KR20230095453A - Pagerank-based floating population analysis method and apparatus for predicting epidemic spread - Google Patents
Pagerank-based floating population analysis method and apparatus for predicting epidemic spread Download PDFInfo
- Publication number
- KR20230095453A KR20230095453A KR1020210184936A KR20210184936A KR20230095453A KR 20230095453 A KR20230095453 A KR 20230095453A KR 1020210184936 A KR1020210184936 A KR 1020210184936A KR 20210184936 A KR20210184936 A KR 20210184936A KR 20230095453 A KR20230095453 A KR 20230095453A
- Authority
- KR
- South Korea
- Prior art keywords
- floating population
- predicting
- page rank
- population
- analysis method
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 44
- 208000035473 Communicable disease Diseases 0.000 claims abstract description 31
- 208000015181 infectious disease Diseases 0.000 claims abstract description 26
- 230000000903 blocking effect Effects 0.000 claims description 10
- 238000002255 vaccination Methods 0.000 claims description 4
- 239000003814 drug Substances 0.000 claims 1
- 229940124597 therapeutic agent Drugs 0.000 claims 1
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000002265 prevention Effects 0.000 description 4
- 230000004941 influx Effects 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013016 damping Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 208000025721 COVID-19 Diseases 0.000 description 1
- 208000025370 Middle East respiratory syndrome Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 201000010740 swine influenza Diseases 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Primary Health Care (AREA)
- Accounting & Taxation (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Analysis (AREA)
- Pathology (AREA)
- Entrepreneurship & Innovation (AREA)
- Epidemiology (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Human Resources & Organizations (AREA)
- Algebra (AREA)
Abstract
Description
본 발명이 속하는 기술 분야는 유동 인구 분석 방법 및 장치에 관한 것이다. The technical field to which the present invention belongs relates to a floating population analysis method and apparatus.
이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.The contents described in this part merely provide background information on the present embodiment and do not constitute prior art.
유행성 전염병으로는 2002~2003년에 사스(SARS), 2009년에 신종플루, 2015년에 메르스(MERS), 2019년에 코로나19 등이 있다. Pandemic diseases include SARS in 2002-2003, swine flu in 2009, MERS in 2015, and COVID-19 in 2019.
전염병이 발생하면 인류의 생명을 위협할 뿐만 아니라 경제적 정신적으로 큰 피해를 발생시키므로, 전염병의 확산을 예측하고 대비할 수 있는 방안이 필요한 실정이다.When an infectious disease occurs, it not only threatens human life but also causes great economic and mental damage, so there is a need for a plan to predict and prepare for the spread of an infectious disease.
본 발명의 실시예들은 해당 지역에서의 전염병 환자 수에 의존하는 전염병 예측이 아닌 유동 인구 분석을 수행하여 페이지 랭크를 통해 특정 지역에서 전염병 확산의 예측 정확도를 향상시키는데 주된 목적이 있다.The main object of the embodiments of the present invention is to improve the prediction accuracy of the spread of an infectious disease in a specific region through page rank by performing floating population analysis rather than predicting an infectious disease dependent on the number of patients with an infectious disease in the corresponding region.
본 발명의 명시되지 않은 또 다른 목적들은 하기의 상세한 설명 및 그 효과로부터 용이하게 추론할 수 있는 범위 내에서 추가적으로 고려될 수 있다.Other non-specified objects of the present invention may be additionally considered within the scope that can be easily inferred from the following detailed description and effects thereof.
본 실시예의 일 측면에 의하면 유동 인구 분석 장치에 의한 유동 인구 분석 방법에 있어서, 유동 인구의 유입지와 목적지를 각각 노드로 표현하고 상기 노드 사이의 인구 이동을 간선으로 표현하는 그래프 모델로 나타내는 단계; 페이지 랭크를 이용하여 상기 노드에 대해서 유입되는 유동 인구를 예측하는 단계를 포함하는 유동 인구 분석 방법을 제공한다.According to one aspect of the present embodiment, in the floating population analysis method by the floating population analysis device, representing the inflow and destination of the floating population as nodes, respectively, and representing the movement of the population between the nodes in a graph model as an edge line; A floating population analysis method comprising predicting a floating population flowing into the node using page rank is provided.
상기 그래프 모델은 상기 유입지로부터 상기 목적지로 이동하는 인구 이동에 해당하는 간선에 가중치를 적용할 수 있다.The graph model may apply weights to edges corresponding to population movement from the inflow source to the destination.
상기 페이지 랭크는 특징 지역의 중요도를 순위로 표현하며, 상기 특정 지역에 해당하는 페이지 랭크는 상기 특정 지역을 가리키는 다른 지역의 페이지 랭크의 합으로 표현되고, 상기 특정 지역은 상기 다른 지역으로 향하는 개수만큼 균등하게 상기 특정 지역의 페이지 랭크를 나누어 분배할 수 있다.The page rank represents the importance of a feature region as a rank, the page rank corresponding to the specific region is expressed as the sum of the page ranks of other regions pointing to the specific region, and the specific region is as many as the number heading to the other region. The page ranks of the specific region may be equally divided and distributed.
