姚 堯,尹瀚玙,李歆藝,郭紫錦,任書良,王若宇,關(guān)慶鋒

1 中國地質(zhì)大學(xué)(武漢)地理與信息工程學(xué)院,武漢 430078 2 武漢大學(xué)測繪遙感信息工程國家重點(diǎn)實(shí)驗(yàn)室,武漢 430072 3 愛丁堡大學(xué)地球科學(xué)學(xué)院,英國

在全球范圍的突發(fā)性公共衛(wèi)生事件發(fā)生時(shí),及時(shí)準(zhǔn)確的風(fēng)險(xiǎn)評估在提高大眾警惕[1]、控制疾病傳播[2]、穩(wěn)定大眾情緒[3]、維穩(wěn)社會環(huán)境[4]方面具有不可或缺的重要作用。風(fēng)險(xiǎn)評估是國家公共衛(wèi)生機(jī)構(gòu)的核心職能之一,指聯(lián)合各主要公共衛(wèi)生機(jī)構(gòu),評估突發(fā)事件的威脅程度,基于已有證據(jù)提出事件預(yù)警,做好應(yīng)對準(zhǔn)備[4]。2020年1月,新型冠狀病毒肺炎(COVID- 19)開始大規(guī)模爆發(fā)[5]。1月20日,國家衛(wèi)健委發(fā)布1號公告,將新型冠狀病毒感染的肺炎納入《中華人民共和國傳染病防治法》規(guī)定的乙類傳染病,并采取甲類傳染病的預(yù)防、控制措施[6]。然而情況惡化,該肺炎疫情逐漸在全球擴(kuò)散,成為國際關(guān)注的突發(fā)性公共衛(wèi)生事件[7]。對該疫情的研究主要集中在流行病學(xué)[8- 10]、藥理學(xué)[11-12]、病理學(xué)[13- 16]方面。從流行病學(xué)傳播角度,及時(shí)研判各地區(qū)疫情傳播風(fēng)險(xiǎn),預(yù)測疫情發(fā)展走向,可為政府防控提供決策支持,為人民群眾提供安全保障。

風(fēng)險(xiǎn)評估起初多采用專家會商法[1-4]進(jìn)行,邀請各方專家進(jìn)行評估,得出應(yīng)對建議。該類方法多基于先驗(yàn)知識的積累,存在一定的主觀因素;新型疾病的出現(xiàn)會極大增強(qiáng)專家會商法的局限性?，F(xiàn)如今處于大數(shù)據(jù)時(shí)代,大數(shù)據(jù)具有大容量(Volume)、多樣化(Variety)、快速化(Velocity)、價(jià)值密度低(Value)、真實(shí)性(Veracity)等5V特征[17],僅靠人力對該量級的數(shù)據(jù)作分析難度極大。反之,以數(shù)據(jù)驅(qū)動方式進(jìn)行風(fēng)險(xiǎn)評估的實(shí)驗(yàn)可行性大大增強(qiáng)。

近十年來,數(shù)據(jù)驅(qū)動方法逐漸被引入風(fēng)險(xiǎn)評估領(lǐng)域,如相關(guān)性分析[18]、經(jīng)典時(shí)間序列分析[19]、控制圖法[20]、時(shí)間聚類分析[21]、傳染病動力學(xué)模型[22]等。例如,楊維中等人采用控制圖法、基于時(shí)間聚類分析建立國家層面的預(yù)警模型,得到較好的預(yù)警結(jié)果[21]。但上述方法多從時(shí)間角度回顧疾病爆發(fā)特征,總結(jié)病理學(xué)特征,提出疫情爆發(fā)的預(yù)測,是一種回溯性的風(fēng)險(xiǎn)評估[23],并不能對疫情性質(zhì)進(jìn)行評估,并且研究尺度較為宏觀。Deng等人在對手足口病的風(fēng)險(xiǎn)評估中結(jié)合時(shí)空聚類的方法建立風(fēng)險(xiǎn)評估模型,得到模型擬合效果較好,提出幼兒人口占比、男女比例、日照總量是影響地區(qū)手足口病的主要風(fēng)險(xiǎn)因子[24]。但該研究以廣東省縣域行政區(qū)劃為基本單位,存在“主觀劃分單元”的可變面元問題(Mdifiable areal unit problem, MAUP)[25]。隨著機(jī)器學(xué)習(xí)的出現(xiàn),貝葉斯網(wǎng)絡(luò)也被應(yīng)用于突發(fā)事件風(fēng)險(xiǎn)評估領(lǐng)域。如Jiang等人根據(jù)貝葉斯網(wǎng)絡(luò)[26]實(shí)現(xiàn)的疾病預(yù)測系統(tǒng)可以預(yù)測疫情發(fā)生的規(guī)模及持續(xù)時(shí)間,并估計(jì)其爆發(fā)時(shí)間[27];Liao等人提出一種基于貝葉斯信念網(wǎng)絡(luò)的不同尺度疾病爆發(fā)風(fēng)險(xiǎn)評估模型,從縣級尺度評估手足口病的風(fēng)險(xiǎn),從鄉(xiāng)鎮(zhèn)尺度分析麻疹疫情情況[23]。上述兩種方法綜合多元變量,基于機(jī)器學(xué)習(xí)算法進(jìn)行風(fēng)險(xiǎn)評估,分析更精細(xì)化,對特定疾病的防控更具有指導(dǎo)意義;但這些方法受數(shù)據(jù)實(shí)時(shí)性與準(zhǔn)確度的影響,同時(shí)尚未考慮精細(xì)尺度下人群空間聚集因素對疫情傳播的作用,無法預(yù)測城市內(nèi)部的疾病傳播風(fēng)險(xiǎn)分布。

