仝 鑫 王潤正 王靖亞

一、引言

2019年底爆發(fā)的新型冠狀病毒肺炎傳播迅猛，短短幾個月時間，病毒造成國內(nèi)8 萬余人確診、4千余名患者死亡，該病毒已被世界衛(wèi)生組織定為“國際關(guān)注的突發(fā)公共衛(wèi)生事件”。疫情防控最有效的措施是“隔離”，之前國內(nèi)疫情防控主要采取對確診病例和疑似病例進行全方位軌跡追蹤，尋找出所有可能的感染人群，采取強制性隔離措施，對于健康人群也以小區(qū)或村鎮(zhèn)為單位，進行以隔離為目的的嚴格有效的管控。在黨中央的正確領(lǐng)導(dǎo)和全國人民的通力配合下，國內(nèi)疫情得到有效控制。但疫情防控遠遠沒有結(jié)束，隨著海外疫情迅速擴散蔓延，以及國內(nèi)各地復(fù)工返學，省市之間和國家間人員流動增強，病毒防控也從防內(nèi)部傳播轉(zhuǎn)向防外部輸入。

習近平總書記強調(diào)，“要鼓勵運用大數(shù)據(jù)、人工智能、云計算等數(shù)字技術(shù)，在疫情監(jiān)測分析、病毒溯源、防控救治、資源調(diào)配等方面更好發(fā)揮支撐作用?！雹僭趪鴥?nèi)，大數(shù)據(jù)、人工智能、無人機等新技術(shù)百花齊放，健康二維碼、人工智能診斷系統(tǒng)被廣泛應(yīng)用于病毒防控過程中。但大部分業(yè)務(wù)系統(tǒng)均由各地區(qū)、單位自行建設(shè)，僅江蘇一省就存在著“蘇城碼”“彭城碼”祥泰碼”等十余種健康碼①習近平：《完善重大疫情防控體制機制 健全國家公共衛(wèi)生應(yīng)急管理體系》，《中國紀檢監(jiān)察》2020年第4 期。少年的旅行：《散裝江蘇：“十三路太保”，健康碼一市一碼，彼此還不相通》，https://baijiahao.baidu.com/s?id= 1661696498075164737.，這些小系統(tǒng)在疫情防控前期發(fā)揮了非常重要的作用。但是，疫情防控說到底是對人的管控。后疫情時期人員大量流動，也要求流動人員的健康信息隨著人員的流動而流動，即健康信息需要在各地的健康系統(tǒng)中進行無縫傳遞，之前的信息分散、數(shù)據(jù)標準不統(tǒng)一，導(dǎo)致信息難以有機融合，缺乏聯(lián)動和共享的現(xiàn)象必須有效解決。

疫情防控是一個全國一盤棋的整體性和系統(tǒng)性工程，借助于信息技術(shù)和智慧城市流動人口管控理念，探索后疫情時期疫情的合成化、智能化長效防控機制具有非常重要的實踐價值。巫細波等闡述了智慧城市與物聯(lián)網(wǎng)等智能技術(shù)融合的發(fā)展模型，提出了依托“應(yīng)用層、網(wǎng)絡(luò)層、感知層”的信息采集和傳輸三級結(jié)構(gòu)。②巫細波、楊再高：《智慧城市理念與未來城市發(fā)展》，《城市發(fā)展研究》2010年第11 期。臧根林等為人工智能算法模型在智慧城市應(yīng)用中落地提供新方案，為智能分析和態(tài)勢感知提供了算法基礎(chǔ)，豐富了智慧城市結(jié)構(gòu)。③臧根林、王亞強、吳慶蓉、占春麗、王立巖：《一種智慧城市知識圖譜模型與本體構(gòu)建方法研究》，《大數(shù)據(jù)》2020年第2 期。光夏磊等提出情報主導(dǎo)的智慧城市安全管理模型體系，討論了如何依托智慧城市系統(tǒng)實現(xiàn)安全情報搜集的可行路徑。④光夏磊、王秉、吳超、胡丹：《情報主導(dǎo)的智慧城市安全管理模型與體系研究》，《情報雜志》2020年第2 期?；谥腔鄢鞘泻痛髷?shù)據(jù)的勢態(tài)感知系統(tǒng)也已落地應(yīng)用⑤《構(gòu)建城市級的超強感知脈絡(luò)——評測以薩全息態(tài)勢感知體系》，《中國公共安全》2019年第11 期。，成為城市安全響應(yīng)和運營管理的新趨勢。