상기 유동 인구를 예측하는 단계는, 전염병 환자가 제1 기준치보다 많은 지역에서 상기 페이지 랭크의 가중치를 높이고, 상기 전염병 환자가 제2 기준치보다 적은 지역에서 상기 페이지 랭크의 가중치를 내릴 수 있다.In the estimating the floating population, the weight of the page rank may be increased in an area where the number of patients with an infectious disease exceeds a first reference value, and the weight of the page rank may be decreased in an area where the number of patients with an infectious disease is less than a second reference value.
상기 유동 인구를 예측하는 단계는, 상기 페이지 랭크에 연령별 파라미터를 적용할 수 있다.In the predicting the floating population, an age-specific parameter may be applied to the page rank.
상기 유동 인구를 예측하는 단계는, 상기 페이지 랭크에 성별 파라미터를 적용할 수 있다.In the predicting the floating population, a gender parameter may be applied to the page rank.
상기 유동 인구를 예측하는 단계는, 상기 페이지 랭크에 지역별 파라미터를 적용할 수 있다.In the estimating the floating population, a region-specific parameter may be applied to the page rank.
상기 유동 인구를 예측하는 단계는, 상기 페이지 랭크에 변형율 파라미터를 적용할 수 있다.In the estimating the floating population, a strain rate parameter may be applied to the page rank.
상기 유동 인구를 예측하는 단계는, 상기 페이지 랭크에 백신접종율 파라미터를 적용할 수 있다.In the predicting the floating population, a vaccination rate parameter may be applied to the page rank.
상기 유동 인구를 예측하는 단계는, 상기 페이지 랭크에 치료제 파라미터를 적용할 수 있다.In the predicting the floating population, a treatment parameter may be applied to the page rank.
상기 유동 인구 분석 방법은 상기 유동 인구를 예측하는 단계 이후에, 상기 특정 지역에 대해서 상기 유동 인구의 이동 경로에 따른 전염병 차단 경로 및 전염병 차단 비율을 시각적으로 표현하는 단계를 포함할 수 있다.The floating population analysis method may include, after the step of estimating the floating population, visually expressing an epidemic prevention route and an epidemic prevention rate according to a movement path of the floating population with respect to the specific region.
본 실시예의 다른 측면에 의하면 프로세서 및 상기 프로세서에 의해 실행되는 프로그램을 저장하는 메모리를 포함하는 유동 인구 분석 장치에 있어서, 상기 프로세서는, 유동 인구의 유입지와 목적지를 각각 노드로 표현하고 상기 노드 사이의 인구 이동을 간선으로 표현하는 그래프 모델로 나타내고, 페이지 랭크를 이용하여 상기 노드에 대해서 유입되는 유동 인구를 예측하는 것을 특징으로 하는 유동 인구 분석 장치를 제공한다.According to another aspect of this embodiment, in the floating population analysis device including a processor and a memory storing a program executed by the processor, the processor expresses the inflow and destination of the floating population as nodes, respectively, and intervenes between the nodes. Provided is a floating population analysis device characterized in that the population movement of is represented by a graph model representing edge lines and the floating population flowing into the node is predicted using page rank.
이상에서 설명한 바와 같이 본 발명의 실시예들에 의하면, 실제로 해당 지역에 전염병 환자 수가 없더라도 유입되는 인구에 의해 가능한 전염병 확산을 고려하여, 유동 인구 흐름 분석에 따라 전염병을 예측할 수 있는 기준을 제시할 수 있는 효과가 있다.As described above, according to the embodiments of the present invention, even if there is no actual number of patients with an infectious disease in the region, it is possible to present a criterion for predicting an infectious disease according to the floating population flow analysis in consideration of the possible spread of an infectious disease by an inflowing population. There is an effect.
여기에서 명시적으로 언급되지 않은 효과라 하더라도, 본 발명의 기술적 특징에 의해 기대되는 이하의 명세서에서 기재된 효과 및 그 잠정적인 효과는 본 발명의 명세서에 기재된 것과 같이 취급된다.Even if the effects are not explicitly mentioned here, the effects described in the following specification expected by the technical features of the present invention and their provisional effects are treated as described in the specification of the present invention.
도 1은 본 발명의 일 실시예에 따른 유동 인구 분석 장치를 예시한 블록도이다.
도 2 및 도 3은 본 발명의 일 실시예에 따른 유동 인구 분석 장치가 처리하는 그래프 모델을 예시한 도면이다.
도 4 및 도 5는 본 발명의 일 실시예에 따른 유동 인구 분석 장치가 처리하는 전염병 차단 경로 및 차단 비율을 예시한 도면이다.
도 6은 본 발명의 다른 실시예에 따른 유동 인구 분석 방법을 예시한 흐름도이다.1 is a block diagram illustrating a floating population analysis device according to an embodiment of the present invention.
2 and 3 are diagrams illustrating graph models processed by the floating population analysis apparatus according to an embodiment of the present invention.
4 and 5 are diagrams illustrating infectious disease blocking routes and blocking ratios processed by the floating population analysis device according to an embodiment of the present invention.
6 is a flowchart illustrating a floating population analysis method according to another embodiment of the present invention.
이하, 본 발명을 설명함에 있어서 관련된 공지기능에 대하여 이 분야의 기술자에게 자명한 사항으로서 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하고, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다.Hereinafter, in the description of the present invention, if it is determined that a related known function may unnecessarily obscure the subject matter of the present invention as an obvious matter to those skilled in the art, the detailed description thereof will be omitted, and some embodiments of the present invention will be described. It will be described in detail through exemplary drawings.