為積極響應(yīng)國家恢復(fù)經(jīng)濟(jì)社會秩序的號召,各地政府致力于標(biāo)定市域內(nèi)各地區(qū)的不同風(fēng)險(xiǎn)等級,以實(shí)施精細(xì)尺度下的精準(zhǔn)施策。故而,城市內(nèi)部范圍的疫情傳播風(fēng)險(xiǎn)評估研究被提上日程。然而目前關(guān)于疾病風(fēng)險(xiǎn)評估的研究大多基于城市甚至國家尺度[19,23,27- 30],尚未有具體至社區(qū)或建筑場所尺度的疾病風(fēng)險(xiǎn)評估研究。其主要原因在于缺少描述精細(xì)尺度的可靠數(shù)據(jù)和相應(yīng)模型。描述風(fēng)險(xiǎn)評估需要的精細(xì)尺度數(shù)據(jù)包括高精度人口數(shù)據(jù)及發(fā)病情況[31],發(fā)病情況可通過每日社區(qū)通報(bào)記錄收集,而囿于技術(shù)原因[32],精細(xì)尺度的人口數(shù)據(jù)制圖一度成為學(xué)界的研究痛點(diǎn),導(dǎo)致精細(xì)尺度的疾病風(fēng)險(xiǎn)評估研究的發(fā)展也停滯不前。

隨著地理大數(shù)據(jù)時(shí)代的到來,基于位置的服務(wù)服務(wù)技術(shù)(Location based service, LBS)的發(fā)展以及多源地理數(shù)據(jù)的繁盛使得精細(xì)尺度下的空間研究分析成為可能[33]。地理基礎(chǔ)服務(wù)(LBS)技術(shù)由于具有可移動定位、定位精度高、交互性強(qiáng)等特點(diǎn),被廣泛應(yīng)用于動態(tài)地理空間信息相關(guān)的研究中[34]。多源地理數(shù)據(jù)是指由大眾采集并向大眾提供的開放地理數(shù)據(jù)(Volunteered geographic information, VGI)[35- 37]。諸如興趣點(diǎn)(Points of interest, POIs)、GPS行駛數(shù)據(jù)、用戶簽到數(shù)據(jù)、手機(jī)信令數(shù)據(jù)等[38]。研究表明[33,37,39- 42],多源地理數(shù)據(jù)憑借其在微觀層面與人類活動的相關(guān)性,可以有效反映人口分布狀況及人類活動狀態(tài)。目前,公共健康領(lǐng)域同樣也有多源地理大數(shù)據(jù)的應(yīng)用[43- 45]。但是該類數(shù)據(jù)多用于心理健康的分析研究,尚未有針對精細(xì)尺度下疫情風(fēng)險(xiǎn)評估的相關(guān)研究。

綜上所述,已有研究存在以下不足：(1)面對新型疾病的暴發(fā),傳統(tǒng)的基于先驗(yàn)知識的風(fēng)險(xiǎn)評估方法[1,4]在數(shù)據(jù)處理量級和評估準(zhǔn)確性上均存在極大局限性;(2)現(xiàn)有的根據(jù)數(shù)據(jù)驅(qū)動方法建立的風(fēng)險(xiǎn)評估模型[22- 24,27- 29],多從時(shí)間角度與先驗(yàn)知識回顧總結(jié)疾病暴發(fā)特征,并不能對新型疾病性質(zhì)進(jìn)行評估,且實(shí)驗(yàn)精度受數(shù)據(jù)實(shí)時(shí)性與準(zhǔn)確度影響,多未考慮精細(xì)尺度下人群空間聚集因素對疾病傳播的風(fēng)險(xiǎn),無法預(yù)測城市內(nèi)部的疾病傳播風(fēng)險(xiǎn)分布研究;(3)隨著地理大數(shù)據(jù)時(shí)代的到來,多源地理數(shù)據(jù)憑借其在微觀層面與人類活動的相關(guān)性,使得精細(xì)尺度下的空間研究分析成為可能,但目前精細(xì)尺度下的公共健康領(lǐng)域研究多為心理健康或老齡化問題相關(guān),尚未涉及疾病傳染風(fēng)險(xiǎn)評估領(lǐng)域。

基于前人研究的不足,為定量分析微觀尺度下城市生態(tài)對于新型冠狀病毒肺炎傳播的關(guān)系,本研究首先建立了基于數(shù)據(jù)驅(qū)動的地理空間導(dǎo)向風(fēng)險(xiǎn)評估框架,引入多源地理大數(shù)據(jù)作為精細(xì)尺度下人群空間活動的表征,耦合社區(qū)尺度的患者數(shù)據(jù),利用非線性機(jī)器學(xué)習(xí)算法建立多元決策模型,實(shí)現(xiàn)社區(qū)尺度的疫情傳播風(fēng)險(xiǎn)等級劃分。最后根據(jù)評估場所的不同權(quán)重,分析疫情傳播潛在的驅(qū)動因素及判斷緣由,進(jìn)而對疫情在社區(qū)尺度下的傳播規(guī)律進(jìn)行了總結(jié)和應(yīng)用,討論并提出關(guān)于復(fù)工復(fù)產(chǎn)后疫情防控的相關(guān)建議。

1 數(shù)據(jù)來源及研究方法

1.1 研究區(qū)概況

本研究選定武漢市市域空間作為研究區(qū)域。以地理位置而言,武漢位于中國中部、湖北省東部、長江與漢江交匯處,是湖北省省會,處于北緯29°58′— 31°22′,東經(jīng)113°41′— 115°05′之間。以行政區(qū)劃而言,武漢下轄江岸、江漢、硚口、漢陽、武昌、青山、洪山、蔡甸、江夏、黃陂、新洲、東西湖、漢南13個(gè)行政區(qū)。作為新型冠狀病毒肺炎疫情(COVID- 19)的爆發(fā)區(qū),武漢市具有較高研究價(jià)值。截至發(fā)稿前(2020年4月29日24時(shí)),武漢市累計(jì)報(bào)告確診的病例50333例,累計(jì)治愈出院46464例[46]。該地區(qū)感染患者數(shù)據(jù)量較大,以此為根據(jù)的大數(shù)據(jù)研究具有一定可信度。

