基于疫情因素预测疫情期间城市迁徙规模的模型构建方法技术

本发明专利技术公开一种基于疫情因素预测疫情期间城市迁徙规模的模型构建方法，包括如下：1)构建SEIR流行病模型；2)基于疫情因素的单城市迁徙模型构建EIR_SCT；3)基于单城市迁徙模型构建双城市迁徙模型EIR_DCT。本发明专利技术提出的基于疫情因素预测疫情期间城市迁徙规模的模型，不仅可以预测城市疫情期间整体迁徙状况,还能预测两个城市之间的迁徙规模；迁徙模型是基于疫情变化状况构建的，因此可以通过分析每个疫情变量的相关系数，得到城市疫情状况与迁徙状况的相关性；通过两城市迁徙模型中单个城市迁徙模型的影响系数，可以得到两城市间定向人口流动的主导城市因素；对于城市历史交通管控措施，分析该措施施行后一段时间内模型生成的迁徙规模状况以及疫情变化状况。徙规模状况以及疫情变化状况。徙规模状况以及疫情变化状况。

【技术实现步骤摘要】
基于疫情因素预测疫情期间城市迁徙规模的模型构建方法


[0001]本专利技术属于流行病学、数学与智能交通的交叉
，是基于疫情因素预测疫情期间城市迁徙规模的模型构建方法。本方法引入城市的疫情变化状况作为影响城市迁徙状况的变量，通过拟合历史迁徙数据，得到了以疫情因素为主要变量的单城市总迁徙模型和双城市间迁徙模型。前者能预测疫情期间某城市的总迁徙规模并分析影响其的主要疫情因素，后者能预测疫情期间某两个城市间的迁徙规模并分析其主导城市。

技术介绍

[0002]从2002年传播到37个国家的严重急性呼吸综合症冠状病毒(SARS-CoV)，到2012年传播到27个国家的中东呼吸综合症冠状病毒(MERS-CoV)，再到2019年武汉爆发蔓延全球的COVID-19，冠状病毒已逐步成为全球健康的威胁。它们都有一个显著的共同特征：即具有持续的社区传播潜力(即低的基本生殖数)。其中，COVID-19大致遵循了SARS-CoV的传播路径，且传染性更高。而在国际交通基本封锁情况下，城市之间的人口流动就成为了一个国家疫情蔓延的主要因素。
[0003]而目前的城市迁徙预测模型大多基于时序预测模型，且很少引入疫情因素作为主要变量。很难直观地探究疫情变化状况与城市总迁徙状况的相关性，并且难以分辨疫情期间两个城市间人口流动的主导城市。
[0004]因此，本专利技术提出了两个简单的交通模型。第一个交通模型基于疫情因素(城市每日新增确诊人数、移除人数(治愈和死亡)、潜伏人数)，通过拟合城市历史总迁徙数据得到各变量的相关系数，从而分析疫情期间某城市的整体迁徙状况的主要影响因素，并对该城市未来迁徙数据进行预测。而第二个交通模型则针对两城市间的迁徙状况，通过结合两个城市的总迁徙模型，拟合这两个城市之间的历史迁徙数据，得到两个城市总迁徙模型的影响系数，从而分析两城市间迁徙的主导城市，并预测未来两城市间迁徙规模，使城市能更有针对性地进行交通管制。