본 실시예는 유동 인구 분석을 통해 특정 지역에서 전염병 확산을 예측할 수 있다. 유동 인구의 유입지와 목적지를 각각 노드로 표현하고 둘 사이의 인구 이동을 간선으로 표현하는 그래프 모델로 나타낸 후 각 노드들 중에서 가장 많이 유입되는 유동 인구를 페이지 랭크를 이용하여 예측한다.This embodiment can predict the spread of an infectious disease in a specific area through floating population analysis. The influx and destination of the floating population are represented by nodes, respectively, and the population movement between the two is represented by a graph model, and then the most influx of floating population among each node is predicted using page rank.
본 실시예에 의하면 인구 이동 분석을 통한 상권 분석이 가능하다. 팬데믹으로 인한 지역별 맞춤형 서비스(전염병 확산이 높아질 수 있는 지역에 대해 다양한 의료 및 복지 서비스 등)가 가능하다. 네비게이션, 길찾기 애플리케이션에서 전염병 확산이 높은 지역에 대한 필터링 및 우회 기능에 적용이 가능하다.According to this embodiment, it is possible to analyze commercial districts through population movement analysis. Due to the pandemic, customized services for each region (various medical and welfare services for areas where the spread of contagious diseases may increase) are possible. It can be applied to filtering and detouring for areas with high spread of infectious diseases in navigation and wayfinding applications.
도 1은 본 발명의 일 실시예에 따른 유동 인구 분석 장치를 예시한 블록도이다.1 is a block diagram illustrating a floating population analysis device according to an embodiment of the present invention.
유동 인구 분석 장치(110)는 적어도 하나의 프로세서(120), 컴퓨터 판독 가능한 저장매체(130) 및 통신 버스(170)를 포함한다. The floating population analysis device 110 includes at least one processor 120 , a computer readable storage medium 130 and a
프로세서(120)는 유동 인구 분석 장치(110)로 동작하도록 제어할 수 있다. 예컨대, 프로세서(120)는 컴퓨터 판독 가능한 저장 매체(130)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 컴퓨터 실행 가능 명령어는 프로세서(120)에 의해 실행되는 경우 유동 인구 분석 장치(110)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.The processor 120 may control to operate as the floating population analysis device 110 . For example, the processor 120 may execute one or more programs stored in the computer readable storage medium 130 . The one or more programs may include one or more computer-executable instructions, which when executed by the processor 120 may cause the floating population analysis device 110 to perform operations in accordance with an exemplary embodiment. It can be.
컴퓨터 판독 가능한 저장 매체(130)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보는 입출력 인터페이스(150)나 통신 인터페이스(160)를 통해서도 주어질 수 있다. 컴퓨터 판독 가능한 저장 매체(130)에 저장된 프로그램(140)은 프로세서(120)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능한 저장 매체(130)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 유동 인구 분석 장치(110)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.Computer-readable storage medium 130 is configured to store computer-executable instructions or program code, program data, and/or other suitable form of information. Computer executable instructions or program codes, program data and/or other suitable forms of information may also be provided via input/output interface 150 or
통신 버스(170)는 프로세서(120), 컴퓨터 판독 가능한 저장 매체(130)를 포함하여 유동 인구 분석 장치(110)의 다른 다양한 컴포넌트들을 상호 연결한다.The
유동 인구 분석 장치(110)는 또한 하나 이상의 입출력 장치를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(150) 및 하나 이상의 통신 인터페이스(160)를 포함할 수 있다. 입출력 인터페이스(150) 및 통신 인터페이스(160)는 통신 버스(170)에 연결된다. 입출력 장치(미도시)는 입출력 인터페이스(150)를 통해 유동 인구 분석 장치(110)의 다른 컴포넌트들에 연결될 수 있다.Flood population analysis device 110 may also include one or more input/output interfaces 150 and one or
유동 인구 분석 장치(110)의 프로세서는 유동 인구의 유입지와 목적지를 각각 노드로 표현하고 노드 사이의 인구 이동을 간선으로 표현하는 그래프 모델로 나타내고, 페이지 랭크를 이용하여 노드에 대해서 유입되는 유동 인구를 예측한다.The processor of the floating population analysis device 110 expresses the inflow and destination of the floating population as nodes, and represents the population movement between nodes as a graph model expressing the edge, and uses the page rank to represent the floating population flowing into the node predict
도 2 및 도 3은 본 발명의 일 실시예에 따른 유동 인구 분석 장치가 처리하는 그래프 모델을 예시한 도면이다.2 and 3 are diagrams illustrating graph models processed by the floating population analysis apparatus according to an embodiment of the present invention.
그래프 모델은 연결되어 있는 정점과 정점간의 관계를 간선으로 표현하는 자료 구조이다. 유동 인구는 유입지(origin)에서 현 목적지(destination)으로 이동할 때 이동하는 인구의 수치를 가중치 값(weight)을 갖는다. 이와 같은 방식으로 표현된 유동인구 그래프에 페이지 랭크를 적용한다. A graph model is a data structure that expresses the relationship between connected vertices as edges. The floating population has a weighted value of the number of the moving population when moving from the origin to the current destination. Page rank is applied to the floating population graph expressed in this way.