1.2 數(shù)據(jù)來源

1.2.1社區(qū)尺度的新冠病毒肺炎患者數(shù)據(jù)

在社區(qū)尺度上,本研究采集了武漢市共計(jì)983個(gè)小區(qū)截至2020年2月16日通報(bào)感染的病例數(shù)據(jù)(含確診和疑似病例)及其地理位置,整理制作了各小區(qū)感染人數(shù)氣泡圖,如圖1所示。

該圖按照自然斷點(diǎn)法(Natural breaks)[47],將小區(qū)按照感染人數(shù)分為5個(gè)等級,1—5人為0級(低風(fēng)險(xiǎn)),5—15人為1級(中低風(fēng)險(xiǎn)),15—30人為2級(中等風(fēng)險(xiǎn)),30—45人為3級(中高風(fēng)險(xiǎn)),45人及以上為4級(高風(fēng)險(xiǎn))。本研究以單位感染人數(shù)表示感染風(fēng)險(xiǎn)。

1.2.2空間輔助數(shù)據(jù)

城市興趣點(diǎn)是影響居民公共健康的重要因素之一[48]。本研究使用2018年武漢市范圍內(nèi)的高德地圖POIs數(shù)據(jù),每條POIs數(shù)據(jù)包括ID、名稱、類型、行政區(qū)、地址、經(jīng)度、緯度7個(gè)屬性,共886415條。根據(jù)已有研究[49],將POIs類型分成14大類,包括汽車服務(wù)類、餐飲服務(wù)類、購物服務(wù)類、生活服務(wù)類、體育休閑類、醫(yī)療服務(wù)類、住宿服務(wù)類、風(fēng)景名勝類、科教文化類、交通設(shè)施類、金融類、公司企業(yè)類、道路附屬類、公共設(shè)施類等,其下又包含40小類,具體分類如圖2所示。

圖1 已采集的社區(qū)感染患者數(shù)量及分布情況,截止至2020年2月16日Fig.1 Community Distribution of infected patients, statistics by February 16th 2020

圖2 POIs分類架構(gòu)圖Fig.2 The architecture of POIsPOIs: 興趣點(diǎn)Points of interest

人群在路網(wǎng)上的空間交互移動對流行病情的時(shí)空擴(kuò)散具有直接作用[50],因此需要探究其與相鄰路網(wǎng)的距離遠(yuǎn)近。研究區(qū)域的路網(wǎng)數(shù)據(jù)來源于OpenStreetMap(OSM)網(wǎng)站(http://www.openstreetmap.org)。根據(jù)數(shù)據(jù)需要,本研究保留了2019年OSM路網(wǎng)中的一級、二級及干線道路,用以計(jì)算各小區(qū)與一二級道路的距離遠(yuǎn)近。

已有流行病學(xué)研究認(rèn)為人口密度與病情的傳播具有較強(qiáng)的相關(guān)性[51],數(shù)據(jù)來自騰訊用戶實(shí)時(shí)定位數(shù)據(jù)(Real-time tencent user density, RTUD)[41]。通過網(wǎng)絡(luò)爬蟲技術(shù),可在騰訊時(shí)序數(shù)據(jù)庫CTSDB日志存儲與監(jiān)控分析網(wǎng)站(https://cloud.tencent.com/act/event/ctsdb)獲取該類數(shù)據(jù)。獲取的數(shù)據(jù)時(shí)間跨度為2016年9月19日至9月25日,時(shí)間分辨率為1h,空間分辨率為0.00025°(約為26.5m)。本研究基于時(shí)序數(shù)據(jù)壓縮算法[52],將數(shù)據(jù)按街道尺度進(jìn)行壓縮,并將其以自然間斷點(diǎn)標(biāo)準(zhǔn)[47]進(jìn)行分級,最后進(jìn)行歸一化處理。從而獲得了低信息損失、而高壓縮率的RTUD數(shù)據(jù),作為代表精細(xì)尺度下人口密度的特征變量。

1.3 研究方法

為評估不同尺度下疫情傳播的風(fēng)險(xiǎn)程度,本研究首先通過網(wǎng)格法對市域范圍的社區(qū)數(shù)據(jù)進(jìn)行空間采樣,得到1986個(gè)基本單元。然后耦合全市域興趣點(diǎn)(POIs)數(shù)據(jù)、糾偏后的LBS人口密度數(shù)據(jù)以及與主要道路的距離數(shù)據(jù)作為特征向量,將社區(qū)感染分級情況作為目標(biāo)擬合值,基于非線性機(jī)器學(xué)習(xí)方法構(gòu)建“空間變量-感染程度”的非線性風(fēng)險(xiǎn)程度評估模型。根據(jù)特征權(quán)重,可進(jìn)一步探究疫情傳播的驅(qū)動因素,并分析學(xué)校周邊的感染風(fēng)險(xiǎn),以此為武漢市復(fù)工、復(fù)產(chǎn)、復(fù)學(xué)等疫情防控安排提出建議。具體技術(shù)路線如圖3。

圖3 技術(shù)路線圖Fig.3 Work flow chartLBS： 基于位置的服務(wù)Location based service;POIs: 興趣點(diǎn)Points of interest;OSM: 開放街道地圖OpenStreetMap

