湛黃涵，譚豪，馬少聰，唐明輝

（南華大學(xué)計(jì)算機(jī)學(xué)院，湖南衡陽(yáng)，421001）

關(guān)鍵字：傳染??；數(shù)據(jù)可視化；數(shù)據(jù)分析；風(fēng)險(xiǎn)評(píng)估；增長(zhǎng)態(tài)勢(shì)

1 傳染病數(shù)據(jù)分析現(xiàn)狀

傳染病，是指由病原體導(dǎo)致的能夠在生物之間相互傳播的疾病。傳染病對(duì)人類有著極大的危害，2001年“非典”、埃博拉病毒疫情、禽流感等，均給人類社會(huì)造成了巨大的損失。

而在現(xiàn)代社會(huì)，科技技術(shù)高速發(fā)展，隨著互聯(lián)網(wǎng)技術(shù)在醫(yī)學(xué)領(lǐng)域的廣泛運(yùn)用，許多傳染病的傳播特點(diǎn)、傳播周期等均被人們所捕捉。通過(guò)大數(shù)據(jù)技術(shù)對(duì)傳染病疫情進(jìn)行分析和預(yù)測(cè)，能夠更加精準(zhǔn)地了解各類傳染病的特性，與此同時(shí)，也能夠讓政府和群眾在傳染病疫情到來(lái)之際，作出預(yù)防措施。

本文根本傳染病的一般特性，設(shè)計(jì)并實(shí)現(xiàn)了一套傳染病數(shù)據(jù)分析與可視化系統(tǒng)。通過(guò)對(duì)傳染病相關(guān)數(shù)據(jù)進(jìn)行多維的分析，分析出存在有利用價(jià)值的數(shù)據(jù)和信息，供用戶參考。

2 市場(chǎng)分析

2.1 政治因素

在“十四五”規(guī)劃中已經(jīng)明確提到“要加快建設(shè)國(guó)家政府?dāng)?shù)據(jù)統(tǒng)一開(kāi)放平臺(tái)，推動(dòng)政府信息系統(tǒng)和公共數(shù)據(jù)互聯(lián)開(kāi)放共享”。組織建設(shè)現(xiàn)代化經(jīng)濟(jì)體系離不開(kāi)大數(shù)據(jù)發(fā)展和應(yīng)用。推動(dòng)實(shí)施國(guó)家大數(shù)據(jù)戰(zhàn)略，加快建設(shè)數(shù)字，更好地服務(wù)于經(jīng)濟(jì)社會(huì)發(fā)展和人民生活改善。運(yùn)用大數(shù)據(jù)促進(jìn)保障和改善用戶體驗(yàn)，要堅(jiān)持以用戶為中心的發(fā)展思想，強(qiáng)化服務(wù)，彌補(bǔ)短板，推進(jìn)緊急突發(fā)事件如傳染病、災(zāi)難等領(lǐng)域大數(shù)據(jù)普及應(yīng)用，深度開(kāi)發(fā)各類便民應(yīng)用。

因此對(duì)傳染病大數(shù)據(jù)的可視化分析，極大地契合了“推進(jìn)大數(shù)據(jù)普及應(yīng)用”的相關(guān)政策，也能夠針對(duì)我國(guó)未來(lái)的突發(fā)疫情事件提供良好的基礎(chǔ)和經(jīng)驗(yàn)，因此具有良好的政策支持。

2.2 經(jīng)濟(jì)因素

互聯(lián)網(wǎng)與大數(shù)據(jù)技術(shù)等新興信息技術(shù)的快速發(fā)展，深刻地影響著制造過(guò)程，改變了制造過(guò)程中人與人、人與組織、人與資源等交互方式，呈現(xiàn)出過(guò)程協(xié)同化、方式個(gè)性化、資源全球化、數(shù)據(jù)多元化、產(chǎn)品服務(wù)化等特點(diǎn)。因此，良好的大數(shù)據(jù)應(yīng)用能夠大幅度的較少人力物力，提高生產(chǎn)生活效率，節(jié)約資源等，對(duì)經(jīng)濟(jì)發(fā)展有著不可估量的意義。

情信息分析領(lǐng)域，傳染病大數(shù)據(jù)分析可視化能夠?qū)魅静?shù)據(jù)以圖表的方式直觀地展現(xiàn) ，使得衛(wèi)健委部門(mén)能夠根據(jù)圖表獲取傳染病的發(fā)展特征，并根據(jù)分析結(jié)果提前做出應(yīng)對(duì)措施，能夠有效緩解各種大型感染事故的發(fā)生，減少人力物力。

