CN114496291A - 疫情风险评估方法、装置、计算机设备及存储介质 - Google Patents
疫情风险评估方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114496291A CN114496291A CN202111670522.9A CN202111670522A CN114496291A CN 114496291 A CN114496291 A CN 114496291A CN 202111670522 A CN202111670522 A CN 202111670522A CN 114496291 A CN114496291 A CN 114496291A
- Authority
- CN
- China
- Prior art keywords
- case
- contact
- activity
- place
- epidemic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012502 risk assessment Methods 0.000 title claims abstract description 34
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 230000000694 effects Effects 0.000 claims abstract description 119
- 238000012544 monitoring process Methods 0.000 claims abstract description 48
- 238000004590 computer program Methods 0.000 claims description 27
- 201000010099 disease Diseases 0.000 claims description 27
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 27
- 230000002265 prevention Effects 0.000 claims description 20
- 238000011835 investigation Methods 0.000 claims description 13
- 238000012954 risk control Methods 0.000 claims description 11
- 238000007726 management method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 230000000875 corresponding effect Effects 0.000 claims description 7
- 238000013024 troubleshooting Methods 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 3
- 208000035473 Communicable disease Diseases 0.000 abstract description 6
- 208000015181 infectious disease Diseases 0.000 abstract description 6
- 230000006806 disease prevention Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000003449 preventive effect Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011534 incubation Methods 0.000 description 3
- 230000002969 morbid Effects 0.000 description 3
- 108010028984 3-isopropylmalate dehydratase Proteins 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011841 epidemiological investigation Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000003892 spreading Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000029142 excretion Effects 0.000 description 1
- 208000035474 group of disease Diseases 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 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
