鄧少存， 張健欽， 張學(xué)東， 賈禮朋， 李卓航

(北京建筑大學(xué) 測(cè)繪與城市信息空間學(xué)院， 北京 100044)

新冠肺炎疫情的爆發(fā)對(duì)世界各國(guó)人民的生命健康與社會(huì)經(jīng)濟(jì)都造成了極大的威脅，為了防止疫情的惡性傳播，全國(guó)各界人士都投入到對(duì)抗疫情的戰(zhàn)役中，目前我國(guó)取得了階段性勝利，基本控制住了疫情的蔓延[1]。與此同時(shí)，國(guó)家衛(wèi)生健康委員會(huì)在 2 月 4 日發(fā)布的《國(guó)家衛(wèi)生健康委辦公廳關(guān)于加強(qiáng)信息化支撐新型冠狀病毒感染的肺炎疫情防控工作的通知》中明確指出：“強(qiáng)化與工信、公安、交通運(yùn)輸?shù)炔块T(mén)的信息聯(lián)動(dòng)，形成公路、鐵路、民航、通訊、醫(yī)療等疫情相關(guān)方多源數(shù)據(jù)監(jiān)測(cè)、交換、匯聚、反饋機(jī)制，利用大數(shù)據(jù)技術(shù)對(duì)疫情發(fā)展進(jìn)行實(shí)時(shí)跟蹤、重點(diǎn)篩查、有效預(yù)測(cè)，為科學(xué)防治、精準(zhǔn)施策提供數(shù)據(jù)支撐?！倍@些大量的數(shù)據(jù)只有通過(guò)可視化方式才能使公眾更加直觀地掌握疫情的動(dòng)態(tài)。具體方式包括：App客戶端的疫情資訊專欄(如騰訊新聞客戶端、今日頭條客戶端、騰訊健康小程序和阿里健康小程序等)，丁香園、百度、知乎等平臺(tái)發(fā)布的具有疫情地圖的疫情信息，疫情的實(shí)時(shí)數(shù)據(jù)，與疫情相關(guān)的權(quán)威性新聞以及疫情知識(shí)和相關(guān)辟謠等，這些信息既方便公眾了解疫情動(dòng)態(tài)，又為政府相關(guān)部門(mén)的各項(xiàng)防疫措施提供了科學(xué)參考[2]。

為了更好地了解疫情發(fā)展的全球態(tài)勢(shì)，有效指導(dǎo)我國(guó)境外輸入病例的防控工作，本文基于WebGIS技術(shù)，充分利用疫情大數(shù)據(jù)信息，結(jié)合Echarts圖表庫(kù)等空間可視化工具、開(kāi)源地圖框架，以及仿真模擬技術(shù)，設(shè)計(jì)新冠肺炎疫情可視化系統(tǒng)，該系統(tǒng)實(shí)現(xiàn)了疫情數(shù)據(jù)的可視化展示與分析，有助于政府相關(guān)部門(mén)對(duì)于疫情的了解及采取相應(yīng)的防控措施。

1 關(guān)鍵技術(shù)

1.1 系統(tǒng)開(kāi)發(fā)技術(shù)

1.1.1 WebGIS技術(shù)

WebGIS是指通過(guò)Internet平臺(tái)創(chuàng)建，采用網(wǎng)絡(luò)協(xié)議實(shí)現(xiàn)地理信息采集和空間平臺(tái)信息共享的大型綜合化地理信息系統(tǒng)。WebGIS是傳統(tǒng)的地理信息系統(tǒng)(GIS)在網(wǎng)絡(luò)上的延伸和發(fā)展，利用互聯(lián)網(wǎng)對(duì)地理空間數(shù)據(jù)進(jìn)行發(fā)布和應(yīng)用，以實(shí)現(xiàn)空間數(shù)據(jù)的共享和互操作[3-4]。

1.1.2 B/S架構(gòu)技術(shù)

B/S架構(gòu)是指瀏覽器和服務(wù)器的架構(gòu)模式，是在Web興起后的一種網(wǎng)絡(luò)架構(gòu)模式。這種模式統(tǒng)一了客戶端，將系統(tǒng)功能實(shí)現(xiàn)的核心部分集中到服務(wù)器上，簡(jiǎn)化了系統(tǒng)的開(kāi)發(fā)、維護(hù)和使用[5]。

1.1.3 Cesium二、三維開(kāi)源地圖框架

Cesium是一款面向三維地球和地圖的世界級(jí)JavaScript開(kāi)源產(chǎn)品，它提供了基于JavaScript語(yǔ)言的開(kāi)發(fā)包，方便用戶快速搭建一款零插件的虛擬地球Web應(yīng)用，并在性能、精度、渲染質(zhì)量以及多平臺(tái)、易用性等方面都有高質(zhì)量的保證[6-8]。

1.2 Python網(wǎng)絡(luò)爬蟲(chóng)及數(shù)據(jù)處理技術(shù)

Python是一種面向?qū)ο蟆⒔忉屝?、可移植的交互式編程語(yǔ)言，其語(yǔ)法簡(jiǎn)單清晰，容易理解。Python語(yǔ)言的標(biāo)準(zhǔn)庫(kù)和第三方庫(kù)龐大豐富，使其功能非常強(qiáng)大，能夠完成數(shù)據(jù)采集、數(shù)據(jù)分析等。

網(wǎng)絡(luò)爬蟲(chóng)是一種按照一定的搜索規(guī)則，自動(dòng)爬取Web網(wǎng)頁(yè)的應(yīng)用程序。該技術(shù)從一個(gè)初始頁(yè)面的URL開(kāi)始，通過(guò)分析頁(yè)面中的其他相關(guān)URL，抓取新的網(wǎng)頁(yè)鏈接，然后在這些網(wǎng)頁(yè)鏈接下，再繼續(xù)尋找新的網(wǎng)頁(yè)鏈接URL，反復(fù)循環(huán)，直到爬取和分析完所有頁(yè)面內(nèi)容。

1.3 多智能體建模技術(shù)

多智能體仿真技術(shù)能將人類抽象成智能體，智能體的定義包括健康者、潛伏者、輕癥患者、重癥患者等角色屬性，也包括行為屬性、行為規(guī)則、狀態(tài)轉(zhuǎn)換規(guī)則、接觸傳播規(guī)則、環(huán)境屬性等。借助SEIR動(dòng)力學(xué)傳播模型中的健康狀態(tài)轉(zhuǎn)換規(guī)則，采用合適的參數(shù)，通過(guò)每個(gè)智能體的行為轉(zhuǎn)變及狀態(tài)轉(zhuǎn)變，模擬智能體之間的傳播情況，模擬的結(jié)果可用來(lái)預(yù)測(cè)疫情的發(fā)展趨勢(shì)。

1.4 均勻采樣算法

在構(gòu)建人口初始化分布界面時(shí)，需要各時(shí)刻的人流數(shù)據(jù)，由于原始數(shù)據(jù)量非常大(將近17萬(wàn)條數(shù)據(jù))，約為122.7 MB，在數(shù)據(jù)加載時(shí)出現(xiàn)頁(yè)面卡頓，甚至崩潰現(xiàn)象，所以需要對(duì)原始的大批量數(shù)據(jù)進(jìn)行壓縮。對(duì)數(shù)據(jù)壓縮的方法有很多，本文采用均勻采樣算法[9]進(jìn)行數(shù)據(jù)簡(jiǎn)化，其思想是每隔K個(gè)點(diǎn)保留一個(gè)點(diǎn)，如第1、5、9個(gè)點(diǎn)，中間的點(diǎn)都刪除，用較少的、近似的數(shù)據(jù)集來(lái)代替原始數(shù)據(jù)集，從而達(dá)到縮減數(shù)據(jù)的目的，產(chǎn)生的新數(shù)據(jù)集大致上和原始數(shù)據(jù)相似，算法流程如圖1所示。均勻采樣算法效率極高，計(jì)算代價(jià)小，但是缺點(diǎn)是不能保留數(shù)據(jù)的細(xì)節(jié)信息，導(dǎo)致新的數(shù)據(jù)和原始數(shù)據(jù)有一定的偏差，因此，本文對(duì)均勻采樣算法進(jìn)行了一定的改進(jìn)，對(duì)間隔的K個(gè)點(diǎn)數(shù)據(jù)不是刪除而是采用取均值，比如將1～10的10個(gè)點(diǎn)分為2組，即5個(gè)點(diǎn)為1組，求出1～5個(gè)點(diǎn)的均值代替這5個(gè)點(diǎn)，6～10個(gè)點(diǎn)的均值代替另外5個(gè)點(diǎn)。

2 數(shù)據(jù)獲取及處理

2.1 數(shù)據(jù)介紹

系統(tǒng)所需數(shù)據(jù)可以分為兩部分，一是疫情專題數(shù)據(jù)，如每日國(guó)內(nèi)外以及省市級(jí)確診、輕癥、重癥、死亡人數(shù)數(shù)據(jù)，百度遷徙數(shù)據(jù)；二是基礎(chǔ)地理數(shù)據(jù)和人口統(tǒng)計(jì)數(shù)據(jù)，基礎(chǔ)地理數(shù)據(jù)包括武漢市行政區(qū)劃數(shù)據(jù)、建筑物輪廓數(shù)據(jù)、土地利用類型數(shù)據(jù)。人口統(tǒng)計(jì)數(shù)據(jù)為2010年武漢市人口普查街道數(shù)據(jù)。

2.2 疫情數(shù)據(jù)獲取

通過(guò)基于Python的網(wǎng)絡(luò)爬蟲(chóng)技術(shù)，爬取官方發(fā)布的國(guó)內(nèi)外每日疫情數(shù)據(jù)、百度遷徙數(shù)據(jù)，爬取后存入數(shù)據(jù)庫(kù)中。由于爬取的國(guó)內(nèi)外疫情數(shù)據(jù)、百度遷徙數(shù)據(jù)等數(shù)據(jù)中包括一些重復(fù)數(shù)據(jù)和“臟”數(shù)據(jù)，這就需要對(duì)數(shù)據(jù)進(jìn)行篩選和清洗。利用Python引入Numpy和Pandas 2個(gè)包，對(duì)數(shù)據(jù)中存在的重復(fù)數(shù)據(jù)、無(wú)用數(shù)據(jù)進(jìn)行篩選和清洗，然后利用均勻采樣算法以每8個(gè)點(diǎn)為間隔對(duì)數(shù)據(jù)進(jìn)行壓縮，處理后數(shù)據(jù)量壓縮為3.1 MB左右，便于可視化時(shí)直接調(diào)用。

2.3 仿真數(shù)據(jù)生成

將武漢市基礎(chǔ)地理數(shù)據(jù)進(jìn)行處理，主要包括建筑物輪廓數(shù)據(jù)、土地利用類型數(shù)據(jù)、人口統(tǒng)計(jì)數(shù)據(jù)等，其中，人口統(tǒng)計(jì)數(shù)據(jù)來(lái)自《2010年中國(guó)人口統(tǒng)計(jì)年鑒》。在數(shù)據(jù)處理過(guò)程中，首先將建筑物矢量數(shù)據(jù)和土地利用類型數(shù)據(jù)在ArcGIS中進(jìn)行空間連接，用以識(shí)別不同類型建筑物，如住宅、工作、學(xué)校、醫(yī)院等類型。其次，將住宅區(qū)與人口數(shù)據(jù)進(jìn)行空間連接，計(jì)算人口密度，將人口密度與住宅類型建筑物進(jìn)行空間連接，計(jì)算每棟建筑物內(nèi)居民數(shù)量，利用ArcGIS剔除數(shù)據(jù)中的異常值，生成不同類型人群智能體數(shù)據(jù)。最后，從空間連接融合后的建筑物GIS數(shù)據(jù)中提取其坐標(biāo)、類型等信息，將其與不同類型人群智能體輸入到模型中，經(jīng)多次參數(shù)率定，從而獲取仿真數(shù)據(jù)，將仿真數(shù)據(jù)存入數(shù)據(jù)庫(kù)中用于模擬可視化展示。

3 系統(tǒng)設(shè)計(jì)

3.1 架構(gòu)設(shè)計(jì)

本系統(tǒng)采用瀏覽器/服務(wù)器模式(Browser/Server,B/S)，主要分為基礎(chǔ)數(shù)據(jù)層、數(shù)據(jù)庫(kù)管理層、后臺(tái)邏輯層和Web端表現(xiàn)層4層結(jié)構(gòu)。基礎(chǔ)數(shù)據(jù)層主要包括全球疫情統(tǒng)計(jì)數(shù)據(jù)、世界疫情統(tǒng)計(jì)數(shù)據(jù)、百度遷徙數(shù)據(jù)、基礎(chǔ)地理數(shù)據(jù)等基礎(chǔ)數(shù)據(jù)；數(shù)據(jù)庫(kù)管理層采用PostgreSQL數(shù)據(jù)庫(kù)；后臺(tái)邏輯采用Spring MVC后臺(tái)框架并結(jié)合Mybatis技術(shù)實(shí)現(xiàn)數(shù)據(jù)庫(kù)與前臺(tái)程序的通信；Web端表現(xiàn)層采用HTML+CSS+JavaScript的開(kāi)發(fā)模式，通過(guò)Mapbox底圖框架、Cesium二、三維開(kāi)源地圖框架和Echarts圖表庫(kù)工具進(jìn)行數(shù)據(jù)的可視化表達(dá)，并通過(guò)Tomcat服務(wù)器進(jìn)行系統(tǒng)的部署[10]。系統(tǒng)架構(gòu)如圖2所示。

3.2 系統(tǒng)功能設(shè)計(jì)

通過(guò)對(duì)所獲取的數(shù)據(jù)進(jìn)行歸納整理，并結(jié)合相關(guān)使用者的需求，設(shè)計(jì)了一個(gè)較為直觀的新冠肺炎疫情可視化系統(tǒng)，該系統(tǒng)功能可分為全球疫情、全國(guó)疫情和武漢模擬3個(gè)模塊。其中，主頁(yè)面是全球疫情模塊，該模塊展示了全球確診人數(shù)，并通過(guò)Cesium二、三維開(kāi)源地圖框架展示出世界各國(guó)確診人數(shù)動(dòng)態(tài)變化情況，以及全球確診人數(shù)Top10國(guó)家排名等。全國(guó)疫情模塊先通過(guò)分層設(shè)色將不同省份感染人數(shù)隨時(shí)間在地圖中聯(lián)動(dòng)展示，此外，還有全國(guó)新增確診案例趨勢(shì)、全國(guó)新增死亡案例趨勢(shì)、境外輸入病例、本地病例以及重點(diǎn)城市人口遷徙等情況。武漢模擬模塊通過(guò)熱力圖的形式展示了武漢市一天24小時(shí)仿真模擬人口動(dòng)態(tài)分布情況，以及通過(guò)散點(diǎn)形式展示模型模擬出的武漢市感染者分布情況，如圖3所示。

4 系統(tǒng)實(shí)現(xiàn)

本文將疫情相關(guān)數(shù)據(jù)導(dǎo)入數(shù)據(jù)庫(kù)，利用Spring MVC+Spring+MyBatis(SSM)開(kāi)發(fā)框架進(jìn)行業(yè)務(wù)數(shù)據(jù)的訪問(wèn)，在前端可視化表達(dá)方面采用Cesium二、三維開(kāi)源地圖框架，結(jié)合Echarts圖表庫(kù)和Bootstrap前端框架將數(shù)據(jù)以不同的可視化方式展示，系統(tǒng)主要功能論述如下[11-12]。

4.1 全球疫情

全球疫情界面主要是對(duì)全球的疫情情況進(jìn)行分析，中間部分采用Cesium二、三維開(kāi)源地圖框架將世界各國(guó)感染人數(shù)展示在三維地球上，圓圈和柱子代表不同感染人數(shù)，圓圈越大感染人數(shù)越多。該模塊不僅支持二、三維地圖自由切換，以及底圖自由選擇，而且還可以按天查詢每日各國(guó)感染人數(shù)情況，以及按時(shí)段動(dòng)態(tài)展示各國(guó)感染人數(shù)的變化，當(dāng)點(diǎn)擊某一個(gè)國(guó)家還可定位到此國(guó)家并查看其相關(guān)疫情信息。界面左側(cè)包括全球確診Top10國(guó)家每天動(dòng)態(tài)排名情況和全球疫情趨勢(shì)折線圖，右下角是全球治愈死亡人數(shù)動(dòng)態(tài)氣泡圖，氣泡大小代表人數(shù)的多少，顏色代表不同國(guó)家。通過(guò)以上不同的可視化表達(dá)可以多維度非常直觀地展示全球疫情情況，如圖4、圖5所示。

4.2 全國(guó)疫情

全國(guó)疫情模塊展示的是全國(guó)疫情情況，中間部分將不同省份感染人數(shù)數(shù)據(jù)通過(guò)分層設(shè)色的方式在地圖上隨時(shí)間動(dòng)態(tài)展示，顏色越深代表感染人數(shù)越多；左側(cè)全國(guó)新增確診案例趨勢(shì)圖展示了全國(guó)(不含湖北)、湖北(不含武漢)和武漢的新增確診病例人數(shù)；下側(cè)全國(guó)新增死亡案例趨勢(shì)同樣展示了全國(guó)(不含湖北)、湖北(不含武漢)和武漢的新增死亡病例人數(shù)；右上方以文本的形式展示了境外輸入病例人數(shù)和本地病例人數(shù)；右下方則展示了重點(diǎn)城市的人口遷移情況，該功能便于使用者發(fā)現(xiàn)一些重點(diǎn)城市的人口流動(dòng)情況。綜上，通過(guò)該模塊能夠直觀地了解國(guó)內(nèi)疫情發(fā)展趨勢(shì)，方便人們及時(shí)了解疫情動(dòng)態(tài)。

4.3 武漢模擬

此界面主要分為兩部分，一是武漢市人口時(shí)空變化熱力圖，通過(guò)熱力圖可以看出不同時(shí)段的人口流動(dòng)情況，顏色越深代表人口流動(dòng)量越大，通過(guò)熱力圖可以分析出武漢市哪些地方是人口流動(dòng)比較大的地區(qū)，能夠?qū)@些區(qū)域采取相應(yīng)的防疫措施[13-14]；二是武漢市疫情感染人口散點(diǎn)圖，點(diǎn)擊切換圖層后，通過(guò)散點(diǎn)的形式將仿真模型中被感染者的位置展示在地圖上，能夠直觀地分析武漢市不同地區(qū)的疫情情況，如圖6、圖7所示。

5 結(jié)論

針對(duì)目前全球新冠肺炎疫情熱點(diǎn)問(wèn)題，本文結(jié)合獲取的相關(guān)疫情大數(shù)據(jù)，基于Java Web開(kāi)發(fā)技術(shù)，設(shè)計(jì)了一個(gè)基于B/S架構(gòu)的新冠肺炎疫情可視化系統(tǒng)。本系統(tǒng)通過(guò)WebGIS可視化技術(shù)對(duì)國(guó)內(nèi)外疫情數(shù)據(jù)進(jìn)行了多樣化表達(dá)，通過(guò)本系統(tǒng)公眾及相關(guān)部門(mén)可以直觀了解國(guó)內(nèi)外疫情發(fā)展情況，同時(shí)也為疫情防控工作提供參考。由系統(tǒng)可知，隨著疫情的發(fā)展，全球確診人數(shù)雖然還在增加，但是治愈人數(shù)已遠(yuǎn)大于死亡人數(shù)。國(guó)內(nèi)疫情逐步被控制，表明我國(guó)防疫工作取得了優(yōu)異的成績(jī)。此外，與其他疫情可視化系統(tǒng)不同的是本系統(tǒng)還基于多智能體建模技術(shù)對(duì)武漢人口分布及疫情擴(kuò)散進(jìn)行了仿真模擬，將空間數(shù)據(jù)可視化、WebGIS和仿真模擬結(jié)合展現(xiàn)，不僅能夠反映疫情的實(shí)時(shí)信息，還能夠讓公眾看到疫情的擴(kuò)散過(guò)程，增強(qiáng)防疫意識(shí)，有助于未來(lái)對(duì)疫情變化進(jìn)行預(yù)測(cè)。

雖然該系統(tǒng)能夠展示國(guó)內(nèi)外的疫情數(shù)據(jù)信息，但由于本系統(tǒng)展示的數(shù)據(jù)為人工處理后存儲(chǔ)到數(shù)據(jù)庫(kù)發(fā)布，存在一定的偏差和延時(shí)，所以需要繼續(xù)改進(jìn)以期實(shí)現(xiàn)數(shù)據(jù)實(shí)時(shí)動(dòng)態(tài)發(fā)布，更好地為疫情防疫服務(wù)。