페이지 랭크(PageRank, PR)는 원래 웹 문서의 중요도를 순위화하는 알고리즘이다. 한 문서의 페이지 랭크 값은 자신을 가리키는 링크를 가진 문서들의 페이지 랭크 값의 합으로 표현된다. 반대로 자신은 다른 문서로 향하는 아웃링크의 개수만큼 균등하게 페이지 랭크 값을 나누어 분배한다. 예를 들면, A란 페이지 랭크는 A라는 페이지를 가리키고 있는 다른 페이지의 페이지 랭크 값이 높을수록 더 랭크값이 높아지는 원리를 이용한다.PageRank (PR) is an algorithm that ranks the importance of original web documents. The page rank value of a document is expressed as the sum of the page rank values of documents that have links pointing to it. Conversely, it divides and distributes the page rank value equally as much as the number of outlinks to other documents. For example, the page rank of A is based on the principle that the higher the page rank value of another page pointing to the page A, the higher the rank value.
PR(A)는 'A'라는 웹 페이지의 랭크를 의미한다. 또한 T1, ... , Tn은 해당 페이지를 가리키는 다른 페이지들을 의미한다. PR(T1)은 T1이라는 페이지의 페이지 랭크 값이고, d는 'Damping Factor'로 웹 문서를 탐색하는 유저가 해당 페이지에 만족을 못하고 다른 페이지로 넘어갈 확률을 나타낸다. d는 0보다 크고 1보다 작은 값으로 설정될 수 이다. d가 O이면 더 이상 다른 페이지로 넘어가지 않는 상황이고, d가 1이면 무한히 링크를 클릭하는 상황이다. C(T1)은 T1이 가지고 있는 링크의 총 합을 의미하게 된다. 이렇게 페이지 하나하나의 영향력을 주기 위해 N은 모든 페이지의 숫자로 각 페이지 랭크를 합산하게 되면 1이라는 수치를 얻을 수 있다. 가중치 페이지랭크(Weighted PageRank)는 인 링크 비율과 아웃 링크 비율을 사용해 링크에서 가중치를 계산한다.PR(A) means the rank of the web page 'A'. Also, T1, ... , Tn mean other pages pointing to the corresponding page. PR(T1) is the page rank value of the page T1, and d is the 'Damping Factor', which indicates the probability that a user browsing a web document will not be satisfied with the page and move to another page. d can be set to a value greater than 0 and less than 1. If d is 0, it is a situation in which the page is no longer moved, and if d is 1, a link is clicked infinitely. C(T1) means the total sum of links that T1 has. In this way, in order to give influence to each page, N is the number of all pages, and when each page rank is summed up, a value of 1 can be obtained. Weighted PageRank uses the in-link ratio and out-link ratio to calculate the weight on a link.
도 3을 참조하면, 유동 인구의 지역 A, B, C, D, E 지역을 그래프 정점으로 표현을 하였으며 정점 간의 유동 인구 수치가 간선 가중치로 표현이 된다. 그리고 이 노드들에 대해서 페이지 랭크를 적용하면 수학식 2와 같이 표현된다.Referring to FIG. 3, the regions A, B, C, D, and E of the floating population are expressed as graph vertices, and the floating population values between the vertices are expressed as edge weights. And when page rank is applied to these nodes, it is expressed as Equation 2.
일반적인 페이지랭크와 다른 점은 d(Damping Factor)로 웹 문서를 탐색하는 유저가 해당 페이지에 만족을 못하고 다른 페이지로 넘어갈 확률이 필요없다는 것이다. 웹 문서에서의 페이지 랭크는 임의의 페이지 접근이 바로 가능하지만 유동인구의 경우 유입지가 존재하여야지만 해당 지역을 방문할 수 있다. 즉 (1-d)/N을 고려할 필요가 없으며 대신 d를 가중치로 적용할 수 있다.The difference from general PageRank is that there is no need for a probability that a user browsing a web document with d (Damping Factor) will not be satisfied with the page and move to another page. Page rank in web documents allows immediate access to any page, but in the case of a floating population, an inflow must exist to visit the relevant area. That is, there is no need to consider (1-d)/N, and d can be applied as a weight instead.
페이지 랭크를 적용하여 전염병 확산 예측을 하기 위해서는 전염병 환자가 많은 곳의 가중치를 높게 두고 적은 곳의 가중치를 적게 두는 가중치 페이지랭크 기반으로 동작시킨다. 기존의 전염병 확산 예측은 주로 해당 지역의 환자 수를 기반으로 해당 지역의 전염병 확산을 예측할 수 있는 반면에 본 실시예는 유입 인구에 기반할 수 있으며 특히 전염병 환자의 수가 많이 유입이 되면 더 위험할 수 있는 가능성을 예측할 수 있다. 또한 연령별, 성별, 지역별 페이지 랭크를 따로 계산하여 다양한 전염병을 예측할 수 있다.In order to predict the spread of an infectious disease by applying PageRank, it is operated based on the weighted PageRank, which places a high weight in places with many patients with infectious diseases and a low weight in places with few patients. Existing epidemic spread predictions can predict the spread of an epidemic in a region mainly based on the number of patients in the region, whereas this embodiment can be based on the influx of population, and it can be more dangerous especially when the number of patients with an infectious disease increases. possibility can be predicted. In addition, it is possible to predict various infectious diseases by separately calculating page ranks by age, gender, and region.