2.3 社會(huì)因素

傳染病信息領(lǐng)域大數(shù)據(jù)的普及和應(yīng)用，人們出行能夠有選擇性的選擇出行時(shí)間和地點(diǎn)、避開(kāi)傳染病疫情較為嚴(yán)重的地區(qū)和時(shí)間節(jié)點(diǎn)等方式來(lái)大幅度減少出行所需要遇到的風(fēng)險(xiǎn)、選擇更加科學(xué)等，極大的增加了居民的安全感。

3 功能模塊描述

傳染病數(shù)據(jù)分析共分為全國(guó)傳染病數(shù)據(jù)分析、州傳染病疫情數(shù)據(jù)分析、縣傳染病疫情數(shù)據(jù)分析三大模塊。

全國(guó)傳染病數(shù)據(jù)分析： 該模塊主要從數(shù)據(jù)庫(kù)中調(diào)取國(guó)家的整體傳染病疫情相關(guān)數(shù)據(jù)，然后對(duì)數(shù)據(jù)進(jìn)行拆選、清洗從而生成各個(gè)數(shù)據(jù)庫(kù)，系統(tǒng)可以通過(guò)各種數(shù)據(jù)庫(kù)來(lái)對(duì)整體的用戶情況進(jìn)行分析，能夠方便地計(jì)算分析各種功能展示所需要的數(shù)據(jù)集合，從而根據(jù)數(shù)據(jù)經(jīng)計(jì)算得出我們想要展示的圖表，幫助廣大用戶針對(duì)出行進(jìn)行分析決策。

州傳染病疫情數(shù)據(jù)分析：該模塊對(duì)指定國(guó)家各洲傳染病疫情數(shù)據(jù)進(jìn)行詳細(xì)分析，通過(guò)確診率、病死率、死亡率等數(shù)據(jù)分析傳染病疫情發(fā)展趨勢(shì)，通過(guò)檢測(cè)情況、治愈情況分析各州傳染病應(yīng)對(duì)水平等。

縣傳染病疫情數(shù)據(jù)分析：該模塊對(duì)指定國(guó)家各縣傳染病疫情數(shù)據(jù)進(jìn)行詳細(xì)分析，使用基于經(jīng)緯度-確診人數(shù)傳染病疫情風(fēng)險(xiǎn)評(píng)估模型對(duì)指定縣區(qū)周圍地區(qū)的 風(fēng)險(xiǎn)進(jìn)行評(píng)估。通過(guò)累計(jì)確診人數(shù)、累計(jì)死亡人數(shù)、現(xiàn)有確診人數(shù)等數(shù)據(jù)分析傳染病疫情發(fā)展趨勢(shì)。

三大模塊邏輯關(guān)系如圖1所示。

圖1 三大功能模塊邏輯關(guān)系圖

4 全國(guó)傳染病數(shù)據(jù)分析

4.1 整體疫情數(shù)據(jù)比例分析

由全國(guó)整體的感染人數(shù)、死亡人數(shù)、治愈人數(shù)分別計(jì)算得出全國(guó)截止日期的感染率、死亡率、治愈率，分別以餅狀圖形式展現(xiàn)，其中：

4.2 全國(guó)單月每日新增確診、死亡人數(shù)趨勢(shì)分析

計(jì)算、獲取全國(guó)截止日期近30天內(nèi)每日的新增確診人數(shù)、新增死亡人數(shù)，并分別以柱狀圖、曲線圖的形式進(jìn)行展現(xiàn)。從圖中可以觀察到全國(guó)近一個(gè)月傳染病疫情的發(fā)展趨勢(shì)、了解全國(guó)傳染病的嚴(yán)重程度。

圖2 全國(guó)整體傳染病感染數(shù)據(jù)比例圖

圖3 全國(guó)單月數(shù)據(jù)趨勢(shì)圖

5 州傳染病疫情數(shù)據(jù)分析

5.1 指定州治療情況結(jié)果分析

從前端可視化界面中選擇某一州，獲取該州所有確診患者的治療情況，分為治愈、死亡、治療中三種情況，通過(guò)餅狀圖的方式展現(xiàn)該州的治愈人數(shù)占比和死亡人數(shù)占比，直觀體現(xiàn)各州應(yīng)對(duì)傳染病疫情之類的緊急事件的醫(yī)療水平。

圖4 指定州治療情況比例圖

5.2 指定州確診率、死亡率、重癥率時(shí)間變化

從前端可視化界面中選擇某一州，獲取該州近段時(shí)間確診率、死亡率、重癥率，以曲線圖形式展現(xiàn)。通過(guò)三種不同數(shù)據(jù)的時(shí)間變換，用戶能夠了解該州感染情況是否惡化或改善。

