一种传染病防控方法及系统与流程

本申请涉及公共卫生技术领域，特别涉及一种传染病防控方法及系统。

背景技术：

随着我国城市化的推进，城市地区人口密度增大，城市内部居民出行方式和出行需求增加，城市环境的变化使得传染病很容易在城市内部传播开来，在城市内部采取及时有效、有针对性的防控措施变得尤为重要。自2015年新年伊始提出“精准医药”的概念后，最近又提出了“精准公共卫生”，这一新的概念为公共卫生研究提供了新方向，并且受到了医学研究人员和卫生从业者的极大关注。精准公共卫生需要做到因人而异，在正确的时间实施差异化、个体化的干预措施。

空间维度的传染病防控研究主要采用大规模手机数据进行个体时空行特征分析，进而在大范围区域内实施传染病防控措施。由于大规模规则手机数据可以提供较高的时空分辨率，并且拥有大量的用户人群，因此手机数据结合病例数据能准确的分析出传染病的源头和传播途径，更容易做到空间维度上的精准防控。目前，空间维度的传染病防控研究主要采用不规则的呼叫详细记录数据分析个体时空特征，以城市或多个手机基站为防控单元，在全球或国家等大范围区域内进行出行控制，主要针对某些人群进行粗粒度的调控，具体措施包括：减少城市之间的航班、火车等交通工具的班次或者依靠媒体的影响力传播城市中传染病的安全水平使个人自发调控自身出行路线避开高水平感染率的城市等。

综上所述，现有的传染病防控研究在手机数据、研究尺度、防控单元、防控措施等方面都存在较大的完善空间，具体不足包括：

一、使用的呼叫详细记录手机数据有限，难以提供完整的个体时空信息，该不规则手机数据具有随机性和短期爆发性，甚至可能对个体时空特征的提取产生误导。

二、现有传染病防控技术主要针对国家和地区层面的防控研究，防控措施实施单元一般针对某个城市或者多个基站，缺乏针对城市内部的具体有效的防控方案。

三、现有传染病防控研究大多选取城市或者多个手机基站区域作为空间防控单元，在较大范围内进行出行控制的可行性较差，并且没有做到精准的空间防控。

四、现有传染病防控研究的防控措施大多采用减少城市之间的航班、火车等交通工具的班次或者依靠媒体的影响力传播城市中传染病的安全水平使个人自发调控自身出行路线避开高水平感染率的城市等方法来进行出行防控，该类措施主要针对人群进行宏观控制或依靠个人自发的避免感染的行为来进行出行控制，缺乏针对个体的定制化的出行控制措施。

技术实现要素：

本申请提供了一种传染病防控方法及系统，旨在至少在一定程度上解决现有技术中的上述技术问题之一。

为了解决上述问题，本申请提供了如下技术方案：

一种传染病防控方法，包括以下步骤：

步骤a：根据本地染病风险数据识别传染病的高风险区域；

步骤b：根据规则手机数据识别访问所述高风险区域的用户；

步骤c：通过所述访问高风险区域的用户手机轨迹数据识别出行目的地为所述高风险区域的流入人群，并根据所述流入人群的出行特征将出行目的地进行分类；

步骤d：依据防控严格程度分别制定空间防控措施，并依据所述空间防控措施以及出行目的地的分类结果向对应的流入人群发送出行干预信息。

本申请实施例采取的技术方案还包括：在所述步骤a中，所述本地染病风险数据为通过随机森林模型得出的由病例数据和影响伊蚊生存的环境因素组成的网格风险图。

本申请实施例采取的技术方案还包括：在所述步骤b中，所述规则手机数据为以小时为单位的规则手机定位数据。

本申请实施例采取的技术方案还包括：在所述步骤c中，所述出行目的地包括“家”、“工作/学习地”、“既不是家也不是工作/学习地”；所述根据流入人群的出行特征对出行目的地进行分类具体为：将所述“家”和“工作/学习地”分类为必要性出行，将所述“既不是家也不是工作/学习地”分类为非必要出行。

本申请实施例采取的技术方案还包括：在所述步骤d中，所述空间防控措施包括严格控制措施和非严格控制措施，所述出行干预信息分别为禁止出行信息和减少出行信息，所述禁止出行信息用于在严格控制措施下通知用户取消流入高风险区域的必要性出行和非必要出行；所述减少出行信息用于在非严格控制措施下通知用户减少到高风险区域的非必要出行。