二、“CTAR”一體化疫情防控模型

本文依托智慧城市系統(tǒng)與人工智能、大數(shù)據(jù)、5G 和物聯(lián)網(wǎng)技術(shù)相融合，參考疫情期間國內(nèi)各地區(qū)采取的智能防疫手段，提出智能信息采集（Collection）、疫情追蹤（Trace）、疫情風險態(tài)勢感知（Awareness）和決策響應(yīng)（Response）為一體的“CTAR”疫情防控模型，助力后疫情期防控工作，推動返學復(fù)工工作的開展。

智能信息采集：是整個“CTAR”模型的首節(jié)點，負責疫情相關(guān)數(shù)據(jù)的采集工作，提供多種信息搜集途徑，對關(guān)鍵的疫情信息如體溫、運動軌跡、場所出入情況和出入境口岸人流等進行收集、統(tǒng)計等處理，最終匯總和歸檔，為后續(xù)節(jié)點提供數(shù)據(jù)支持。同時，對于檢測到的病例或疑似病例，智能信息采集節(jié)點也可直接將信息提供至決策響應(yīng)節(jié)點實現(xiàn)實時反饋。

疫情追蹤：疫情追蹤節(jié)點接收信息采集節(jié)點的數(shù)據(jù)，并通過碰撞對比、關(guān)聯(lián)挖掘等算法，對疫情傳播情況進行追蹤和溯源，及時發(fā)現(xiàn)風險人員，并上報決策響應(yīng)節(jié)點進行處理應(yīng)對。

風險態(tài)勢感知：態(tài)勢感知節(jié)點以信息采集和疫情追蹤節(jié)點的收集數(shù)據(jù)和生成數(shù)據(jù)為基礎(chǔ)，從宏觀角度出發(fā)，綜合考慮多種要素，依托深度學習和知識圖譜等人工智能算法實現(xiàn)分析和利用大數(shù)據(jù)，達到動態(tài)感知威脅和分析研判的目的，最終通過趨勢預(yù)測來支撐防疫決策。

決策響應(yīng)：該節(jié)點根據(jù)信息采集、疫情追蹤和態(tài)勢感知節(jié)點傳遞的信息作出反應(yīng)，如根據(jù)下達指令針對特點目標進行深度采集信息，對密切接觸者的軌跡進行跟蹤和刻畫。并根據(jù)態(tài)勢感知節(jié)點提供的分析建議，進一步研究與業(yè)務(wù)進行聯(lián)動的機制，實現(xiàn)后疫情時期防控的業(yè)務(wù)閉環(huán)。

三、基于“CTAR”的后疫情期精準防控體系

（一）總體架構(gòu)

CTAR 模型的元素以自頂向下的方法緊密融合于智慧城市系統(tǒng)，如圖1 所示。

圖1 基于“CTAR”模型的智慧城市分層體系結(jié)構(gòu)

物聯(lián)網(wǎng)設(shè)備、5G 技術(shù)和移動互聯(lián)網(wǎng)的普及使得動態(tài)化、實時化的疫情信息搜集工作成為可能；依托人臉識別、基站定位等技術(shù)可為精準定位和人員排查提供支持，從而應(yīng)用于疫情傳播和溯源分析；海量、動態(tài)、多樣和高價值的疫情數(shù)據(jù)搭配人工智能和云計算等數(shù)據(jù)分析手段，為刻畫、預(yù)測和干預(yù)疫情傳播提供了響應(yīng)和決策支持。實現(xiàn)了智能信息采集節(jié)點、疫情追蹤節(jié)點、風險態(tài)勢感知節(jié)點和決策響應(yīng)節(jié)點的有機結(jié)合和落地應(yīng)用。

