疫情傳播大數據分析預警平臺的設計與實現

趙春燕 房宗英 姚徽 王浩

摘 ?要：在新冠疫情常態化防控形勢下，如何快速發現疑似病例并對疑似病例進行有效的管控仍是目前亟需解決的問題。為此建立可自我學習進化的疫情傳播分析預警平臺，實現對高危人員、公共場所的有效管控，可為政府、企業和個人做好疫情防范提供有效依據，同時有效提升高危人員來源地追溯的準確性、加快病例發現速度，提高各部門反應速度，補全發現機制，提高社會參與率和數據利用效率，提高疫情監控管理效率。

關鍵詞：新冠肺炎;大數據;手機信令;疫情預警

中圖分類號：TP311 ? 文獻標識碼：A ? ? ?文章編號：2096-4706（2021）12-0097-04

Abstract： Under the situation of COVID-19's normalization prevention and control， how to quickly identify suspected cases and effectively control suspected cases is still an urgent problem to be solved at present. To this end， a self-learning and evolving epidemic spread analysis and early warning platform is established to realize effective control of high-risk personnel and public places， which can provide an effective basis for the government， enterprises and individuals to prevent the epidemic. At the same time， it can effectively improve the accuracy of tracing the source of high-risk personnel， speed up the case discovery speed， improve response speed of various departments and complete the discovery mechanism， improve the social participation rate and data utilization efficiency， and improve the efficiency of epidemic monitoring and management.

Keywords： COVID-19; big data; cell phone signal; epidemic early warning

0 ?引 ?言

新冠肺炎疫情形勢嚴峻，目前確診患者均已得到很好的治療，但是對疑似病例的發現和管控還未形成一個行之有效的方案，如何第一時間篩選出疑似病例，并對疑似病例進行有效的管控，是當前疫情控制中亟待解決的問題。習近平總書記指出，要充分發揮大數據、人工智能、云計算等新一代信息技術的支撐作用;國務院要求各地充分利用各種信息技術手段（例如“大數據+網格化”等），做好疫情預警、監測、排查、檢測等工作。

應對當前疫情防控的嚴峻形勢，本文提出利用手機信令和關系圖譜數據，基于大數據分析及人工智能等新興技術，建立可自我學習進化的疫情傳播大數據分析預警平臺，將確診病例、疑似病例、高危人員、移動信令等數據信息匯入平臺，通過對數據進行清洗、挖掘和分析，實現疫情形勢的空間化動態展示和分析，為疫情防控“早發現”提供數據支撐，對將疫情傳播控制在萌芽狀態具有極其重要的意義。

1 ?應用背景概述

近年來，隨著計算機、互聯網等新興技術的快速發展以及傳染病防控技術的不斷創新和突破，我國的傳染病監測技術手段得以迅速發展，許多省市地區也根據自身特點建設了區域性傳染病監測系統。總結當前新冠肺炎疾病監測的過程，不難發現，傳統的監測系統多為被動監測，不能主動及時地發現新的傳染病和疑似傳染病病例，同時各系統之間的資源互補性也不足，容易出現重復采樣、重復建設的現象，且不同的系統之間存在信息傳遞不暢、信息化不夠和數據挖掘程度不深等問題。

為解決上述問題，當務之急是采取更有效的措施，彌補現有傳染病監測系統在應對如新冠肺炎等新的重大傳染病方面的不足。

2 ?總體架構設計

疫情傳播大數據分析預警平臺是用于新冠肺炎傳播人群、活動軌跡的大數據分析、預警、預測的平臺。結合已有數據，分析數據特點和應用需求，搭建基于Hadoop的時空大數據索引與查詢技術體系，為平臺提供高穩定、高并發和高性能的支撐環境;基于手機基站定位數據及手機關系，在有限的信息資源約束下，采用系統的觀點、方法和理論，結合機器學習技術，建立疫情等級評估模型，為用戶提供疫情的風險評估。結合GIS技術和定位數據，建立基站-道路映射模型，實現對高危人員的歷史軌跡分析，用于評估高風險人員同其他人現實接觸的可能性;為科學評估疫情發展態勢，精準部署防控提供了決策支持，平臺總體框架如圖1所示。

3 ?關鍵技術研究

3.1 ?海量數據并行處理模塊

目前對時間序列數據存儲和處理的研究采用Hadoop開源大數據技術，這些方法大多基于自建的Hadoop平臺，存在集群規模小、維護困難等問題。為了滿足系統海量數據存儲與高并發的訪問以及具備高擴展性、高容錯性和高穩定性的要求，通過公有云免維護、彈性伸縮和按需租用等優點，結合MaxCompute大數據技術，設計實現了海量時間序列數據的MaxCompute表存儲方法;基于MaxCompute提供的并行編程框架MapReduce，設計實現海量時間序列歷史數據的并行處理。滿足平臺海量數據存儲與高并發的訪問要求，且可有效解決平臺建設周期短的問題，降低研發成本。MaxCompute是阿里巴巴云提供的PByte/EByte數據存儲與處理平臺，提供海量結構化和非結構化數據存儲、并行編程框架MapReduce、Graph計算模型和數據訪問通道Tunnel等，非常適合海量歷史數據存儲和批量并行數據分析。在數據存儲方面，MaxCompute的邏輯層采用表和分區的方式組織數據，便于使用SQL（結構化查詢語言）接口進行數據訪問;在物理層面，基于分布式文件系統存儲數據的分布式三份副本，具有較高的數據可靠性和可用性;在訪問接口方面，支持SQL用戶自定義函數UDF、MapReduce和Graph。