本申请实施例采取的另一技术方案为：一种传染病防控系统，包括：

区域识别模块：用于根据本地染病风险数据识别传染病的高风险区域；

用户识别模块：用于根据规则手机数据识别访问所述高风险区域的用户；

目的地识别模块：用于通过所述访问高风险区域的用户手机轨迹数据识别出行目的地为所述高风险区域的流入人群，并根据所述流入人群的出行特征将出行目的地进行分类；

出行防控模块：用于依据防控严格程度分别制定空间防控措施，并依据所述空间防控措施以及出行目的地的分类结果分别向对应的流入人群发送出行干预信息。

本申请实施例采取的技术方案还包括：所述本地染病风险数据为通过随机森林模型得出的由病例数据和影响伊蚊生存的环境因素组成的网格风险图。

本申请实施例采取的技术方案还包括：所述规则手机数据为以小时为单位的规则手机定位数据。

本申请实施例采取的技术方案还包括：所述出行目的地包括“家”、“工作/学习地”、“既不是家也不是工作/学习地”；所述根据流入人群的出行特征对出行目的地进行分类具体为：将所述“家”和“工作/学习地”分类为必要性出行，将所述“既不是家也不是工作/学习地”分类为非必要出行。

本申请实施例采取的技术方案还包括：所述空间防控措施包括严格控制措施和非严格控制措施，所述出行干预信息分别为禁止出行信息和减少出行信息，所述禁止出行信息用于在严格控制措施下通知用户取消流入高风险区域的必要性出行和非必要出行；所述减少出行信息用于在非严格控制措施下通知用户减少到高风险区域的非必要出行。

相对于现有技术，本申请实施例产生的有益效果在于：本申请实施例的传染病防控方法及系统通过在城市内部针对用户发送个人定制化的出行干预信息来指导用户改变出行目的地，从而降低高风险区域的输入性风险，达到传染病在空间角度上的精准防控。与现有技术相比，本申请具有如下优点：

一、采用以小时为单位的规则手机定位数据，能获得更加完整、可靠的个体时空特征，保证了对个人实施精确空间防控的可行性；

二、通过在城市内部进行防控研究，空间防控单元从原有的城市或多个基站缩小为单个手机基站，防控范围缩小，空间防控单元更加精确；

三、针对用户发送个人化的定制防控信息，改变流入高风险区域的用户的出行目的地，有效的减少高风险区域的输入性风险值，对于控制疾病的传播有明显的防控效果。

附图说明

图1是本申请实施例的传染病防控方法的流程图；

图2是本申请实施例的传染病防控系统的结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

本申请实施例的传染病防控方法及系统充分运用规则手机数据中精确到基站的高空间分辨率，在城市内部实施以手机基站为空间防控单元的用户出行控制措施，针对个人制定个性化的出行防控措施，控制个体的出行目的地，细化了空间防控措施在空间维度的粒度，更准确的做到针对个体定制的城市内部的空间精准干预。

具体地，请参阅图1，是本申请实施例的传染病防控方法的流程图。本申请实施例的传染病防控方法包括以下步骤：

步骤100：根据本地染病风险数据识别传染病的高风险区域；

在步骤100中，高风险区域指本地染病风险概率值较大的区域，本地染病风险数据是通过随机森林模型得出的由病例数据和影响伊蚊生存的各种环境因素组成的网格风险图。

步骤200：根据规则手机数据识别访问高风险区域的用户；

在步骤200中，规则手机数据为每小时记录一次用户位置的手机定位数据。

步骤300：通过访问高风险区域的用户手机轨迹数据识别出行目的地为高风险区域的所有出行，确定流入高风险区域的人群；

在步骤300中，手机轨迹数据描述的个体日常活动的出行目的地主要可以分为三类：家、工作/学习地、既不是家也不是工作/学习地；按照用户的出行特征，可将上述三种出行目的地分为必要性出行和非必要出行两种类型，其中，必要性出行指回家、到学校、到工作地的出行，非必要出行则是指除了家、工作/学习地之外的其他出行，例如购物、娱乐等。

步骤400：依据防控严格程度的不同制定两类不同的空间防控措施，在两类不同的措施中，分别依据所述出行目的地的分类结果向对应的流入人群发送出行干预信息。

在步骤400中，由于用户的出行导致了输入性风险，疾病在高风险区域具有较强的传染性，因此本申请中的出行防控措施的最终目的是通过改变去往高风险区域的用户的出行目的地来减少高风险区域的输入性风险。输入性风险数据是利用本地染病风险值和蚊媒活动强度计算个体不同时刻的染病概率并累积求和得到，输入性风险数据的计算公式为：

在公式(1)和公式(2)中，pri代表到访过该多边形的用户i的染病概率值，rl(t)是t小时用户所在位置的本地染病风险值，a(t)代表该时段白纹伊蚊的活动强度。

具体地，出行防控措施主要是根据出行目的地类型利用手机向流入高风险区域的人群发送针对个人定制的出行干预信息来指导用户改变出行目的地，使得该部分人群能够避开高风险区域，在不改变出行时间的情况下，改变出行目的地以减少出行产生的输入性风险，从而降低高风险区域的传染性强度，达到传染病在空间角度上的精准防控。其中，流入高风险区域的人群可以根据识别访问高风险区域的用户的出行目的地是否为高风险区域而得到。

本申请按照防控措施的严苛程度将空间防控措施分为严格控制措施和非严格控制措施，并根据空间防控措施和出行目的地的分类结果制定两类不同的出行干预信息，第一类为禁止出行信息，主要是为了在严格控制措施下通知用户取消流入高风险区域的所有出行。根据用户的出行目的地类型发送的禁止出行信息包括以下三种：

第一种：针对出行目的地为“家”的必要性出行用户，由于该出行目的地的不可替代性，不发送禁止出行信息给用户；

第二种：针对出行目的地为“工作/学习地”的必要性出行用户，禁止出行信息内容为：“禁止流入**高风险区域，请停留在家”；

第三种：针对出行目的地为“既不是家也不是工作/学习地”的非必要出行用户，禁止出行信息内容为“禁止流入**高风险区域，可以流入***非高风险区域活动”。其中，“***非高风险区域”是指与原出行目的地距离相似的随机选取的非高风险区域，该区域也包括家。

上述中，计算距离相似的非高风险区域的方法具体为：按照用户的手机轨迹数据找出用户原出行目的地位置p1(lng1，lat1)和上一个活动点的位置p2(lng2，lat2)，根据距离计算公式(1)计算出两个位置之间的出行距离，基于上一个活动点的位置，从手机基站数据集中检索与该出行距离相似的点，并且这个出行距离相似的点不属于高风险区域，该距离相似的点也包括家，然后通过禁止出行信息将该出行距离相似的点的位置发送给用户。两个位置之间的距离计算公式为：

其中：

第二类为减少出行信息，减少出行信息比禁止出行信息的严苛程度略弱，主要是为了通知用户在非严格控制措施下减少到高风险区域的非必要出行。根据用户的出行目的地类型发送的减少出行信息包括以下两种：

第一种：针对出行目的地为“家”或“工作/学习地”的必要性出行用户，由于该出行目的地的不可替代性，不发送减少出行信息给用户；

第二种：针对出行目的地为“既不是家也不是工作/学习地”的非必要出行用户，减少出行信息内容为：“请减少流入**高风险区域的非必要出行，可改为流入**非高风险区域活动”。

请参阅图2，是本申请实施例的传染病防控系统的结构示意图。本申请实施例的传染病防控系统包括区域识别模块、用户识别模块、目的地识别模块和出行防控模块；具体地：

区域识别模块：用于根据本地染病风险数据识别传染病的高风险区域；其中，本地染病风险数据是通过随机森林模型得出的由病例数据和影响伊蚊生存的各种环境因素组成的网格风险图。

用户识别模块：用于根据规则手机数据识别访问高风险区域的用户；其中，规则手机数据为每小时记录一次用户位置的手机定位数据。

目的地识别模块：用于通过访问高风险区域的用户手机轨迹数据识别出行目的地为高风险区域的所有出行，确定流入高风险区域的人群；其中，手机轨迹数据描述的个体日常活动的出行目的地主要可以分为三类：家、工作/学习地、既不是家也不是工作/学习地；按照用户的出行特征，可将上述三种出行目的地分为必要性出行和非必要出行两种类型，其中，必要性出行指回家、到学校、到工作地的出行，非必要出行则是指除了家、工作/学习地之外的其他出行，例如购物、娱乐等。

出行防控模块：用于依据防控严格程度的不同制定两类不同的空间防控措施，在两类不同的措施中，分别依据所述出行目的地的分类结果向对应的流入人群发送出行干预信息；其中，由于用户的出行导致了输入性风险，疾病在高风险区域具有较强的传染性，因此本申请中的出行防控措施的最终目的是通过改变去往高风险区域的用户的出行目的地来减少高风险区域的输入性风险。输入性风险数据是利用本地染病风险值和蚊媒活动强度计算个体不同时刻的染病概率并累积求和得到，输入性风险数据的计算公式为：

在公式(1)和公式(2)中，pri代表到访过该多边形的用户i的染病概率值，rl(t)是t小时用户所在位置的本地染病风险值，a(t)代表该时段白纹伊蚊的活动强度。

具体地，出行防控模块主要是根据出行目的地类型利用手机向流入高风险区域的人群发送针对个人定制的出行干预信息来指导用户改变出行目的地，使得该部分人群能够避开高风险区域，在不改变出行时间的情况下，改变出行目的地以减少出行产生的输入性风险，从而降低高风险区域的传染性强度，达到传染病在空间角度上的精准防控。其中，流入高风险区域的人群可以根据识别访问高风险区域的用户的出行目的地是否为高风险区域。

本申请按照防控措施的严苛程度将空间防控措施分为严格控制措施和非严格控制措施，并根据空间防控措施和出行目的地的分类结果制定两类不同的出行干预信息，第一类为禁止出行信息，主要是为了在严格控制措施下通知用户取消流入高风险区域的所有出行。根据用户的出行目的地类型发送的禁止出行信息包括以下三种：

第一种：针对出行目的地为“家”的必要性出行用户，由于该出行目的地的不可替代性，不发送禁止出行信息给用户；

第二种：针对出行目的地为“工作/学习地”的必要性出行用户，禁止出行信息内容为：“禁止流入**高风险区域，请停留在家”；

第三种：针对出行目的地为“既不是家也不是工作/学习地”的非必要出行用户，禁止出行信息内容为“禁止流入**高风险区域，可以流入***非高风险区域活动”。其中，“***非高风险区域”是指与原出行目的地距离相似的随机选取的非高风险区域，该区域也包括家。

上述中，计算距离相似的非高风险区域的方法具体为：按照用户的手机轨迹数据找出用户原出行目的地位置p1(lng1，lat1)和上一个活动点的位置p2(lng2，lat2)，根据距离计算公式(1)计算出两个位置之间的出行距离，基于上一个活动点的位置，从手机基站数据集中检索与该出行距离相似的点，并且这个出行距离相似的点不属于高风险区域，该距离相似的点也包括家，然后通过禁止出行信息将该出行距离相似的点的位置发送给用户。两个位置之间的距离计算公式为：

其中：

第二类为减少出行信息，减少出行信息比禁止出行信息的严苛程度略弱，主要是为了在非严格控制措施下通知用户减少到高风险区域的非必要出行。根据用户的出行目的地类型发送的减少出行信息包括以下两种：

第一种：针对出行目的地为“家”或“工作/学习地”的必要性出行用户，由于该出行目的地的不可替代性，不发送减少出行信息给用户；

第二种：针对出行目的地为“既不是家也不是工作/学习地”的非必要出行用户，减少出行信息内容为：“请减少流入**高风险区域的非必要出行，可改为流入**非高风险区域活动”。

本申请针对访问高风险区域的用户进行出行控制，根据具体的空间精准防控措施改变用户手机数据中的出行目的地，模拟得到几套新的手机数据。在这几套模拟手机数据中，随机模拟用户中收到出行干预信息后分别有30％和80％的人服从信息的通知而改变出行目的地。模拟结果发现，发送信息“禁止流入**高风险区域”和发送信息“请减少流入**高风险区域”这两种出行防控措施对于高风险区域的输入性风险减少率有显著的效果，在80％的服从度下高风险区域的输入性风险减少率均是30％服从度下的2.67倍。具体地，在80％服从度下：在“禁止流入**高风险区域”的措施下输入性风险减少率达到56.14％，在“请减少流入**高风险区域”的措施下输入性风险减少率达到了43.09％。两种模拟结果对比，可以看出发送信息“禁止流入**高风险区域”的措施是一种效果更佳的防控措施，并且在高服从度下效果更明显。

本申请实施例的传染病防控方法及系统通过在城市内部针对用户发送个人定制化的出行干预信息来指导用户改变出行目的地，从而降低高风险区域的输入性风险，达到传染病在空间角度上的精准防控。与现有技术相比，本申请具有如下优点：

一、采用以小时为单位的规则手机定位数据，能获得更加完整、可靠的个体时空特征，保证了对个人实施精确空间防控的可行性；

二、通过在城市内部进行防控研究，空间防控单元从原有的城市或多个基站缩小为单个手机基站，防控范围缩小，空间防控单元更加精确；

三、针对用户发送个人化的定制防控信息，改变流入高风险区域的用户的出行目的地，有效的减少高风险区域的输入性风险值，对于控制疾病的传播有明显的防控效果。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。