本文收集了重庆市2020年1月21日—2月24日确诊的545例新型冠状病毒肺炎（COVID-19）病例个案信息,结合1500万手机用户在疫情期间的信令轨迹大数据,分析了其疫情的时空演化特征以及人群活动的变化规律,并从复杂网络的角度揭示了疫情分布的异质性,从疫情传播与人群活动之间的关系揭示了异质性的原因。研究发现：① 重庆市疫情在时间上,经历了以输入病例为主、输入和本地病例共存、以本地病例为主3个阶段,病例实时再生数（R_t）初期较高,随着防控措施的实施,逐步减小;空间上,病例分布呈现显著聚集性,病例高聚集区主要分布在以万州区为核心的渝东北地区和以主城区为核心的渝西南地区;② 疫情发生后,重庆市人群移动总量减少为疫情前的53.20%,减少主要集中在主城区以及其他各区县的中心城区,而郊区、农村的人群移动变化不大,甚至有所增加;③ 人群活动与病例发生之间存在不同程度的相关性,具体为：每日人群移动总量与病例实时再生数、一个平均潜伏期（7 d）后的每日新增病例数的相关系数为0.97、0.89,揭示了人群活动与病例增长的时间相关性;各街道（乡镇）人群移动总量与其累计确诊病例数、本地感染病例数之间的相关系数为0.40、0.35,揭示了人群活动与病例空间分布的相关性;病例高聚集区与人群移动网络社区对应,且与网络社区内人群活动较强的区域吻合,揭示了重庆市疫情传播的本地聚集特征。大数据与疫情信息的聚合分析证实,切断人群移动网络社区之间的连接,并遏制疫情高风险社区内部的传播是在城市内部疫情防控的有效措施。

COVID-19暴发以来,世界各国疫情呈现出不同的时序特点,研究不同国家疫情发展模式的特点,揭示其背后的主导因素,可为未来防控策略提供参考。为了揭示不同国家疫情时间序列之间的异同,本文提取了主要疫情国家每日新增病例时间序列的标准差、Hurst指数、治愈率、增长时长、平均增长率、防控效率进行谱系聚类,并从经济、医疗、人文冲突方面对聚类结果进行了成因分析。结果表明,全球疫情发展模式可分为3大类：C型、S型和I型。C型国家时间序列的特点是持续波动上涨,治愈率较低,原因是其人文冲突不利于疫情防控,经济医疗资源经过长时间大量消耗已趋于匮乏,建议在防控中加强宣传疏导,改变观念,统筹分配经济、医疗资源;S型国家时间序列的特点是快速上升后立即下降,并最终保持稳定趋势,总体治愈率较高,其原因是这类国家国内稳定,经济医疗水平较高,以及防控措施及时,建议加强国际合作和科学研究,并为可能到来的二次疫情做好准备;I型国家时间序列特点是缓慢上涨,整体发展趋势不稳定,治愈率较低,原因是其暴发比较晚,程度较小,大部分经济医疗水平以及人文冲突不利于疫情防控,建议汲取较好的防控经验,实施严格的隔离措施,尽量满足疫情期间物资需求,优化治疗方法。

突发性重大公共传染性疫情在地级城市层面政府严格防控时期的时空演变特征能够有效反应我国综合应急防控能力。基于中国2020年1月24日—3月5日312个城市的COVID-19累计确诊数、现有确诊数、治愈数等统计数据,采用ESDA、优化的热点分析、空间马尔科夫链、空间面板数据模型等方法分析了政府严控期COVID-19疫情在312个城市的时空变化特征。研究发现：① 全国COVID-19现存确诊数经历了“快速增长扩散、基本控制、逐渐下降、局部地区完全控制”的变化特征并在2月17日达到峰值,上升期的日均增长率为17.5%,下降期的日均下降率为5.1%,绝大部分城市的疫情变化特征与全国总体情况类似;② 春运期间的人口流动性高是导致疫情快速扩张的主要原因,武汉“封城”之前14 d的百度迁徙强度指数与部分城市的累计确诊数显著相关;③ 优化的热点分析方法识别出疫情热点的空间分布具有固定性且主要分布于以武汉为中心、半径约350 km范围内的36个城市,未识别出具有统计显著性的疫情冷点城市;④ 对各城市现有确诊人数的马尔科夫链转移概率矩阵分析结果显示,各种类型维持现状的概率大于0.85,向下转移的平均概率明显高于向上转移的概率,在不同空间滞后类型的影响下各类型转移概率发生明显变化;⑤ 空间面板数据模型估计结果显示312个城市的现存确诊数具有显著的空间和时间自相关性。本研究从地级市层面多角度分析了政府严控期间COVID-19疫情的时空变化特征,疫情防控重点在于降低其时空自相关效应,为我国当前及未来应对突发性重大公共传染性疫情提供决策参考。