CN114819745A - 地区传染病的风险测度方法、装置、设备和介质 - Google Patents
地区传染病的风险测度方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN114819745A CN114819745A CN202210622607.8A CN202210622607A CN114819745A CN 114819745 A CN114819745 A CN 114819745A CN 202210622607 A CN202210622607 A CN 202210622607A CN 114819745 A CN114819745 A CN 114819745A
- Authority
- CN
- China
- Prior art keywords
- risk
- region
- regions
- area
- determining
- 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
- 208000035473 Communicable disease Diseases 0.000 title claims abstract description 147
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005259 measurement Methods 0.000 title claims abstract description 36
- 208000015181 infectious disease Diseases 0.000 claims abstract description 129
- 230000002776 aggregation Effects 0.000 claims abstract description 54
- 238000004220 aggregation Methods 0.000 claims abstract description 54
- 238000012954 risk control Methods 0.000 claims abstract description 22
- 230000035945 sensitivity Effects 0.000 claims description 46
- 230000000875 corresponding effect Effects 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 14
- 230000002265 prevention Effects 0.000 claims description 14
- 238000009825 accumulation Methods 0.000 claims description 12
- 230000002596 correlated effect Effects 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 9
- 238000000547 structure data Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 description 32
- 238000010586 diagram Methods 0.000 description 20
- 230000005540 biological transmission Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 230000006978 adaptation Effects 0.000 description 8
- 230000001276 controlling effect Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 238000007688 edging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000005541 medical transmission Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Computer Security & Cryptography (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请提供了一种地区传染病的风险测度方法、装置、设备和介质,涉及互联网技术领域,方法包括:针对地区所包括的多个区域中的每个区域,基于区域对应的传染病风险指标确定区域应对传染病风险的脆弱度,以及基于区域与地区中的其它区域之间的共用生存空间信息,确定区域的风险权重;基于多个区域各自的脆弱度以及风险权重,确定地区的地区风险度;若地区风险度达到预设风险值,则基于多个区域各自的聚集参数,从多个区域中选择目标区域,作为风险管控区域;每个区域的聚集参数根据与区域具有共用生存空间的其它区域的数量确定。本申请可以准确地预测地区这一复杂系统的传染病风险,并有效控制地区的传染病风险。
Description
技术领域
本申请涉及互联网技术领域,尤其涉及一种地区传染病的风险测度方法、装置、设备和介质。
背景技术
传染病对人类的生产、生活造成了巨大的威胁,对传染病疫情的传播规律的研究和对传染病疫情预警研究对传染病疫情控制具有重要意义。
考虑到传染病传播在一个地区呈现“区域传播”、“聚集性传播”的特性,以区域(例如社区)为基本单元的疾病防控工作,也将成为地区预防突发性传染病的工作重点。一个地区可以看作一个复杂系统,地区中的各个区域可以看作复杂系统中的各个节点,对复杂系统的风险预测十分重要。
目前,针对复杂系统的风险测度研究并不多,大部分都针对金融领域,复杂系统的风险是指由复杂系统内部部件故障导致的、可能对整个经济体系产生严重负面影响的系统运行风险。在突发性公共安全和传染病领域,研究复杂系统风险测度的方法较少,因此,如何预测地区这一复杂系统的传染病风险是亟需解决的问题。
发明内容
本申请实施例提供一种地区传染病的风险测度方法、装置、电子设备和存储介质,用于准确地预测地区这一复杂系统的传染病风险,并有效控制地区的传染病风险。
第一方面,本申请实施例提供了一种地区传染病的风险测度方法,所述地区包含多个区域,所述方法包括:
针对所述多个区域中的每个区域,基于所述区域对应的传染病风险指标确定所述区域应对传染病风险的脆弱度,以及基于所述区域与所述地区中的其它区域之间的共用生存空间信息,确定所述区域的风险权重;
基于所述多个区域各自的脆弱度以及风险权重,确定所述地区的地区风险度;
若所述地区风险度达到预设风险值,则基于所述多个区域各自的聚集参数,从所述多个区域中选择目标区域,作为风险管控区域;每个区域的聚集参数根据与所述区域具有共用生存空间的其它区域的数量确定。
本申请实施例中,在确定地区的传染病风险时,考虑多个区域各自的风险以及区域之间的传播风险,具体的,每个区域的风险包括应对传染病风险的脆弱度以及风险权重,该风险权重由该区域与其它区域之间的共用生存空间信息确定,可以理解的是,一个区域与其它区域之间的共用生存空间越多,该区域的风险权重越大;基于多个区域各自的风险确定地区的地区风险度,可以准确地预测地区的传染病风险;当地区风险度较高时,可以将多个区域中传播风险较高(聚集参数较大)的区域作为风险管控区域,从而有效控制地区的传染病风险。