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例适用于传染病防控技术领域,提供了一种疫情风险评估方法、装置、计算机设备及存储介质,所述方法包括:获取病例在发病前的活动轨迹,所述活动轨迹中包括至少一个活动场所;针对任一所述活动场所,调取所述活动场所的视频监控数据;基于所述视频监控数据,统计所述病例在所述活动场所的人员接触信息,所述人员接触信息包括指定距离范围内的单人平均接触人数以及单人平均接触时间;根据所述指定距离范围内的单人接触人数以及所述单人接触时间,对所述活动场所的疫情风险进行评估。采用上述方法,可以准确地评估各个涉疫场所的疫情传播风险,提高疫情处置的效率和针对性。
Description
技术领域
本申请实施例属于传染病防控技术领域,特别是涉及一种疫情风险评估方法、装置、计算机设备及存储介质。
背景技术
传染病(Infectious Diseases)是由各种病原体引起的能在人与人、动物与动物或人与动物之间相互传播的一类疾病。通常,这类疾病可借由直接接触已感染的个体、感染者的体液及排泄物、感染者所污染到的物体,通过空气、水源、食物及接触等多种方式进行传播。有效地预防和控制流行性传染病的传播、避免出现严重疫情,关系着人民群众的生命健康安全。
通常,在疫情发生时,防控人员需要对病例及其活动场所进行流行病学调查,以识别和隔离密切接触者。一旦病例涉及多个活动场所或者出现疫情在多点集中爆发的情况时,快速、准确地评估各个涉疫场所的疫情传播风险,就显得尤为重要。但是,受困于涉疫场所现场环境复杂多变,各类影响因素采集速度慢、成本高、效率低、缺乏量化指标;以及对涉疫场所风险等级的评估过于依赖防控人员自身的工作经验和专业素养等问题,在传统的涉疫场所排查工作中,往往只能被动地平均分配防控人员,无法根据各个涉疫场所的实际疫情传播风险,针对性地进行疫情处置。
发明内容
有鉴于此,本申请实施例提供了一种疫情风险评估方法、装置、计算机设备及存储介质,用以准确地评估各个涉疫场所的疫情传播风险,提高疫情处置的效率和针对性。
本申请实施例的第一方面提供了一种疫情风险评估方法,包括:
获取病例在发病前的活动轨迹,所述活动轨迹中包括活动场所;
针对所述活动场所,调取所述活动场所的视频监控数据;
基于所述视频监控数据,统计所述病例在所述活动场所的人员接触信息,所述人员接触信息包括指定距离范围内的单人平均接触人数以及单人平均接触时间;
根据所述指定距离范围内的单人平均接触人数以及所述单人平均接触时间,对所述活动场所的疫情风险进行评估。
本申请实施例的第二方面提供了一种疫情风险评估装置,包括:
活动轨迹获取模块,用于获取病例在发病前的活动轨迹,所述活动轨迹中包括活动场所;
视频监控数据调取模块,用于针对所述活动场所,调取所述活动场所的视频监控数据;
人员接触信息统计模块,用于基于所述视频监控数据,统计所述病例在所述活动场所的人员接触信息,所述人员接触信息包括指定距离范围内的单人平均接触人数以及单人平均接触时间;
疫情风险评估模块,用于根据所述指定距离范围内的单人平均接触人数以及所述单人平均接触时间,对所述活动场所的疫情风险进行评估。
本申请实施例的第三方面提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的疫情风险评估方法。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的疫情风险评估方法。
本申请实施例的第五方面提供了一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行上述第一方面所述的疫情风险评估方法。
与现有技术相比,本申请实施例具有以下优点:
本申请实施例,通过获取病例在发病前的活动轨迹,可以针对该活动轨迹中的活动场所,调取相应的视频监控数据,从而可以基于视频监控数据,统计该病例在上述活动场所的人员接触信息,如指定距离范围内的单人平均接触人数以及单人平均接触时间。这样,计算机设备可以根据统计出的单人平均接触人数以及单人平均接触时间,对活动场所的疫情风险进行评估。本申请实施例基于病例与他人的接触,定量地评估各个活动场所的疫情传播风险,能够科学精准地定位高风险场所,有助于合理调配资源以优先对高风险场所进行排查,提前找到未知的风险点、密切接触者和重点人群,有助于提高本地疫情处置速度,减小疫情传播对社会正常生产生活带来的影响,节约防疫工作所需成本,真正做到科学、精准、主动地防控本地疫情。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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是本申请实施例提供的一种疫情风险评估方法的示意图;
图2是本申请实施例提供的一种疫情风险评估方法中S101的一种实现方式的示意图;
图3是本申请实施例提供的一种疫情风险评估方法中S102的一种实现方式的示意图;
图4是本申请实施例提供的一种疫情风险评估方法中S103的一种实现方式的示意图;
图5是本申请实施例提供的一种视频监控数据的处理方式的示意图;
