CN115132368A - 一种基于大数据平台的传染病防控监测方法及系统 - Google Patents
一种基于大数据平台的传染病防控监测方法及系统 Download PDFInfo
- Publication number
- CN115132368A CN115132368A CN202210610002.7A CN202210610002A CN115132368A CN 115132368 A CN115132368 A CN 115132368A CN 202210610002 A CN202210610002 A CN 202210610002A CN 115132368 A CN115132368 A CN 115132368A
- Authority
- CN
- China
- Prior art keywords
- level
- contacter
- track
- time
- information
- 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
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
Abstract
本发明属于传染病防控领域,提供了一种基于大数据平台的传染病防控监测方法及系统,获取居民的历史轨迹信息;将居民的历史轨迹信息按照定位的行政区域、时间以及人员位置进行存储;根据上报的确诊病例,追溯确诊病例的行程轨迹,基于确诊病例的行程轨迹确定一级接触者的行程轨迹和二级接触者的行程轨迹;按倍速回放确诊病例、一级接触者、二级接触者的历史轨迹,确定防控区域和追溯传染病起源;根据防控区域和传染病起源执行防控措施,下发防控通知;本发明根据上报的确诊病例的轨迹信息,以病毒存活时间以及确诊病例的危险传播范围为约束进行建模并求解,确定一级接触者和二级接触者,达到对传染病精准隔离、科学防控的效果。
Description
技术领域
本发明属于传染病防控技术领域,具体涉及一种基于大数据平台的传染病防控监测方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
随着传染病的蔓延和复发,已经干扰了居民的日常生活和企业的生产经营,严重影响了国家的经济和社会的稳定。现有防控手段及方法通常为排查居民的行程轨迹、是否同处于一个时空网格(时空伴随者)、监控等设备的捕捉、公交地铁等交通工具的乘坐信息等其它手段来确定是否和感染者有交集,而后将有交集的群体或小区集中隔离,但是这些方法及手段虽然可以及时遏制住传染病的蔓延,但对居民的出行和企业的经营打击是巨大的,严重制约了国家经济的增长。因此,传染病的科学防控、精准隔离仍是亟需解决的社会问题。
发明内容
为了解决上述问题,本发明提出了一种基于大数据平台的传染病防控监测方法及系统,本发明根据上报的确诊病例的轨迹信息,以病毒存活时间以及确诊病例的危险传播范围为约束进行建模并求解,确定一级接触者和二级接触者,达到对传染病精准隔离、科学防控的效果。
根据一些实施例,本发明的第一方案提供了一种基于大数据平台的传染病防控监测方法,采用如下技术方案:
一种基于大数据平台的传染病防控监测方法,包括:
获取居民的历史轨迹信息;
将居民的历史轨迹信息按照定位的行政区域、时间以及人员位置进行存储;
根据上报的确诊病例,追溯确诊病例的行程轨迹,基于确诊病例的行程轨迹确定一级接触者的行程轨迹和二级接触者的行程轨迹;
按倍速回放确诊病例、一级接触者、二级接触者的历史轨迹,确定防控区域和追溯传染病起源;
根据防控区域和传染病起源执行防控措施,下发防控通知;
其中,所述基于确诊病例的行程轨迹确定一级接触者的行程轨迹和二级接触者的行程轨迹,包括:
以病毒存活时间以及确诊病例的危险传播范围为约束进行建模并进行求解,筛选出与确诊病例时间及位置存在交叉的居民,确定一级接触者;
以病毒存活时间以及一级接触者的危险传播范围为约束进行建模并进行求解,筛选出与一级接触者时间及位置存在交叉的居民,确定二级接触者;
根据确定的一级接触者和二级接触者,追溯一级接触者的行程轨迹和二级接触者的行程轨迹。
进一步地,所述获取居民的历史轨迹信息,包括:
以居民手机号为唯一ID号获取居民的定位信息进行精确定位;
根据居民的线上消费信息、公共交通信息以及车辆出行信息确定居民的停留时间和位置信息进行辅助定位。
进一步地,所述根据上报的确诊病例,追溯确诊病例的行程轨迹,包括:
获取确诊病例的个人身份信息及确诊病例的行程轨迹信息;
将确诊病例的行程轨迹信息利用NLP转换为真实坐标,建立确诊病例的行程轨迹地图;
其中,所述行程轨迹信息包括时间以及经纬度信息。
进一步地,所述基于确诊病例的行程轨迹确定一级接触者和二级接触者,还包括:
当二级接触者转为确诊病例后,以病毒存活时间以及确诊病例的危险传播范围为约束进行建模并进行求解,筛选出与二级接触者时间及位置存在交叉的居民,确定新的一级接触者;
不断迭代确定一级接触者、次密且接触者的过程,直到所有的待防控人群被找出。
进一步地,以病毒存活时间以及确诊病例的危险传播范围为约束进行建模并进行求解,筛选出与确诊病例时间及位置存在交叉的居民,确定一级接触者,包括:
根据传染病传播的距离确定确诊病例危险传播范围,进而确定松弛距离;
根据病毒存活时间确定松弛时间;
以松弛距离和松弛时间为约束条件建立模型,具体如下:
式中,x表示某一点的位置坐标,t表示某一时刻;P(x,t)表示某一时刻是否和确诊病例轨迹有交集的二值向量函数;当第i个人在t时刻到达过x坐标时Pi(x,t)=1,否则Pi(x,t)=0;j表示一级接触者;(,T)表示确诊病例的轨迹坐标;tm表示松弛时间,用于描述病毒存活时间;xm表示松弛距离,用于描述和确诊病例的危险范围。
进一步地,以病毒存活时间以及一级接触者的危险传播范围为约束进行建模并进行求解,筛选出与一级接触者时间及位置存在交叉的居民,确定二级接触者,包括:
根据传染病传播的距离确定一级接触者危险传播范围,进而确定松弛距离;
根据病毒存活时间确定松弛时间;
以松弛距离和松弛时间为约束条件建立模型,具体如下:
其中,x表示某一点的位置坐标,t表示某一时刻;P(x,t)表示某一时刻是否和一级接触者轨迹有交集的二值向量函数;当第i个人在t时刻到达过x坐标时 Pi(x,t)=1,否则Pi(x,t)=0;q表示二级接触者;(,T)表示一级接触者的轨迹坐标,tm表示松弛时间,用于描述病毒存活时间;qn表示松弛距离,用于描述和一级接触者的危险范围。
进一步地,按倍速回放确诊病例、一级接触者、二级接触者的历史轨迹,确定防控区域和追溯传染病起源,包括:
聚合确诊病例、一级接触者以及二级接触者人群轨迹信息,通过设置类型的级别大小对不同的风险程度加以区分,得到不同风险级别的轨迹信息;
对设置风险级别后的轨迹信息,设置时间为自变量,位置信息为因变量, GIS地图为背景,对不同风险级别的轨迹信息进行着色区分,将轨迹按照不同时间间隔进行回放;
根据回放的轨迹路径信息,划分防控区域。
根据一些实施例,本发明的第二方案提供了一种基于大数据平台的传染病防控监测系统,采用如下技术方案:
一种基于大数据平台的传染病防控监测系统,包括:
信息定位模块,被配置为获取居民的历史轨迹信息;
分布式存储模块,被配置为将居民的历史轨迹信息按照定位的行政区域、时间以及人员位置进行存储;
防控人群确定模块,被配置为根据上报的确诊病例,追溯确诊病例的行程轨迹,基于确诊病例的行程轨迹确定一级接触者的行程轨迹和二级接触者的行程轨迹;
其中,所述基于确诊病例的行程轨迹确定一级接触者的行程轨迹和二级接触者的行程轨迹,包括:
以病毒存活时间以及确诊病例的危险传播范围为约束进行建模并进行求解,筛选出与确诊病例时间及位置存在交叉的居民,确定一级接触者;
以病毒存活时间以及一级接触者的危险传播范围为约束进行建模并进行求解,筛选出与一级接触者时间及位置存在交叉的居民,确定二级接触者;
根据确定的一级接触者和二级接触者,追溯一级接触者的行程轨迹和二级接触者的行程轨迹;
防控区域确定模块,被配置为按倍速回放确诊病例、一级接触者、二级接触者的历史轨迹,确定防控区域和追溯传染病起源;
防控实施模块,被配置为根据防控区域和传染病起源执行防控措施,下发防控通知。
根据一些实施例,本发明的第三方案提供了一种计算机可读存储介质。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一个方面所述的一种基于大数据平台的传染病防控监测方法中的步骤。
根据一些实施例,本发明的第四方案提供了一种计算机设备。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述第一个方面所述的一种基于大数据平台的传染病防控监测方法中的步骤。
与现有技术相比,本发明的有益效果为:
本发明通过轨迹方程来表示确诊病例的轨迹信息,使用二值向量函数来描述是否和确诊病例的轨迹有交集,将约束条件病毒存活时间、确诊病例的危险传播范围转化为松弛变量,对一级接触者和二级接触者范围进行建模并求解。最后将复杂而又庞大的轨迹信息求解问题转化为简单的线性规划问题,并使用大数据平台的计算模块进行快速求解,准确的确定一级接触者和二级接触者人群及区域,从而能达到对传染病精准隔离、科学防控的效果。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是本发明实施例所述的一种基于大数据平台的传染病防控监测方法流程图;
图2是本发明实施例所述的大数据平台架构图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例一
如图1所示,本实施例提供了一种基于大数据平台的传染病防控监测方法,该方法包括以下步骤:
获取居民的历史轨迹信息;
将居民的历史轨迹信息按照定位的行政区域、时间以及人员位置进行存储;
根据上报的确诊病例,追溯确诊病例的行程轨迹,基于确诊病例的行程轨迹确定一级接触者的行程轨迹和二级接触者的行程轨迹;
按倍速回放确诊病例、一级接触者、二级接触者的历史轨迹,确定防控区域和追溯传染病起源;
根据防控区域和传染病起源执行防控措施,下发防控通知;
其中,所述基于确诊病例的行程轨迹确定一级接触者的行程轨迹和二级接触者的行程轨迹,包括:
以病毒存活时间以及确诊病例的危险传播范围为约束进行建模并进行求解,筛选出与确诊病例时间及位置存在交叉的居民,确定一级接触者;
以病毒存活时间以及一级接触者的危险传播范围为约束进行建模并进行求解,筛选出与一级接触者时间及位置存在交叉的居民,确定二级接触者;
根据确定的一级接触者和二级接触者,追溯一级接触者的行程轨迹和二级接触者的行程轨迹。
如图1所示,该方法包括以下步骤,具体为:
步骤1,通过定位模块获取居民的轨迹信息
所述获取居民的历史轨迹信息,包括:
以居民手机号为唯一ID号获取居民的定位信息进行精确定位;
根据居民的线上消费信息、公共交通信息以及车辆出行信息确定居民的停留时间和位置信息进行辅助定位。
1.1精确定位
通过定位模块获取居民的轨迹信息,具体是指结合GPS定位、基站定位、蓝牙定位、5G定位、WIFI定位、混合定位等定位手段,直接获取居民的定位信息。为保护居民隐私信息,只获取手机号等唯一ID或者及经纬度,在数据大屏展示时做信息脱敏处理,例如只显示手机号后四位。
1.2辅助定位
在信号不好或者单纯依靠基站定位是不精确的,应结合以下辅助手段,提高定位的精度。
1.2.1消费信息辅助定位
居民在进行线下消费时往往使用线上支付方式,根据店铺等场所的位置信息,确定居民到达了这个位置,发送该居民的位置信息和停留时间。另一方面,居民在进行消费时,会扫描店铺等场所具有位置信息的防疫二维码,上传居民位置信息。
1.2.2公共交通信息辅助定位
居民在使用公交、出租车、共享单车、地铁、高铁、火车等其他公共交通工具时,会留下刷卡记录和使用记录,根据这些记录获取用户的位置及身份信息。
1.2.3车辆出行信息辅助定位
针对使用私家车出行的情况,应收集高速路进出记录、停车场进出记录、道路监控摄像头记录等车辆位置信息。
1.2.4其他辅助定位
随着人工智能的快速发展,人脸识别、人体姿态识别等模式识别算法的日益完善。结合模式识别模块快速获取居民的身份位置信息,然后通过自然语言处理(NLP)等技术对文字版行程轨迹做真实坐标转换,获取位置信息。
1.3人工定位
通过调查问卷、口述等方式获取居民的行程轨迹,将调查得到的位置信息手动录入定位模块。
步骤2,通过大数据平台将历史轨迹信息存储到文件系统、分布式存储系统等其他存储方式中
2.1将位置信息上传到大数据平台中
将步骤1中定位模块获取到的居民定位信息(其中包括时间、经纬度、身份信息以及其它相关信息)上传到大数据平台中,大数据平台可以使用Hadoop 等具有大数据处理和分析功能的大数据框架。
2.2将大数据平台中数据进行分布式存储
根据定位数据的行政区域、时间日期、人员位置等其它人群属性特征对数据进行切分,合理存储在文件系统、分布式存储系统及其它具有存储性质的系统中。
2.3对数据进行备份容灾
在各区域建立互通互联网络通道,在数据层面形成共享以及备份,防备数据的丢失和损毁。对存储的数据进行加密处理,进一步保障数据的绝对安全。
步骤3,通过上报确诊病例,系统追溯确诊病例的行程轨迹,查询出一级接触者和二级接触者。
所述根据上报的确诊病例,追溯确诊病例的行程轨迹,包括:
获取确诊病例的个人身份信息及确诊病例的行程轨迹信息;
将确诊病例的行程轨迹信息利用NLP转换为真实坐标,建立确诊病例的行程轨迹地图;
其中,所述行程轨迹信息包括时间以及经纬度信息。
3.1上报确诊病例
通过医学检测等手段划分出确诊病例,根据确诊病例的个人身份信息及行程轨迹信息上传到系统中。
所述基于确诊病例的行程轨迹确定一级接触者的行程轨迹和二级接触者的行程轨迹,包括:
以病毒存活时间以及确诊病例的危险传播范围为约束进行建模并进行求解,筛选出与确诊病例时间及位置存在交叉的居民,确定一级接触者;
以病毒存活时间以及一级接触者的危险传播范围为约束进行建模并进行求解,筛选出与一级接触者时间及位置存在交叉的居民,确定二级接触者;
根据确定的一级接触者和二级接触者,追溯一级接触者的行程轨迹和二级接触者的行程轨迹;
当二级接触者转为确诊病例后,以病毒存活时间以及确诊病例的危险传播范围为约束进行建模并进行求解,筛选出与二级接触者时间及位置存在交叉的居民,确定新的一级接触者;
不断迭代确定一级接触者、次密且接触者的过程,直到所有的待防控人群被找出。
3.2计算确诊病例行程轨迹
对上传到系统中的行程轨迹使用NLP(自然语言处理)等技术装置转换为真实坐标,形成历史轨迹,轨迹信息应具备时间点、经纬度坐标等属性,方便绘画轨迹地图。
3.3计算一级接触者行程轨迹
根据确诊病例去过的时间和位置信息,对步骤2中存储的居民轨迹历史信息按照时间、位置等特征进行筛分,划分出一级接触者人群。
具体方法为:1.找出与确诊病例时间及位置存在交叉的人,即历史轨迹信息时间间隔相近、位置距离较近的人群。2.找出确诊病例停留的场所、乘坐过的交通工具,在确诊病例开始停留以后所有在此经过或停留的人群都被列为一级接触者,将其信息保存到系统中。
其中位置距离大小应根据传染病传播的距离来规定,时间间隔应根据确诊病例离开之后病毒的存活时间来确定。
由此根据上述条件进行数学建模,对一级接触者行程轨迹进行求解,建模如下:
记向量函数P(x,t)=[P1(x,t),P2(x,t),P3(x,t),...,Pn(x,t)],当第i个人在t0时刻到达过x0坐标时Pi(x0,t0)=1,否则Pi(x0,t0)=0,此时向量函数P(x,t)的值{(a1…an)T|ai∈{0,1}}是Rn的子空间。
则一级接触者人群即下述约束问题的可行域,
其中,x表示某一点的位置坐标,坐标分为二维坐标和三维坐标。二维坐标包括经度、纬度,可以描述目标的平面位置信息;三维坐标包括经度、纬度和高度,可以更好的描述目标的空间位置信息;
t表示某一时刻;
P(x,t)表示某一时刻是否和确诊病例轨迹有交集的二值向量函数;
i表示第i个人,n表示总人数;
ai表示第i个人在t时刻是否到达过x地点,取值0或1,0代表和确诊病例轨迹没有交集,1代表和确诊病例有交集;
j表示一级接触者;
||Pi(x,t)||2表示轨迹度量范数;
(X,T)表示确诊病例的轨迹坐标;
tm表示松弛时间,用于描述病毒存活时间;
xm表示松弛距离,用于描述和确诊病例的危险范围。
通过大数据平台计算模块求解约束问题,将满足解的人群归为一级接触者,存储到大数据平台存储模块中。
对列为一级接触者人群中每一位人员进行实时定位,追溯一级接触者从与确诊病例接触到现在的历史轨迹,还原一级接触者的行程轨迹,将行程轨迹信息保存到系统中。
具体地,以病毒存活时间以及确诊病例的危险传播范围为约束进行建模并进行求解,筛选出与确诊病例时间及位置存在交叉的居民,确定一级接触者,包括:
根据传染病传播的距离确定确诊病例危险传播范围,进而确定松弛距离;
根据病毒存活时间确定松弛时间;
以松弛距离和松弛时间为约束条件建立模型,具体如下:
式中,x表示某一点的位置坐标,t表示某一时刻;P(x,t)表示某一时刻是否和确诊病例轨迹有交集的二值向量函数;当第i个人在t时刻到达过x坐标时 Pi(x,t)=1,否则Pi(x,t)=0;j表示一级接触者;(X,T)表示确诊病例的轨迹坐标;tm表示松弛时间,用于描述病毒存活时间;xm表示松弛距离,用于描述和确诊病例的危险范围。
通过大数据平台计算模块求解约束问题,将满足解的人群归为一级接触者,存储到大数据平台存储模块中。
对列为一级接触者人群中每一位人员进行实时定位,追溯一级接触者从与确诊病例接触到现在的历史轨迹,还原一级接触者的行程轨迹,将行程轨迹信息保存到系统中。
3.4计算二级接触者行程轨迹
根据一级接触者的个人以及轨迹信息,找出二级接触者的人群,方法与上一步类似。建模过程可将一级接触者视为确诊病例,将二级接触者视为一级接触者。