P1, P2, P3을 분자에 더하고, P4, P5, P6을 분모로 나눈다. P1은 연령별 파라미터를 의미하고, P2는 성별 파라미터를 의미하고, P3은 지역별 파라미터를 의미하고, P4는 전염병 변형율 파라미터를 의미하고, P5는 백신접종율 파라미터를 의미하고, P6은 치료제 파라미터를 의미한다. 각 파라미터는 획득한 데이터를 통계적으로 분석하여 해당하는 등급을 나누고, 각 파라미터의 범위는 최소값과 최대값 범위 내에서 설정될 수 있다. 각 파라미터마다 범위를 상이하게 설정할 수 있다.Add P 1 , P 2 , P 3 to the numerator, and divide P 4 , P 5 , P 6 by the denominator. P 1 means age parameters, P 2 means gender parameters, P 3 means regional parameters, P 4 means epidemiological transformation rate parameters, P 5 means vaccination rate parameters, and P 6 Means a treatment parameter. Each parameter statistically analyzes the acquired data and divides the corresponding level, and the range of each parameter may be set within a range of a minimum value and a maximum value. The range can be set differently for each parameter.
도 4 및 도 5는 본 발명의 일 실시예에 따른 유동 인구 분석 장치가 처리하는 전염병 차단 경로 및 차단 비율을 예시한 도면이다.4 and 5 are diagrams illustrating infectious disease blocking routes and blocking ratios processed by the floating population analysis device according to an embodiment of the present invention.
도 4를 참조하면, 유동 인구 분석 장치는 특정 지역에 대해서 유동 인구의 이동 경로를 시각적으로 표현한다. 도 5를 참조하면, 이동 경로에 따른 전염병 차단 경로 및 전염병 차단 비율을 시각적으로 표현할 수 있다. 인접한 지역의 교통수단, 연결경로, 지형(산/강/바다) 등을 고려하여 점선, 직선, 선의 두께/색깔을 다르게 표현할 수 있다. 왕복 이동 인구와 일방 이동 인구를 구분하여, 왕복 이동 인구와 일방 이동 인구에 대한 전염병 차단 경로 및 전염병 차단 비율을 상이하게 표현할 수 있다.Referring to FIG. 4 , the floating population analysis device visually expresses the movement path of the floating population in a specific region. Referring to FIG. 5, it is possible to visually express the infectious disease blocking route and infectious disease blocking ratio according to the movement route. Dotted lines, straight lines, and line thickness/colors can be expressed differently in consideration of transportation means, connection routes, and topography (mountain/river/sea) in adjacent areas. By distinguishing the round-trip population and the one-way movement population, the infectious disease blocking route and the infectious disease blocking rate for the round-trip population and the one-way movement population can be expressed differently.
도 6은 본 발명의 다른 실시예에 따른 유동 인구 분석 방법을 예시한 흐름도이다.6 is a flowchart illustrating a floating population analysis method according to another embodiment of the present invention.
유동 인구 분석 방법은 유동 인구 분석 장치에 의해 수행될 수 있다.The floating population analysis method may be performed by a floating population analysis device.
단계 S10에서는 유동 인구의 유입지와 목적지를 각각 노드로 표현하고 노드 사이의 인구 이동을 간선으로 표현하는 그래프 모델로 나타내는 단계를 수행한다.In step S10, a step of expressing the inflow and destination of the floating population as a node and representing the movement of the population between nodes as a graph model as an edge is performed.
단계 S20에서는 페이지 랭크를 이용하여 노드에 대해서 유입되는 유동 인구를 예측하는 단계를 수행한다.In step S20, a step of estimating the floating population flowing into the node using the page rank is performed.
그래프 모델은 유입지로부터 목적지로 이동하는 인구 이동에 해당하는 간선에 가중치를 적용할 수 있다.A graph model can apply weights to edges corresponding to population movement from source to destination.
페이지 랭크는 특징 지역의 중요도를 순위로 표현하며, 특정 지역에 해당하는 페이지 랭크는 특정 지역을 가리키는 다른 지역의 페이지 랭크의 합으로 표현되고, 특정 지역은 다른 지역으로 향하는 개수만큼 균등하게 특정 지역의 페이지 랭크를 나누어 분배할 수 있다.The page rank expresses the importance of a feature region as a ranking, and the page rank corresponding to a specific region is expressed as the sum of the page ranks of other regions pointing to a specific region, and a specific region is equally as many as the number heading to other regions. It can be distributed by dividing the page rank.
유동 인구를 예측하는 단계(S20)는, 전염병 환자가 제1 기준치보다 많은 지역에서 페이지 랭크의 가중치를 높이고, 전염병 환자가 제2 기준치보다 적은 지역에서 페이지 랭크의 가중치를 내릴 수 있다. 제1 기준치가 제2 기준치보다 크도록 설정할 수 있다.In the step of predicting the floating population ( S20 ), the page rank weight may be increased in an area where the number of patients with an infectious disease exceeds the first reference value, and the page rank weight may be decreased in an area where the number of patients with an infectious disease is less than the second reference value. The first reference value may be set to be greater than the second reference value.