3.2 ?疫情等級評估模型

邏輯回歸（又稱為邏輯回歸分析），可用于分類和預測，是統計學中的經典分類算法。針對回歸或分類問題，該方法首先需要建立損失函數，然后通過優化方法迭代求解最優模型參數，再利用已有數據檢驗求解模型的質量。基于邏輯回歸模型構建原理，結合確診患者數據（包括手機定位數據、信令數據、關系圖譜數據等），利用邏輯回歸算法對確診患者數據集進行訓練，最終獲得分類準確度非常高的邏輯回歸模型，建立新冠疫情等級評估體系，根據用戶數據，預測用戶感染新冠肺炎病毒的可能性有多大。邏輯回歸算法的實現包含三個步驟。第一步是構造回歸參數（θ）待定的h函數，第二步是根據h函數構造J函數（損失函數），第三步是最小化J函數，通過連續迭代得到回歸參數（θ）。最后，將回歸參數代入h函數，形成邏輯回歸模型，進而實現預測，如圖2所示。

3.3 ?高危人員路徑匹配算法模型

基于高危人員過去14天所處的基站信息，通過GIS道路信息數據點建立K-D樹，然后利用決策樹算法實現基站定位信息與道路數據的快速匹配，建立基站-道路映射模型，構建原理如圖3所示。

基于GIS+決策樹的路徑匹配算法流程為：

（1）首先對從開源地中下載的道路信息數據進行填充處理，基于處理后的道路信息數據點建立K-D樹模型，進而提高匹配位置點的效率，加快待匹配的過程。

（2）在獲取新的待匹配數據點之前，通過改進的基于決策樹的預測算法，實現兩個數據點之間最佳位置點的快速匹配。

（3）如待匹配位置點在兩個數據點所在的道路上，則直接反饋該位置點，作為基站道路匹配算法的結果;如待匹配位置點不在兩個數據點所在的道路上，則基于最近鄰兩個數據點進行計算，實現待匹配位置點在最近數據點道路上的匹配結果，得到高危人員所在的道路信息。

4 ?系統的設計與實現

4.1 ?客戶端APP

疫情傳播大數據分析預警平臺客戶端APP主要包括自我風險評估、掃碼評估以及個人信息管理三大子模塊，其中，自我風險評估模塊通過提取本機的手機號碼和通訊錄，并將所提取的信息發送到后臺服務器進行疫情風險評估。評估完成后，會在主界面中展示評估得分和對應風險等級，針對不同的評估等級系統將會給出相應的處置建議;通過掃碼評估模塊中的掃碼功能，通過掃描由本平臺為酒店、餐飲、公共交通或個人給出的指定二維碼，獲取相應的風險評估數據，同時可根據風險評估等級選擇性地為用戶服務或與用戶開展接觸;個人信息管理模塊可實現個人二維碼展示、掃碼記錄查詢以及個人密碼設置等功能，如圖4所示。

4.2 ?PC端后臺管理

疫情傳播大數據分析預警平臺PC端后臺管理主要包括手機管理、疫情管理、預警分析、系統管理以及我的后臺五大子模塊，其中，手機管理模塊主要實現高風險人員手機定位、軌跡、通訊錄、通話記錄以及短信記錄等功能;疫情管理模塊主要實現病例管理、風險人員管理、風險場所管理等功能;預警分析模塊主要實現高危人員預警、疫情預警以及大數據展示等功能;系統管理模塊主要實現用戶角色權限管理、組織機構管理、系統管理以及數據傳輸等功能;我的后臺模塊主要通過控制臺和儀表盤，將系統中的核心數據以及疫情發展趨勢圖表直接呈現出來，同時可對個人信息及密碼進行修改，如圖5、圖6所示。

5 ?結 ?論

在當前新冠肺炎可能成為一種類似流感的常見病長期存在的形勢下，疫情傳播大數據分析預警平臺可有效推進疫情傳播的研判、分析和預測，有助于相關部門對疫情的發展態勢進行有效評估，提前制定緊急情況下的應急措施，盡可能地降低傳染風險，有助于政府監管部門對疫情傳播進行實時監控和動態預測，提高疫情防控水平。

參考文獻：

[1] 習近平.全面提高依法防控依法治理能力健全國家公共衛生應急管理體系 [EB/OL].（2020-02-29）.http：//www.gov.cn/xinwen/2020-02/29/content_5484903.htm.

[2] 衛生健康委網站.關于印發近期防控新型冠狀病毒感染的肺炎工作方案的通知 [EB/OL].（2020-01-28）.http：//www.gov. cn/xinwen/2020-01/28/content_5472795.htm.

[3] 張媚，張永慧，程培明，等.廣東省急性傳染病防控動態監測系統建設與展望 [J].中國衛生信息管理雜志，2019，16（5）：526-531.

[4] 吳凡.上海市創新傳染病監測模式的實踐和思考 [J].中華流行病學雜志，2019，40（8）：880-882.

[5] 李耀輝.基于移動信令數據的用戶出行行為研究 [D].重慶：重慶郵電大學，2017.

[6] 周成虎，裴韜，杜云艷，等.新冠肺炎疫情大數據分析與區域防控政策建議 [J].中國科學院院刊，2020，35（2）：200-203.

作者簡介：趙春燕（1979.12—），女，漢族，貴州貴陽人，副教授，博士，研究方向：旅游管理、計算機科學。