记出移动路径,确定所述移动路径的至少一个途径地,针对每一个途径地生成至少一条疫情应对决策。
6.根据权利要求1-5中任一所述的街道疫情发展推演方法的街道疫情发展推演装置,其特征在于,包括:
构建模块,用于构建当前街道的推演地图;其中,所述构建当前街道的推演地图,包括:利用预先设置的地理信息系统GIS服务,构建所述当前街道的二维地图;将所述当前街道的区域进行分类,得到标准区域类别,其中,所述标准区域类别包括:居民区、商业区或行政区;根据所述当前街道的人员流动情况,为每个标准区域类别赋予人员分布数据,其中,所述人员流动情况为从外部统计服务器获取的该街道内预设时间段内的各标准区域类别对应的平均人员流动数量;将每种所述标准区域类别导入到所述二维地图中,得到所述推演地图;
收集模块,用于收集所述当前街道的疫情发展信息和疫情管理信息;所述疫情管理信息,包括:当前街道的医疗物资储备情况和当前街道的社会组织力量;
选择模块,用于从预先构建的想定库,选择至少一种目标想定,其中,每种想定对应一种推演前提条件;
推演模块,用于确定参与推演的疫情发展方、疫情应对方与第三方,并根据至少一个目标想定确定推演前提条件;控制所述疫情发展方根据所述推演前提条件和所述疫情传播信息生成疫情发展模型,根据所述疫情发展模型在所述推演地图中模拟推动疫情发展;控制所述疫情应对方在所述推演地图中根据所述推演前提条件和所述疫情管理信息模拟应对疫情的发展;调用所述第三方对推演情况进行分析,并根据分析结果生成至少一条疫情应对决策;其中,所述控制所述疫情发展方根据所述推演前提条件和所述疫情传播信息生成疫情发展模型,包括:
根据当前街道的实际感染数据和所述推演前提条件,确定如下疫情概率分布:
人员在每个标准区域类别中被感染后的潜伏期时长的概率分布;
人员在每个标准区域类别中被感染后的轻症期时长的概率分布和由轻症转为重症的概率分布;
人员在每个标准区域类别中被感染后的重症期时长的概率分布和由重症发展为死亡的概率分布;
人员在每个标准区域类别中被感染后的恢复期时长的概率分布;
根据各概率分布,生成基础疫情发展概率分布模型;
确定所述推演前提条件下,所述医疗物资储备情况和所述社会组织力量对所述疫情发展模型中每种概率分布的概率影响;
根据概率变动后的疫情概率分布调整基础疫情发展模型,生成所述疫情发展模型。
7.街道疫情发展推演装置,其特征在于,包括:至少一个存储器和至少一个处理器;
所述至少一个存储器,用于存储机器可读程序;
所述至少一个处理器,用于调用所述机器可读程序,执行权利要求1至5中任一所述的方法。
8.计算机可读介质,其特征在于,所述计算机可读介质上存储有计算机指令,所述计算机指令在被处理器执行时,使所述处理器执行权利要求1至5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110631583.8A CN113326341B (zh) | 2021-06-07 | 2021-06-07 | 街道疫情发展推演方法、装置及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110631583.8A CN113326341B (zh) | 2021-06-07 | 2021-06-07 | 街道疫情发展推演方法、装置及计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113326341A CN113326341A (zh) | 2021-08-31 |
CN113326341B true CN113326341B (zh) | 2022-10-11 |
Family
ID=77419985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110631583.8A Active CN113326341B (zh) | 2021-06-07 | 2021-06-07 | 街道疫情发展推演方法、装置及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113326341B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093035A (zh) * | 2012-12-30 | 2013-05-08 | 江苏远望神州软件有限公司 | 用于城市危机应急决策演练的计算机仿真系统及仿真方法 |
KR20150135656A (ko) * | 2014-05-23 | 2015-12-03 | (주)진우소프트이노베이션 | 가축질병확산 방지를 위한 gis기반 질병지도 제공 시스템 및 그 방법 |
CN112086203A (zh) * | 2020-09-11 | 2020-12-15 | 河北工程大学 | 一种疫情预测方法、装置及终端设备 |
CN112115580A (zh) * | 2020-08-12 | 2020-12-22 | 科技谷(厦门)信息技术有限公司 | 一种基于大数据的新发重大传染病监测、预警及应对系统 |
CN112382405A (zh) * | 2020-11-02 | 2021-02-19 | 北京机电工程研究所 | 结构化新冠肺炎疫情预测和评估方法、装置、设备及介质 |
CN112530119A (zh) * | 2020-11-02 | 2021-03-19 | 深圳市城市公共安全技术研究院有限公司 | 森林火灾应急演练评估分析系统、方法及计算机设备 |
-
2021
- 2021-06-07 CN CN202110631583.8A patent/CN113326341B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093035A (zh) * | 2012-12-30 | 2013-05-08 | 江苏远望神州软件有限公司 | 用于城市危机应急决策演练的计算机仿真系统及仿真方法 |
KR20150135656A (ko) * | 2014-05-23 | 2015-12-03 | (주)진우소프트이노베이션 | 가축질병확산 방지를 위한 gis기반 질병지도 제공 시스템 및 그 방법 |
CN112115580A (zh) * | 2020-08-12 | 2020-12-22 | 科技谷(厦门)信息技术有限公司 | 一种基于大数据的新发重大传染病监测、预警及应对系统 |