技术实现思路

[0005]本专利技术的技术方案是基于疫情因素预测疫情期间城市迁徙规模的模型构建方法，包括如下：
[0006]1)构建SEIR流行病模型；
[0007]2)基于疫情因素的单城市迁徙模型构建(EIR_SCT)；
[0008]3)基于单城市迁徙模型构建双城市迁徙模型(EIR_DCT)。
[0009]采用SEIR模型来模拟城市的疫情传播：
[0010]将总人口分为以下四类：易感者，其数量的比例记为S(t)，表示t时刻未染病但但缺乏免疫能力，与感染者接触后容易受到感染的人群；潜伏者，其数量的比例记为E(t)，指表示t时刻已经被感染，但未表现出感染症状的人群；感染者，其数量的比例记为I(t)，表示t时刻已被感染，有感染症状而且具有传染力的人群；移除者，其数量比例记为R(t)，表示t
时刻已从感染者中由于痊愈或死亡而被移出的人群；
[0011]所有可能被感染的人口总数比例为N(t)，则有
[0012]N(t)＝S(t)+E(t)+I(t)+R(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0013]即，四种人群总数保持一定数目N(通常为城市总人口数)不变，人群之间互相转化；由此，SEIR模型可以由如下微分方程构建：
[0014][0015][0016][0017][0018][0019]其中，λ为潜伏期和发病期间的传染率，随着时间变化不断减小，由参数ω、d控制；
[0020]η为感染者的隔离率，这里假设为0.8；
[0021]δ为潜伏者感染率，本次非冠病毒肺炎的平均潜伏期范围为0到24天，其平均数大约为7天，那么每天大概有1/7的潜伏期患者进入发病期，因此设为δ为平均潜伏期的倒数；
[0022]γ表示移除率，是死亡率和治愈率之和，且每天移除的患者人数则只和当天现存患者以及移除率有关系。
[0023]使用SEIR模型来模拟城市COVID-19疫情传播，并使用模型产出的结果作为城市交通模型的基础。
[0024]基于疫情因素的单城市迁徙模型构建EIR_SCT：
[0025]研究疫情变化状况与城市交通流量的相关性，采用SEIR模型公式(3)、(4)、(5)即潜伏者、感染者、移除者的日变化量，作为交通模型的主要变量，建立了单城市迁徙模型EIR_SCT，模型公式如下：
[0026][0027]其中，P
i
(t)表示t时刻，城市i总迁徙数据，P
i0
则表示疫情初始日期城市i的总迁徙数据，ΔE
i
(t)、ΔI
i
(t)、ΔR
i
(t)则表示t时刻(天)，i城市潜伏者、感染者、移除者的日变化量，由公式(3)、(4)、(5)计算得到；
[0028]而a
i1
,a
i2
,a
i3
分别为其相关系数，a
i4
为常量；
[0029]该模型使用最小二乘法，拟合城市历史迁徙数据，得到相关系数，并利用公式(8)来计算模型的误差率L；
[0030]其中P为城市真实迁徙数据，P
’
为模型生成的迁徙数据
[0031]L＝∑(|P'-P|/P)
ꢀꢀ
(8)
[0032]通过模型系数，可以衡量潜伏者、感染者、移除者日变化量对城市总人口迁徙规模的影响程度，进而得出在这个过程占主导地位的疫情因素，为分析疫情与交通的相关性提
供参考。此外，该模型能预测疫情期间城市未来的总迁徙规模，为确定城市每日人口流动规模提供参考，可以辅助城市交管部门交通管制措施的制定和施行。
[0033]基于单城市迁徙模型构建双城市迁徙模型(EIR_DCT)：
[0034]为探究两个城市之间的迁徙状况，了解城市间迁徙的主导因素，提出了双城市迁徙模型EIR_DCT，建立在两个单城市迁徙模型EIR_SCT的基础上，对两个城市间定向迁徙数据进行拟合与预测，其模型公式如下：
[0035][0036]△
EIR
i
(t)＝α
i1
△
E
i
(t)+α
i2
△
I
i
(t)+α
i3
△
R
i
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0037]P
ij
(t)表示t时刻(天)，城市i到城市j的迁徙数据，其中i城市是起始地，j城市是目标地。P
ij0
则表示疫情初始日期城市i到城市j的迁徙数据，EIR
i
(t)则表示t时刻(天)，城市i迁出EIR_SCT模型产出的潜伏者、感染者、移除者的日变化量及其相关系数乘积和，具体计算方式见公式(10)；
[0038]同理，EIR
j
(t)由城市j迁入EIR_SCT模型产出；
[0039]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于疫情因素预测疫情期间城市迁徙规模的模型构建方法，其特征在于：包括如下：1)构建SEIR流行病模型；2)基于疫情因素的单城市迁徙模型构建EIR_SCT；3)基于单城市迁徙模型构建双城市迁徙模型EIR_DCT。2.根据权利要求1所述的基于疫情因素预测疫情期间城市迁徙规模的模型构建方法，其特征在于：采用SEIR模型来模拟城市的疫情传播：将总人口分为以下四类：易感者，其数量的比例记为S(t)，表示t时刻未染病但但缺乏免疫能力，与感染者接触后容易受到感染的人群；潜伏者，其数量的比例记为E(t)，指表示t时刻已经被感染，但未表现出感染症状的人群；感染者，其数量的比例记为I(t)，表示t时刻已被感染，有感染症状而且具有传染力的人群；移除者，其数量比例记为R(t)，表示t时刻已从感染者中由于痊愈或死亡而被移出的人群；所有可能被感染的人口总数比例为N(t)，则有N(t)＝S(t)+E(t)+I(t)+R(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)即，四种人群总数保持一定数目N(通常为城市总人口数)不变，人群之间互相转化；由此，SEIR模型可以由如下微分方程构建：此，SEIR模型可以由如下微分方程构建：此，SEIR模型可以由如下微分方程构建：此，SEIR模型可以由如下微分方程构建：此，SEIR模型可以由如下微分方程构建：其中，λ为潜伏期和发病期间的传染率，随着时间变化不断减小，由参数ω、d控制；η为感染者的隔离率，这里假设为0.8；δ为潜伏者感染率，本次非冠病毒肺炎的平均潜伏期范围为0到24天，其平均数大约为7天，那么每天大概有1/7的潜伏期患者进入发病期，因此设为δ为平均潜伏期的倒数；γ表示移除率，是死亡率和治愈率之和，且每天移除的患者人数则只和当天现存患者以及移除率有关系。3.根据权利要求1所述的基于疫情因素预测疫情期间城市迁徙规模的模型构建方法，其特征在于：使用SEIR模型来模拟城市COVID-19疫情传播，并使用模型产出的结果作为城市交通模型的基础。4.根据权利要求1所述的基于疫情因素预测疫情期间城市迁徙规模的模型构建方法，其特征在于：基于疫情因素的单城市迁徙模型构建EIR_SCT；研究疫情变化状况与城市交通流量的相关性，采用SEIR模型公式(3)、(4)、(5)即潜伏者、感染者、移除者的日变化量，作为交通模型的主要变量，建立了单城市迁徙模型EIR_
SCT，模型公式如下：其中，P
i
(t)表示t时刻，城市i总迁徙数据，P
i0
则表示疫情初始日期城市i的总迁徙数据，ΔE
i
(t)、ΔI
i
(t)、ΔR
i
(t)则表示t时刻(天)，i城市潜伏者、感染者、移除者的日变化量，由公式...

【专利技术属性】
技术研发人员：张洁，武南南，王文俊，
申请(专利权)人：天津大学，
类型：发明
国别省市：