可选的,所述区域对应的传染病风险指标包括正风险指标和负风险指标,所述正风险指标与传染病风险呈正相关,所述负风险指标与传染病风险呈负相关,所述正风险指标包含风险暴露指标和风险敏感指标;
所述风险暴露指标包含以下至少一种第一指标:
人口密度数据、建设强度数据、人员活动数据;
所述风险敏感指标包含以下至少一种第二指标:
人口结构数据、生活环境数据、社会治理数据;
所述负风险指标包含以下至少一种第三指标:
防控医疗数据、防控政策数据。
本申请实施例中,全面考虑区域的传染病风险指标,不仅包括与传染病风险呈正相关的正风险指标,还包括与传染病风险呈负相关的负风险指标,并且,从多个方面考虑正风险指标以及负风险指标,使得区域对应的传染病风险指标准确反映区域应对传染病的脆弱度。
可选的,所述基于所述区域对应的传染病风险指标确定所述区域应对传染病风险的脆弱度,包括:
基于所述风险暴露指标中的各个第一指标以及所述各个指标各自的第一指标权重,确定所述区域的风险暴露度;
基于所述风险敏感指标中的各个第二指标以及所述各个第二指标各自的第二指标权重,确定所述区域的风险敏感度;
基于所述负风险指标中的各个第三指标以及所述各个第三指标各自的第三指标权重,确定所述区域的风险适应度;
基于所述区域的风险暴露度、风险敏感度和风险适应度,确定所述区域应对传染病风险的脆弱度。
本申请实施例中,将脆弱度作为区域应对传染病风险的评价标准,该脆弱性由风险暴露度、风险敏感度和风险适应度确定,具体的,基于区域的风险暴露指标确定风险暴露度,基于区域的风险敏感指标确定风险敏感度,基于区域的负风险指标确定风险适应度,以准确地确定区域应对传染病风险的脆弱度。
可选的,所述基于所述区域与所述地区中的其它区域之间的共用生存空间信息,确定所述区域的风险权重,包括:
针对与所述区域具有共用生存空间的任一其它区域,基于所述区域与所述任一其它区域的共用生存空间数量,确定所述区域与所述任一其它区域的共用权重;
对所述区域分别与至少一个其它区域之间的共用权重执行累加操作,获得所述区域的风险权重。
本申请实施例中,基于各个区域之间的关联(共用生存空间数量)将各个区域构成一个无向加权网络,两个区域之间的权重为这两个区域使用共同生存空间的数量;针对每个区域,将该区域与各个其它区域之间的权重(即共用权重)进行累加,获得该区域的风险权重。
可选的,所述基于所述多个区域各自的聚集参数,从所述多个区域中选择目标区域,作为风险管控区域,包括:
针对所述多个区域中的每个区域,基于与所述区域具有共用生存空间的其它区域的数量以及区域总数量,确定所述区域对应的聚集参数;
从所述多个区域中,选择聚集参数达到预设值的目标区域,作为风险管控区域。
本申请实施例中,针对每个区域,基于与该区域具有关联(即具有共用生存空间)的其它区域的数量以及区域总数量,确定该区域的聚集参数,当地区风险度较高时,将聚集参数较高的区域作为风险管控区域,进一步地,可以通过控制风险管控区域或者切断风险管控区域与其它区域之间的关联,来控制地区风险度。
可选的,所述方法还包括:
针对所述区域中的每个区域,基于所述区域对应的聚集参数、脆弱度和风险权重,确定所述区域的风险管控指数;
从所述多个区域中,选择风险管控指数达到预设指数的区域,作为重点管控区域。
本申请实施例中,当区域的脆弱度高、聚集系数高且风险权重大时,可以认为该区域为重点风险区域,应对该区域进行重点管控,通过控制该区域或者切断该区域与其它区域之间的关联,可以达到逐渐控制地区风险度的目的。
可选的,基于所述多个区域各自的脆弱度以及风险权重,确定所述地区的地区风险度,包括:
针对所述多个区域中的每个区域,基于所述区域的脆弱度以及风险权重确定所述区域的区域风险度;
将所述多个区域各自的区域风险度执行累加操作,获得所述地区的地区风险度。
本申请实施例中,基于每个区域的脆弱度以及风险权重确定该区域的区域风险度之后,将多个区域各自的区域风险度进行累加,可以准确获得地区的地区风险度。
第二方面,本申请实施例还提供了一种地区传染病的风险测度装置,所述地区包含多个区域,所述装置包括:
第一确定模块,用于针对所述多个区域中的每个区域,基于所述区域对应的传染病风险指标确定所述区域应对传染病风险的脆弱度,以及基于所述区域与所述地区中的其它区域之间的共用生存空间信息,确定所述区域的风险权重;
第二确定模块,用于基于所述多个区域各自的脆弱度以及风险权重,确定所述地区的地区风险度;
第一选择模块,用于若所述地区风险度达到预设风险值,则基于所述多个区域各自的聚集参数,从所述多个区域中选择目标区域,作为风险管控区域;每个区域的聚集参数根据与所述区域具有共用生存空间的其它区域的数量确定。
可选的,所述区域对应的传染病风险指标包括正风险指标和负风险指标,所述正风险指标与传染病风险呈正相关,所述负风险指标与传染病风险呈负相关,所述正风险指标包含风险暴露指标和风险敏感指标;
所述风险暴露指标包含以下至少一种第一指标:
人口密度数据、建设强度数据、人员活动数据;
所述风险敏感指标包含以下至少一种第二指标:
人口结构数据、生活环境数据、社会治理数据;
所述负风险指标包含以下至少一种第三指标:
防控医疗数据、防控政策数据。
可选的,所述基于所述区域对应的传染病风险指标确定所述区域应对传染病风险的脆弱度时,所述第一确定模块还包括:
暴露度确定单元,用于基于所述风险暴露指标中的各个第一指标以及所述各个指标各自的第一指标权重,确定所述区域的风险暴露度;
敏感度确定单元,用于基于所述风险敏感指标中的各个第二指标以及所述各个第二指标各自的第二指标权重,确定所述区域的风险敏感度;
适应度确定单元,用于基于所述负风险指标中的各个第三指标以及所述各个第三指标各自的第三指标权重,确定所述区域的风险适应度;
脆弱度确定单元,用于基于所述区域的风险暴露度、风险敏感度和风险适应度,确定所述区域应对传染病风险的脆弱度。
可选的,所述基于所述区域与所述地区中的其它区域之间的共用生存空间信息,确定所述区域的风险权重时,所述第一确定模块还包括:
共用权重确定单元,用于针对与所述区域具有共用生存空间的任一其它区域,基于所述区域与所述任一其它区域的共用生存空间数量,确定所述区域与所述任一其它区域的共用权重;
风险权重确定单元,用于对所述区域分别与至少一个其它区域之间的共用权重执行累加操作,获得所述区域的风险权重。
可选的,所述第一选择模块还包括:
参数确定单元,用于针对所述多个区域中的每个区域,基于与所述区域具有共用生存空间的其它区域的数量以及区域总数量,确定所述区域对应的聚集参数;
选择单元,用于从所述多个区域中,选择聚集参数达到预设值的目标区域,作为风险管控区域。
可选的,所述装置还包括第二选择模块,用于:
针对所述区域中的每个区域,基于所述区域对应的聚集参数、脆弱度和风险权重,确定所述区域的风险管控指数;
从所述多个区域中,选择风险管控指数达到预设指数的区域,作为重点管控区域。
可选的,所述第二确定模块还包括:
区域风险确定单元,用于针对所述多个区域中的每个区域,基于所述区域的脆弱度以及风险权重确定所述区域的区域风险度;
地区风险确定单元,用于将所述多个区域各自的区域风险度执行累加操作,获得所述地区的地区风险度。