（二）感知層

感知層是智慧城市系統(tǒng)的感受器官，也是“CATR”疫情信息搜集環(huán)節(jié)中最主要的渠道。通過感知層的物聯(lián)網(wǎng)設(shè)備可實時、持續(xù)地采集多類型的疫情信息，具體包括：一是體溫數(shù)據(jù)信息。5G+熱成像人體測溫系統(tǒng)①黃曉敏、許輝堅：《5G 熱成像人體測溫系統(tǒng) 護航南寧地鐵乘客安全》，http://www.txxxb.com/yc/yc/2020/0224/ 236511.shtml.以非接觸的方式對人體表面溫度進行檢測、回傳，可精確定位體溫異常個體，并及時發(fā)出預(yù)警。為進一步滿足動態(tài)測溫需求，具備主巡邏、身份篩查、宣講指揮等功能的5G 測溫巡邏機器人②鄭夢雨、李恒毅：《5G 測溫巡邏機器人助力防疫》，https://baijiahao.baidu.com/s?id=1658422735158174243.已成功在全國多個城市落地助力抗疫和復(fù)工，實現(xiàn)了常態(tài)化巡邏部署。這些技術(shù)都可廣泛應(yīng)用于機場、車站等重點場所，及時發(fā)現(xiàn)入境及流動疑似病例，釋放人力、替代警力，增強疫情防控效率。二是出行軌跡信息。對于市內(nèi)短途公共出行系統(tǒng)，實名乘車二維碼③李濤：《青州推行“實名乘車碼”服務(wù)小小二維碼筑起新冠肺炎疫情防線》，https://wxn.qq.com/cmsid/20200 302A091WP00.提供了車輛與人員身份綁定的機制，即司機每次發(fā)車前須掃描獲取發(fā)車許可，乘客乘車時也需微信掃碼登記，使得二維碼管理后臺第一時間收到乘客的個人信息、聯(lián)絡(luò)方式以及歸屬地，為刻畫高危人員軌跡、比對同乘信息提供數(shù)據(jù)基礎(chǔ)。長途及國際出行系統(tǒng)是防控疫情壓力最大的主戰(zhàn)場，肩負著內(nèi)防擴散、外防輸出的嚴峻任務(wù)。12306、飛豬、攜程等出行數(shù)據(jù)庫為確診及疑似旅客的信息搜集和動態(tài)跟蹤提供了大數(shù)據(jù)基礎(chǔ)，使得排查隱性傳染源不再是大海撈針，有效彌補了車站、機場及出入境口岸檢疫排查存在的不足。此外，5G 與基站定位相結(jié)合、城市交通電子卡口和社交GPS 定位也提供了更加準確的人員活動范圍圈定手段。三是場所出入信息?？谡秩四樧R別技術(shù)④⑤陳燦林：《面向部分遮擋人臉識別的研究與實現(xiàn)》，《電子科技大學2019年碩士論文》。為人員“是否戴口罩”“戴口罩的人是誰”提供了解決方案，并為社區(qū)進出管理和人戶信息核實、人房信息綁定提供了基礎(chǔ)支持。ETC 通行記錄等地區(qū)邊界檢查點提供了各地區(qū)人員、車輛出入信息的收集、審核。

