疫情防控常態(tài)化時期的高校人員態(tài)勢感知系統(tǒng)設(shè)計與實現(xiàn)

朱新銘 劉海硯 盧宣蓓 徐 青 張付兵

(1. 信息工程大學(xué) 地理空間信息學(xué)院, 河南 鄭州 450001; 2. 信息工程大學(xué) 數(shù)據(jù)與目標(biāo)工程學(xué)院, 河南 鄭州 450001)

0 引言

自2019年底,新型冠狀病毒肺炎(新冠肺炎)肆意蔓延,高等院校面臨前所未有的挑戰(zhàn),全球幾乎所有的地方都關(guān)閉了學(xué)校。高等院校基于疫情肺炎疫情數(shù)據(jù),通過大量可視化工作[1-6],展示、分析、挖掘疫情發(fā)展趨勢,為抗擊新冠肺炎疫情貢獻(xiàn)了智慧和力量。當(dāng)前國內(nèi)疫情總體呈現(xiàn)零星散發(fā)和局部聚集性疫情小爆發(fā)的特點(diǎn)[7],高校具有學(xué)生來源廣泛、交流合作活動多的特點(diǎn),在常態(tài)化疫情防控時期面臨更高的風(fēng)險。

可視化技術(shù)是以計算機(jī)圖形技術(shù)為基礎(chǔ),通過計算機(jī)生成對人體視覺刺激的圖像,以便于人們接受、理解原始數(shù)據(jù)、信息的技術(shù)方法。可視化技術(shù)能夠?qū)?fù)雜、多維的數(shù)據(jù)以形象、直觀的方式展示出來,反映數(shù)據(jù)內(nèi)在的信息和規(guī)律,在醫(yī)療、金融、政務(wù)等領(lǐng)域得到了廣泛的應(yīng)用[8-9]。在傳染病可視化領(lǐng)域,利用空間數(shù)據(jù)實現(xiàn)疫情時空分布、病例分布、病例追蹤與監(jiān)測等可視化功能,研究分析傳染病的分布特征和流行規(guī)律,能夠輔助疫情研判,提升防控效果[10]。因此,有必要開展結(jié)合疫情和人員態(tài)勢的可視化研究,構(gòu)造快速、準(zhǔn)確、科學(xué)的人員態(tài)勢感知系統(tǒng),掌握高校所屬人員位置動態(tài)信息,降低高校人員感染新冠肺炎的風(fēng)險。

本文綜合考慮人員狀態(tài)的多元時空特點(diǎn),設(shè)計人員狀態(tài)時空數(shù)據(jù)模型,提出疫情分布態(tài)勢、人員分布態(tài)勢和人員出行態(tài)勢的人員態(tài)勢感知可視化模型,基于Echarts可視化工具,研制人員態(tài)勢感知系統(tǒng),實現(xiàn)多方面直觀、精準(zhǔn)的人員態(tài)勢表達(dá)。

1 數(shù)據(jù)處理與可視化設(shè)計

為了掌握疫情空間分布和人員狀態(tài),本研究所需數(shù)據(jù)可以分為三類:基礎(chǔ)地理信息、疫情數(shù)據(jù)、人員狀態(tài)數(shù)據(jù)。

1.1 基礎(chǔ)地理信息

基礎(chǔ)地理信息是研究其他專題數(shù)據(jù)可視化的基礎(chǔ),基礎(chǔ)地理信息具有顯著的尺度特點(diǎn),按比例尺劃分,有1∶25萬、1∶50萬、1∶100萬等標(biāo)準(zhǔn)比例尺;按可視化范圍的不同,有全球、國家、區(qū)域、城市等不同尺度。為了應(yīng)對國內(nèi)疫情零星散發(fā)的特點(diǎn),充分反應(yīng)全國、分省兩級尺度的疫情特點(diǎn),本文基礎(chǔ)地理信息需求為全國、分省行政區(qū)劃,數(shù)據(jù)來源為百度地圖。

1.2 新冠肺炎疫情數(shù)據(jù)搜集與處理

新冠肺炎疫情數(shù)據(jù)按照數(shù)據(jù)內(nèi)容可以分為:病例詳細(xì)數(shù)據(jù)、病例數(shù)量數(shù)據(jù)。病例詳細(xì)數(shù)據(jù)以文本數(shù)據(jù)為主,來源于官方渠道的疫情通報等,描述了病例活動、軌跡等信息。病例數(shù)量數(shù)據(jù)包括確診病例、疑似病例、治愈病例、死亡病例數(shù)據(jù)等各類病例的數(shù)量統(tǒng)計數(shù)據(jù),反映了疫情的態(tài)勢,體現(xiàn)了省市、區(qū)域的疫情情況,適用于掌握、評估人員面臨疫情風(fēng)險的高低,作為本研究的新冠肺炎疫情數(shù)據(jù)。各大主流互聯(lián)網(wǎng)廠商均發(fā)布了新冠肺炎疫情病例數(shù)量數(shù)據(jù),如丁香園、網(wǎng)易、百度等。丁香園疫情數(shù)據(jù)整合了各權(quán)威渠道發(fā)布的官方數(shù)據(jù),并且持續(xù)更新,數(shù)據(jù)真實可靠、時效性好,作為本研究新冠肺炎疫情數(shù)據(jù)來源。通過開發(fā)的爬蟲軟件每日獲取丁香園疫情病例數(shù)量數(shù)據(jù),組織成以日期為索引的疫情快照時空數(shù)據(jù),數(shù)據(jù)示例如表1所示。