第三方面,本申请实施例还提供了一种电子设备,包括处理器和存储器,所述存储器上存储有可在所述处理器上运行的计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器实现第一方面任一种地区传染病的风险测度方法的步骤。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其存储有计算机程序,当所述计算机程序在电子设备上运行时,使得所述电子设备执行第一方面任一种地区传染病的风险测度方法的步骤。
第二方面至第四方面任意一种实现方式所带来的技术效果可参见第一方面中对应的实现方式所带来的技术效果,此处不再赘述。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请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为本申请实施例提供的一种地区传染病的风险测度方法的流程图;
图2为本申请实施例提供的一种区域的传染病风险指标的示意图;
图3为本申请实施例提供的另一种区域的传染病风险指标的示意图;
图4为本申请实施例提供的另一种区域的传染病风险指标的示意图;
图5为本申请实施例提供的另一种区域的传染病风险指标的示意图;
图6为本申请实施例提供的另一种地区传染病的风险测度方法的流程图;
图7为本申请实施例提供的另一种地区传染病的风险测度方法的流程图;
图8为本申请实施例提供的另一种地区传染病的风险测度方法的流程图;
图9为本申请实施例提供的另一种地区传染病的风险测度方法的流程图;
图10为本申请实施例提供的一种小世界网络模型的示意图;
图11为本申请实施例提供的一种地区中各个区域构成的连接网络的示意图;
图12为本申请实施例提供的另一种地区传染病的风险测度方法的流程图;
图13为本申请实施例提供的一种地区传染病的风险测度方法的逻辑示意图;
图14为本申请实施例提供的一种地区传染病的风险测度装置的示意图;
图15为本申请实施例提供的另一种地区传染病的风险测度装置的示意图;
图16为本申请实施例提供的另一种地区传染病的风险测度装置的示意图;
图17为本申请实施例提供的另一种地区传染病的风险测度装置的示意图;
图18为本申请实施例提供的另一种地区传染病的风险测度装置的示意图;
图19为本申请实施例提供的另一种地区传染病的风险测度装置的示意图;
图20为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,显然,所描述的实施例仅仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
此外,术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面对本申请实施例的设计思想进行介绍。
目前,针对复杂系统的风险测度研究并不多,大部分都针对金融领域,复杂系统的风险是指由复杂系统内部部件故障导致的、可能对整个经济体系产生严重负面影响的系统运行风险。在突发性公共安全和传染病领域,研究复杂系统风险测度的方法较少,因此,如何预测地区这一复杂系统的传染病风险是亟需解决的问题。
本申请考虑到地区这一复杂系统通常由多个区域构成,且多个区域之间具有关联关系,因此,地区的传染病风险与多个区域各自的风险以及多个区域之间的传播风险密切相关。在疫情背景下,如果从地区内部判断出风险性较高的区域,根据区域之间的关联关系,控制高风险区域或切断区域之间的联系,对整个地区的风险控制将起到关键作用。
有鉴于此,本申请实施例提供一种地区传染病的风险测度方法、装置、设备和介质,在确定地区的传染病风险时,考虑多个区域各自的风险以及区域之间的传播风险,具体的,基于多个区域各自应对传染病风险的脆弱度以及风险权重,确定地区的地区风险度,可以准确地预测地区的传染病风险;当地区风险度较高时,可以将多个区域中传播风险较高(聚集参数较大)的区域作为风险管控区域,从而有效控制地区的传染病风险。
本申请技术方案中,对数据的采集、传播、使用等,均符合国家相关法律法规要求;并且,获取相关数据的方式包括但不限于获取政府公开数据、政府政务数据、手机信令数据、兴趣点(Point ofInterest,POI)数据(在地理信息系统中,一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等)。等,并导入数据库。通过数据的时空属性以及地区的多个区域的空间位置关系,将数据匹配至各个区域。
下面结合附图以及具体实施方式对本申请实施例的地区传染病的风险测度方法进行介绍。
本申请实施例的地区传染病的风险测度方法可以由终端设备或者服务器单独执行,也可以由终端设备和服务器配合执行。
终端设备包括但不限于桌面计算机、手机、电脑、智能家电、智能语音交互设备、车载终端等电子设备。服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
下面以服务器单独执行地区传染病的风险测度方法为例进行说明。
参考图1所示,本申请实施例提供的一种地区传染病的风险测度方法,所述地区包含多个区域,包括以下步骤S101-S103:
步骤S101,针对所述多个区域中的每个区域,基于所述区域对应的传染病风险指标确定所述区域应对传染病风险的脆弱度。
本申请实施例中,地区可以是一个城市,各个区域可以是城市中的社区。社区作为城市的基本单位,承载着城市居民主要的生活、工作、出行和交通休闲等主要日常活动,同时社区也是城市基层治理的“最后一公里”,社区在城市中的作用愈发重要。
其中,每个区域对应的传染病风险指标可以根据需要设置。下面对每个区域对应的传染病风险指标进行示例性说明。
在一些可选的实施方式中,区域对应的传染病风险指标可以包括正风险指标和负风险指标,正风险指标与传染病风险呈正相关,负风险指标与传染病风险呈负相关。进一步地,正风险指标包含风险暴露指标和风险敏感指标,负风险指标可以称为风险适应指标。
如图2所示,风险暴露指标、风险敏感指标和风险适应指标可以看作一级指标,每个一级指标还可以包括多个二级指标;具体的,风险暴露指标包含以下至少一种第一指标:人口密度数据、建设强度数据、人员活动数据;风险敏感指标包含以下至少一种第二指标:人口结构数据、生活环境数据、社会治理数据;风险适应指标包含以下至少一种第三指标:防控医疗数据、防控政策数据。
进一步地,如图3-图5所示,每个二级指标还可以包括至少一个三级指标。具体的,以区域为社区为例,如图3所示,对于风险暴露指标来说,人口密度数据至少包括:社区常住人口数/社区面积、社区租客人口数/社区常住人口数等;建设强度数据至少包括:建设用地面积/社区面积、高强度建设用地面积/低强度建设用地面积等,该高强度建设用地面积包括居住用地、商业服务业设施用地等,该低强度建设用地面积包括道路与交通设施用地、公用设施用地、绿地与广场用地等;人员活动数据可以考虑人员流动性,至少包括人员平均进出社区频率、人员平均出行时长、人员平均出行距离等。
可选的,人口密度数据可以通过将其所包含的各个数据进行加权求和获得,同样地,建设强度数据可以通过将其所包含的各个数据进行加权求和获得,人员活动数据可以通过将其所包含的各个数据进行加权求和获得。
如图4所示,对于风险敏感指标来说,人口结构数据至少包括:老人及小孩(例如60岁以上及14岁以下人员)人口比重、流动人员比重、高风险职业人员(例如外卖员、快递员等)比重、低学历人员(例如高中学历以下)比重等;生活环境数据至少包括:人均绿地面积、生活垃圾无害化处理率、居民生活垃圾分类覆盖率、城乡污水处理率、道路清洁频率等;社会治理数据至少包括:人均拥有社区组织数、人均社区安保人员数、居民公约覆盖率、社区党组织覆盖率等。