（三）數(shù)據(jù)層

數(shù)據(jù)層是智慧城市系統(tǒng)的記憶和神經(jīng)系統(tǒng)，負責對來自感知層和應(yīng)用層的數(shù)據(jù)進行清洗、分類和歸檔存儲，同時依托光纖等傳輸媒介將數(shù)據(jù)傳遞至控制層進行處理，提供信息檢索服務(wù)，是風險態(tài)勢感知和決策響應(yīng)環(huán)節(jié)的數(shù)據(jù)基礎(chǔ)。目前盡管多款人工智能抗疫平臺已經(jīng)在全國落地，但仍存在著“數(shù)據(jù)孤島”問題，為數(shù)據(jù)匯聚和歸檔工作帶來了很大的困難，使得后續(xù)的態(tài)勢感知和風險分析等工作的開展變得困難重重。數(shù)據(jù)層通過提供多源異構(gòu)數(shù)據(jù)處理和制定數(shù)據(jù)標準等機制探索解決方案。來源于衛(wèi)健委、民航、鐵路、民政、人社及企業(yè)等與疫情相關(guān)的各單位海量數(shù)據(jù)的結(jié)構(gòu)、格式等各不相同，數(shù)據(jù)層提供多源異構(gòu)數(shù)據(jù)的匯聚處理機制，使得異構(gòu)數(shù)據(jù)經(jīng)過在線處理轉(zhuǎn)換為統(tǒng)一格式、編碼的數(shù)據(jù)以便于處理，并流向控制層或應(yīng)用層。構(gòu)建數(shù)據(jù)標準是解決“數(shù)據(jù)孤島”問題的另一可行方案。以居民健康信息數(shù)據(jù)庫為例，“釘釘”、健康寶等線上填報系統(tǒng)的內(nèi)容差異較大，通過設(shè)定機構(gòu)收集數(shù)據(jù)的格式、編碼、內(nèi)容以及必填項等標準，使得數(shù)據(jù)在入庫前形成統(tǒng)一的結(jié)構(gòu)，能有效緩解數(shù)據(jù)層多源異構(gòu)數(shù)據(jù)處理的壓力，進一步助力構(gòu)建聯(lián)動的大數(shù)據(jù)存儲、管理、共享和應(yīng)用平臺。此外，數(shù)據(jù)層為多源數(shù)據(jù)提供專用的數(shù)據(jù)流轉(zhuǎn)通道，可為不同部門、應(yīng)用系統(tǒng)和數(shù)據(jù)庫之間提供端到端的、高速實時的數(shù)據(jù)交互服務(wù)，使得出入境口岸、社區(qū)及其他不同地區(qū)之間可以實現(xiàn)數(shù)據(jù)無縫銜接，提升防疫效率。

（四）控制層

控制層是整個智慧城市的大腦，通過人工智能算法學習、分析和仿真以輔助態(tài)勢進行感知和風險分析。深度學習、知識圖譜的出現(xiàn)為應(yīng)用大數(shù)據(jù)提供了算法基礎(chǔ)。基于BERT①Devlin J,Chang M W,Lee K,et al.BERT:Pre-training of Deep Bidirectional Transformers for Language Understanding.2018.的自然語言處理模型在評估患者病例、分析社交媒體和健康衛(wèi)生數(shù)據(jù)，以及利用新聞報道、公共健康數(shù)據(jù)等資源監(jiān)測病毒發(fā)展趨勢方面大顯身手。ResNet②He K,Zhang X,Ren S,et al.Deep residual learning for image recognition//Proceedings of the IEEE conference on computer vision and pattern recognition.2016:770-778.、Xception③CHOLLET F.Xception:Deep learning with depthwise separable convolutions//2017 IEEE Conference on Computer Vision and Pattern Recognition(CVPR),July 21-26,2017.Honolulu,HI.New York,USA:IEEE,2017.等深層卷積網(wǎng)絡(luò)已被證明在圖像識別方面具備超過人類表現(xiàn)的能力，被廣泛應(yīng)用于CT 圖像快速識別等智慧醫(yī)療輔助手段。依托FasterR-CNN④Shaoqing Ren, Kaiming He, Ross Girshick and Jian S-un.2016.Faster R-CNN: Towards Real-Time Object D-etection with Region Proposal Networks.2016.IEEETransactions on Pattern Analysis and Machine Intelligen-ce,39(6):1137-1149[DOI:10.1109/TPAMI.2016.2577031].、YOLOv3⑤Redmon J, Farhadi A.YOLOv3: An Incremental Improvement.2018.arXiv:1804.02767.等目標檢測算法與圖像傳感器結(jié)合，可輕松實現(xiàn)自動化流動人員和車輛搜索跟蹤。云計算和GPU 并行加速的誕生為運算大數(shù)據(jù)提供了算力基礎(chǔ)。cuda 和opencl 等運算平臺使得訓(xùn)練深層神經(jīng)網(wǎng)絡(luò)的速度提高百倍甚至千倍，使得原本幾十天才能完成的模型訓(xùn)練和數(shù)據(jù)分析任務(wù)被縮短到數(shù)小時完成，實現(xiàn)了疫情趨勢的實時化態(tài)勢感知和分析。

（五）應(yīng)用層

應(yīng)用層是整個智慧城市疫情防控系統(tǒng)中最復(fù)雜的一層，落地各部門行業(yè)并負責為政府部門、居民提供豐富的功能服務(wù)，主要涵蓋了幾個方面的內(nèi)容。一是線上信息搜集和管控。提供線上的居民健康報表、社區(qū)居住信息登記等平臺，進一步豐富信息搜集工作；并面向政府部門提供智能輿情監(jiān)控等管控服務(wù)，實時跟蹤并評估網(wǎng)絡(luò)輿情狀態(tài)、精確打擊網(wǎng)絡(luò)謠言和網(wǎng)絡(luò)詐騙。二是疫情數(shù)據(jù)真實性驗證。政府、醫(yī)院、公安、社區(qū)等多部門聯(lián)動，與機場口岸等入境場所形成快速的數(shù)據(jù)真實性驗證機制，保證真實數(shù)據(jù)的快速流轉(zhuǎn)。進出社區(qū)的人員身份可通過與其他部門進行交互，完成有效性和真實性檢驗。三是疫情管控范圍精準圈定?；趹艏娜丝诠芾黼y以應(yīng)對目前人戶分離、一人多地址、人員頻繁遷移等現(xiàn)象，導(dǎo)致疫情管控范圍圈定不夠精準，存在管控對象活動范圍遺漏或者圈定范圍過大的現(xiàn)象。依托智慧社區(qū)管控模型⑥王斌君、張培林：《社區(qū)智慧警務(wù)體系研究》，《警察技術(shù)》,2019年第6 期。、三維GIS⑦赫永恒、朱國慶、張國維：《三維GIS 智慧消防可視化平臺設(shè)計與實現(xiàn)》，《消防科學與技術(shù)》2018年第10 期。等信息化手段，可實現(xiàn)對動態(tài)流動人口的精準認證和有效管理，對疫情重點人員精確定位，避免相關(guān)部門重復(fù)采集，并且可以精準到戶地圈定需要重點防護的人群，實現(xiàn)以房管人、以人查房、目標追蹤等。借助智慧社區(qū)大數(shù)據(jù)，可以對社區(qū)疫情進行可視化展示、區(qū)域疫情信息預(yù)測、疫情狀況評估等，全面提升抗疫工作效率。四是疫情分析和決策響應(yīng)。應(yīng)用層利用疫情傳播地圖、疫情統(tǒng)計圖表、疫情發(fā)展趨勢圖等可視化手段為用戶直觀地展示疫情現(xiàn)狀和來自控制層智能算法所預(yù)測分析的結(jié)果，輔助深入分析疫情和加速決策。同時提供疫情報警、疫情信息推送等通報響應(yīng)服務(wù)，實現(xiàn)“早發(fā)現(xiàn)、早預(yù)警、早控制”。

四、總結(jié)和展望

后疫情時期，基于智慧城市、大數(shù)據(jù)等技術(shù)的疫情防控機制受到廣泛關(guān)注?；凇癈TAR”的后疫情期智慧城市防控系統(tǒng)全方位多角度地提升了新冠肺炎的疫情信息搜集能力、疫情目標發(fā)現(xiàn)力和跟蹤能力，可以實現(xiàn)對疫情管控范圍的精準圈定。同時，依托大數(shù)據(jù)和智能化算法，可以對疫情信息和趨勢做到全面感知及實時預(yù)警，實現(xiàn)后疫情時期防控的業(yè)務(wù)閉環(huán)，從而為復(fù)工返學保駕護航。然而，其在安全性、隱私保護以及易用性等方面仍然面臨著許多挑戰(zhàn)。疫情期間公民隱私泄露①閆立、吳何：《重大疫情治理中人工智能的價值屬性與隱私風險——兼談隱私保護的刑法路徑》，《南京師范大學學報》（社會科學版）2020年第2 期。、偽健康二維碼欺騙②八百理：《“一碼通”竟有假的！西安已關(guān)掉16 個仿冒微信公號》，https://baijiahao.baidu.com/s?id=1662177991665549234.等負面新聞層出不窮，過度依賴智能設(shè)備導(dǎo)致老年人及兒童出行不便，也給地區(qū)政府帶來沉重的財政壓力。如何建立安全可靠的隱私保護機制、探索更加方便易用的防控手段，以及如何在保證疫情管控效果的前提下，有效節(jié)約成本、降低防控代價，將會是基于“CTAR”后疫情時期精準防控機制下一步可著重進行研究和探索的方向。