【技术实现步骤摘要】
本专利技术涉及传染病防控，具体涉及一种传染病疫情时空聚集性的分析方法及系统。
技术介绍
1、近20年以来，从sars到新冠对人类社会造成了严重破坏性，因此人们对传播系统理论研究已经有了很深刻的认识，并提出很多模型，同时也提出很多基于模型的数据处理和仿真方法，对于疫情传播过程中各个参数变量有了比较清楚的认识，然而对于传播系统中各类变量数据具有哪些时空关联性，还需要分析研究，为了更好快速找到疫情传播中的病例，及时做好疫苗和检测系统，更好的防控疫情，需要快速分析疫情传播的变化规律。
2、基于传播过程中的各类变量之间存在多变量关系，多变量关系，各变量间耦合复杂，数据产生速度快、数据量大，给数据处理和传播数据时空分析造成了一定的困难，影响传播数据的快速精准分析。
技术实现思路
1、(一)专利技术目的
2、本专利技术的目的是提供一种能提高分析准确性的传染病疫情时空聚集性的分析方法及系统。
3、(二)技术方案
4、为解决上述问题，本专利技术提供了一种传染病疫情时空聚集性的分析方法，包括：
5、采集传染病传播相关的多源数据；
6、利用预设的分类规则对所述多源数据进行分类处理，获得数据仓库；
7、利用所述数据仓库，构建病例生长轨迹传播模型和疫情传播扩散模型；
8、利用所述病例生长轨迹传播模型和疫情传播扩散模型，预测疫情扩散路径及时空覆盖变化图；
9、将预测的疫情扩散路径及时空覆盖变化图与重点公
10、本专利技术的另一方面，优选地，利用预设的分类规则对所述多源数据进行分类处理包括：
11、对所述多源数据按照不同的病例类型进行分类，获得第一分类数据；
12、对所述第一分类数据进行空间位置进行分类，获得第二分类数据；
13、对所述第一分类数据按照时间维度进行分类，获得第三分类数据；
14、对所述第二分类数据和第三分类数据进行聚类，获得数据仓库，所述数据仓库中的数据包括时间维度和空间位置的对应关系。
15、本专利技术的另一方面，优选地，所述分析方法还包括：对疫情传播扩散模型进行修正；
16、所述修正包括：
17、实时获取两个相邻采样时间节点的时间差和所述时间差内的病例变化数；
18、根据所述时间差和相应的病例变化数，形成疫情的时间变化统计趋势；
19、利用所述时间变化统计趋势对疫情传播扩散模型进行修正。
20、本专利技术的另一方面，优选地，
21、所述病例生长轨迹传播模型利用以下公式表示：
22、
23、其中，i表示空间单元序号，si是空间单元i的易感者数量，ei是空间单元i的暴露者数量，ii是空间单元i的感染者数量，ri是空间单元i的康复者数量，ni＝si+ei+ii+ri，ni是空间单元i的总人口，βi是空间单元i的感染率，σ是潜伏者到感染者的转化率，γ是感染者的康复率。
24、本专利技术的另一方面，优选地，
25、所述疫情传播扩散模型利用以下公式表示：
26、
27、其中，m+1表示空间单元总数，mij表示从空间单元j到空间单元i的人口迁移率，i,j表示空间单元序号，si是空间单元i的易感者数量，sj是空间单元j的易感者数量,ei是空间单元i的暴露者数量，ej是空间单元j的暴露者数量,ii是空间单元i的感染者数量，rj是空间单元j的康复者数量，nj是空间单元j的总人口，βj是空间单元j的感染率，σ是潜伏者到感染者的转化率，γ是感染者的康复率。
28、本专利技术的另一方面，优选地，利用所述病例生长轨迹传播模型和疫情传播扩散模型，预测疫情扩散路径包括：
29、计算空间单元i来自所有其他空间单元j的感染概率总和：
30、
31、其中，infectionratei(t)表示时间t空间单元i来自所有其他空间单元j的感染概率总和,ij(t)表示时间t空间单元j的感染者数量；mij表示从空间单元j到空间单元i的人口迁移率，βj是空间单元j的感染率,nj是空间单元j的总人口；m+1表示空间单元总数；
32、利用以下公式更新空间单元i的易感者数量、暴露者数量、感染者的数量和康复者的数量：
33、
34、其中，sj是空间单元j的易感者数量，ej是空间单元j的暴露者数量，ij是空间单元j的感染者数量，rj是空间单元j的康复者数量；