其中,人口结构数据可以通过将其所包含的各个数据进行加权求和获得;生活环境数据可以通过将其所包含的各个数据分别取反后,再进行加权求和获得,社会治理数据可以通过将其所包含的各个数据分别取反后,再进行加权求和获得。
如图5所示,对于风险适应指标来说,防控医疗数据至少包括:疾控中心密度(例如每千人拥有的疾控中心数量)、医院密度(例如每平方千米的医院数量)、社区卫生服务中心密度(例如每千人拥有的社区卫生服务中心数量)、卫生技术人员密度(例如每千人拥有的卫生技术人员数)、床位密度(例如每千人拥有的床位数)、传染科技术人员密度(例如每千人拥有的传染科技术人员数)等;防控政策数据至少包括:人均卫生费用、社会保险覆盖率、疫情应对预案准备和演练建设频率等。
本申请实施例中,全面考虑区域的传染病风险指标,不仅包括与传染病风险呈正相关的正风险指标,还包括与传染病风险呈负相关的负风险指标,并且,从多个方面考虑正风险指标以及负风险指标,使得区域对应的传染病风险指标准确反映区域应对传染病的脆弱度。
需要说明的是,上述传染病风险指标涉及的各种数据的来源包括但不限于:政府公开数据、政府政务数据、手机信令数据等。
进一步地,针对每个区域,基于该区域的上述风险暴露指标包含的各个第一指标、风险敏感指标包含的各个第二指标和风险适应指标包含的各个第三指标,可以确定该区域应对传染病风险的脆弱度,该脆弱度与风险暴露指标、风险暴露指标呈正相关,与风险适应指标呈负相关,也就是说,风险暴露指标、风险敏感指标越大,脆弱度越大,风险适应指标越大,脆弱度越小。下面实施例中将对脆弱度的确定方式进行示例性介绍。
步骤S102,基于所述区域与所述地区中的其它区域之间的共用生存空间信息,确定所述区域的风险权重。
其中,每个区域与所在地区中的其它区域之间的共用生存空间信息,可以是该区域与其它区域之间具有的共用生存空间的数量,例如:共用生存空间包括但不限于:商场、医院、工业园、公共交通设施等。具体的,可以将两个区域的人员共同去过的生存空间,作为这两个区域的共用生存空间,人员在进入某个生存空间时,可以通过其手机等终端将其位置信息上报至云端,这样,可以从云端获取到人员的活动轨迹,以确定人员去过的生存空间。
针对任意两个具有共用生存空间的区域,可以将共用空间数量作为这两个区域之间的共用权重;对于每个区域,可以根据该区域与各个其它区域的共用权重,确定该区域的风险权重。
步骤S103,基于所述多个区域各自的脆弱度以及风险权重,确定所述地区的地区风险度。
在一些可选的实施方式中,如图6所示,步骤S103基于所述多个区域各自的脆弱度以及风险权重,确定所述地区的地区风险度,可以包括以下步骤S1031-步骤S1032:
步骤S1031,针对所述多个区域中的每个区域,基于所述区域的脆弱度以及风险权重确定所述区域的区域风险度。
具体的,可以将区域的脆弱度与风险权重相乘,得到该区域的区域风险度。假设第i个区域的脆弱度采用Vi表示,风险权重采用Pi表示,则区域风险度Qi通过如下式(1)进行计算:
Qi=Vi×Pi (1)
步骤S1032,将所述多个区域各自的区域风险度执行累加操作,获得所述地区的地区风险度。
具体的,通过如下式(2)计算地区风险度G:
其中,n表示区域的总数量。
本申请实施例中,基于每个区域的脆弱度以及风险权重确定该区域的区域风险度之后,将多个区域各自的区域风险度进行累加,可以准确获得地区的地区风险度。
步骤S104,若所述地区风险度达到预设风险值,则基于所述多个区域各自的聚集参数,从所述多个区域中选择目标区域,作为风险管控区域;每个区域的聚集参数根据与所述区域具有共用生存空间的其它区域的数量确定。
其中,地区风险度达到预设风险值可以是大于预设风险值,或者大于等于预设风险值,该预设风险值可以根据具体情况设置,在此不作限定。
在一些可选的实施方式中,如图7所示,上述步骤S104中基于所述多个区域各自的聚集参数,从所述多个区域中选择目标区域,作为风险管控区域,具体可以包括以下步骤S1041-S1042:
步骤S1041,针对所述多个区域中的每个区域,基于与所述区域具有共用生存空间的其它区域的数量以及区域总数量,确定所述区域对应的聚集参数。
假设区域总数量为ki,则第i个区域vi的聚集系数Di可以通过如下式(3)计算:
Di=2Mi/[ki(ki-1)] (3)
式中,Mi表示与区域vi具有共用生存空间的其它区域的数量。
步骤S1042,从所述多个区域中,选择聚集参数达到预设值的目标区域,作为风险管控区域。
其中,聚集参数达到预设值可以是大于预设值,或者大于等于预设值,该预设值可以根据具体情况设置,在此不作限定。
本申请实施例中,针对每个区域,基于与该区域具有关联(即具有共用生存空间)的其它区域的数量以及区域总数量,确定该区域的聚集参数,当地区风险度较高时,将聚集参数较高的区域作为风险管控区域,通过将风险管控区域与其它区域之间的关联进行控制或切断,来控制地区风险度。
本申请实施例中,在确定地区的传染病风险时,考虑多个区域各自的风险以及区域之间的传播风险,具体的,每个区域的风险包括应对传染病风险的脆弱度以及风险权重,该风险权重由该区域与其它区域之间的共用生存空间信息确定,可以理解的是,一个区域与其它区域之间的共用生存空间越多,该区域的风险权重越大;基于多个区域各自的风险确定地区的地区风险度,可以准确地预测地区的传染病风险;当地区风险度较高时,可以将多个区域中传播风险较高(聚集参数较大)的区域作为风险管控区域,从而有效控制地区的传染病风险。
在一些实施例中,如图8所示,上述步骤S101中基于所述区域对应的传染病风险指标确定所述区域应对传染病风险的脆弱度,具体可以包括以下步骤S1011-S1014:
步骤S1011,基于所述风险暴露指标中的各个第一指标以及所述各个指标各自的第一指标权重,确定所述区域的风险暴露度。
其中,各个第一指标的第一指标权重可以根据需要设置,例如:根据各个第一指标的重要程度设置第一指标权重,越重要的第一指标的第一指标权重越大。
假设,风险暴露指标中的第一指标表示为Ea,第一指标权重表示为Wa,则区域的风险暴露度Ei通过如下式(4)进行计算:
其中,a表示第a个第一指标,A表示第一指标的数量。
进一步地,第一指标作为风险暴露指标的二级指标,还可以包括多个三级指标,由上述可知,在确定每个第一指标时,可以将该第一指标所包含的各个三级指标进行加权求和,各个三级指标的权重也可以根据需要设置。
步骤S1012,基于所述风险敏感指标中的各个第二指标以及所述各个第二指标各自的第二指标权重,确定所述区域的风险敏感度。
其中,各个第二指标的第二指标权重可以根据需要设置,例如:根据各个第二指标的重要程度设置第二指标权重,越重要的第二指标的第二指标权重越大。
假设,风险敏感指标中的第二指标表示为Eb,第二指标权重表示为Wb,则区域的风险暴露度S通过如下式(5)进行计算:
其中,b表示第b个第二指标,B表示第一指标的数量。
进一步地,第二指标作为风险敏感指标的二级指标,还可以包括多个三级指标,在确定每个第二指标时,可以将该第二指标所包含的各个三级指标进行加权求和,各个三级指标的权重也可以根据需要设置。
步骤S1013,基于所述负风险指标中的各个第三指标以及所述各个第三指标各自的第三指标权重,确定所述区域的风险适应度。
其中,各个第三指标的第三指标权重可以根据需要设置,例如:根据各个第三指标的重要程度设置第三指标权重,越重要的第三指标的第三指标权重越大。