建模结果如下:
其中,x表示某一点的位置坐标,t表示某一时刻;P(x,t)表示某一时刻是否和一级接触者轨迹有交集的二值向量函数;当第i个人在t时刻到达过x坐标时 Pi(x,t)=1,否则Pi(x,t)=0;q表示二级接触者;(Q,T)表示一级接触者的轨迹坐标,tm表示松弛时间,用于描述病毒存活时间;qm表示松弛距离,用于描述和一级接触者的危险范围。
通过大数据平台计算模块求解约束问题,将满足解的人群归为二级接触者,存储到大数据平台存储模块中。
另外,如果相隔时间较久,需要将二级接触者视为确诊病例,计算出二级接触者的一级接触者,不断迭代上述过程,直至所有防控人群都被找出。因为随着时间的推移,一级接触者会转换为确诊病例、二级接触者也会转换为确诊病例,所以可以适当放大防控人群的范围。
步骤4,按倍速回放确诊病例、一级接触者、二级接触者的历史轨迹,方便确定防控区域和追溯传染病起源。
按倍速回放确诊病例、一级接触者、二级接触者的历史轨迹,确定防控区域和追溯传染病起源,包括:
聚合确诊病例、一级接触者以及二级接触者人群轨迹信息,通过设置类型的级别大小对不同的风险程度加以区分,得到不同风险级别的轨迹信息;
对设置风险级别后的轨迹信息,设置时间为自变量,位置信息为因变量, GIS地图为背景,对不同风险级别的轨迹信息进行着色区分,将轨迹按照不同时间间隔进行回放;
根据回放的轨迹路径信息,划分防控区域。
4.1聚合步骤3中保存的确诊病例、一级接触者、二级接触者人群轨迹信息,通过设置类型的级别大小对不同的风险程度加以区分。
4.2对设置风险级别后的轨迹信息,设置时间为自变量,位置信息为因变量, GIS地图为背景,对不同风险级别的轨迹进行着色区分,将轨迹按照不同时间间隔进行回放。对可能存在的轨迹盲区和时间断层可使用路径规划等相关算法,并按照不同交通工具的速度推算出缺失时间的位置信息。
4.3根据回放的轨迹路径信息,划分防控区域,对区域内的重点人群进行隔离,对于和确诊病例、一级接触者、二级接触者及其他有风险人员毫无交集的人群不限制其活动,达到精准防控的目的。
步骤5,执行防控措施,下发防控通知
对确诊病例、一级接触者、二级接触者下发电话、短信等危险通知,对防控区域其他人员下发风险通知,防止人员快速流动,阻止传染病进一步蔓延。
步骤6,建立传染病模型,进行传染病推演
建立传染病模型,选择常见的传染病模型SIR、SEIR对群体传染病发展曲线进行拟合,对可能携带病原体的宿主进行轨迹预测,推演传染病的传播情况,并展示到GIS地图中,方便进一步制定防控措施和计划。
实施例二
本实施例提供了一种基于大数据平台的传染病防控监测系统,包括:
信息定位模块,被配置为获取居民的历史轨迹信息;
分布式存储模块,被配置为将居民的历史轨迹信息按照定位的行政区域、时间以及人员位置进行存储;
防控人群确定模块,被配置为根据上报的确诊病例,追溯确诊病例的行程轨迹,基于确诊病例的行程轨迹确定一级接触者的行程轨迹和二级接触者的行程轨迹;
其中,所述基于确诊病例的行程轨迹确定一级接触者的行程轨迹和二级接触者的行程轨迹,包括:
以病毒存活时间以及确诊病例的危险传播范围为约束进行建模并进行求解,筛选出与确诊病例时间及位置存在交叉的居民,确定一级接触者;
以病毒存活时间以及一级接触者的危险传播范围为约束进行建模并进行求解,筛选出与一级接触者时间及位置存在交叉的居民,确定二级接触者;
根据确定的一级接触者和二级接触者,追溯一级接触者的行程轨迹和二级接触者的行程轨迹;
防控区域确定模块,被配置为按倍速回放确诊病例、一级接触者、二级接触者的历史轨迹,确定防控区域和追溯传染病起源;
防控实施模块,被配置为根据防控区域和传染病起源执行防控措施,下发防控通知。
上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
上述实施例中对各个实施例的描述各有侧重,某个实施例中没有详述的部分可以参见其他实施例的相关描述。
所提出的系统,可以通过其他的方式实现。例如以上所描述的系统实施例仅仅是示意性的,例如上述模块的划分,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,例如多个模块可以结合或者可以集成到另外一个系统,或一些特征可以忽略,或不执行。
实施例三
如图2所示,本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例一所述的一种基于大数据平台的传染病防控监测方法中的步骤。
实施例四
本实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述实施例一所述的一种基于大数据平台的传染病防控监测方法中的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明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和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、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。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory, ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于大数据平台的传染病防控监测方法,其特征在于,包括:
获取居民的历史轨迹信息;
将居民的历史轨迹信息按照定位的行政区域、时间以及人员位置进行存储;
根据上报的确诊病例,追溯确诊病例的行程轨迹,基于确诊病例的行程轨迹确定一级接触者的行程轨迹和二级接触者的行程轨迹;
按倍速回放确诊病例、一级接触者、二级接触者的历史轨迹,确定防控区域和追溯传染病起源;
根据防控区域和传染病起源执行防控措施,下发防控通知;
其中,所述基于确诊病例的行程轨迹确定一级接触者的行程轨迹和二级接触者的行程轨迹,包括:
以病毒存活时间以及确诊病例的危险传播范围为约束进行建模并进行求解,筛选出与确诊病例时间及位置存在交叉的居民,确定一级接触者;
以病毒存活时间以及一级接触者的危险传播范围为约束进行建模并进行求解,筛选出与一级接触者时间及位置存在交叉的居民,确定二级接触者;
根据确定的一级接触者和二级接触者,追溯一级接触者的行程轨迹和二级接触者的行程轨迹。
2.如权利要求1所述的一种基于大数据平台的传染病防控监测方法,其特征在于,所述获取居民的历史轨迹信息,包括:
以居民手机号为唯一ID号获取居民的定位信息进行精确定位;
根据居民的线上消费信息、公共交通信息以及车辆出行信息确定居民的停留时间和位置信息进行辅助定位。
3.如权利要求1所述的一种基于大数据平台的传染病防控监测方法,其特征在于,所述根据上报的确诊病例,追溯确诊病例的行程轨迹,包括:
获取确诊病例的个人身份信息及确诊病例的行程轨迹信息;
将确诊病例的行程轨迹信息利用NLP转换为真实坐标,建立确诊病例的行程轨迹地图;
其中,所述行程轨迹信息包括时间以及经纬度信息。
4.如权利要求1所述的一种基于大数据平台的传染病防控监测方法,其特征在于,所述基于确诊病例的行程轨迹确定一级接触者和二级接触者,还包括:
当二级接触者转为确诊病例后,以病毒存活时间以及确诊病例的危险传播范围为约束进行建模并进行求解,筛选出与二级接触者时间及位置存在交叉的居民,确定新的一级接触者;
不断迭代确定一级接触者、次密且接触者的过程,直到所有的待防控人群被找出。
5.如权利要求4所述的一种基于大数据平台的传染病防控监测方法,其特征在于,以病毒存活时间以及确诊病例的危险传播范围为约束进行建模并进行求解,筛选出与确诊病例时间及位置存在交叉的居民,确定一级接触者,包括:
根据传染病传播的距离确定确诊病例危险传播范围,进而确定松弛距离;
根据病毒存活时间确定松弛时间;
以松弛距离和松弛时间为约束条件建立模型,具体如下:
式中,x表示某一点的位置坐标,t表示某一时刻;P(x,t)表示某一时刻是否和确诊病例轨迹有交集的二值向量函数;当第i个人在t时刻到达过x坐标时Pi(x,t)=1,否则Pi(x,t)=0;j表示一级接触者;(X,T)表示确诊病例的轨迹坐标;tm表示松弛时间,用于描述病毒存活时间;xm表示松弛距离,用于描述和确诊病例的危险范围。
6.如权利要求1所述的一种基于大数据平台的传染病防控监测方法,其特征在于,以病毒存活时间以及一级接触者的危险传播范围为约束进行建模并进行求解,筛选出与一级接触者时间及位置存在交叉的居民,确定二级接触者,包括:
根据传染病传播的距离确定一级接触者危险传播范围,进而确定松弛距离;
根据病毒存活时间确定松弛时间;
以松弛距离和松弛时间为约束条件建立模型,具体如下:
其中,x表示某一点的位置坐标,t表示某一时刻;P(x,t)表示某一时刻是否和一级接触者轨迹有交集的二值向量函数;当第i个人在t时刻到达过x坐标时Pi(x,t)=1,否则Pi(x,t)=0;q表示二级接触者,(Q,T)表示一级接触者的轨迹坐标,tm表示松弛时间,用于描述病毒存活时间;qm表示松弛距离,用于描述和一级接触者的危险范围。
7.如权利要求1所述的一种基于大数据平台的传染病防控监测方法,其特征在于,按倍速回放确诊病例、一级接触者、二级接触者的历史轨迹,确定防控区域和追溯传染病起源,包括:
聚合确诊病例、一级接触者以及二级接触者人群轨迹信息,通过设置类型的级别大小对不同的风险程度加以区分,得到不同风险级别的轨迹信息;
对设置风险级别后的轨迹信息,设置时间为自变量,位置信息为因变量,GIS地图为背景,对不同风险级别的轨迹信息进行着色区分,将轨迹按照不同时间间隔进行回放;
根据回放的轨迹路径信息,划分防控区域。
8.一种基于大数据平台的传染病防控监测系统,其特征在于,包括:
信息定位模块,被配置为获取居民的历史轨迹信息;
分布式存储模块,被配置为将居民的历史轨迹信息按照定位的行政区域、时间以及人员位置进行存储;
防控人群确定模块,被配置为根据上报的确诊病例,追溯确诊病例的行程轨迹,基于确诊病例的行程轨迹确定一级接触者的行程轨迹和二级接触者的行程轨迹;
其中,所述基于确诊病例的行程轨迹确定一级接触者的行程轨迹和二级接触者的行程轨迹,包括:
以病毒存活时间以及确诊病例的危险传播范围为约束进行建模并进行求解,筛选出与确诊病例时间及位置存在交叉的居民,确定一级接触者;
以病毒存活时间以及一级接触者的危险传播范围为约束进行建模并进行求解,筛选出与一级接触者时间及位置存在交叉的居民,确定二级接触者;
根据确定的一级接触者和二级接触者,追溯一级接触者的行程轨迹和二级接触者的行程轨迹;
防控区域确定模块,被配置为按倍速回放确诊病例、一级接触者、二级接触者的历史轨迹,确定防控区域和追溯传染病起源;
防控实施模块,被配置为根据防控区域和传染病起源执行防控措施,下发防控通知。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的一种基于大数据平台的传染病防控监测方法中的步骤。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1-7中任一项所述的一种基于大数据平台的传染病防控监测方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210610002.7A CN115132368A (zh) | 2022-05-31 | 2022-05-31 | 一种基于大数据平台的传染病防控监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210610002.7A CN115132368A (zh) | 2022-05-31 | 2022-05-31 | 一种基于大数据平台的传染病防控监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115132368A true CN115132368A (zh) | 2022-09-30 |
Family
ID=83378380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210610002.7A Pending CN115132368A (zh) | 2022-05-31 | 2022-05-31 | 一种基于大数据平台的传染病防控监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115132368A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115410720A (zh) * | 2022-10-31 | 2022-11-29 | 广东泳华科技有限公司 | 一种基于确诊患者轨迹特征的聚集性传染病疫情预警方法 |
-
2022
- 2022-05-31 CN CN202210610002.7A patent/CN115132368A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115410720A (zh) * | 2022-10-31 | 2022-11-29 | 广东泳华科技有限公司 | 一种基于确诊患者轨迹特征的聚集性传染病疫情预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gao et al. | Digital twin and its application in transportation infrastructure | |
CN110390262A (zh) | 视频分析方法、装置、服务器及存储介质 | |
CN110288001B (zh) | 基于目标数据特征训练学习的目标识别方法 | |
CN111311918B (zh) | 一种基于视觉分析的交通管理方法及装置 | |
US20180268305A1 (en) | Retrospective event verification using cognitive reasoning and analysis | |
Minetto et al. | Measuring human and economic activity from satellite imagery to support city-scale decision-making during covid-19 pandemic | |
JP2015501459A (ja) | センサー駆動型車両遠隔計測アプリケーションおよびサービスの開発および配備のための演算プラットフォーム | |
CN109388663A (zh) | 一种面向社会安全领域的大数据智能分析平台 | |
Arslan et al. | Semantic enrichment of spatio-temporal trajectories for worker safety on construction sites | |
CN117172414A (zh) | 一种基于bim技术的建筑幕墙施工管理系统 | |
CN109670673A (zh) | 露天矿生产管控系统 | |
CN114973142A (zh) | 一种智慧工地的智能监控方法及系统 | |
Yu et al. | A direction-constrained space-time prism-based approach for quantifying possible multi-ship collision risks | |
CN108182218A (zh) | 一种基于地理信息系统的视频人物识别方法、系统及电子设备 | |
CN115132368A (zh) | 一种基于大数据平台的传染病防控监测方法及系统 | |
CN113807622A (zh) | 一种事件决策生成方法、装置、电子设备及存储介质 | |
CN115291515A (zh) | 一种基于数字孪生的自动驾驶仿真测试系统及评价方法 | |
Wu et al. | Clustering of several typical behavioral characteristics of commercial vehicle drivers based on GPS data mining: Case study of highways in China | |
CN111813841A (zh) | 基于多源数据融合的复杂环境智能安全管控系统 | |
Arslan et al. | Spatio-temporal analysis of trajectories for safer construction sites | |
Sahitya et al. | GIS-based urban road network accessibility modeling using MLR, ANN and ANFIS methods | |
CN112382068A (zh) | 基于bim与dnn的车站候车线跨越检测系统 | |
Watawana et al. | Analyse near collision situations of ships using automatic identification system dataset | |
CN115578693A (zh) | 一种基于显著性神经网络模型的施工安全预警方法和装置 | |
CN114495421B (zh) | 智能化开放式道路施工作业监测预警方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |