过刊目录

  • 全选
    |
  • 方志祥, 裴韬, 尹凌
    2021, 23(2): 187-187.
    PDF全文 ( ) HTML ( )   可视化   收藏
  • 疫情研究综述
  • 疫情研究综述
    裴韬, 王席, 宋辞, 刘亚溪, 黄强, 舒华, 陈晓, 郭思慧, 周成虎
    PDF全文 ( ) HTML ( )   可视化   收藏

    COVID-19疫情是进入21世纪以来最为严重的全球公共卫生事件,并成为不同学科共同关注的热点。根据文献计量学分析结果,从疫情开始直至近期,关于COVID-19疫情的文章已经超过13 000篇,相关研究除从医学及生物学角度探讨病毒致病机理、特效药物和疫苗研制之外,更多的是探索疫情的非药物防控方法。本文针对后者,从传播关系识别、疫情时空模式分析、疫情预测模型、疫情传播模拟、疫情风险评估和疫情影响评价6个方面梳理近期研究进展。传播关系识别的研究主要包括:聚集性疫情和传播关系的识别,其中,个体轨迹大数据已成为此类研究的关键。针对疫情的时空模式分析发现,疫情分布具有显著的时空异质性,而时空传播则呈现出典型的网络特征。针对疫情的预测仍主要依赖于动力学模型,而从宏观到微观的预测模型,人群流动的影响不容忽视,并成为模型预测精度的关键要素之一。针对疫情的情景模拟主要侧重于通过模拟手段评估交通限制、社区防控和医疗资源调配等措施的效果。在非药物的干预中,交通阻断和社区防控措施被证明是目前最有效的手段;医疗资源的保障和优化调配则是防控的基础;而复工复产的情景模拟显示,在防控措施到位的情况下,复工进程必须有序有节。针对疫情风险评估的研究,目前主要关注生物因素、自然因素和社会因素。具体地,疫情感染风险与个体是否具有基础性疾病关系密切,而感染病毒后的死亡率存在性别差异;在自然因素中,如温度、降水、气候等会影响疫情的传播,但影响有限;而社会因素中,除了人群流动和人口密度的影响外,社会不公平性所导致的就医条件差异也会对感染率产生显著影响。针对疫情对未来的影响,本文主要关注公众心理、自然环境和经济发展3个方面,即疫情对公众心理和经济的影响主要以负面为主,而对自然环境的影响则起正向作用。通过对现有研究的系统梳理,可以看出,大数据尤其是个体轨迹和群体大数据在非药物干预的各个方面均发挥了重要的作用;重大疫情的防控已经不是单一学科和手段所能解决的问题,需要多学科的交叉以及不同领域人员的协作;疫情期间各种防控措施的效果、影响因素等均已被明确的揭示,但疫情的空间溯源、精准预测以及对未来的影响仍然是未解的难题。

  • 疫情研究综述
    应申, 窦小影, 徐雅洁, 苏俊如, 李霖
    PDF全文 ( ) HTML ( )   可视化   收藏

    新冠肺炎疫情期间,疫情数据成为民众关注的重点,涌现出了大量可视化图件,及时地向公众传达着疫情的数量信息和时空分布及变化,帮助大众快速了解疫情当前状况、推断发展趋势。本文从疫情数据可视化表达内容的维度出发,分析不同可视化的表达形式以及其对疫情数据的加工程度,结合示例把可视化分为“1阶”、“2阶”和“多阶”,并分析各自表达的数据类型、表达方式、设计特点和信息传递。同时,针对疫情可视化中的不足,探讨了数据统计中制图单元多级选择、数据分类中的极值处理问题,以及疫情可视化手段中不同颜色的内涵、质底法地图中区域面积和统计单元的影响、符号地图中符号压盖处理、热力图中比例尺的影响、统计图表和标注信息等在疫情可视化中的设计问题,指出疫情可视化设计中的视觉效果误用、设计过于复杂的误区,最后指出疫情信息可视化应具备讲故事的能力、问题针对性的特点,以图面简洁、高效信息传递为根本,为制图者合理设计图表和用户理性阅读疫情地图提供参考。

  • 疫情时空分析
  • 疫情时空分析
    刘亚溪, 宋辞, 刘起勇, 张知新, 王席, 马佳, 陈晓, 裴韬
    PDF全文 ( ) HTML ( )   可视化   收藏

    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(Rt)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。

  • 疫情时空分析
    谢聪慧, 吴世新, 张晨, 孙文涛, 何海芳, 裴韬, 罗格平
    PDF全文 ( ) HTML ( )   可视化   收藏

    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。

  • 疫情时空分析
    巫细波, 赖长强, 葛志专
    PDF全文 ( ) HTML ( )   可视化   收藏

    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。

  • 疫情建模与仿真
  • 疫情建模与仿真
    毕佳, 王贤敏, 胡跃译, 罗孟涵, 张俊华, 胡凤昌, 丁子洋
    PDF全文 ( ) HTML ( )   可视化   收藏

    突发公共卫生事件会严重影响社会公众生命健康,风险评估和预测可为突发公共卫生事件有效防控提供科学依据。本文提出了一种基于SEIR模型的突发公共卫生事件风险动态评估与预测方法,将突发公共卫生事件传播与人口、医疗、经济情况相结合,耦合危险性与脆弱性,建立合理的风险评估综合指标体系,利用熵值—层次分析组合模型实现突发公共卫生事件风险动态评估。此外,本文建立了传染病传播动力学修正SEIR模型,将传染病传播动力学模拟预测与风险评估相结合,实现突发公共卫生事件演变趋势的预测和风险的动态预测。2019年12月底的COVID-19疫情是一次传播速度快、感染范围广、防控难度大的重大突发公共卫生事件。本文以欧洲10国COVID-19疫情为例,开展风险评估与风险动态预测研究,依据欧洲10国自疫情开始至2020年4月16日的疫情数据,预测了2020年4月17日—2020年5月10日疫情演变的趋势,进而实现了10国的疫情风险动态预测。本文模型预测结果表明至2020年5月10日欧洲10国疫情形势仍然严峻,预测数据与真实数据的拟合优度R 2大于0.92,预测结果与疫情真实情况基本一致,在此情况下,复工复产对于疫情防控仍然是不利的。本文提出的基于SEIR模型的公共卫生事件风险动态评估与预测方法为疫情已然传播开的国家和地区提供了风险持续评估和预测的可能,为后期疫情防控决策提供了支持,同时也可用于今后新的疫情发生时期或其他突发性公共卫生事件下风险的应急评估和预测。

  • 疫情建模与仿真
    韦原原, 江南, 陈云海, 李响, 杨振凯
    PDF全文 ( ) HTML ( )   可视化   收藏

    新型冠状病毒肺炎(Coronavirus Disease 2019,COVID-19)在全球的传播仍在持续,根据COVID-19在国内早期的扩散特征,从地理学角度出发,构建了一种顾及时空对象空间相互作用机制的疫情风险评估模型,模型在参照时空对象空间相互作用迁移型传导模式的基础上,重点考虑了疫情传播的时空过程、并兼顾空间依赖及空间异质性因素,实现了疫情风险城际传播的关联性、动态性分析。在实证研究阶段,基于该模型对武汉及其主要影响城市在2020年1月上旬到4月上旬的疫情风险及动态演变进行了评估,通过与基于城市对象自身属性计算得到的实时疫情风险指数及其空间分布进行比较,验证了基于时空对象的空间相互作用模型在疫情风险评估方面的有效性。结果表明:① 模型能兼顾疫情传播的空间依赖及空间异质性特征,体现疫情风险的城际传播过程,为疫情传染风险评估及相关空间问题的研究提供了一种新的视角和方法;② 来自源对象的输入性疫情风险与对象间的空间相互作用强度存在显著正相关性,因此在疫情防控中要结合空间相互作用的主要影响因素进行综合决策。

  • 疫情建模与仿真
    方云皓, 顾康康
    PDF全文 ( ) HTML ( )   可视化   收藏

    新冠肺炎(COVID-19)在空间上具有一定的传播风险,对城市的安全健康构成了威胁,防止疫情传播成为紧迫的任务。在2020年1月1日至4月11日,COVID-19疫情经历了发生、迅速发展和趋于稳定的发展过程,利用初期的COVID-19数据进行宏观层面的疫情风险评估,为防疫控制措施提供一定的参考。因此本研究基于行政区划、定点医院、疫情小区以及道路交通等多元数据,在宏观层面提出并构建全国地理空间疫情风险性评估,对疫情风险分布探讨的同时进行评估效果验证,并根据构建指标揭示影响风险的因素及其机理,主要结论: ① 地理空间风险评估具有有效的可行性。② 地理空间疫情风险分布全局Moran's I指数为0.758,具有显著的空间集聚特征。同时,不同的省区市之间的局部LISA值呈现空间差异性,其中高—高聚类省区市占比全国25.81%,风险程度较高,主要分布在湖北、河南、湖南、江西、安徽、浙江、江苏、上海,低—低聚类省区市占比全国9.68%,风险程度较低,主要分布在青海、西藏、新疆。③ 地理空间疫情风险分布与地理区位、道路交通、医疗卫生、疫情现状指标均存在一定的相关性。根据统计学的Pearson相关性分析,其相关指标R 2存在差异,在数值上由高到低依次为疫情现状、地理区位、道路交通、医疗卫生,在属性上其相关因子存在正负2种效应,地理空间疫情风险与武汉市地理距离、定点医院密度以及居民-医院地理距离呈现显著的负相关,其R 2分别为0.813、0.545、0.436,与铁路网密度、公路网密度以及疫情小区密度呈现显著的正相关,其R 2分别为0.751、0.792、0.825。④ 地理空间疫情风险的构成因素错综复杂,其受到多种因子的共同作用,根据空间分层异质性分析,不同因子之间均存在交互作用,其中居民—医院地理距离与公路网密度、铁路网密度交互作用较强,q值分别为0.9842、0.9837。本研究在宏观层面为城市管理中重大疫情的空间资源分配以及区域空间的联防联控策略提供了相应的依据。

  • 疫情建模与仿真
    曹中浩, 张健钦, 杨木, 贾礼朋, 邓少存
    PDF全文 ( ) HTML ( )   可视化   收藏

    2019年12月湖北省武汉市出现了新型冠状病毒肺炎疫情。新型冠状病毒传播力强,导致全国甚至全世界范围都出现新型冠状病毒疫情。为了刻画新型冠状病毒在城市内部的传播方式,本文基于个体在城市中的行为和社会关系,融合了复杂网络理论和GIS技术构建了新型冠状病毒智能体仿真模型。该模型以广州市为研究对象,通过马尔科夫链蒙特卡洛方法拟合参数,实现了对广州市疫情的准确回顾。结果表明,模型精度良好,其中MAPE为0.17。智能体模型具有良好的适用性。因此可以模拟境外输入病例对城市疫情发展的影响。智能体模型标记了个体的时空位置和社会关系,因此本文还提出一种通过智能体模型进行流行病学调查的方式,该方式相较于传统流行病调查更加便捷,效率更高。然后根据模拟分析结果,为城市防控疫情提供有价值的决策信息。最后建议市民,如果城市再次暴发疫情,不必恐慌,疫情会在14~20 d被控制,但是要提高自我防护意识,做好自我保护。

  • 疫情建模与仿真
    王晓凡, 方志祥, 仲浩宇, 邹欣妍
    PDF全文 ( ) HTML ( )   可视化   收藏

    呼吸道传染疾病在人群间的传播,容易引发大规模的公共卫生事件。在疫情防控期间,通过限制购药周期可以有效控制和降低因购药聚集而产生的感染风险。本文聚焦传染病疫情防控中封闭与复工初期慢性病患者的购药需求,针对到店购药场景,提出一个慢性病患者购药周期的优化方法。首先,依据武汉市疫情防控期间“不得跨区购药”的原则,通过复杂网络模型,构建药店与小区之间可能的服务关系;然后基于共享单车订单数据提取购药人流量随距离的衰减规律,在此基础上建立小区购药人流在为其提供服务的各药店间的分配机制,进而确定药店侧的顾客到达速率,实现小区和药店的空间分布特征与排队论模型的耦合;接着采用离散事件仿真方法对不同购药周期下的系统状态进行仿真;最后基于仿真结果,以最大程度地兼顾患者的购药需求和药店的使用率为优化目标,通过二分法查找购药周期的最优解。实验以武汉市中心城区为例,首先通过条件概率估算各类慢性病患者的数量,再通过上述方法求解得到最优购药周期为28 d。该周期下,患者的人均等待时长为8.55 min,接近最佳的排队容忍时长,绝大多数的购药需求能够被满足,且药店资源能够得到充分利用(达到繁忙状态的药店比例达到87%以上),药店的日均备货量不超过100(瓶或盒),处于药店备货能力范围之内。本文的方法和结论,可用于指导慢性病患者的购药决策及药店的慢性病备药。

  • 疫情舆情动态分析
  • 疫情舆情动态分析
    杜毅贤, 徐家鹏, 钟琳颖, 侯盈旭, 沈婕
    PDF全文 ( ) HTML ( )   可视化   收藏

    2020年初,新型冠状病毒肺炎(COVID-19)疫情席卷全国,疫情发展变化引发了社会各界的广泛关注。社交媒体平台作为网络舆情的重要载体,如何从中全面、准确挖掘分析网络舆情特征是疫情防控过程中的重要问题。本研究首先从舆情本体与客体时空关联的角度构建了疫情期间网络舆情多维分析模型,获取了2020年1月17日—3月17日多个媒体平台中新冠肺炎疫情相关的网络舆情数据;其次以疫情蔓延的视角,运用比较研究法、Spearman相关系数等方法探索了武汉市、湖北省及全国尺度下的网络舆情态势时空演变及语义特征;最后使用HowNet情感词典和情感词汇本体进行了舆情情感分析,并使用可交互信息图表对其进行可视化。结果表明:① 武汉市、湖北省、全国尺度下的每日舆情数据数量与每日新增病例数之间存在正相关关系;② 舆情数据数量的空间分布与疫情分布存在正相关关系,舆情数据数量多的地区多为疫情较为严重的地区; ③ 研究时段内不同媒体平台的舆情中立情感最多,新闻平台与论坛、微信、微博相比,整体情绪更为正面;④ 在疫情发展的不同阶段,微博热搜数据情感特征有较大差异,总体上呈现正面情绪多于负面。研究表明,基于本文提出的多维分析模型可以直观展现疫情期间多尺度下的舆情态势、舆情焦点和情绪变化,从而为政府及相关部门有效引导与控制网络舆情提供理论基础支撑和参考借鉴。

  • 疫情舆情动态分析
    韩珂珂, 邢子瑶, 刘哲, 刘峻明, 张晓东
    PDF全文 ( ) HTML ( )   可视化   收藏

    2019年12月以来,新冠肺炎疫情迅速席卷全球,截至北京时间2020年5月10日16时40分,全球累计确诊病例4 115 662例,已成为全球聚焦的主要话题。微博等社交媒体平台成为此次疫情相关信息传播的重要渠道和公众情绪的有效传感器之一。对微博信息进行深入挖掘分析不但能研判舆情特点,更有助于政府对公众的情绪进行针对性疏导,合理管控舆情。因此,本文采集了2020年1月18日到2020年1月28日期间关于新冠肺炎的33万余条新浪微博数据,基于Louvain和Kmeans的空间聚类、改进的BTM主题词提取等算法,将用户关注热点信息和情感特征作为地域标签,构建了反映情感特征、地域关联与热点关注在内的舆情评价方法,实现了基于位置的信息融合,能够分析不同区域的舆情特点与关注主题差异。研究表明:基于BERT词向量的BTM主题词提取方法可以有效弥补传统主题词提取的计算量大、数据冗余等缺点,在热点挖掘时具有更强的表达能力;不同区域关注热点具有一定的差异性,结合省级、市级及基于Louvain-Kmeans的空间聚类的多尺度舆情分析方法,可以全方位展现不同区域舆情特点。本文提出的舆情分析方法可以有效反映不同区域的舆情特征,为重大公共卫生事件的舆情分析提供参考。

  • 疫情舆情动态分析
    张琛, 马祥元, 周扬, 郭仁忠
    PDF全文 ( ) HTML ( )   可视化   收藏

    新冠肺炎疫情作为国际性突发公共卫生事件引发了社会媒体的高度关注。微博评论内容是用户对疫情中介性事件的认知、态度、倾向和行为的汇集,为基于用户情感分析的舆情演化研究提供了高现势性和高时序性的文本语料。本文以2020年1月23日至4月8日期间“人民日报”每日疫情通报的微博评论为信息基底,首先使用中文自然语言处理工具SnowNLP对语料进行情感倾向性抽取,完成正负向的情感分类,然后基于Single-Pass聚类算法实现文本语料的聚类分析,探索疫情热点话题,最后利用Louvain社团发现算法实现舆情被关注度的信息挖掘。① 时间维度上,每日情感趋势表明用户经历了焦虑害怕(1月24日—2月18日)、平稳自信(2月19日—3月15日)和紧张担忧(3月16日—4月8日)的情感更迭阶段;② 空间维度上,用户参与数量、所在地情绪状态和评论地情绪投射等关联分析显示不同行政区的疫情关注度和情感状态存在明显差异,疫情越严重地区的微博用户,其参与度越高且情绪状态与投射值越低。该研究通过引入自然语言处理技术和社团网络算法,构建出一种面向社交媒体评论文本数据的舆情分析方法框架,为重大公共事件的舆情研究提供了理论支持和创新思路。

  • 疫情舆情动态分析
    薛浩男, 张雪英, 吴明光, 曹天阳
    PDF全文 ( ) HTML ( )   可视化   收藏

    在新冠疫情的冲击下,国际关系错综复杂、瞬息万变,不稳定性不确定性剧增。全面及时地分析“全球-中国”国际关系变化特征,对于中国的外交发展规划具有重要的参考价值。复杂的国际关系可以分解为一系列事件单元,新闻数据中蕴含了时间、地点、人物、事物等关键信息,是构建事件的最直接、最全面的信息来源。本文以GDELT(Global Database of Events, Language, and Tone)新闻事件数据库为数据源,基于“全球-中国”的视角,利用2020年1—5月全球疫情相关新闻数据,研究新冠疫情事件背景下的国际关系的变化。本文首先以事件数量、事件强度值和事件被提及数作为关键变量,提出了国际关系的分类表达和计算模型,解决了国际关系表达模糊和难以计算的问题。然后从时空可视化角度展示疫情下国际关系的变化特征,并结合疫情期间的国际重要事件,进一步分析引起国际关系变化的原因。研究表明,采用本文方法能精确掌握新冠疫情下“全球—中国”国际关系的发展程度,发现“全球-中国”国际关系的变化规律和变化原因,具有重要的应用价值。本文的研究可以为大数据时代的国际关系研究提供一个新的视角,同时也为新闻数据的分析提供参考。

  • 学苑动态
  • 学苑动态
    《地球信息科学学报》编辑部
    2021, 23(2): 364-364.
    PDF全文 ( )   可视化   收藏