35、根据更新后的空间单元的易感者数量，暴露者数量，感染者数量和康复者数量，预测疫情在空间上的扩散路径。
36、本专利技术的另一方面，优选地，利用所述病例生长轨迹传播模型和疫情传播扩散模型，预测时空覆盖变化图包括：
37、根据预测的感染者数量在空间单元上的分布绘制时空覆盖变化图。
38、本专利技术的另一方面，优选地，将预测的疫情扩散路径及时空覆盖变化图与重点公共场合空间数据融合，获取重点公共场合疫情影响指数包括利用以下公式计算重点公共场合疫情影响指数：
39、
40、其中，ii为疫情影响指数，i是预测的感染者数量，flow是重点公共场合的平均人流量，et是平均暴露时间，area是公共场合的面积，rc是风险系数。
41、本专利技术的另一方面，优选地，
42、所述分析方法还包括根据时间轴对预测的疫情扩散路径、时空覆盖变化图和重点公共场合疫情影响指数进行可视化；
43、不同数据类型的展示按照颜色进行区分。
44、本专利技术的另一方面，优选地，一种传染病疫情时空聚集性的分析系统，包括：
45、采集模块：采集传染病传播相关的多源数据；
46、分类模块：利用预设的分类规则对所述多源数据进行分类处理，获得数据仓库；
47、构建模块：利用所述数据仓库，构建病例生长轨迹传播模型和疫情传播扩散模型；
48、预测模块：利用所述病例生长轨迹传播模型和疫情传播扩散模型，预测疫情扩散路径及时空覆盖变化图；
49、计算模块：将预测的疫情扩散路径及时空覆盖变化图与重点公共场合空间数据融合，计算获取重点公共场合疫情影响指数。
50、(三)有益效果
51、本专利技术的上述技术方案具有如下有益的技术效果：
52、本专利技术通过构建病例生长轨迹传播模型和疫情传播扩散模型，可以更加准确地预测疫情的扩散路径和时空覆盖变化，为防控工作提供更为科学的依据，根据预测的疫情扩散情况和重点公共场合疫情影响指数，可以更加合理地配置医疗资源、人力和物资等，提高防控效率。本专利技术有助于建立健全传染病监测预警体系，提高预警准确率，以便及时采取防控措施，防止疫情的进一步扩散。
本文档来自技高网...【技术保护点】
1.一种传染病疫情时空聚集性的分析方法，其特征在于，包括：
2.根据权利要求1所述的分析方法，其特征在于，利用预设的分类规则对所述多源数据进行分类处理包括：
3.根据权利要求1所述的分析方法，其特征在于，所述分析方法还包括：对疫情传播扩散模型进行修正；
4.根据权利要求1所述的分析方法，其特征在于，
5.根据权利要求4所述的分析方法，其特征在于，
6.根据权利要求4所述的分析方法，其特征在于，利用所述病例生长轨迹传播模型和疫情传播扩散模型，预测疫情扩散路径包括：
7.根据权利要求6所述的分析方法，其特征在于，利用所述病例生长轨迹传播模型和疫情传播扩散模型，预测时空覆盖变化图包括：
8.根据权利要求7所述的分析方法，其特征在于，将预测的疫情扩散路径及时空覆盖变化图与重点公共场合空间数据融合，获取重点公共场合疫情影响指数包括利用以下公式计算重点公共场合疫情影响指数：
9.根据权利要求1所述的分析方法，其特征在于，
10.一种传染病疫情时空聚集性的分析系统，其特征在于，包括：p>...
【技术特征摘要】
1.一种传染病疫情时空聚集性的分析方法，其特征在于，包括：
2.根据权利要求1所述的分析方法，其特征在于，利用预设的分类规则对所述多源数据进行分类处理包括：
3.根据权利要求1所述的分析方法，其特征在于，所述分析方法还包括：对疫情传播扩散模型进行修正；
4.根据权利要求1所述的分析方法，其特征在于，
5.根据权利要求4所述的分析方法，其特征在于，
6.根据权利要求4所述的分析方法，其特征在于，利用所述病例生长轨迹传播模型和疫情传播扩...
【专利技术属性】
技术研发人员：李成仁，金雯，陈昕，吴张峰，吴寰宇，陈健，吴昌贤，郑雅旭，曹斌，俞晓，戴鹏，张冲，
申请(专利权)人：上海市测绘院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。