表1 新冠肺炎疫情病例數(shù)據(jù)示例

1.3 人員狀態(tài)時空數(shù)據(jù)組織與處理

人員狀態(tài)的數(shù)據(jù)能夠反映疫情期間人員的位置、健康狀態(tài)等信息,是本研究的重點(diǎn)核心問題。根據(jù)數(shù)據(jù)時空變化、疫情防控需求,本研究將人員狀態(tài)信息建模為:人員基本信息、人員健康信息、人員位置信息、人員出行信息,如圖1所示。以人員基本信息為數(shù)據(jù)組織的主要索引,通過人員信息的唯一標(biāo)識鏈接人員健康、位置、出行這三類動態(tài)信息。以下分別對三類信息進(jìn)行詳細(xì)說明。

圖1 人員狀態(tài)時空數(shù)據(jù)模型結(jié)構(gòu)圖

人員基本信息是人員狀態(tài)信息中基本不發(fā)生變化的標(biāo)識性信息,包括ID、人員姓名、性別、人員類別、所屬單位等信息,樣例數(shù)據(jù)如表2所示。

表2 人員基本信息樣例數(shù)據(jù)

人員健康信息主要指人員狀態(tài)信息中與新冠肺炎癥狀相關(guān)的信息,包括疑似病例、確診、密切接觸、類似體征、健康等狀態(tài)。疑似體征指人員具有發(fā)熱或肺部影像學(xué)特征,且14 d前曾經(jīng)接觸發(fā)熱伴有呼吸道癥狀患者;確診指核酸檢測結(jié)果呈陽性的人員;密切接觸指未采取防護(hù)措施與確診病例近距離接觸的人員,如共同居住、學(xué)習(xí)、診療、護(hù)理、乘坐同一交通工具等;類似體征指具有發(fā)熱或肺部影像學(xué)特征,且14 d內(nèi)未接觸發(fā)熱伴有呼吸道癥狀患者的人員;健康指身體無異樣的人員。通過0或1表示當(dāng)前人員的健康狀態(tài),方便數(shù)據(jù)的統(tǒng)計,樣例數(shù)據(jù)如表3所示。

表3 人員健康信息樣例數(shù)據(jù)

人員位置信息是典型的時空數(shù)據(jù),指人員當(dāng)前所處位置信息,樣例數(shù)據(jù)如表4所示。

表4 人員位置信息樣例數(shù)據(jù)

人員出行信息包括人員出行的起止點(diǎn)信息、乘坐交通工具和出行時間等信息。與人員位置信息不同,人員出行信息描述了當(dāng)日或未來幾日人員的出行信息,樣例數(shù)據(jù)如表5所示。人員出行信息與人員位置信息共同構(gòu)成了人員靜態(tài)的分布和動態(tài)的外出時空信息,出于保護(hù)個人隱私的角度,本文設(shè)計的人員位置信息的空間粒度以城市為主。

表5 人員出行信息樣例數(shù)據(jù)

1.4 面向疫情防控的人員狀態(tài)可視化方案

地理事件是學(xué)者們在“事件”概念基礎(chǔ)上,提出用以表達(dá)地理要素狀態(tài)發(fā)展變化、地理現(xiàn)象發(fā)生演變的時空動態(tài)對象概念。地理事件的認(rèn)知至少包括地理事件的4W(Who，When，Where，What)特征。參照地理事件4W認(rèn)知需求,新冠肺炎疫情人員狀態(tài)可視化方案以全國疫情空間分布為底圖,疊加人員分布、出行狀態(tài)等信息,實現(xiàn)高校所屬人員4W(Who，When，Where，What)態(tài)勢感知需求,具體需求如下。

需求1:新冠肺炎疫情各省市態(tài)勢,即新冠肺炎疫情在各省市的情況,反應(yīng)人員所在位置的疫情風(fēng)險情況。新冠肺炎疫情病例數(shù)量數(shù)據(jù)提供了數(shù)量信息和地名信息,但是難以與人員的空間分布關(guān)聯(lián),不能體現(xiàn)新冠肺炎疫情整體態(tài)勢和人員所處位置的風(fēng)險情況。

需求2:人員分布態(tài)勢,人員在空間上的分布對于疫情防控至關(guān)重要,通過人員空間分布可視化疊加疫情態(tài)勢可視化,能夠準(zhǔn)確發(fā)現(xiàn)所處疫情區(qū)域的人員數(shù)量及信息。

需求3:人員出行態(tài)勢,人員出行是指當(dāng)日外出及返回人員的交通信息,將交通起止點(diǎn)可視化在疫情地圖上有助于即時發(fā)現(xiàn)來自疫情地區(qū)人員,提升隔離、核酸檢測等防控措施的準(zhǔn)確性、有效性,避免新冠肺炎疫情的交叉感染。

為了滿足以上可視化需求,本文提出了如圖2所示的新冠肺炎疫情人員狀態(tài)可視化方案。方案的交互分析方式以時間軸、地圖操作為主,時間軸用于檢索不同日期疫情、人員狀態(tài);通過地圖操作,實現(xiàn)不同空間尺度的人員狀態(tài)可視化,并結(jié)合注記、懸浮框等動態(tài)展示人員狀態(tài)分布的詳細(xì)數(shù)據(jù)。

圖2 新冠肺炎疫情人員態(tài)勢可視化方案結(jié)構(gòu)圖

2 人員態(tài)勢感知系統(tǒng)實現(xiàn)與示例

人員態(tài)勢感知系統(tǒng)是本研究的最終成果,系統(tǒng)采用B/S模式(Browser/Server,B/S),主要分為基礎(chǔ)數(shù)據(jù)層、數(shù)據(jù)庫管理層、后臺邏輯層和客戶端表現(xiàn)層。數(shù)據(jù)庫管理使用MySQL數(shù)據(jù)庫;后臺邏輯采用Spring MVC(Model View Controller)并結(jié)合Vue框架;Web端可視化層使用HTML(HyperText Markup Language,HTML)+CSS(Cascading Style Sheets,CSS)+JavaScript的開發(fā)模式,以Echarts為可視化表達(dá)的基礎(chǔ)工具。為保護(hù)隱私,系統(tǒng)展示全部采用示例數(shù)據(jù),界面如圖3所示:底部為時間軸,用于索引相關(guān)數(shù)據(jù)；中間為地圖可視化模塊,用于空間位置數(shù)據(jù)的可視化;右側(cè)為各類圖表的可視化模塊。

圖3 人員態(tài)勢感知系統(tǒng)主界面圖

2.1 疫情可視化模塊

可視化界面中間部分為疫情可視化模塊,基于新冠肺炎疫情病例數(shù)量數(shù)據(jù),將不同省份感染人數(shù)以分層設(shè)色的方式繪制在地圖上,顏色越深表示確診患者數(shù)量越多;同時,為了更細(xì)粒度地疫情防控,對各個省份、直轄市提供了數(shù)據(jù)下鉆的功能,即通過點(diǎn)擊實現(xiàn)打開所點(diǎn)擊省份內(nèi)部各個市的疫情信息。

2.2 人員分布可視化模塊

在全國疫情省、市兩級可視化的基礎(chǔ)上,通過定點(diǎn)符號的方式可視化人員分布。人員在各省市分布情況不同,會出現(xiàn)數(shù)值相差很大的情況,難以使用符號大小來表示人員分布數(shù)量特性存在比率關(guān)系,導(dǎo)致符號壓蓋、符號不清晰、不易讀等問題。因此,在符號下方水平放置人員分布數(shù)字注記,配合人員分布點(diǎn)狀符號,直觀、準(zhǔn)確展示人員在全國、各省區(qū)域的分布情況。

2.3 人員出行可視化模塊

根據(jù)人員出行數(shù)據(jù)的起止點(diǎn),在全國底圖上構(gòu)造動態(tài)軌跡線,快速直觀展示人員出行態(tài)勢。對于出行人員的名稱、車次、座次等信息,以數(shù)據(jù)表的方式,補(bǔ)充顯示到可視化界面上,如圖4所示。對未來即將出行的人員,首先采取數(shù)據(jù)表格的方式詳細(xì)展示,根據(jù)時間的變化,到出行日期時,采用軌跡線的方式,將出行人員信息可視在地圖上。

圖4 人員出行數(shù)據(jù)表展示

3 結(jié)束語

針對高校疫情常態(tài)化防控時期人員流動增大、人員態(tài)勢感知困難等難點(diǎn)問題,結(jié)合疫情病例數(shù)量數(shù)據(jù),本研究設(shè)計了人員狀態(tài)時空數(shù)據(jù)模型,提出了人員態(tài)勢可視化模式,基于Echarts可視化工具,設(shè)計開發(fā)了面向疫情防控的人員狀態(tài)可視系統(tǒng)。系統(tǒng)表達(dá)了全國、各省兩級尺度的疫情態(tài)勢,在人員狀態(tài)時空數(shù)據(jù)模型的基礎(chǔ)上,實現(xiàn)了人員健康狀態(tài)、空間分布和外出交通等人員狀態(tài)信息的可視化,較為全面地反映了高校人員分布和疫情態(tài)勢,有助于高校開展疫情風(fēng)險評估、疫情預(yù)警、防控方案制定等工作。本文所展示數(shù)據(jù)均為示例數(shù)據(jù),在實際應(yīng)用中,人員狀態(tài)數(shù)據(jù)的采集均為人工填報,費(fèi)時費(fèi)力,數(shù)據(jù)精度、規(guī)范性較差,需要開展自動、智能的數(shù)據(jù)采集、整編手段,更好地服務(wù)防疫工作。