1.3.1格網(wǎng)法空間采樣

本研究采用規(guī)則格網(wǎng)劃分武漢市社區(qū)。由于收集數(shù)據(jù)尺度不統(tǒng)一(社區(qū)與社區(qū)的定義混雜),導(dǎo)致直接用行政統(tǒng)計(jì)單元進(jìn)行空間劃分存在一定問題,如聚類質(zhì)量受影響,結(jié)果無法解釋;統(tǒng)計(jì)數(shù)據(jù)無法具體至每個(gè)社區(qū),部分以社區(qū)(社區(qū)抱團(tuán)聚集)形式記錄[53]。而采用規(guī)則格網(wǎng)進(jìn)行重采樣,相鄰單元間存在隱性空間關(guān)系,統(tǒng)計(jì)數(shù)據(jù)依附基本單元而存在,避免了尺度問題[54],有利于風(fēng)險(xiǎn)評估模型的構(gòu)建。主要過程如下。

基于已知的行政統(tǒng)計(jì)單元進(jìn)行規(guī)則格網(wǎng)的劃分,將空間劃分成528m×611m的單元網(wǎng)格,并給每個(gè)單元按照行政數(shù)據(jù)的位置關(guān)系賦予屬性數(shù)據(jù)。本研究共劃分1986個(gè)基本地塊單元。

1.3.2基于隨機(jī)森林算法的感染風(fēng)險(xiǎn)評估

隨機(jī)森林(Random forest, RF)是基于集成學(xué)習(xí)的思路,將多棵決策樹集成的一種算法[55]。相較于大部分機(jī)器學(xué)習(xí)方法,它具有高精度、能處理高維特征樣本、自動生成無偏估計(jì)、可控過擬合現(xiàn)象等優(yōu)點(diǎn)[56]。

為評估武漢全市域的疫情感染風(fēng)險(xiǎn),本研究將上述數(shù)據(jù)包括市域興趣點(diǎn)(POIs)數(shù)據(jù)、LBS人口密度數(shù)據(jù)以及第一、二級的路網(wǎng)數(shù)據(jù)作為特征向量χi,并且將社區(qū)感染分級情況作為目標(biāo)值Y。通過RF模型計(jì)算每個(gè)因變量的影響權(quán)重,對高維因變量進(jìn)行降維處理,探索特征變量之間的復(fù)雜相關(guān)性?？紤]數(shù)據(jù)數(shù)量限制,設(shè)置130棵決策樹與隨機(jī)占比30%的袋外數(shù)據(jù),基于OOB交叉驗(yàn)證對RF模型進(jìn)行迭代修正,將隨機(jī)訓(xùn)練與預(yù)測過程重復(fù)100遍,已獲得最可靠的平均凈精度結(jié)果。

1.3.3模型評價(jià)方法

本研究采用總體精度(Overall accuracy, OA)、均方根誤差(Root mean squared error, RMSE)、平均相對誤差(Mean relative error, MRE)及Kappa系數(shù)評價(jià)風(fēng)險(xiǎn)傳播模型的精度。

Kappa系數(shù)采用一種離散多元統(tǒng)計(jì)技術(shù)來計(jì)算和評價(jià)最終指標(biāo),基于混淆矩陣,常用來評估二者間的一致性,可以用來描述總體一致性和分類一致性[57]。該統(tǒng)計(jì)值計(jì)算方法如下[57- 59]：

(1)

式中,po為分類圖像與參考圖像一致性的概率,即各個(gè)類別被劃分正確的概率總和;pe為隨機(jī)一致性概率。

(2)

(3)

式中,r為混淆矩陣行數(shù),xii為混淆矩陣中對角線上的樣本數(shù),指分類正確的數(shù)目,xi+和x+i分別為第i行與第i列的樣本總數(shù),N為混淆矩陣中的總樣本數(shù)。

對于Kappa系數(shù)結(jié)果與分類精度的關(guān)系,Landis與Koch將計(jì)算結(jié)果分成五組,用以對應(yīng)不同的一致性結(jié)果：計(jì)算結(jié)果位于0.00—0.20為一致性極低,位于0.21—0.40為一致性一般,位于0.41—0.60為一致性中等,位于0.61—0.80為一致性較高,位于0.81—1.00為幾乎完全一致[60]。

1.3.4空間驅(qū)動因子分析

根據(jù)風(fēng)險(xiǎn)評估模型,可得到市域范圍內(nèi)各社區(qū)的疾病風(fēng)險(xiǎn)等級分級。為探究各社區(qū)疾病傳播的空間影響變量,可以根據(jù)隨機(jī)森林算法中各決策樹的劃分情況及其結(jié)點(diǎn)的權(quán)重分布,計(jì)算得到每一個(gè)社區(qū)單元疾病風(fēng)險(xiǎn)等級的組成參數(shù)權(quán)重,即為空間驅(qū)動因子。本研究重定義后的POIs具有二層結(jié)構(gòu),故而空間驅(qū)動因子也相對應(yīng)有二級權(quán)重。將二級權(quán)重定義為POIs中各場所對其所在社區(qū)格網(wǎng)單元評估的影響權(quán)重。

本文從縱向和橫向兩個(gè)角度進(jìn)行空間驅(qū)動因子的分析。

2 結(jié)果與分析

本節(jié)基于已有框架進(jìn)行模型構(gòu)建,并且完成全市域范圍的社區(qū)尺度疫情傳播風(fēng)險(xiǎn)等級劃分。再者,對生成模型結(jié)果進(jìn)行性能評估,由局部到整體進(jìn)行實(shí)地結(jié)果驗(yàn)證,分析該模型的合理性。并且基于空間可視化方法的疫情傳播空間驅(qū)動因素分析,定量其權(quán)重,定性其成因,根據(jù)構(gòu)成不同場所對精細(xì)單元傳播風(fēng)險(xiǎn)權(quán)重高低,采用詞云與柱狀圖等形式,挖掘社區(qū)尺度存在的疫情風(fēng)險(xiǎn)及不同級別驅(qū)動因素。