CN112086203A (zh) * | 2020-09-11 | 2020-12-15 | 河北工程大学 | 一种疫情预测方法、装置及终端设备 |
CN112382405A (zh) * | 2020-11-02 | 2021-02-19 | 北京机电工程研究所 | 结构化新冠肺炎疫情预测和评估方法、装置、设备及介质 |
CN112530119A (zh) * | 2020-11-02 | 2021-03-19 | 深圳市城市公共安全技术研究院有限公司 | 森林火灾应急演练评估分析系统、方法及计算机设备 |
Non-Patent Citations (2)
Title |
---|
一种基于GIS的舆情传播推演系统;宋留勇等;《测绘科学》;20170331;第42卷(第3期);第196-207页 * |
基于GIS的重大疫情区域管控辅助决策问题研究;谢峻等;《信息工程大学学报》;20201231;第21卷(第005期);第614-621页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113326341A (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hernandez et al. | Prospective analysis of public management scenarios modeled by the Fuzzy Delphi method | |
Altman et al. | BARD: Better automated redistricting | |
Groff | ‘Situating’simulation to model human spatio‐temporal interactions: An example using crime events | |
Long et al. | Mapping block-level urban areas for all Chinese cities | |
Dean et al. | Ensemble forecast modeling for the design of COVID-19 vaccine efficacy trials | |
WO2023108967A1 (zh) | 基于隐私保护计算和跨组织的联合信用评分方法及装置 | |
Li et al. | Analyzing healthcare facility resilience: scientometric review and knowledge map | |
Hu et al. | Prioritizing disaster mapping tasks for online volunteers based on information value theory | |
Wei et al. | Comparing contingency fire containment strategies using simulated random scenarios | |
Taylor et al. | Was the pope to blame? Statistical powerlessness and the predictive policing of micro‐scale randomized control trials | |
Schaumann et al. | Simulating the impact of facility design on operations: A study in an internal medicine ward | |
Wang et al. | Simulating the effect of urban light rail transit on urban development by coupling cellular automata and conjugate gradients | |
Gong et al. | CARESim: An integrated agent-based simulation environment for crime analysis and risk evaluation (CARE) | |
Gunderson et al. | Using a multi-agent model to predict both physical and cyber criminal activity | |
Mazur et al. | Exploratory Models in a time of Big Data | |
CN113326341B (zh) | 街道疫情发展推演方法、装置及计算机可读介质 | |
Ankrah et al. | Introducing the dynamic customer location-allocation problem | |
JP5156692B2 (ja) | 擬似データ生成装置、擬似データ生成方法及びコンピュータプログラム | |
CN113327685B (zh) | 城市疫情发展推演方法、装置及计算机可读介质 | |
CN109739896B (zh) | 一种网上学习平台的数据分析方法及装置 | |
CN113327684B (zh) | 基于兵棋推演的疫情模拟方法、装置及计算机可读介质 | |
Liu et al. | Evolution characteristics of postearthquake emergency evacuation demand based on the susceptible-infective and system dynamics theories | |
Neekhra et al. | Synthpop++: A Hybrid Framework for Generating A Country-scale Synthetic Population | |
Kunjir et al. | Recommendation of data mining technique in higher education Prof. Priya Thakare guide | |
KR102365429B1 (ko) | 불성실응답자를 판별하는 인공지능을 이용한 온라인 모바일 설문조사 플랫폼 |
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 |