图6是本申请实施例提供的一种疫情风险评估方法中S1034的一种实现方式的示意图;
图7是本申请实施例提供的一种重复接触的示意图;
图8是本申请实施例提供的一种疫情风险评估装置的示意图;
图9是本申请实施例提供的一种计算机设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域技术人员应当清楚,在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
下面通过具体实施例来说明本申请的技术方案。
参照图1,示出了本申请实施例提供的一种疫情风险评估方法的示意图,该方法具体可以包括如下步骤:
S101、获取病例在发病前的活动轨迹,所述活动轨迹中包括活动场所。
本方法可以应用于计算机设备,即本申请实施例的执行主体可以是计算机设备,该计算机设备可以是台式计算机、笔记本电脑、云端服务器等计算设备,本申请实施例对计算机设备的具体类型不作限定。
在本申请实施例中,病例可以是指传染病感染患者。通常,当病例确诊或发病后,其在确诊或发病前的活动将可能导致疫情传播。因此,需要对该病例在发病前的活动场所进行排查。
在具体实现中,可以通过流行病学调查确定病例在发病前的活动轨迹,即病例在发病前途径或到达过哪些场所,接触过哪些人等等。流行病学调查获得的病例的活动轨迹可以被存储至计算机设备,由计算机设备作进一步地处理。
在本申请实施例的一种可能的实现方式中,如图2所示,S101中获取病例在发病前的活动轨迹具体可以包括如下子步骤S1011-S1013:
S1011、确定所述病例感染的疾病的类型,任一类型的所述疾病具有相应的潜伏期。
通常,具有传染性的疾病都有一定时间的潜伏期。该潜伏期可以是指病例在被传染该疾病但并未表现出任何症状的时间段。由于类型的不同,不同疾病的潜伏期也可能不同。示例性地,部分疾病的潜伏期极短,例如,潜伏期仅有1天,从病例被感染到其发病的时间也较短;部分疾病的潜伏期则较长,例如,潜伏期可达7天左右,从病例被感染到其发病的时间也较长。
S1012、根据所述潜伏期,确定所述病例的防控排查时间段。
在本申请实施例中,防控排查时间段可以是指从病例可能被传染该疾病开始到该病例被确诊、发病或被纳入防控的时间段。
在具体实现中,可以根据病例感染的疾病的类型,确定该疾病的潜伏期,然后根据潜伏期,确定防控排查时间段。通常,为了最大化地降低疫情的传播风险,防控排查时间段往往需要比该疾病的潜伏期要长。示例性地,若某疾病的潜伏期通常为3-7天,但同时也不排除个别病例从感染到发病的最长潜伏期超过10天,则可以将防控排查时间段确定为14天。
S1013、获取所述病例在所述防控排查时间段内的活动轨迹。
在确定需要排查的防控排查时间段后,可以获取该病例在防控排查时间段内的活动轨迹。示例性地,若防控排查时间段为14天,则需要获取该病例在发病前14天时间内的活动轨迹。
S102、针对所述活动场所,调取所述活动场所的视频监控数据。
在本申请实施例中,为了避免病历复述、回忆的不准确,可以通过视频监控数据对病历途径或到达的活动场所进行查阅。上述活动场所可以是公共场所,例如,餐厅、医院、火车站等场所。
在本申请实施例的一种可能的实现方式中,如图3所示,S102中针对活动场所,调取活动场所的视频监控数据具体可以包括如下子步骤S1021-S1022:
S1021、针对所述公共场所,确定所述病例在所述防控排查时间段内处于所述公共场所的最早时间。
S1022、调取从所述最早时间至当前时间段内所述公共场所的视频监控数据。
通常,病例在发病前途径或到达过的公共场所可能包括多个。此外,对于每个公共场所,该病例也可能多次途径或到达。因此,可以首先确定该病例在防控排查时间段内途径或到达该公共场所的最早时间。然后,调取从该最早时间至当前时间段内该公共场所的视频监控数据。
示例性地,若某一病例发病日期为12月15日,该病例感染的疾病的潜伏期通常为3-7天,根据潜伏期确定的防控排查时间段为14天,那么,可以确定该病例在发病前14天内,即12月1日至12月15日途径或到达的公共场所。若该病例在12月1日至12月15日内仅有12月7日到某餐厅就餐,则针对该餐厅,可以调取从12月7日至12月15日这一时间段内该餐厅的视频监控数据。若该病例在12月1日至12月15日内有三次到达某一车站,例如,12月3日、12月9日和12月11日,则可以获取该病例到达该车站的最早时间,即12月3日至当前时间段内该车站的视频监控数据。
S103、基于所述视频监控数据,统计所述病例在所述活动场所的人员接触信息,所述人员接触信息包括指定距离范围内的单人平均接触人数以及单人平均接触时间。
在本申请实施例中,对于获取到的活动场所的视频监控数据,计算机设备可以基于目标识别、跟踪等算法,统计该病例在该活动场所的人员接触信息。例如,病例在该活动场所指定距离范围内的单人平均接触人数以及单人平均接触时间,等等。上述指定距离范围可以是根据实际需要设置的任意远近的距离范围。例如,1米范围内,2米范围内或3米范围内等等,本申请实施例对指定距离范围的具体大小不作限定。
单人平均接触人数可以是指单个病例在该活动场所的某一位置点的预设范围内所接触到的平均人数,单人平均接触时间则是指该病例在上述预设范围内与他人平均接触的时间。
在本申请实施例的一种可能的实现方式中,如图4所示,S103中基于视频监控数据,统计病例在活动场所的人员接触信息具体可以包括如下子步骤S1031-S1034:
S1031、将所述视频监控数据转换为多帧图像帧,并按照多帧所述图像帧的时间戳顺序,在多帧所述图像帧中对所述病例进行识别。
在本申请实施例中,对于获取到的活动场所的视频监控数据,计算机设备可以首先将视频监控数据转换为图像帧。这样,计算机设备可以针对每帧图像帧进行处理。
需要说明的是,将视频监控数据转换为多帧图像帧后,每帧图像帧具有相应的时间戳,该时间戳可以表示每帧图像帧在视频监控数据中的播放顺序。计算机设备可以按照每帧图像帧的时间戳顺序,从先至后来对图像帧进行处理。
在本申请实施例中,计算机设备对图像帧的处理首先需要从多帧图像帧中识别出该病例。
如图5所示,是本申请实施例提供的一种视频监控数据的处理方式的示意图。按照图5所示的处理方式,计算机设备可以利用基于深度学习的目标检测算法,如Faster-RCNN、SSD、YOLO等算法,对该病例进行识别,定位该病例在活动场所中的大致位置。如图5所示,计算机设备在对病例进行识别时,可以采用人脸识别技术获取病例的人脸特征,用于后续的精确定位。
S1032、当首次识别到所述病例时,为所述病例分配识别标识。
在本申请实施例中,当计算机设备首次在图像帧中识别到该病例时,计算机设备可以为该病例分配相应的识别标识,该识别标识可以用于在后续的图像帧中对该病例进行目标跟踪。
S1033、根据所述识别标识,在多帧所述图像帧中对所述病例进行目标跟踪,以确定所述病例在所述活动场所中途径的位置点。
如图5所示,计算机设备可以利用卡尔曼滤波器对图像帧中的病例进行目标跟踪。此外,计算机设备还可以结合行人重识别技术,得到病例的外观特征,从而去除干扰信息,最终实现对该病例的准确定位,得到该病例在活动场所中途径的准确的位置点
S1034、基于所述位置点,统计所述病例在所述活动场所的人员接触信息。
对于确定出的位置点,计算机设备可以基于视频监控数据统计该病例在该位置点的预设范围内的接触人数,以及与每个接触者接触的时间。
在本申请实施例的一种可能的实现方式中,如图6所示,S1034中基于位置点,统计病例在活动场所的人员接触信息具体可以包括如下子步骤S1341-S1343:
S1341、根据所述位置点,确定风险管控区域。
S1342、基于多帧所述图像帧,对途径所述风险管控区域的接触者进行识别。
S1343、统计所述接触者的接触人数,以及每个所述接触者与所述病例的接触时间,得到所述活动场所的人员接触信息。
在本申请实施例中,风险管控区域可以是病例所处位置点的预设范围内。示例性地,该预设范围可以是位置点的周围1米以内或2米以内,本申请实施例对此不作限定。
然后,计算机设备可以基于视频监控数据,统计病例在上述风险管控区域内接触的人数及时间。具体地,计算机设备可以对途径上述风险管控区域的接触者进行识别,然后统计识别出的接触者的人数,以及每个接触者与该病例接触的时间。
在本申请实施例的一种示例中,活动场所内可能包括多个病例,例如,病例1、病例2、……病例n等等。对于存在多个病例的情况,在统计人员接触信息时,需要排除针对每个病例重复计算的那些接触者。
在具体实现中,可以首先确定在任意两个病例的风险管控区域内重复出现的接触者的重复接触人数以及重复接触时间。
如图7所示,是本申请实施例提供的一种重复接触的示意图。图7中示出了两个病例,即病例n和病例n-1,风险管控区域为病例n所处位置点的周边d=n'米范围,以及病例n-1所处位置点的周边d=n'米范围。在统计得到病例n和病例n-1分别在风险管控区域内接触的人数后,由于病例n与病例n-1的风险管控区域有重叠,则确定两个病例的风险管控区域内重复出现的接触者的重复接触人数可以看作确定在上述重叠的风险管控区域内的人数。例如,图7中病例n与病例n-1的重复接触人数即为R。
在本申请实施例中,可以计算全部病例的接触人数之和减去重复接触人数得到的第一差值,与全部病例的总人数之间的第一比值,将上述第一比值作为活动场所的单人平均接触人数;然后,计算全部病例的接触时间之和减去重复接触时间得到的第二差值,与全部病例的总人数之间的第二比值,将上述第二比值作为活动场所的单人平均接触时间。
具体地,可以采用如下公式(1)计算活动场所的单人平均接触人数:
其中,Ci表示病例i的风险管控区域范围内的接触人数,R表示病例n与病例n-1之间的重复接触人数,d表示指定的距离n'米。
可以采用如下公式(2)计算活动场所的单人平均接触时间:
其中,Tn表示病例n的风险管控区域范围内和每个接触者的接触总时长,TR表示重复接触时间,d表示指定的距离n'米。
S104、根据所述指定距离范围内的单人平均接触人数以及所述单人平均接触时间,对所述活动场所的疫情风险进行评估。
在本申请实施例中,可以根据活动场所的指定距离范围内的单人平均接触人数以及单人平均接触时间,对该活动场所的疫情风险进行评估。
在本申请实施例中,可以根据活动场所的单人平均接触人数以及单人平均接触时间计算该活动场所的风险值。示例性地,可以针对任一活动场所,计算该活动场所的单人平均接触人数与单人平均接触时间的乘积值,从而可以将该乘积值作为活动场所的风险值。具体地,可以采用如下公式(3)计算活动场所的风险值:
TI=IPMI×IPMIT……(3)
其中,IPMI、IPMIT分别是计算的活动场所的单人平均接触人数和单人平均接触时间。
在本申请实施例中,涉疫的活动场所的数量可能包括多个,在基于前述步骤计算得到每个活动场所的风险值后,可以根据风险值对各个活动场所进行排序。通常,各个活动场所的疫情风险与该活动场所的风险值正相关。即,按照前述步骤计算得到的风险值越大,表示该活动场所的疫情风险越高。防控人员应当优先对疫情风险较高的活动场所进行排查,以防止疫情进一步扩大。
在本申请实施例中,通过获取病例在发病前的活动轨迹,可以针对该活动轨迹中的活动场所,调取相应的视频监控数据,从而可以基于视频监控数据,统计该病例在上述活动场所的人员接触信息,如指定距离范围内的单人平均接触人数以及单人平均接触时间。这样,计算机设备可以根据统计出的单人平均接触人数以及单人平均接触时间,对活动场所的疫情风险进行评估。本申请实施例基于病例与他人的接触,定量地评估各个活动场所的疫情传播风险,能够科学精准地定位高风险场所,有助于合理调配资源以优先对高风险场所进行排查,提前找到未知的风险点、密切接触者和重点人群,有助于提高本地疫情处置速度,减小疫情传播对社会正常生产生活带来的影响,节约防疫工作所需成本,真正做到科学、精准、主动地防控本地疫情。
需要说明的是,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
参照图8,示出了本申请实施例提供的一种疫情风险评估装置的示意图,该装置具体可以包括活动轨迹获取模块801、视频监控数据调取模块802、人员接触信息统计模块803和疫情风险评估模块804,其中:
活动轨迹获取模块801,用于获取病例在发病前的活动轨迹,所述活动轨迹中包括活动场所;
视频监控数据调取模块802,用于针对所述活动场所,调取所述活动场所的视频监控数据;
人员接触信息统计模块803,用于基于所述视频监控数据,统计所述病例在所述活动场所的人员接触信息,所述人员接触信息包括指定距离范围内的单人平均接触人数以及单人平均接触时间;
疫情风险评估模块804,用于根据所述指定距离范围内的单人平均接触人数以及所述单人平均接触时间,对所述活动场所的疫情风险进行评估。
在本申请实施例中,所述活动轨迹获取模块801具体可以用于:确定所述病例感染的疾病的类型,任一类型的所述疾病具有相应的潜伏期;根据所述潜伏期,确定所述病例的防控排查时间段;获取所述病例在所述防控排查时间段内的活动轨迹。
在本申请实施例中,所述活动场所可以为公共场所,所述视频监控数据调取模块802具体可以用于:针对所述公共场所,确定所述病例在所述防控排查时间段内处于所述公共场所的最早时间;调取从所述最早时间至当前时间段内所述公共场所的视频监控数据。
在本申请实施例中,所述人员接触信息统计模块803具体可以用于:将所述视频监控数据转换为多帧图像帧,并按照多帧所述图像帧的时间戳顺序,在多帧所述图像帧中对所述病例进行识别;当首次识别到所述病例时,为所述病例分配识别标识;根据所述识别标识,在多帧所述图像帧中对所述病例进行目标跟踪,以确定所述病例在所述活动场所中途径的位置点;基于所述位置点,统计所述病例在所述活动场所的人员接触信息。
在本申请实施例中,所述人员接触信息统计模块803还可以用于:根据所述位置点,确定风险管控区域;基于多帧所述图像帧,对途径所述风险管控区域的接触者进行识别;统计所述接触者的接触人数,以及每个所述接触者与所述病例的接触时间,得到所述活动场所的人员接触信息。
在本申请实施例中,所述活动场所内可以包括多个所述病例,所述人员接触信息统计模块803还可以用于:确定在任意两个所述病例的风险管控区域内重复出现的接触者的重复接触人数以及重复接触时间;计算全部所述病例的接触人数之和减去所述重复接触人数得到的第一差值,与全部所述病例的总人数之间的第一比值,将所述第一比值作为所述单人平均接触人数;计算全部所述病例的接触时间之和减去所述重复接触时间得到的第二差值,与全部所述病例的总人数之间的第二比值,将所述第二比值作为所述单人平均接触时间。
在本申请实施例中,所述活动场所的数量可以包括多个,所述疫情风险评估模块804具体可以用于:针对任一所述活动场所,计算所述活动场所的所述指定距离范围内的单人平均接触人数与所述单人平均接触时间的乘积值,将所述乘积值作为所述活动场所的风险值;其中,各个所述活动场所的疫情风险与所述活动场所的风险值正相关。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述得比较简单,相关之处参见方法实施例部分的说明即可。
参照图9,示出了本申请实施例提供的一种计算机设备的示意图。如图9所示,本申请实施例中的计算机设备900包括:处理器910、存储器920以及存储在所述存储器920中并可在所述处理器910上运行的计算机程序921。所述处理器910执行所述计算机程序921时实现上述疫情风险评估方法各个实施例中的步骤,例如图1所示的步骤S101至S104。或者,所述处理器910执行所述计算机程序921时实现上述各装置实施例中各模块/单元的功能,例如图8所示模块801至804的功能。
示例性的,所述计算机程序921可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器920中,并由所述处理器910执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段可以用于描述所述计算机程序921在所述计算机设备900中的执行过程。例如,所述计算机程序921可以被分割成活动轨迹获取模块、视频监控数据调取模块、人员接触信息统计模块和疫情风险评估模块,各模块具体功能如下:
活动轨迹获取模块,用于获取病例在发病前的活动轨迹,所述活动轨迹中包括活动场所;
视频监控数据调取模块,用于针对所述活动场所,调取所述活动场所的视频监控数据;
人员接触信息统计模块,用于基于所述视频监控数据,统计所述病例在所述活动场所的人员接触信息,所述人员接触信息包括指定距离范围内的单人平均接触人数以及单人平均接触时间;
疫情风险评估模块,用于根据所述指定距离范围内的单人平均接触人数以及所述单人平均接触时间,对所述活动场所的疫情风险进行评估。
所述计算机设备900可以是前述各个实施例中的计算机设备,该计算机设备可以是桌上型计算机、云端服务器等计算设备。所述计算机设备900可包括,但不仅限于,处理器910、存储器920。本领域技术人员可以理解,图9仅仅是计算机设备900的一种示例,并不构成对计算机设备900的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述计算机设备900还可以包括输入输出设备、网络接入设备、总线等。
所述处理器910可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器920可以是所述计算机设备900的内部存储单元,例如计算机设备900的硬盘或内存。所述存储器920也可以是所述计算机设备900的外部存储设备,例如所述计算机设备900上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等等。进一步地,所述存储器920还可以既包括所述计算机设备900的内部存储单元也包括外部存储设备。所述存储器920用于存储所述计算机程序921以及所述计算机设备900所需的其他程序和数据。所述存储器920还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还公开了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如前述各个实施例所述的疫情风险评估方法。
本申请实施例还公开了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如前述各个实施例所述的疫情风险评估方法。
本申请实施例还公开了一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行前述各个实施例所述的疫情风险评估方法。
本申请实施例中计算机设备所实现的各项功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述方法实施例中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其他实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/计算机设备和方法,可以通过其他的方式实现。例如,以上所描述的装置/计算机设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制。尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种疫情风险评估方法,其特征在于,包括:
获取病例在发病前的活动轨迹,所述活动轨迹中包括活动场所;
针对所述活动场所,调取所述活动场所的视频监控数据;
基于所述视频监控数据,统计所述病例在所述活动场所的人员接触信息,所述人员接触信息包括指定距离范围内的单人平均接触人数以及单人平均接触时间;
根据所述指定距离范围内的单人平均接触人数以及所述单人平均接触时间,对所述活动场所的疫情风险进行评估。
2.根据权利要求1所述的方法,其特征在于,所述获取病例在发病前的活动轨迹,包括:
确定所述病例感染的疾病的类型,任一类型的所述疾病具有相应的潜伏期;
根据所述潜伏期,确定所述病例的防控排查时间段;
获取所述病例在所述防控排查时间段内的活动轨迹。
3.根据权利要求2所述的方法,其特征在于,所述活动场所为公共场所,所述针对所述活动场所,调取所述活动场所的视频监控数据,包括:
针对所述公共场所,确定所述病例在所述防控排查时间段内处于所述公共场所的最早时间;
调取从所述最早时间至当前时间段内所述公共场所的视频监控数据。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述基于所述视频监控数据,统计所述病例在所述活动场所的人员接触信息,包括:
将所述视频监控数据转换为多帧图像帧,并按照多帧所述图像帧的时间戳顺序,在多帧所述图像帧中对所述病例进行识别;
当首次识别到所述病例时,为所述病例分配识别标识;
根据所述识别标识,在多帧所述图像帧中对所述病例进行目标跟踪,以确定所述病例在所述活动场所中途径的位置点;
基于所述位置点,统计所述病例在所述活动场所的人员接触信息。
5.根据权利要求4所述的方法,其特征在于,所述基于所述位置点,统计所述病例在所述活动场所的人员接触信息,包括:
根据所述位置点,确定风险管控区域;
基于多帧所述图像帧,对途径所述风险管控区域的接触者进行识别;
统计所述接触者指定距离范围内的接触人数,以及每个所述接触者与所述病例的接触时间,得到所述活动场所的人员接触信息。
6.根据权利要求5所述的方法,其特征在于,所述活动场所内包括多个所述病例,所述统计所述接触者指定距离范围内的接触人数,以及每个所述接触者与所述病例的接触时间,得到所述活动场所的人员接触信息,包括:
确定在任意两个所述病例的风险管控区域内重复出现的接触者的重复接触人数以及重复接触时间;
计算全部所述病例的接触人数之和减去所述重复接触人数得到的第一差值,与全部所述病例的总人数之间的第一比值,将所述第一比值作为所述单人平均接触人数;
计算全部所述病例的接触时间之和减去所述重复接触时间得到的第二差值,与全部所述病例的总人数之间的第二比值,将所述第二比值作为所述单人平均接触时间。
7.根据权利要求1-3或5-6任一项所述的方法,其特征在于,所述活动场所的数量包括多个,所述根据所述指定距离范围内的单人平均接触人数以及所述单人平均接触时间,对所述活动场所的疫情风险进行评估,包括:
针对任一所述活动场所,计算所述活动场所的所述单人平均接触人数与所述单人平均接触时间的乘积值,将所述乘积值作为所述活动场所的风险值;其中,各个所述活动场所的疫情风险与所述活动场所的风险值正相关。
8.一种疫情风险评估装置,其特征在于,包括:
活动轨迹获取模块,用于获取病例在发病前的活动轨迹,所述活动轨迹中包括活动场所;
视频监控数据调取模块,用于针对所述活动场所,调取所述活动场所的视频监控数据;
人员接触信息统计模块,用于基于所述视频监控数据,统计所述病例在所述活动场所的人员接触信息,所述人员接触信息包括指定距离范围内的单人平均接触人数以及单人平均接触时间;
疫情风险评估模块,用于根据所述指定距离范围内的单人平均接触人数以及所述单人平均接触时间,对所述活动场所的疫情风险进行评估。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述的疫情风险评估方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的疫情风险评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111670522.9A CN114496291A (zh) | 2021-12-31 | 2021-12-31 | 疫情风险评估方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111670522.9A CN114496291A (zh) | 2021-12-31 | 2021-12-31 | 疫情风险评估方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114496291A true CN114496291A (zh) | 2022-05-13 |
Family
ID=81508718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111670522.9A Pending CN114496291A (zh) | 2021-12-31 | 2021-12-31 | 疫情风险评估方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114496291A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117476250A (zh) * | 2023-12-21 | 2024-01-30 | 华侨大学 | 基于多目标跟踪的流行病调查预测方法、装置及可读介质 |
-
2021
- 2021-12-31 CN CN202111670522.9A patent/CN114496291A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117476250A (zh) * | 2023-12-21 | 2024-01-30 | 华侨大学 | 基于多目标跟踪的流行病调查预测方法、装置及可读介质 |
CN117476250B (zh) * | 2023-12-21 | 2024-03-12 | 华侨大学 | 基于多目标跟踪的流行病调查预测方法、装置及可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aiello et al. | Social media-and internet-based disease surveillance for public health | |
Ho et al. | Use of a real-time locating system for contact tracing of health care workers during the COVID-19 pandemic at an infectious disease center in Singapore: validation study | |
US20200402671A1 (en) | Systems and methods for determining, tracking, and predicting common infectious illness outbreaks | |
Cochrane Public Health Group et al. | Digital contact tracing technologies in epidemics: a rapid review | |
De Savigny et al. | Monitoring future impact on malaria burden in sub-saharan Africa. | |
US20140167917A2 (en) | Disease Mapping and Infection Control System and Method | |
CN107610770A (zh) | 用于自动化诊断的问题生成系统和方法 | |
US10365946B2 (en) | Clustering based process deviation detection | |
JP5204736B2 (ja) | 感染症患者行動履歴収集・分析システム | |
WO2022034572A1 (en) | Methods and systems of prioritizing treatments, vaccination, testing and/or activities while protecting the privacy of individuals | |
Hossain et al. | Modelling coordination in hospital emergency departments through social network analysis | |
US20230101984A1 (en) | Methods, systems, and devices for determining mutli-party collocation | |
Elliot et al. | Internet-based remote health self-checker symptom data as an adjuvant to a national syndromic surveillance system | |
Gourlay et al. | Challenges with routine data sources for PMTCT programme monitoring in East Africa: insights from Tanzania | |
JP2023518234A (ja) | 伝染病の監視および大流行の検出のためのシステムおよび方法 | |
CN111739653A (zh) | 传染病传播的评估方法、装置、计算机设备和存储介质 | |
CN114496291A (zh) | 疫情风险评估方法、装置、计算机设备及存储介质 | |
Yazdani et al. | COVID-19 and information communication technology: a conceptual model | |
Paul et al. | Modeling and forecasting influenza-like illness (ILI) in Houston, Texas using three surveillance data capture mechanisms | |
CN109523396A (zh) | 基于数据分析的医保基金风控方法、装置、服务器及介质 | |
TWI756992B (zh) | 計算活動期間及效率的方法 | |
Dawood et al. | COVID-19 artificial intelligence based surveillance applications in the kingdom of Saudi Arabia | |
Craigmile et al. | Modeling and detection of respiratory-related outbreak signatures | |
Zhao | Small data, big time—a retrospect of the first weeks of COVID-19 | |
KR20130089801A (ko) | 가축질병 예찰 시스템 및 방법 |
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 |