王騰飛?李宏

摘要：在大數據時代，建立用 Python 預測公共安全事件發(fā)展研究，可實現對公共安全事件防控全面、客觀的感知和認識，為做出符合實際的科學決策提供實證支撐。另一方面，大數據不僅是一項具有革命性的信息技術，也是一種思維、資源和能力。在新冠肺炎公共安全事件防控的大背景下，面對突發(fā)性公共衛(wèi)生事件，如何運用大數據提升政府治理能力，增強治理效能，進行科學決策、思想引導和精準施策，需要相關人員深入研究并提出相關措施。

關鍵詞：Python 預測；公共安全事件；發(fā)展研究

基金項目：本文系“可視化計算與虛擬現實四川省重點實驗室”單位項目《大數據在重大疫情防控中的應用研究》 （課題編號：SCVCVR2021.04VS）；課題所取得的研究成果受“可視化計算與虛擬現實四川省重點實驗室”資助。

王騰飛（1986.11-），男，漢族，重慶開州，碩士學位，助教，研究方向：大數據技術與應用；

李宏（1964.04-），男，漢族，重慶開州，學士學位，教授，研究方向：計算機應用技術。

一、背景

突發(fā)性公共事件，是現代社會風險治理的重要課題。其中重點包括了“防范化解重大風險體制機制不斷健全，突發(fā)公共事件應急能力顯著增強”。

在大數據時代，建立用 Python 預測公共安全事件發(fā)展研究，可實現對公共安全事件防控全面、客觀的感知和認識，為做出符合實際的科學決策提供實證支撐。另一方面，大數據不僅是一項具有革命性的信息技術，也是一種思維、資源和能力。

二、原則及方法

①運用大數據實時數據治理，促進公共安全事件防控治理網絡化、制度化和規(guī)范。在大數據時代，社會結構和治理模式正在發(fā)生變革，如社會構成復雜化、權力機制扁平化、社會治理多元化等。

②運用大數據實施整體性治理，提升公共安全事件防控把控能力和科學決策力。需要建立公共安全事件防控中利用大數據“采集——分析——反饋”的制度規(guī)范，確保和提高行政運行效率。

③運用大數據實施精準治理，提升應對公共安全事件防控的態(tài)勢感知力、資源匹配供給力和差異化服務能力。

既能體現以人民為中心的根本立場，又能在應急處置中激發(fā)人們主動參與，減少治理成本，增強治理效能，提升廣大民眾對黨和政府的信任感和信賴度[3]。

三、案例

（一）Python 預測案例

作為TF-IDF結果的一個例子，來看看這些句子。"Im traveling to Paris this week"，"There will be so many journeys to Paris next week"，"Paris is supposed to receive a lot of tourists"。實際案例簡單的案例，使用TF-IDF來識別。數據集從2009年至2020年的英文文本中抽取了一組新聞和觀點 [1]。數據集包含了日期、標題、新聞正文和被提及的關鍵詞。

將該詞還原為詞根同義詞。由于De輸入 "POS"，詞根是來自形容詞、動詞還是名詞。刪除常見的詞，如Wall street、 Market、Stock、Share等。

模型是創(chuàng)建符合目的的模型。因此，使用Python中的Sklearn庫。由于想知道每個日期的關鍵信息，使用 TfidfVectorizer模型，可以幫助識別每個日期的關鍵信息?？梢栽O置關鍵特征的數量來控制輸出結果的數量，設置為8個特征。

from sklearn.feature_extraction.text importTfidfVectorizer

tf_idf_model = TfidfVectorizer（max_features=8）

processed_text_tf = tf_idf_model.fit_transform（preprocessed_texts）

tf_idf_values = tf_idf_model.idf_

tf_idf_names = tf_idf_model.get_feature_names（）

接下來，用當天數據集中的新聞片段來應用這個模型。通過這種方式，得到一組8個代表當天關鍵信息的詞，每個詞都有一個TF-IDF值，表示在當天的重要性。

（二）用Python預測公共安全事件發(fā)展

首先對SIR模型做一個簡單的介紹，SIR全稱就是Susceptible—Infected—Recovered，易感—感染—康復，即易感人群Susceptible有α概率被某種疾病感染，成為感染人群Infected，而感染人群Infected又有β概率康復，成為康復人群Recovered。這次用到的圖論方面的庫是networkx，這是Python中最常用的圖論分析的庫。下面還是直接用代碼來具體說明一下。先導入各種包。

import matplotlib.pyplot as plt

import numpy.random as rdm

import networkx as nx

接下來定義兩個變量n和g。n是總人數，nx.erdos_renyi_graph則是一種隨機網絡圖，著名的E-R隨機圖理論（Random graph theory），復雜網絡拓撲結構的系統性分析。而這個E-R圖也是本文應用的基礎[2]。而nx.erdos_renyi_graph（n， 0.01）的意思就是以概率0.01來連接100個節(jié)點。然后是三個string類型的變量susceptible、infected和recovered，分別代表“易感”“感染”和“康復”人群。

第一個函數Onset，在這里把每個節(jié)點的狀態(tài)都設置為“S”，也就是易感狀態(tài)，感染函數是Infect_prop，Prop是Proportion，這個函數是感染比例，這里用到了Numpy.Random.Random方法，也就是返回一個均勻分布，數值大小在0-1之間，不包含1，當Rdm.random（）<= Proportion時，就讓這樣的人群變?yōu)楦腥救巳?，這樣讓感染人群更加均勻一些。第三個函數是Build_model，是一個嵌套函數，有兩個參數，PInfect和PRecover，分別代表感染概率和康復概率，而這里的G.Neighbors（I）的意思是節(jié)點I的相鄰的節(jié)點，而G是生成的圖（Graph），是Class。在這些感染人群中，相鄰節(jié)點的狀態(tài)是 “Susceptible”時，讓這些節(jié)點（人群）以概率PInfect來進行感染；感染人群中，以PRecover的概率進行康復。這就是感染—康復過程。而后面的兩個函數Model_Run和Model_Iter則是將這個模型運行多次，分別用來模擬一個循環(huán)和多個循環(huán)。

fig， ax= plt.subplots（figsize=（12， 10））

ax.set_xticks（[]）

ax.set_yticks（[]）

pos = nx.spring_layout（g， k=0.2）

nx.draw_networkx_edges（g， pos， alpha=0.5， width = 1）

nx.draw_networkx_nodes（g， pos， node_size=80）

plt.show（）

首先設置圖片的大小，并去掉坐標軸，然后設置網絡圖的位置，Nx.Spring_layout設置網絡圖的位置的方法，其中參數K是節(jié)點間的最佳距離，這個可以隨意設置，值越大節(jié)點越分散，接下來繪制節(jié)點和連線，Nx.draw_Networkx_Nodes（G， POS，Node_Size=80）用來繪制節(jié)點，POS就是剛才設置的位置參數，再設置一下節(jié)點的大小，而Nx.Draw_Networkx_Edges（G， POS，Alpha=0.5，Width = 1）用來繪制連線，同樣要傳入位置參數，再設置透明度和線寬。

Networkx使用的繪圖算法是隨機的，同時使用的參數也是隨機的，所以這個圖每次生成的結果都不同，可以看到這里面已經有部分節(jié)點相連，疾病也就是通過他們開始傳播，最后就是計算感染率。

n = 100onset（g）

infect_prop（g， 0.05）

model = build_model（0.2， 0.8）

model_iter（g， model， 10）

infected = [ v for （v， attr） in g.nodes（data = True）

if attr['state'] == recovered ]

infection_rate = len（infected）/n

print（infection_rate）

這當中Onset（g）中的G就是前面用G = Nx.erdos_renyi_graph（n， 0.01）生成的圖，這是一個類的實例，Infect_prop（g， 0.05）中的0.05就是設置人群初始感染率為0.05，Model = Build_model（0.2， 0.8）中的感染概率和康復概率分別設置為0.2和0.8，而Model_iter（g， model， 10）中讓這個模擬過程重復10次，最后計算出感染人數，并得出最終穩(wěn)定的感染率Infection_rate。

新冠肺炎公共安全事件是對國家治理體系和治理能力的一次大考，既考察著國家政治、經濟等各方面工作的應急能力和處置水平，也檢驗著國家大數據、人工智能、云計算等新技術的應用程度和社會成效。

四、結束語

公共安全事件防控既需要大數據技術支持，也需要新時代公民的大局意識和擔當意識。自覺服從黨和國家實施的管理規(guī)定與制度，服從大局、團結一心，戰(zhàn)勝公共安全事件。

作者單位：王騰飛 四川化工職業(yè)技術學院數字經濟學院

李宏 可視化計算與虛擬現實四川省重點實驗室

參? 考? 文? 獻

[1]王曉飛.新冠疫情下消費券政策效應測度研究——基于Python軟件獲取新浪微博發(fā)博量與關注度數據的分析[J].價格理論與實踐，2020（11）：61-63.

[2]王思遠，譚瀚霖，李東杰.基于改進傳染病動力學易感-暴露-感染-恢復（SEIR）模型預測新型冠狀病毒肺炎疫情[J].第二軍醫(yī)大學學報，2020，41（06）：637-641.

[3]耿輝，徐安定，王曉艷等.基于SEIR模型分析相關干預措施在新型冠狀病毒肺炎疫情中的作用[J].暨南大學學報（自然科學與醫(yī)學版），2020，41（02）：175-180.

[4]趙明靜. 基于公共安全視角的城市物流風險分析及預測研究[D].北京交通大學，2021.

[5]邱凌峰，胡嘯峰， 周睿，等. 基于機器學習的典型社會安全事件發(fā)生規(guī)律研究及對雄安新區(qū)的啟示[J].中國安全生產科學技術，2018，14（10）：11-17.

[6]丁晴.基于Python的人臉識別技術應用研究[J].數字技術與應用， 2021，39（5）：75-78.

[7]范維澄，劉奕，翁文國.公共安全科技的幾點思考[C]// 中國突發(fā)公共事件防范與快速處置2008優(yōu)秀成果選編.2008：54.

[8]夏冰冰.基于Python的安全檢測的研究與實現[J].現代信息科技，2019，3（10）：155-157.

[9]孫宗緣，馬秀峰，李奇.突發(fā)公共安全事件網絡輿情演化分析——基于文本挖掘與情感分析兩個視角[J].河北科技圖苑，2021，34（05）：65-75.

[10]于路遙，宋瑾鈺.基于Python的天氣信息可視化分析系統的設計與實現[J].軟件工程與應用，2022，11（6）：1394-1403.