2.1 精細(xì)尺度感染風(fēng)險(xiǎn)評估分析

通過感染者社區(qū)分布情況、POIs數(shù)據(jù)、LBS人口密度數(shù)據(jù)及路網(wǎng)數(shù)據(jù),基于隨機(jī)森林算法建立模型,得到了COVID- 19武漢市全域和中心城區(qū)的社區(qū)感染風(fēng)險(xiǎn)分布情況。該模型的測試精度達(dá)到了0.85,分類結(jié)果的Kappa系數(shù)達(dá)到0.70,說明模型擬合程度較高,與目標(biāo)值有很高的一致性。具體精度及相應(yīng)混淆矩陣如表1和表2所示。

表1 精度分析

表2 混淆矩陣

圖4 武漢市域社區(qū)感染風(fēng)險(xiǎn)評估Fig.4 COVID- 19 community infection risk assessment in Wuhan左：市域尺度 右：行政區(qū)尺度

基于已得到的風(fēng)險(xiǎn)評估模型,對武漢市域1968個(gè)社區(qū)進(jìn)行風(fēng)險(xiǎn)評估,結(jié)果如圖4和圖5所示。前者為武漢市市域社區(qū)的風(fēng)險(xiǎn)等級分布,后者為武漢市都市發(fā)展區(qū)范圍內(nèi)社區(qū)的風(fēng)險(xiǎn)等級分布?？梢园l(fā)現(xiàn)作為這次疫情暴發(fā)的中心,漢口的中心區(qū)域(江漢區(qū)、江岸區(qū)、硚口區(qū))不僅是重災(zāi)區(qū),也是武漢市感染風(fēng)險(xiǎn)最高的區(qū)域。青山區(qū)作為工業(yè)老區(qū),“熟人社區(qū)”導(dǎo)致了疫情擴(kuò)散。漢陽區(qū)明顯呈現(xiàn)沿著主干道(漢陽大道)的疫情傳播趨勢。高校重地洪山區(qū)感染風(fēng)險(xiǎn)程度較低,猜測這與今年高等院校放假普遍較早(1月10日左右)有密切關(guān)系。同時(shí),洪山區(qū)光谷片區(qū)的感染主要集中于人群密集的生活社區(qū)。相反,年輕人集中生活和工作的關(guān)山區(qū),相比于武昌和漢口中心區(qū)域感染風(fēng)險(xiǎn)程度較低。

圖5 武漢市中心城區(qū)疫情風(fēng)險(xiǎn)等級分布Fig.5 Community infection risk estimation in downtown

圖6 一級空間變量的疫情傳播驅(qū)動因素分析 Fig.6 Epidemic spread driving factor analysis of the primary variables

2.1.1多級空間驅(qū)動因素分析

基于隨機(jī)森林算法中各決策樹的劃分情況及其結(jié)點(diǎn)的權(quán)重分布,可計(jì)算得到評估每一個(gè)社區(qū)單元疾病風(fēng)險(xiǎn)等級的組成參數(shù)權(quán)重列表,該參數(shù)列表即為影響各社區(qū)風(fēng)險(xiǎn)等級的驅(qū)動因素,如表3所示。該表數(shù)據(jù)以POIs重分類后的空間變量進(jìn)行組織,各一級空間變量按權(quán)重高低由上至下排序,各二級權(quán)重在相關(guān)所屬類內(nèi)由權(quán)重高低由上至下排序。

2.1.2一級空間變量驅(qū)動因子分析

圖6以極點(diǎn)圖形式展示了14類一級空間變量對疫情傳播的影響程度高低?？梢悦黠@發(fā)現(xiàn)購物服務(wù)和交通設(shè)施因素遠(yuǎn)高于其他因素,這兩大因素具備人群密集、人流量大的特點(diǎn),致使病毒可以大范圍傳播。交通設(shè)施具備人與人之間間接接觸的條件。如公交車、地鐵等交通設(shè)施中存在來往人群復(fù)雜的問題,病毒可通過呼吸道傳播和接觸等方式傳播,車上空間的密閉性也可能導(dǎo)致氣溶膠的濃度較高,這是城市內(nèi)部疫情傳播和擴(kuò)散的重要影響因素。同時(shí)需要重點(diǎn)關(guān)注大型場館(體育休閑)、醫(yī)療服務(wù)、生活服務(wù)和餐飲服務(wù)帶來的風(fēng)險(xiǎn)。

2.1.3二級空間變量驅(qū)動因子分析

通過對各地理場所的疫情相關(guān)風(fēng)險(xiǎn)評估可視化分析(圖7),可得知全市域普遍影響疾病傳播能力較大的幾類驅(qū)動因子。圖7以詞云方式展示二級場所與疫情的相關(guān)性,圖8以柱狀圖形式展示,以色系為區(qū)分標(biāo)準(zhǔn),一個(gè)色系為一組二級驅(qū)動因子,每一組中按影響權(quán)重由大至小排列。

表3 空間驅(qū)動因子權(quán)重表

圖7 二級場所空間變量影響因素詞云展示Fig.7 The word cloud of 40 sites epidemic weight

從場所角度,菜市場和超市作為人群最為密集的區(qū)域,感染風(fēng)險(xiǎn)程度最高。其次,銀行和機(jī)場等人群流動且停滯時(shí)間較長的區(qū)域,也是重要的高風(fēng)險(xiǎn)區(qū)域。

社區(qū)醫(yī)院(診所)作為居民選擇的首診場所,相對綜合醫(yī)院硬件設(shè)施差,距離居民社區(qū)近,社區(qū)內(nèi)患者流動程度高,內(nèi)部患者的集聚和流動導(dǎo)致了大量的交叉感染,造成了疫情的進(jìn)一步擴(kuò)散,因此社區(qū)醫(yī)院在防疫和疫情傳播中的作用不可輕視。今后資源分配應(yīng)考慮加強(qiáng)社區(qū)醫(yī)院的軟硬件條件管理和疫情控制能力。

總而言之,橫向分析影響疫情傳播的驅(qū)動因子,從一級空間驅(qū)動因子分析,可以明顯發(fā)現(xiàn)購物服務(wù)和交通設(shè)施因素的傳播風(fēng)險(xiǎn)遠(yuǎn)高于其他因素,這兩大因素具備人群密集、人流量大的特點(diǎn),致使病毒可以大范圍傳播。從二級空間驅(qū)動因子分析,菜市場和超市作為人群最為密集的區(qū)域,感染風(fēng)險(xiǎn)程度最高。其次,銀行和機(jī)場等人群流動且停滯時(shí)間較長的區(qū)域,也是重要的高風(fēng)險(xiǎn)區(qū)域。社區(qū)醫(yī)院(診所)作為居民選擇的首診場所,存在醫(yī)院感染的可能性,故而也是需重視的高風(fēng)險(xiǎn)區(qū)域。

縱向分析影響疫情傳播的驅(qū)動因子,各類一級空間變量可由二級空間變量驅(qū)動力進(jìn)行解釋。餐飲服務(wù)類中餐館影響權(quán)重最高,聚集性聚餐促進(jìn)了病毒的聚集性傳播,分餐而食的外國餐廳影響權(quán)重則相對較低。購物服務(wù)類中蔬菜市場對病毒傳播的影響因素遠(yuǎn)高于其他購物場所,對病毒防御能力較弱的中老年群眾多至蔬菜市場購物,致使病毒更容易通過該人群進(jìn)行傳播。生活服務(wù)類通常為密閉環(huán)境,空氣較難流通,并且該類商店多屬于服務(wù)業(yè),每日進(jìn)出人流較多,病毒傳播的風(fēng)險(xiǎn)較高。體育休閑類場所多屬于封閉環(huán)境,且在運(yùn)動過程中易促進(jìn)飛沫傳播。醫(yī)療服務(wù)類社區(qū)醫(yī)院(診所)的感染風(fēng)險(xiǎn)最高,其配套硬件設(shè)施的落后以及社區(qū)內(nèi)患者的大量流動導(dǎo)致疫情交叉擴(kuò)散可能性大?？平涛幕悎鏊颦h(huán)境空氣流動性高低,傳播風(fēng)險(xiǎn)相應(yīng)較低或較高。交通設(shè)施類場所中封閉環(huán)境的輪渡占最高權(quán)重,且根據(jù)交通工具運(yùn)載距離遠(yuǎn)近,風(fēng)險(xiǎn)呈現(xiàn)“高-低-高”的態(tài)勢。道路附屬類場所較易發(fā)生接觸性感染,公共設(shè)施類場所中公共廁所影響因素遠(yuǎn)高于緊急避難場所,說明及時(shí)消毒舉措可以降低感染風(fēng)險(xiǎn)。

圖8 二級場所驅(qū)動權(quán)重分析Fig.8 Bar chart for weight analysis of secondary site drivers

2.2 疫情傳播空間規(guī)律分析及應(yīng)用

本節(jié)主要基于空間聚集性指數(shù)總結(jié)了疫情傳播相關(guān)規(guī)律,并以此應(yīng)用于各類院校周邊疫情傳播風(fēng)險(xiǎn)評估。通過傳播規(guī)律分析院校周邊存在的風(fēng)險(xiǎn)因子,從而對不同院校進(jìn)行風(fēng)險(xiǎn)傳播等級劃分。

2.2.1空間傳播規(guī)律探究

圖9 疫情風(fēng)險(xiǎn)聚集程度指數(shù)分析Fig.9 Analysis of epidemic risk concentration index

(1) 從傳播源頭分析,武漢市疫情分布呈現(xiàn)“一個(gè)中心點(diǎn),兩個(gè)分中心”向外輻射的形態(tài),以江岸區(qū)華南海鮮市場附近的社區(qū)為中心點(diǎn)、半徑10km的緩沖區(qū),以及以機(jī)場為中心點(diǎn),半徑3km的緩沖區(qū)均為本次疫情高風(fēng)險(xiǎn)區(qū)。建議對該處加強(qiáng)管控措施,實(shí)時(shí)“內(nèi)防擴(kuò)散、外防輸出、嚴(yán)格管控”。

(2) 從傳播方向分析,疫情傳播風(fēng)險(xiǎn)嚴(yán)重區(qū)大多沿河岸分布,且向東西方向延伸,能夠較清晰地看出東西向的疾病蔓延發(fā)展方向。故建議對東西湖區(qū)、洪山區(qū)、青山區(qū)、蔡甸區(qū)、江夏區(qū)等存在更大疾病蔓延風(fēng)險(xiǎn)的地區(qū)采取更具針對性的防控措施,如以街道為單位,通過核酸試劑檢測全面排查患者,及時(shí)接收診治管理疑似病例、確診病例及無癥狀感染者。

(3) 從傳播手段分析,購物服務(wù)與交通設(shè)施兩大因素對疫情傳播的影響力最為重要。其中,蔬菜市場、超市、購物中心為購物服務(wù)中影響因子權(quán)重最高的三大場所,而輪渡站、機(jī)場和汽車站是交通設(shè)施的場所大類中影響權(quán)重最高的三類場所。

圖10 核密度分析結(jié)果Fig.10 Results of nuclear density analysis(A: Hanyang District A：漢陽區(qū) 箭頭所指為琴臺大道; B：江岸區(qū) 黃色三角為華南海鮮市場; C：青山區(qū)居民住宅區(qū) D：武昌區(qū)黃鶴樓

2.2.2傳播規(guī)律的應(yīng)用

通過傳播規(guī)律分析各級各類院校周邊存在的疫情傳播風(fēng)險(xiǎn)因子,從而對不同院校進(jìn)行風(fēng)險(xiǎn)傳播等級劃分,同時(shí)根據(jù)疫情傳播規(guī)律對疫情未結(jié)束期間學(xué)校開展復(fù)學(xué)決定提出相應(yīng)建議。

分別對小學(xué)、中學(xué)、高等院校進(jìn)行空間變量點(diǎn)的緩沖區(qū)分析,與之前預(yù)測的風(fēng)險(xiǎn)區(qū)域進(jìn)行區(qū)域統(tǒng)計(jì),求得武漢市所有小學(xué)、中學(xué)、高等院校空間變量點(diǎn)的風(fēng)險(xiǎn)等級分布。表4估了武漢市全域范圍內(nèi)所有學(xué)校的傳播風(fēng)險(xiǎn)。具體而言,絕大部分小學(xué)、中學(xué)的疫情傳播風(fēng)險(xiǎn)為低風(fēng)險(xiǎn)。這主要是因?yàn)橹行W(xué)處于封閉性管理,人員流動性較低。雖然超過半數(shù)高等院校的疫情傳播風(fēng)險(xiǎn)為低或中低風(fēng)險(xiǎn),但其高風(fēng)險(xiǎn)占比以及平均風(fēng)險(xiǎn)等級均偏高,疫情潛在爆發(fā)風(fēng)險(xiǎn)不容樂觀。這主要是因?yàn)楦叩仍盒Ｖ袑W(xué)生相對自由,學(xué)生與校外人群接觸多,因此交叉感染可能性大。從圖11可以看出,武漢市整體學(xué)校周邊疫情風(fēng)險(xiǎn)等級較低,風(fēng)險(xiǎn)高的區(qū)域主要集中在了中心城區(qū),并呈現(xiàn)出向外的輻射遞減特征,因此復(fù)學(xué)前期應(yīng)重點(diǎn)關(guān)注中心區(qū)域各大高校的消毒防護(hù)、人員限流以及肺炎檢測工作。圖12表明,學(xué)校周邊風(fēng)險(xiǎn)等級高的各類院校主要集中在江漢區(qū)、武昌區(qū)。中心區(qū)人口密集,在復(fù)學(xué)準(zhǔn)備期間可能會由于學(xué)生的聚餐、外出購物等集體性行為而產(chǎn)生較高的疫情傳播風(fēng)險(xiǎn),因此應(yīng)重點(diǎn)關(guān)注這些區(qū)域的商超、菜市場、中小型作坊以及公共廁所等生活服務(wù)設(shè)施,對不合格場所及時(shí)進(jìn)行嚴(yán)格整頓。同時(shí),在復(fù)學(xué)準(zhǔn)備期間,應(yīng)密切關(guān)注該區(qū)域上學(xué)通勤交通工具的消毒工作,并適當(dāng)增加區(qū)域車次,避免上學(xué)高峰時(shí)期的擁擠現(xiàn)象。

表4 武漢市全域?qū)W校疫情傳播風(fēng)險(xiǎn)評估表

圖11 武漢市全域?qū)W?？臻g分布和周邊風(fēng)險(xiǎn)等級 Fig.11 COVID- 19 infection risk spatial distribution around schools in Wuhan city

圖12 武漢市中心城區(qū)學(xué)校周邊風(fēng)險(xiǎn)等級分布Fig.12 COVID- 19 infection risk evaluation around schools in downtown

3 討論和建議

如今,新型冠狀病毒肺炎疫情已經(jīng)在全世界范圍內(nèi)傳播[5]。全社會的人們必須要盡最大努力,采取一切方法,用盡一切手段以提高公共健康能力和政府行政執(zhí)行能力,以減緩甚至逼停新型冠狀病毒肺炎的傳播[7]。與此同時(shí),政府為避免經(jīng)濟(jì)大衰退,勢必要采取措施維護(hù)經(jīng)濟(jì)發(fā)展[61]。2月21日,習(xí)近平總書記主持中共中央政治局會議,指出要以實(shí)行分區(qū)分級精準(zhǔn)防控為抓手,統(tǒng)籌疫情防控與經(jīng)濟(jì)社會秩序恢復(fù)[62]。武漢市企事業(yè)單位的復(fù)工復(fù)產(chǎn)即將提上日程,本文的研究意義就在于對疫情分布空間屬性的深化認(rèn)知,特別是對傳統(tǒng)研究中有關(guān)傳染病分布研究建模過程中忽視空間特征以及微觀環(huán)境的不足做出了補(bǔ)充。

本研究主要有以下幾個(gè)方面的研究發(fā)現(xiàn)：首先,武漢中心區(qū)域感染風(fēng)險(xiǎn)最高并呈現(xiàn)出向外圍遞減的趨勢;其次,感染風(fēng)險(xiǎn)排名前五的一級場所類型分別為購物服務(wù)、交通設(shè)施、體育休閑、醫(yī)療服務(wù)、生活服務(wù)以及公共設(shè)施;第三,小學(xué)、中學(xué)的疫情傳播風(fēng)險(xiǎn)較低,而高等院校傳播風(fēng)險(xiǎn)較高;最后,模型確定了社區(qū)尺度下的疫情風(fēng)險(xiǎn)程度,預(yù)測購物場所與交通場所是疫情傳播風(fēng)險(xiǎn)最高的驅(qū)動因子。針對本研究成果,從政策層面上可提出進(jìn)行城市治理的相關(guān)建議如下：

(1) 加強(qiáng)對公共場所的衛(wèi)生治理,完善垃圾分類制度,對感染高風(fēng)險(xiǎn)區(qū)域加強(qiáng)防疫力度。科學(xué)劃分疫情等級,重點(diǎn)關(guān)注市中心區(qū)域,及時(shí)更新各地疫情狀況,做到分區(qū)分級精準(zhǔn)施策。對城中村、老舊社區(qū)、老年人口較多的社區(qū)加強(qiáng)衛(wèi)生服務(wù)和監(jiān)管,減少感染風(fēng)險(xiǎn),防控易感人群的暴露和聚集導(dǎo)致疫情擴(kuò)散的風(fēng)險(xiǎn)。提升社區(qū)醫(yī)院的硬件條件,推廣分級治療。對公共場所進(jìn)行衛(wèi)生治理,保證區(qū)域中廁所的定期消毒,加強(qiáng)衛(wèi)生督查工作。增加公共交通消毒頻率和力度,保護(hù)司乘人員的身體健康,建議建立健全動態(tài)的船舶衛(wèi)生風(fēng)險(xiǎn)評估機(jī)制。小型餐館導(dǎo)致的疫情擴(kuò)散不可忽視,應(yīng)增強(qiáng)對小型餐館的衛(wèi)生檢查管理力度。

(2) 關(guān)注學(xué)校周邊區(qū)域衛(wèi)生環(huán)境,錯(cuò)峰開學(xué),限制高風(fēng)險(xiǎn)區(qū)域?qū)W生外出和跨區(qū)流動。建議根據(jù)該區(qū)域風(fēng)險(xiǎn)評估情況,制定錯(cuò)時(shí)錯(cuò)峰開學(xué)方案,做好教學(xué)銜接。做好各級各類學(xué)校周邊區(qū)域的衛(wèi)生督查工作,完善垃圾分類制度,嚴(yán)格措施,加大校園管理力度。對于自由度相對較高的高校學(xué)生,校內(nèi)管理人員應(yīng)做好安全監(jiān)管工作,實(shí)施網(wǎng)格化管理,對發(fā)熱和密切接觸疫情嚴(yán)重區(qū)域的學(xué)生及時(shí)治療,并在校內(nèi)定點(diǎn)區(qū)域進(jìn)行隔離。同時(shí)也應(yīng)做好對各級各類學(xué)校學(xué)生的衛(wèi)生教育工作。

(3) 合理規(guī)劃城市功能,加強(qiáng)城市周邊區(qū)域衛(wèi)星城居住、醫(yī)療和商業(yè)服務(wù)設(shè)施配套工作。適當(dāng)考慮增加密集居住區(qū)的商業(yè)和醫(yī)療服務(wù)配套設(shè)施,尤其是城郊大型社區(qū)應(yīng)建立更多便利店以分散大型超市和菜市場承擔(dān)的商業(yè)職能,并可通過菜蔬貨品快遞上門的方式,避免人群聚集產(chǎn)生疫情感染風(fēng)險(xiǎn)。推動城市服務(wù)的自動化和線上化,可有效避免公共服務(wù)導(dǎo)致的人群間的病毒的接觸傳播。在未來的社區(qū)服務(wù)規(guī)劃上,根據(jù)人口密度、人口年齡、經(jīng)濟(jì)水平和教育結(jié)構(gòu)等指標(biāo),按需科學(xué)配置商業(yè)、醫(yī)療服務(wù)設(shè)施和服務(wù)人員,強(qiáng)調(diào)“以人為本”,合理配置社區(qū)各類服務(wù)資源。

本文的創(chuàng)新點(diǎn)在于運(yùn)用地理信息技術(shù)和大數(shù)據(jù),在社區(qū)和場所兩個(gè)不同尺度上對武漢市市域疫情傳播風(fēng)險(xiǎn)進(jìn)行評估,且以可視化方法簡潔明了地分析疫情傳播的驅(qū)動因素,最后依據(jù)研究結(jié)論提出防控建議。希望本文的研究方法及結(jié)論可以為未來結(jié)合地理信息技術(shù)的傳染病研究提供借鑒與參考。

在設(shè)計(jì)和構(gòu)建風(fēng)險(xiǎn)評估模型的過程中,本研究仍有不足的地方。首先,收集的社區(qū)疫情數(shù)據(jù)時(shí)間跨度不夠,僅考慮到空間范圍,摘取時(shí)刻點(diǎn)上的相應(yīng)數(shù)據(jù)進(jìn)行分析,使得結(jié)果可能存在一定偏差。在未來研究中將考慮將時(shí)序感染數(shù)據(jù)加入模型進(jìn)行分析。其次,武漢主城區(qū)外的新區(qū)多以自然村形式分布,且大多為手機(jī)使用頻率較低的老年人口和兒童,故而人口密度數(shù)據(jù)存在一定偏差,相關(guān)地區(qū)的評估代表性可能不足。此外,本文未將境外輸入病例作為考慮因素,而現(xiàn)階段國內(nèi)大部分確診病例的主要來源均為境外輸入病例[31,63],在今后的研究中會將此作為新的特征變量予以考慮。

4 結(jié)論

本文以曾經(jīng)的疫情高發(fā)地武漢作為研究區(qū)域,耦合社區(qū)疫情傳染數(shù)據(jù)、興趣點(diǎn)數(shù)據(jù)、LBS人口密度數(shù)據(jù)以及路網(wǎng)數(shù)據(jù),結(jié)合隨機(jī)森林算法評估社區(qū)和場所兩個(gè)尺度上的武漢疫情傳播風(fēng)險(xiǎn),模型測試精度達(dá)0.85,且與真值一致性較好。并且對學(xué)校周邊地區(qū)疫情風(fēng)險(xiǎn)進(jìn)行分析,由此提出錯(cuò)峰上學(xué)、重點(diǎn)區(qū)域重點(diǎn)防控的建議。以特征向量權(quán)重為依據(jù)分析疫情傳播的驅(qū)動因子,發(fā)現(xiàn)購物服務(wù)和交通設(shè)施存在聚集性疫情爆發(fā)的可能性,說明模型對引起疫情傳播的因子具有一定的識別能力,體現(xiàn)地理信息技術(shù)在傳染病防控方面的適用性。