유동 인구를 예측하는 단계(S20)는 페이지 랭크에 연령별 파라미터를 적용할 수 있다. 유동 인구를 예측하는 단계(S20)는 페이지 랭크에 성별 파라미터를 적용할 수 있다. 유동 인구를 예측하는 단계(S20)는 페이지 랭크에 지역별 파라미터를 적용할 수 있다. 유동 인구를 예측하는 단계(S20)는 페이지 랭크에 변형율 파라미터를 적용할 수 있다. 유동 인구를 예측하는 단계(S20)는 페이지 랭크에 백신접종율 파라미터를 적용할 수 있다. 유동 인구를 예측하는 단계(S20)는 페이지 랭크에 치료제 파라미터를 적용할 수 있다.In the step of predicting the floating population (S20), a parameter for each age may be applied to the page rank. In the step of predicting the floating population (S20), a gender parameter may be applied to the page rank. In the step of estimating the floating population (S20), a regional parameter may be applied to the page rank. In the step of estimating the floating population (S20), a strain rate parameter may be applied to the page rank. In the step of estimating the floating population (S20), a vaccination rate parameter may be applied to the page rank. In the step of estimating the floating population (S20), a treatment parameter may be applied to the page rank.
유동 인구 분석 방법은 유동 인구를 예측하는 단계 이후에, 특정 지역에 대해서 유동 인구의 이동 경로에 따른 전염병 차단 경로 및 전염병 차단 비율을 시각적으로 표현하는 단계를 포함할 수 있다.The floating population analysis method may include, after the step of estimating the floating population, a step of visually expressing an epidemic prevention route and an epidemic prevention rate according to a movement route of the floating population in a specific region.
유동 인구 분석 장치는 하드웨어, 펌웨어, 소프트웨어 또는 이들의 조합에 의해 로직회로 내에서 구현될 수 있고, 범용 또는 특정 목적 컴퓨터를 이용하여 구현될 수도 있다. 장치는 고정배선형(Hardwired) 기기, 필드 프로그램 가능한 게이트 어레이(Field Programmable Gate Array, FPGA), 주문형 반도체(Application Specific Integrated Circuit, ASIC) 등을 이용하여 구현될 수 있다. 또한, 장치는 하나 이상의 프로세서 및 컨트롤러를 포함한 시스템온칩(System on Chip, SoC)으로 구현될 수 있다.The floating population analysis device may be implemented in a logic circuit by hardware, firmware, software, or a combination thereof, or may be implemented using a general-purpose or special-purpose computer. The device may be implemented using a hardwired device, a field programmable gate array (FPGA), an application specific integrated circuit (ASIC), or the like. In addition, the device may be implemented as a System on Chip (SoC) including one or more processors and controllers.
유동 인구 분석 장치는 하드웨어적 요소가 마련된 컴퓨팅 디바이스 또는 서버에 소프트웨어, 하드웨어, 또는 이들의 조합하는 형태로 탑재될 수 있다. 컴퓨팅 디바이스 또는 서버는 각종 기기 또는 유무선 통신망과 통신을 수행하기 위한 통신 모뎀 등의 통신장치, 프로그램을 실행하기 위한 데이터를 저장하는 메모리, 프로그램을 실행하여 연산 및 명령하기 위한 마이크로프로세서 등을 전부 또는 일부 포함한 다양한 장치를 의미할 수 있다.The flow population analysis device may be installed in a computing device or server equipped with hardware elements in the form of software, hardware, or a combination thereof. A computing device or server includes all or part of a communication device such as a communication modem for communicating with various devices or wired/wireless communication networks, a memory for storing data for executing a program, and a microprocessor for executing calculations and commands by executing a program. It can mean a variety of devices, including
도 6에서는 각각의 과정을 순차적으로 실행하는 것으로 기재하고 있으나 이는 예시적으로 설명한 것에 불과하고, 이 분야의 기술자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 6에 기재된 순서를 변경하여 실행하거나 또는 하나 이상의 과정을 병렬적으로 실행하거나 다른 과정을 추가하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이다.In FIG. 6, it is described that each process is sequentially executed, but this is merely an example, and a person skilled in the art changes and executes the sequence described in FIG. 6 without departing from the essential characteristics of the embodiment of the present invention. Alternatively, it will be possible to apply various modifications and variations by executing one or more processes in parallel or adding another process.
본 실시예들에 따른 동작은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능한 매체에 기록될 수 있다. 컴퓨터 판독 가능한 매체는 실행을 위해 프로세서에 명령어를 제공하는 데 참여한 임의의 매체를 나타낸다. 컴퓨터 판독 가능한 매체는 프로그램 명령, 데이터 파일, 데이터 구조 또는 이들의 조합을 포함할 수 있다. 예를 들면, 자기 매체, 광기록 매체, 메모리 등이 있을 수 있다. 컴퓨터 프로그램은 네트워크로 연결된 컴퓨터 시스템 상에 분산되어 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 본 실시예를 구현하기 위한 기능적인(Functional) 프로그램, 코드, 및 코드 세그먼트들은 본 실시예가 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있을 것이다.Operations according to the present embodiments may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer readable medium. Computer readable medium refers to any medium that participates in providing instructions to a processor for execution. A computer readable medium may include program instructions, data files, data structures, or combinations thereof. For example, there may be a magnetic medium, an optical recording medium, a memory, and the like. The computer program may be distributed over networked computer systems so that computer readable codes are stored and executed in a distributed manner. Functional programs, codes, and code segments for implementing this embodiment may be easily inferred by programmers in the art to which this embodiment belongs.