假设,风险适应指标中的第三指标表示为Ec,第三指标权重表示为WC,则区域的风险暴露度E通过如下式(6)进行计算:
其中,c表示第c个第一指标,C表示第一指标的数量。
进一步地,第三指标作为风险适应指标的二级指标,还可以包括多个三级指标,在确定每个第三指标时,可以将该第三指标所包含的各个三级指标进行加权求和,各个三级指标的权重也可以根据需要设置。
步骤S1014,基于所述区域的风险暴露度、风险敏感度和风险适应度,确定所述区域应对传染病风险的脆弱度。
该步骤中,可以通过以下式(7)计算区域应对传染病风险的脆弱度V:
V=E+S-A (7)
其中,E表示区域的风险暴露度,S表示区域的风险敏感度,S表示区域的风险适应度。
本申请实施例中,将脆弱度作为区域应对传染病风险的评价标准,该脆弱性由风险暴露度、风险敏感度和风险适应度确定,具体的,基于区域的风险暴露指标确定风险暴露度,基于区域的风险敏感指标确定风险敏感度,基于区域的负风险指标确定风险适应度,以准确地确定区域应对传染病风险的脆弱度。
在一些可选的实施方式中,如图9所示,上述步骤S102中基于所述区域与所述地区中的其它区域之间的共用生存空间信息,确定所述区域的风险权重,可以包括如下步骤S1021-S1022:
步骤S1021,针对与所述区域具有共用生存空间的任一其它区域,基于所述区域与所述任一其它区域的共用生存空间数量,确定所述区域与所述任一其它区域的共用权重。
步骤S1022,对所述区域分别与至少一个其它区域之间的共用权重执行累加操作,获得所述区域的风险权重。
本申请实施中,基于各个区域之间的关联(即共用生存空间信息),可以将各个区域构成一个无向加权网络。对应区域vi来说,其权重Pi可以通过如下式(8)进行计算:
其中,Ni代表与区域vi关联的区域集合,Wij表示区域vi和区域vj之间的共用权重,即这两个区域之间的共用生存空间数量,由上述实施例可知,共用生存空间包括但不限于商场、医院、工业园、公共交通设施等。
由于一个地区的区域之间存在着高度聚集性,任意两个区域之间有一个相对较小的距离,每个区域均可通过一定路径到达另一个区域,因此可以构建小世界网络模型,小世界网络模型是一类具有较短的平均路径长度又具有较高的聚类系数的网络的总称。
如图10所示,小世界网络模型以NW小世界网络为例,NW小世界网络从一个环状的规则网络开始:网络含有N个节点,每个节点向与它最临近K个节点连出K条边,并满足N>>K>>ln(N)>>1。随机化加边:以概率p在随机选取的一对节点之间加上一条边。其中,任意两个不同节点之间至多只能有一条边,并且每一个节点都不能有边与自身相连。改变p值可以实现从最临近耦合网络(p=0)向全局耦合网络(p=1)转变。
上述小世界网络模型中的一个节点可以看作一个区域。示例性的,如图11所示,以地区为一个城市,地区中的区域为社区为例,假设某个城市包含社区1、社区2、社区3、社区4、社区5、社区6,图11示出了各个社区之间的关联,任意两个社区相连,表示这两个社区之间具有共用生存空间,将共用生存空间的数量作为这两个社区之间的共用权重。
本申请实施例中,基于各个区域之间的关联(共用生存空间数量)将各个区域构成一个无向加权网络,两个区域之间的权重为这两个区域使用共同生存空间的数量;针对每个区域,将该区域与各个其它区域之间的权重(即共用权重)进行累加,获得该区域的风险权重。
在一些实施例中,在确定地区风险度达到预设风险值之后,除了将聚集参数达到预设值的目标区域作为风险管控区域之外,还可以从风险管控区域中选择重点管控区域,具体的,如图12所示,所述方法还包括以下步骤S105-S106:
步骤S105,针对所述区域中的每个区域,基于所述区域对应的聚集参数、脆弱度和风险权重,确定所述区域的风险管控指数。
步骤S106,从所述多个区域中,选择风险管控指数达到预设指数的区域,作为重点管控区域。
其中,风险管控指数达到预设指数可以是大于预设指数,或者大于等于预设指数,该预设指数可以根据具体情况设置,在此不作限定。
具体的,将区域的聚集系数和区域的风险度(由脆弱度和风险权重确定)相关联,可得到第i个区域的风险管控指数Ri,可以表示为如下式(9):
Ri=Vi·Pi·Di (9)
其中,Vi为第i个区域的脆弱度,Pi为第i个区域的风险权重,Di为第i个区域的聚集系数。
本申请实施例中,当区域的脆弱度高、聚集系数高且风险权重大时,可以认为该区域为重点风险区域,应对该区域进行重点管控,通过控制或切断该区域与其它区域之间的关联,可以达到逐渐控制地区风险度的目的。
图13示出了本申请实施例的地区传染病的风险测度方法的逻辑示意图。
如图13所示,本申请实施例的地区传染病的风险测度方法中,通过区域的传染病风险指标,确定区域风险,即区域应对风险的脆弱度;通过区域之间的共用生存空间信息,将多个区域构建小世界网络模型,确定区域的风险权重;最后,基于各个区域的风险以及风险权重,确定地区风险。
具体的,上述区域的传染病风险指标包括多个层次的指标,具体参见本申请上述实施例。在小世界网络模型中,将两个区域之间的共用生存空间数量,作为连接这两个区域的边的权重(即本申请上述实施例中的共用权重)。
本申请实施例中,在确定地区的传染病风险时,考虑了区域风险和区域之间的风险传播,通过构建网络模型确定地区的传染病风险,将区域风险和地区风险统一结合,对区域和地区分别计算风险度,并给出风险控制方法。
基于相同的发明构思,本公开实施例还提供了一种地区传染病的风险测度装置,该装置解决问题的原理与上述实施例的方法相似,因此该装置的实施可以参见方法的实施,重复之处不再赘述。
参阅图14所示,本申请实施例还提供了一种地区传染病的风险测度装置,所述地区包含多个区域,所述装置包括第一确定模块141、第二确定模块142和第一选择模块143。
第一确定模块141,用于针对所述多个区域中的每个区域,基于所述区域对应的传染病风险指标确定所述区域应对传染病风险的脆弱度,以及基于所述区域与所述地区中的其它区域之间的共用生存空间信息,确定所述区域的风险权重;
第二确定模块142,用于基于所述多个区域各自的脆弱度以及风险权重,确定所述地区的地区风险度;
第一选择模块143,用于若所述地区风险度达到预设风险值,则基于所述多个区域各自的聚集参数,从所述多个区域中选择目标区域,作为风险管控区域;每个区域的聚集参数根据与所述区域具有共用生存空间的其它区域的数量确定。
本申请实施例中,在确定地区的传染病风险时,考虑多个区域各自的风险以及区域之间的传播风险,具体的,每个区域的风险包括应对传染病风险的脆弱度以及风险权重,该风险权重由该区域与其它区域之间的共用生存空间信息确定,可以理解的是,一个区域与其它区域之间的共用生存空间越多,该区域的风险权重越大;基于多个区域各自的风险确定地区的地区风险度,可以准确地预测地区的传染病风险;当地区风险度较高时,可以将多个区域中传播风险较高(聚集参数较大)的区域作为风险管控区域,从而有效控制地区的传染病风险。
可选的,所述区域对应的传染病风险指标包括正风险指标和负风险指标,所述正风险指标与传染病风险呈正相关,所述负风险指标与传染病风险呈负相关,所述正风险指标包含风险暴露指标和风险敏感指标;
所述风险暴露指标包含以下至少一种第一指标:
人口密度数据、建设强度数据、人员活动数据;
所述风险敏感指标包含以下至少一种第二指标:
人口结构数据、生活环境数据、社会治理数据;
所述负风险指标包含以下至少一种第三指标:
防控医疗数据、防控政策数据。
可选的,如图15所示,所述基于所述区域对应的传染病风险指标确定所述区域应对传染病风险的脆弱度时,所述第一确定模块141还包括:
暴露度确定单元1411,用于基于所述风险暴露指标中的各个第一指标以及所述各个指标各自的第一指标权重,确定所述区域的风险暴露度;
敏感度确定单元1412,用于基于所述风险敏感指标中的各个第二指标以及所述各个第二指标各自的第二指标权重,确定所述区域的风险敏感度;
适应度确定单元1413,用于基于所述负风险指标中的各个第三指标以及所述各个第三指标各自的第三指标权重,确定所述区域的风险适应度;
脆弱度确定单元1414,用于基于所述区域的风险暴露度、风险敏感度和风险适应度,确定所述区域应对传染病风险的脆弱度。
可选的,如图16所示,所述基于所述区域与所述地区中的其它区域之间的共用生存空间信息,确定所述区域的风险权重时,所述第一确定模块141还包括:
共用权重确定单元1415,用于针对与所述区域具有共用生存空间的任一其它区域,基于所述区域与所述任一其它区域的共用生存空间数量,确定所述区域与所述任一其它区域的共用权重;
风险权重确定单元1416,用于对所述区域分别与至少一个其它区域之间的共用权重执行累加操作,获得所述区域的风险权重。
可选的,如图17所示,所述第一选择模块143还包括:
参数确定单元1431,用于针对所述多个区域中的每个区域,基于与所述区域具有共用生存空间的其它区域的数量以及区域总数量,确定所述区域对应的聚集参数;
选择单元1432,用于从所述多个区域中,选择聚集参数达到预设值的目标区域,作为风险管控区域。
可选的,如图18所示,所述装置还包括第二选择模块144,用于:
针对所述区域中的每个区域,基于所述区域对应的聚集参数、脆弱度和风险权重,确定所述区域的风险管控指数;
从所述多个区域中,选择风险管控指数达到预设指数的区域,作为重点管控区域。
可选的,如图19所示,所述第二确定模块142还包括:
区域风险确定单元1421,用于针对所述多个区域中的每个区域,基于所述区域的脆弱度以及风险权重确定所述区域的区域风险度;
地区风险确定单元1422,用于将所述多个区域各自的区域风险度执行累加操作,获得所述地区的地区风险度。
为了描述的方便,以上各部分按照功能划分为各模块(或单元)分别描述。当然,在实施本申请时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。
关于上述实施例中的装置,其中各个模块的具体执行方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
基于相同的发明构思,本公开实施例还提供了一种电子设备,该电子设备解决问题的原理与上述实施例的方法相似,因此该电子设备的实施可以参见方法的实施,重复之处不再赘述。
图20为本申请实施例提供的一种电子设备结构示意图,在上述各实施例的基础上,本申请实施例还提供了一种电子设备,该电子设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑、个人数字助理(Personal Digital Assistant,PDA)等。如图20所示,包括:处理器201、通信接口203、存储器202和通信总线204,其中,处理器201,通信接口203,存储器202通过通信总线204完成相互间的通信;
存储器202中存储有计算机程序,当计算机程序被处理器201执行时,使得处理器201执行如下步骤:
针对所述多个区域中的每个区域,基于所述区域对应的传染病风险指标确定所述区域应对传染病风险的脆弱度,以及基于所述区域与所述地区中的其它区域之间的共用生存空间信息,确定所述区域的风险权重;
基于所述多个区域各自的脆弱度以及风险权重,确定所述地区的地区风险度;
若所述地区风险度达到预设风险值,则基于所述多个区域各自的聚集参数,从所述多个区域中选择目标区域,作为风险管控区域;每个区域的聚集参数根据与所述区域具有共用生存空间的其它区域的数量确定。
在一些示例性的实施方式中,所述区域对应的传染病风险指标包括正风险指标和负风险指标,所述正风险指标与传染病风险呈正相关,所述负风险指标与传染病风险呈负相关,所述正风险指标包含风险暴露指标和风险敏感指标;
所述风险暴露指标包含以下至少一种第一指标:
人口密度数据、建设强度数据、人员活动数据;
所述风险敏感指标包含以下至少一种第二指标:
人口结构数据、生活环境数据、社会治理数据;
所述负风险指标包含以下至少一种第三指标:
防控医疗数据、防控政策数据。
在一些示例性的实施方式中,所述基于所述区域对应的传染病风险指标确定所述区域应对传染病风险的脆弱度时,处理器201还可以用于:
基于所述风险暴露指标中的各个第一指标以及所述各个指标各自的第一指标权重,确定所述区域的风险暴露度;
基于所述风险敏感指标中的各个第二指标以及所述各个第二指标各自的第二指标权重,确定所述区域的风险敏感度;
基于所述负风险指标中的各个第三指标以及所述各个第三指标各自的第三指标权重,确定所述区域的风险适应度;
基于所述区域的风险暴露度、风险敏感度和风险适应度,确定所述区域应对传染病风险的脆弱度。
在一些示例性的实施方式中,所述基于所述区域与所述地区中的其它区域之间的共用生存空间信息,确定所述区域的风险权重时,处理器201还可以用于:
针对与所述区域具有共用生存空间的任一其它区域,基于所述区域与所述任一其它区域的共用生存空间数量,确定所述区域与所述任一其它区域的共用权重;
对所述区域分别与至少一个其它区域之间的共用权重执行累加操作,获得所述区域的风险权重。
在一些示例性的实施方式中,所述基于所述多个区域各自的聚集参数,从所述多个区域中选择目标区域,作为风险管控区域时,处理器201还可以用于:
针对所述多个区域中的每个区域,基于与所述区域具有共用生存空间的其它区域的数量以及区域总数量,确定所述区域对应的聚集参数;
从所述多个区域中,选择聚集参数达到预设值的目标区域,作为风险管控区域。
在一些示例性的实施方式中,处理器201还可以用于:
针对所述区域中的每个区域,基于所述区域对应的聚集参数、脆弱度和风险权重,确定所述区域的风险管控指数;
从所述多个区域中,选择风险管控指数达到预设指数的区域,作为重点管控区域。
在一些示例性的实施方式中,基于所述多个区域各自的脆弱度以及风险权重,确定所述地区的地区风险度时,处理器201还可以用于:
针对所述多个区域中的每个区域,基于所述区域的脆弱度以及风险权重确定所述区域的区域风险度;
将所述多个区域各自的区域风险度执行累加操作,获得所述地区的地区风险度。
由于上述电子设备解决问题的原理与上述实施例中的地区传染病的风险测度方法相似,因此上述电子设备的实施可以参见方法的实施,重复之处不再赘述。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口203用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器,包括中央处理器、网络处理器(NetworkProcessor,NP)等;还可以是数字指令处理器(Digital Signal Processing,DSP)、专用集成电路、现场可编程门陈列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。
本申请实施例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,所述计算机程序用于使电子设备执行上述实施例的任一种地区传染病的风险测度方法。
上述实施例中的计算机可读存储介质可以是电子设备中的处理器能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器如软盘、硬盘、磁带、磁光盘(MO)等、光学存储器如CD、DVD、BD、HVD等、以及半导体存储器如ROM、EPROM、EEPROM、非易失性存储器(NAND FLASH)、固态硬盘(SSD)等。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种地区传染病的风险测度方法,其特征在于,所述地区包含多个区域,所述方法包括:
针对所述多个区域中的每个区域,基于所述区域对应的传染病风险指标确定所述区域应对传染病风险的脆弱度,以及基于所述区域与所述地区中的其它区域之间的共用生存空间信息,确定所述区域的风险权重;
基于所述多个区域各自的脆弱度以及风险权重,确定所述地区的地区风险度;
若所述地区风险度达到预设风险值,则基于所述多个区域各自的聚集参数,从所述多个区域中选择目标区域,作为风险管控区域;每个区域的聚集参数根据与所述区域具有共用生存空间的其它区域的数量确定。
2.根据权利要求1所述的方法,其特征在于,所述区域对应的传染病风险指标包括正风险指标和负风险指标,所述正风险指标与传染病风险呈正相关,所述负风险指标与传染病风险呈负相关,所述正风险指标包含风险暴露指标和风险敏感指标;
所述风险暴露指标包含以下至少一种第一指标:
人口密度数据、建设强度数据、人员活动数据;
所述风险敏感指标包含以下至少一种第二指标:
人口结构数据、生活环境数据、社会治理数据;
所述负风险指标包含以下至少一种第三指标:
防控医疗数据、防控政策数据。
3.根据权利要求2所述的方法,其特征在于,所述基于所述区域对应的传染病风险指标确定所述区域应对传染病风险的脆弱度,包括:
基于所述风险暴露指标中的各个第一指标以及所述各个指标各自的第一指标权重,确定所述区域的风险暴露度;
基于所述风险敏感指标中的各个第二指标以及所述各个第二指标各自的第二指标权重,确定所述区域的风险敏感度;
基于所述负风险指标中的各个第三指标以及所述各个第三指标各自的第三指标权重,确定所述区域的风险适应度;
基于所述区域的风险暴露度、风险敏感度和风险适应度,确定所述区域应对传染病风险的脆弱度。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述基于所述区域与所述地区中的其它区域之间的共用生存空间信息,确定所述区域的风险权重,包括:
针对与所述区域具有共用生存空间的任一其它区域,基于所述区域与所述任一其它区域的共用生存空间数量,确定所述区域与所述任一其它区域的共用权重;
对所述区域分别与至少一个其它区域之间的共用权重执行累加操作,获得所述区域的风险权重。
5.根据权利要求1至3任一项所述的方法,其特征在于,所述基于所述多个区域各自的聚集参数,从所述多个区域中选择目标区域,作为风险管控区域,包括:
针对所述多个区域中的每个区域,基于与所述区域具有共用生存空间的其它区域的数量以及区域总数量,确定所述区域对应的聚集参数;
从所述多个区域中,选择聚集参数达到预设值的目标区域,作为风险管控区域。
6.根据权利要求1至3任一项所述的方法,其特征在于,所述方法还包括:
针对所述区域中的每个区域,基于所述区域对应的聚集参数、脆弱度和风险权重,确定所述区域的风险管控指数;
从所述多个区域中,选择风险管控指数达到预设指数的区域,作为重点管控区域。
7.根据权利要求1至3任一项所述的方法,其特征在于,基于所述多个区域各自的脆弱度以及风险权重,确定所述地区的地区风险度,包括:
针对所述多个区域中的每个区域,基于所述区域的脆弱度以及风险权重确定所述区域的区域风险度;
将所述多个区域各自的区域风险度执行累加操作,获得所述地区的地区风险度。
8.一种地区传染病的风险测度装置,其特征在于,所述地区包含多个区域,所述装置包括:
第一确定模块,用于针对所述多个区域中的每个区域,基于所述区域对应的传染病风险指标确定所述区域应对传染病风险的脆弱度,以及基于所述区域与所述地区中的其它区域之间的共用生存空间信息,确定所述区域的风险权重;
第二确定模块,用于基于所述多个区域各自的脆弱度以及风险权重,确定所述地区的地区风险度;
第一选择模块,用于若所述地区风险度达到预设风险值,则基于所述多个区域各自的聚集参数,从所述多个区域中选择目标区域,作为风险管控区域;每个区域的聚集参数根据与所述区域具有共用生存空间的其它区域的数量确定。
9.一种电子设备,其特征在于,其包括处理器和存储器,其中,所述存储器存储有计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1~7中任一地区传染病的风险测度方法的步骤。
10.一种计算机可读存储介质,其特征在于,其包括计算机程序,当所述计算机程序在电子设备上运行时,所述计算机程序用于使所述电子设备执行权利要求1~7中任一地区传染病的风险测度方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210622607.8A CN114819745A (zh) | 2022-06-01 | 2022-06-01 | 地区传染病的风险测度方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210622607.8A CN114819745A (zh) | 2022-06-01 | 2022-06-01 | 地区传染病的风险测度方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114819745A true CN114819745A (zh) | 2022-07-29 |
Family
ID=82519464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210622607.8A Pending CN114819745A (zh) | 2022-06-01 | 2022-06-01 | 地区传染病的风险测度方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114819745A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116721781A (zh) * | 2023-07-11 | 2023-09-08 | 中国科学院地理科学与资源研究所 | 虫媒传染病传播风险的预测方法、装置、电子设备及介质 |
CN116894585A (zh) * | 2023-07-25 | 2023-10-17 | 浙江三网科技股份有限公司 | 一种应用于未来社区综合数据智能分析方法和系统 |
-
2022
- 2022-06-01 CN CN202210622607.8A patent/CN114819745A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116721781A (zh) * | 2023-07-11 | 2023-09-08 | 中国科学院地理科学与资源研究所 | 虫媒传染病传播风险的预测方法、装置、电子设备及介质 |
CN116894585A (zh) * | 2023-07-25 | 2023-10-17 | 浙江三网科技股份有限公司 | 一种应用于未来社区综合数据智能分析方法和系统 |
CN116894585B (zh) * | 2023-07-25 | 2024-02-20 | 浙江三网科技股份有限公司 | 一种应用于未来社区综合数据智能分析方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114819745A (zh) | 地区传染病的风险测度方法、装置、设备和介质 | |
Xu et al. | A comparison of scenario-based hybrid bilevel and multi-objective location-allocation models for earthquake emergency shelters: a case study in the central area of Beijing, China | |
Vecere et al. | Predictive models for post disaster shelter needs assessment | |
Cusimano et al. | Patterns of urban violent injury: a spatio-temporal analysis | |
Yuan et al. | Mining social media data for rapid damage assessment during Hurricane Matthew: Feasibility study | |
Du et al. | The role of hazard vulnerability assessments in disaster preparedness and prevention in China | |
Moise | Hospitalizations for substance abuse disorders before and after Hurricane Katrina: spatial clustering and area-level predictors, New Orleans, 2004 and 2008 | |
Maliszewski et al. | A comparison of multi-objective spatial dispersion models for managing critical assets in urban areas | |
Yigitcanlar et al. | Pandemic vulnerability knowledge visualisation for strategic decision-making: a COVID-19 index for government response in Australia | |
Esmalian et al. | Characterizing equitable access to grocery stores during disasters using location-based data | |
Armaş et al. | Identifying seismic vulnerability hotspots in Bucharest | |
Hao et al. | Assessing disaster impact in real time: Data-driven system integrating humans, hazards, and the built environment | |
Doorley et al. | Mobility and COVID-19 in Andorra: Country-scale analysis of high-resolution mobility patterns and infection spread | |
Zhong et al. | Multi-objective optimization approach of shelter location with maximum equity: an empirical study in Xin Jiekou district of Nanjing, China | |
Buil-Gil et al. | Comparing measurements of violent crime in local communities: a case study in Islington, London | |
Balakrishnan et al. | Developing priority index for managing utility disruptions in urban areas with focus on cascading and interdependent effects | |
Grasic et al. | Classification of incoming calls for the capital city of Slovenia smart city 112 public safety system using open Internet of Things data | |
CN116452035A (zh) | 基于网络抗毁性的社区生活物资供应韧性评估方法及系统 | |
Münzberg et al. | Dynamic-spatial vulnerability assessments: a methodical review for decision support in emergency planning for power outages | |
Somenahalli et al. | Road network accessibility and socio-economic disadvantage across Adelaide metropolitan area | |
Hao et al. | Simulating urban population activities under extreme events with data-driven agent-based modeling | |
Girasole et al. | Social vulnerability to natural hazards in urban systems. An application in Santo Domingo (Dominican Republic) | |
Salat et al. | Analysing the impact of electrification on rural attractiveness in Senegal with mobile phone data | |
Swanson et al. | Using mobile phone data to evaluate access to essential services following natural hazards | |
Yuan et al. | Unveiling dialysis centers’ vulnerability and access inequality during urban flooding |
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 |