5.3 指定州增長(zhǎng)態(tài)勢(shì)識(shí)別

本文通過(guò)增長(zhǎng)因子評(píng)估指定傳染病疫情的增長(zhǎng)趨勢(shì)，其中增長(zhǎng)因子GF計(jì)算公為為：

其中，?Cn為第n天新增確診的人數(shù)（第n天確診人數(shù)-第n-1天確診人數(shù)），增長(zhǎng)情況分類如下：

圖5 指定州感染數(shù)據(jù)時(shí)間變化圖

GC=1代表“爆發(fā)”增長(zhǎng)態(tài)勢(shì)，GC=-1代表“停滯”增長(zhǎng)態(tài)勢(shì)，GC=0代表“波動(dòng)”增長(zhǎng)態(tài)勢(shì)。（使用論文）

圖6 指定州增長(zhǎng)態(tài)勢(shì)識(shí)別圖

6 縣傳染病疫情數(shù)據(jù)分析

6.1 指定縣周圍地區(qū)風(fēng)險(xiǎn)分析

通過(guò)使用基于經(jīng)緯度-確診人數(shù)的風(fēng)險(xiǎn)評(píng)估模型，對(duì)指定縣周圍縣區(qū)的風(fēng)險(xiǎn)程度進(jìn)行評(píng)估，當(dāng)風(fēng)險(xiǎn)程度越高，周邊縣區(qū)所代表的圓圈則會(huì)越大，并且會(huì)顯示具體的風(fēng)險(xiǎn)程度數(shù)據(jù)。

圖7 指定縣周圍地區(qū)風(fēng)險(xiǎn)圖

6.1.1 模型概述

為獲取指定地區(qū)周邊地區(qū)的傳染病疫情狀況，本文提出了基于經(jīng)緯度-確診人數(shù)的傳染病風(fēng)險(xiǎn)評(píng)估模型。該模型通過(guò)檢索指定城市一定范圍內(nèi)的城市，獲取范圍內(nèi)城市的經(jīng)緯度坐標(biāo)，通過(guò)經(jīng)緯度坐標(biāo)計(jì)算出指定城市到各個(gè)城市的距離，并獲取各個(gè)城市的確診人數(shù),對(duì)各個(gè)城市的確診人數(shù)和各城市到指定城市的距離進(jìn)行線性變化和加權(quán)，最終得到傳染病風(fēng)險(xiǎn)指數(shù)。

6.1.2 計(jì)算方法

獲取指定城市經(jīng)緯度A（WA,JA）,同時(shí)獲取該城市一定范圍內(nèi)的所有城市，計(jì)算各個(gè)城市B（WB,JB）到該城市的距離，計(jì)算公式如下：

從數(shù)據(jù)庫(kù)中讀取指定城市和各個(gè)城市的確診人數(shù)R。

使用計(jì)算獲得的距離和確證人數(shù)，進(jìn)行線性變換和加權(quán)，得到各個(gè)城市的傳染病疫情風(fēng)險(xiǎn)指數(shù)Pn：

6.2 指定縣傳染病相關(guān)人數(shù)分析

從前端可視化界面中選擇指定州的指定縣，獲取該縣近段時(shí)間累計(jì)確診人數(shù)、現(xiàn)有確診人數(shù)、累計(jì)確診人數(shù)，以曲線圖形式展現(xiàn)。通過(guò)三種不同數(shù)據(jù)的時(shí)間變換，用戶能夠了解該縣感染情況。

7 總結(jié)

隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，信息數(shù)據(jù)的急速擴(kuò)增，人工智能時(shí)代的來(lái)臨，數(shù)據(jù)就是價(jià)值的觀念逐漸得到認(rèn)可，大數(shù)據(jù)分析技術(shù)更是飛速發(fā)展。傳染病數(shù)據(jù)的分析通過(guò)對(duì)傳染病疫情期間各個(gè)地區(qū)的感染數(shù)據(jù)進(jìn)行計(jì)算與可視化，使用了批處理技術(shù)，并且滿足實(shí)時(shí)性要求，能做到秒級(jí)更新數(shù)據(jù)，具體頁(yè)面可視化效果好。同時(shí)，使用了增長(zhǎng)態(tài)勢(shì)識(shí)別技術(shù)和基于經(jīng)緯度-確診人數(shù)的傳染病風(fēng)險(xiǎn)評(píng)估模型對(duì)傳染病疫情數(shù)據(jù)進(jìn)行更為精準(zhǔn)、直觀的呈現(xiàn)。