본 실시예들은 본 실시예의 기술 사상을 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.These embodiments are for explaining the technical idea of this embodiment, and the scope of the technical idea of this embodiment is not limited by these embodiments. The scope of protection of this embodiment should be construed according to the claims below, and all technical ideas within the scope equivalent thereto should be construed as being included in the scope of rights of this embodiment.
Claims (12)
유동 인구의 유입지와 목적지를 각각 노드로 표현하고 상기 노드 사이의 인구 이동을 간선으로 표현하는 그래프 모델로 나타내는 단계;
페이지 랭크를 이용하여 상기 노드에 대해서 유입되는 유동 인구를 예측하는 단계를 포함하는 유동 인구 분석 방법.In the floating population analysis method by the floating population analysis device,
representing the inflow and destination of the floating population as nodes and representing the movement of the population between the nodes in a graph model as an edge;
and predicting a floating population flowing into the node using page rank.
상기 그래프 모델은 상기 유입지로부터 상기 목적지로 이동하는 인구 이동에 해당하는 간선에 가중치를 적용하는 것을 특징으로 하는 유동 인구 분석 방법.According to claim 1,
Wherein the graph model applies a weight to an edge corresponding to population movement from the inflow source to the destination.
상기 페이지 랭크는 특징 지역의 중요도를 순위로 표현하며,
상기 특정 지역에 해당하는 페이지 랭크는 상기 특정 지역을 가리키는 다른 지역의 페이지 랭크의 합으로 표현되고,
상기 특정 지역은 상기 다른 지역으로 향하는 개수만큼 균등하게 상기 특정 지역의 페이지 랭크를 나누어 분배하는 것을 특징으로 하는 유동 인구 분석 방법.According to claim 2,
The page rank expresses the importance of the feature region as a rank,
The page rank corresponding to the specific region is expressed as the sum of the page ranks of other regions pointing to the specific region;
The floating population analysis method of claim 1 , wherein page ranks of the specific region are equally divided and distributed by the number of pages heading to the other region.
상기 유동 인구를 예측하는 단계는,
전염병 환자가 제1 기준치보다 많은 지역에서 상기 페이지 랭크의 가중치를 높이고, 상기 전염병 환자가 제2 기준치보다 적은 지역에서 상기 페이지 랭크의 가중치를 내리는 것을 특징으로 하는 유동 인구 분석 방법.According to claim 3,
The step of predicting the floating population,
and increasing the weight of the page rank in an area where the number of patients with an infectious disease exceeds a first reference value and lowering the weight of the page rank in an area where the number of patients with an infectious disease is smaller than a second reference value.
상기 유동 인구를 예측하는 단계는,
상기 페이지 랭크에 연령별 파라미터를 적용하는 것을 특징으로 하는 유동 인구 분석 방법.According to claim 3,
The step of predicting the floating population,
Floating population analysis method, characterized in that for applying an age-specific parameter to the page rank.
상기 유동 인구를 예측하는 단계는,
상기 페이지 랭크에 성별 파라미터를 적용하는 것을 특징으로 하는 유동 인구 분석 방법.According to claim 3,
The step of predicting the floating population,
A floating population analysis method, characterized in that applying a gender parameter to the page rank.
상기 유동 인구를 예측하는 단계는,
상기 페이지 랭크에 지역별 파라미터를 적용하는 것을 특징으로 하는 유동 인구 분석 방법.According to claim 3,
The step of predicting the floating population,
Floating population analysis method, characterized in that for applying a regional parameter to the page rank.
상기 유동 인구를 예측하는 단계는,
상기 페이지 랭크에 변형율 파라미터를 적용하는 것을 특징으로 하는 유동 인구 분석 방법.According to claim 3,
The step of predicting the floating population,
Floating population analysis method, characterized in that for applying a strain rate parameter to the page rank.
상기 유동 인구를 예측하는 단계는,
상기 페이지 랭크에 백신접종율 파라미터를 적용하는 것을 특징으로 하는 유동 인구 분석 방법.According to claim 3,
The step of predicting the floating population,
A floating population analysis method, characterized in that applying a vaccination rate parameter to the page rank.
상기 유동 인구를 예측하는 단계는,
상기 페이지 랭크에 치료제 파라미터를 적용하는 것을 특징으로 하는 유동 인구 분석 방법.According to claim 3,
The step of predicting the floating population,
A flow population analysis method, characterized in that applying a therapeutic agent parameter to the page rank.
상기 유동 인구를 예측하는 단계 이후에,
상기 특정 지역에 대해서 상기 유동 인구의 이동 경로에 따른 전염병 차단 경로 및 전염병 차단 비율을 시각적으로 표현하는 단계를 포함하는 것을 특징으로 하는 유동 인구 분석 방법.According to claim 3,
After the step of predicting the floating population,
and visually expressing an infectious disease blocking route and an infectious disease blocking rate according to the movement route of the floating population in the specific region.
상기 프로세서는,
유동 인구의 유입지와 목적지를 각각 노드로 표현하고 상기 노드 사이의 인구 이동을 간선으로 표현하는 그래프 모델로 나타내고,
페이지 랭크를 이용하여 상기 노드에 대해서 유입되는 유동 인구를 예측하는 것을 특징으로 하는 유동 인구 분석 장치.An apparatus for analyzing a floating population comprising a processor and a memory storing a program executed by the processor,
the processor,
A graph model representing the inflow and destination of the floating population as a node and representing the movement of the population between the nodes as an edge,
An apparatus for analyzing floating population, characterized in that for predicting the floating population flowing into the node using page rank.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210184936A KR20230095453A (en) | 2021-12-22 | 2021-12-22 | Pagerank-based floating population analysis method and apparatus for predicting epidemic spread |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210184936A KR20230095453A (en) | 2021-12-22 | 2021-12-22 | Pagerank-based floating population analysis method and apparatus for predicting epidemic spread |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230095453A true KR20230095453A (en) | 2023-06-29 |
Family
ID=86946158
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210184936A KR20230095453A (en) | 2021-12-22 | 2021-12-22 | Pagerank-based floating population analysis method and apparatus for predicting epidemic spread |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230095453A (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102615650B1 (en) | 2022-08-09 | 2023-12-20 | 저지앙 대학 | Crowd movement prediction method based on generative adversarial network |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101960504B1 (en) | 2017-12-18 | 2019-07-15 | 세종대학교산학협력단 | Apparatus and method for epidemic spread prediction modeling |
| KR102279339B1 (en) | 2019-10-11 | 2021-07-20 | (주)아레스 | Apparatus and system and method for ifectious disease spread location prediction simulation |
| KR20210117697A (en) | 2020-03-20 | 2021-09-29 | 하청일 | AI-based risk notification system for infectious disease |
-
2021
- 2021-12-22 KR KR1020210184936A patent/KR20230095453A/en not_active Application Discontinuation
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101960504B1 (en) | 2017-12-18 | 2019-07-15 | 세종대학교산학협력단 | Apparatus and method for epidemic spread prediction modeling |
| KR102279339B1 (en) | 2019-10-11 | 2021-07-20 | (주)아레스 | Apparatus and system and method for ifectious disease spread location prediction simulation |
| KR20210117697A (en) | 2020-03-20 | 2021-09-29 | 하청일 | AI-based risk notification system for infectious disease |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102615650B1 (en) | 2022-08-09 | 2023-12-20 | 저지앙 대학 | Crowd movement prediction method based on generative adversarial network |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111430041B (en) | Infectious disease epidemic situation prediction method and device, storage medium and electronic equipment | |
| Jana et al. | Complex dynamics of an SIR epidemic model with saturated incidence rate and treatment | |
| JP5857049B2 (en) | Predicting the number of user actions of a word | |
| Al-Shaikh et al. | Retracted article: hybrid harmony search algorithm for social network contact tracing of COVID-19 | |
| Tsori et al. | Epidemiological model for the inhomogeneous spatial spreading of COVID-19 and other diseases | |
| JP6763482B2 (en) | Hypothesis reasoning device, hypothesis reasoning method, and program | |
| Zaitseva | Importance analysis of a multi-state system based on multiple-valued logic methods | |
| KR20230095453A (en) | Pagerank-based floating population analysis method and apparatus for predicting epidemic spread | |
| Gamboa et al. | Measuring infection transmission in a stochastic SIV model with infection reintroduction and imperfect vaccine | |
| Grippo et al. | A class of derivative-free nonmonotone optimization algorithms employing coordinate rotations and gradient approximations | |
| Bucar et al. | Quantitative flood risk evaluation to improve drivers’ route choice decisions during disruptive precipitation | |
| Bartha et al. | Potential severity, mitigation, and control of Omicron waves depending on pre-existing immunity and immune evasion | |
| Treibert et al. | A nonstandard finite difference scheme for the SVICDR model to predict COVID-19 dynamics | |
| Kaviani et al. | A model for multi-class road network recovery scheduling of regional road networks | |
| Ko et al. | Improving hospital readmission prediction using individualized utility analysis | |
| US9633145B2 (en) | Traffic simulation method, program, and system | |
| KR20210044052A (en) | Method and apparatus for predicting streamflow | |
| Corson et al. | A time since onset of injection model for hepatitis C spread amongst injecting drug users | |
| El Barmi et al. | Testing for uniform stochastic ordering via empirical likelihood | |
| Ullon et al. | Controlling epidemic extinction using early warning signals | |
| JP6450098B2 (en) | Anonymization device, anonymization method and anonymization program | |
| Silva et al. | Recursive state and parameter estimation of COVID-19 circulating variants dynamics | |
| US20230376823A1 (en) | Machine learning techniques for dynamic adjustment of an immersive augmented reality supervision boundary | |
| Castle et al. | A stochastic structured metapopulation model to assess recovery scenarios of patchily distributed endangered species: Case study for a Mojave Desert rodent | |
| Angelov et al. | An immuno-epidemiological model with waning immunity after infection or vaccination |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |