一种covid-19智能体患病风险预测模型
技术领域
1.本发明属于疾病预测模型构建技术领域，具体涉及一种基于gis 技术的covid-19智能体患病风险预测模型。
背景技术：2.目前covid-19疫情的防控常态化阶段，其致病风险因素和防治 干预管理已成热点。我们将基于gis技术建立地区covid-19疫情调 研时空数据库，并利用人口普查数据以及地图地形数据，构建一个基 于某国某一地区的高精确度的智能体模型。
3.有效的测试和及时追踪接触者并发现病例对于covid-19疫情的 有效防控和公共卫生干预测略的合理制定具有极大的意义。而关于检 测的重要问题与识别受感染者及其接触者，解决这些问题需要更好地 了解社区结构、爆发地点和个人生活方式。本模型会在个人层面提供 较高精确度的时间和空间表示，考虑多种类型的物理位置，例如企业、 学校、医院和养老院，并从社区的独特特征入手，分析当地人类行为 趋势和当地的人口移动模式。
4.现有的智能体模型的重点要么是以一个极小的小型微环境(例如 一个校园)，要么是以整个国家的环境来进行智能体模拟，为了进行 数值模拟而有意的对人口进行粗化。中等规模的智能体模型构成了 covid-19流行病的一个重要但未被考虑的建模规模。
技术实现要素：5.本发明模型以covid-19疫情所呈现出的流行病学特征和智能体 建模方法作为理论指导，以covid-19疫情爆发风险与个体流行病学 影响因素及宏观干预行为之间的交互机理和算法在智能体建模中的 优化为理论依据，以某地区covid-19疫情爆发的风险概率为分析和 评价指标，构建一个耦合个体流行病学影响因素与宏观干预行为的 covid-19疫情智能体患病风险预测模型，从微观到宏观模拟和预测 covid-19疫情爆发风险的动态演变过程。最后，构建适合该地区covid-19疫情个体流行病学特征的covid-19疫情智能体风险评估体 系，并探索具有普适性的covid-19疫情干预调控手段及指标，以期 对现有的covid-19疫情干预策略和个人健康行为进行调整和反思， 为covid-19疫情的有效防控和公共卫生干预提供科学理论依据和信 息化决策工具。
6.为了达到上述技术目的，本发明是通过以下技术方案实现的：
7.一种基于gis技术的covid-19智能体患病风险预测模型的构建 方法，包括以下步骤：
8.s1：创建地图：利用研究地区的建筑物统计数据，获取建筑物类 型和名称，然后根据建筑物类型和名称从高德地图api接口获取建筑 物的经纬度，最后根据经纬度去生成研究地区的建筑物，按照经纬度 去尽可能的还原该地区的真实地理环境，从而生成研究地区的地图。
9.s2：创建个体：利用研究地区的人口普查数据、家庭规模、家庭 结构数据，获取研
究地区的常住总人口数(模型智能体建模数)、年 龄占比、户口总数、户主年龄分布、家庭平均人数、没有孩子的家庭 比例、单亲家庭比例以及有老人的家庭比例等具有明显当地社区结构 的数据，然后根据这些数据去创建研究地区的家庭，最后以家庭为依 据去创建家庭成员，从而尽可能的对当地居民进行一对一的数值建模， 并尽可能的还原当地的社区特征。从社区的独特特征入手，分析职业 统计数据，获取研究地区参加工作的人数以及他们的日常出行方式， 然后根据各种出行方式的比例，去分析当地人类行为趋势和当地的人 口移动模式，从而生成人群的移动模式。
10.s3：智能体模型：符合年龄的智能体会被分配至各级学校，有工 作的智能体会被分配至各类工作场所参加工作，智能体的上下学、参 加工作、核酸检测以及去医院接受治疗等，都会造成人群移动，进而 构成人群移动模型。智能体在家庭生活时，结合covid-19病毒在家 里的传染率参数，智能体在移动过程中结合covid-19病毒在环境中 的传染率参数，智能体在工作场所，学校以及医院等地，结合相关场 所的covid-19病毒传染率等参数，构成covid-19疫情的传播，确诊 患者会根据年龄等参数分成普通住院患者和需要icu治疗的患者，确 诊患者在医院接受治疗时，结合covid-19恢复时间等参数对确诊患 者进行恢复，需要icu治疗的患者，结合icu治疗的死亡率以及年龄 等相关参数对确诊患者的死亡数进行预测，恢复或者死亡的确诊患者 不会在对covid-19疫情的传播造成影响。结合这些相关参数和人群 移动模式就会构成一个完整的智能体模型。
11.优选的，所述建筑物统计数据包括：住宅数据、住宅建筑类型、 住宅单元数据、公共场所数据、建筑类型、养老院数据、医院数据、 学校数据、休闲场所数据；
12.优选的，所述人口普查数据统计因素包括：上班交通工具、拼车 乘客数量和拼车比例、公共交通路线、年龄分布、户主年龄分布、家 庭规模分布、职业统计、上班时间；
13.优选的，所述相关参数包括：相关感染参数、住院的年龄比例、 需要icu的比例、死亡的年龄比例、暴露之后年龄段的感染比例。
14.本发明的有益效果是：
15.针对地区covid-19疫情防治面临得新局面和新挑战，我们从高 精度的智能体模型入手，尽可能的对研究地区进行一对一的还原，构 建了研究地区的医院、学校、公共场所以及休闲场所，并深入的研究 该地区的社区结构，以及当地人类行为趋势和当地的人口移动模式， 对研究地区的covid-19疫情爆发风险的动态模拟，以及covid-19疫 情的防制决策都有着积极推动促进作用和重大研究意义。
附图说明
16.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描 述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图 仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付 出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
17.图1是本发明实施例新罗谢尔镇社区和公共场所分布图；
18.图2是本发明实施例新罗谢尔镇人口生成图；
19.图3是本发明实施例新罗谢尔镇累计确诊人数；
20.图4是本发明模型构建方法流程框图。
具体实施方式
21.下面将结合本发明实施例中的附图，对本发明实施例中的技术方 案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部 分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普 通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例， 都属于本发明保护的范围。
22.实施例1
23.一种基于gis技术的covid-19智能体患病风险预测模型的构建 方法，包括以下步骤：
24.s1：创建地图：利用研究地区的建筑物统计数据，获取建筑物类 型和名称，然后根据建筑物类型和名称从高德地图api接口获取建筑 物的经纬度，最后根据经纬度去生成研究地区的建筑物，按照经纬度 去尽可能的还原该地区的真实地理环境，从而生成研究地区的地图。
25.s2：创建个体：利用研究地区的人口普查数据、家庭规模、家庭 结构数据，获取研究地区的常住总人口数(模型智能体建模数)、年 龄占比、户口总数、户主年龄分布、家庭平均人数、没有孩子的家庭 比例、单亲家庭比例以及有老人的家庭比例等具有明显当地社区结构 的数据，然后根据这些数据去创建研究地区的家庭，最后以家庭为依 据去创建家庭成员，从而尽可能的对当地居民进行一对一的数值建模， 并尽可能的还原当地的社区特征。从社区的独特特征入手，分析职业 统计数据，获取研究地区参加工作的人数以及他们的日常出行方式， 然后根据各种出行方式的比例，去分析当地人类行为趋势和当地的人 口移动模式，从而生成人群的移动模式。
26.s3：智能体模型：符合年龄的智能体会被分配至各级学校，有工 作的智能体会被分配至各类工作场所参加工作，智能体的上下学、参 加工作、核酸检测以及去医院接受治疗等，都会造成人群移动，进而 构成人群移动模型。智能体在家庭生活时，结合covid-19病毒在家 里的传染率参数，智能体在移动过程中结合covid-19病毒在环境中 的传染率参数，智能体在工作场所，学校以及医院等地，结合相关场 所的covid-19病毒传染率等参数，构成covid-19疫情的传播，确诊 患者会根据年龄等参数分成普通住院患者和需要icu治疗的患者，确 诊患者在医院接受治疗时，结合covid-19恢复时间等参数对确诊患 者进行恢复，需要icu治疗的患者，结合icu治疗的死亡率以及年龄 等相关参数对确诊患者的死亡数进行预测，恢复或者死亡的确诊患者 不会在对covid-19疫情的传播造成影响。结合这些相关参数和人群 移动模式就会构成一个完整的智能体模型。
27.优选的，所述建筑物统计数据包括：住宅数据、住宅建筑类型、 住宅单元数据、公共场所数据、建筑类型、养老院数据、医院数据、 学校数据、休闲场所数据；
28.优选的，所述人口普查数据统计因素包括：上班交通工具、拼车 乘客数量和拼车比例、公共交通路线、年龄分布、户主年龄分布、家 庭规模分布、职业统计、上班时间；
29.优选的，所述相关参数包括：相关感染参数、住院的年龄比例、 需要icu的比例、死亡的年龄比例、暴露之后年龄段的感染比例。
30.本实验所作的预实验数据采用美国威彻斯特县新罗谢尔镇的数 据
31.如图1为智能体模型中的地图构建模块所生成的新罗谢尔镇的 地图，突出标注了社区(家庭住宅)和公共场所(医院、养老院、学 校以及工作场所)。共创建了29645个家庭住
宅，2483个工作场所， 128所各类学校，13所养老院及6255个休闲场所。
32.如图2为智能体模型中的人口创建模块所生成的新罗谢尔镇的 人口生成图，标注了每个小镇居民的初始位置，随着模型的迭代，小 镇居民会在图一生成的地图中流动。模型共创建了79205个小镇居民。
33.如图3为智能体模型和官方报告数据的比较，青色的线是智能体 模型模拟的100次实现，蓝色的线为模型实现的平均值，黑色的圆圈 是官方报告的确诊病例数。
34.在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体 示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材 料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中， 对上述术语的示意性表述不一定指的是相同的实施例或示例。而且， 描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施 例或示例中以合适的方式结合。
35.以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实 施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实 施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说 明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和 实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。 本发明仅受权利要求书及其全部范围和等效物的限制。
技术特征：1.一种基于gis技术的covid-19智能体患病风险预测模型的构建方法，其特征在于，包括以下步骤：s1：创建地图：利用研究地区的建筑物统计数据，获取建筑物类型和名称，然后根据建筑物类型和名称从高德地图api接口获取建筑物的经纬度，最后根据经纬度去生成研究地区的建筑物，按照经纬度去尽可能的还原该地区的真实地理环境，从而生成研究地区的地图；s2：创建个体：利用研究地区的人口普查数据、家庭规模、家庭结构数据，获取研究地区的常住总人口数(模型智能体建模数)、年龄占比、户口总数、户主年龄分布、家庭平均人数、没有孩子的家庭比例、单亲家庭比例以及有老人的家庭比例等具有明显当地社区结构的数据，然后根据这些数据去创建研究地区的家庭，最后以家庭为依据去创建家庭成员，从而尽可能的对当地居民进行一对一的数值建模，并尽可能的还原当地的社区特征；从社区的独特特征入手，分析职业统计数据，获取研究地区参加工作的人数以及他们的日常出行方式，然后根据各种出行方式的比例，去分析当地人类行为趋势和当地的人口移动模式，从而生成人群的移动模式；s3：智能体模型：符合年龄的智能体会被分配至各级学校，有工作的智能体会被分配至各类工作场所参加工作，智能体的上下学、参加工作、核酸检测以及去医院接受治疗等，都会造成人群移动，进而构成人群移动模型；智能体在家庭生活时，结合covid-19病毒在家里的传染率参数，智能体在移动过程中结合covid-19病毒在环境中的传染率参数，智能体在工作场所，学校以及医院等地，结合相关场所的covid-19病毒传染率等参数，构成covid-19疫情的传播，确诊患者会根据年龄等参数分成普通住院患者和需要icu治疗的患者，确诊患者在医院接受治疗时，结合covid-19恢复时间等参数对确诊患者进行恢复，需要icu治疗的患者，结合icu治疗的死亡率以及年龄等相关参数对确诊患者的死亡数进行预测，恢复或者死亡的确诊患者不会在对covid-19疫情的传播造成影响；结合这些相关参数和人群移动模式就会构成一个完整的智能体模型。2.根据权利要求1所述一种基于gis技术的covid-19智能体患病风险预测模型的构建方法，其特征在于，所述建筑物统计数据包括：住宅数据、住宅建筑类型、住宅单元数据、公共场所数据、建筑类型、养老院数据、医院数据、学校数据、休闲场所数据。3.根据权利要求1所述一种基于gis技术的covid-19智能体患病风险预测模型的构建方法，其特征在于，所述人口普查数据统计因素包括：上班交通工具、拼车乘客数量和拼车比例、公共交通路线、年龄分布、户主年龄分布、家庭规模分布、职业统计、上班时间。4.根据权利要求1所述一种基于gis技术的covid-19智能体患病风险预测模型的构建方法，其特征在于，所述相关参数包括：相关感染参数、住院的年龄比例、需要icu的比例、死亡的年龄比例、暴露之后年龄段的感染比例。
技术总结本发明公开了一种COVID-19智能体患病风险预测模型，具体为基于GIS技术的COVID-19智能体患病风险预测模型及其构建方法，主要为利用建筑物统计数据创建所研究地区的地图，利用人口普查数据创建个体，最后结合相关参数以及人群移动模型构成智能体模型；模型能够基于个体流行病学行为特征及相关干预策略的影响对地区COVID-19疫情爆发风险的长期趋势进行模拟和预测,从而节约人力、物力、财力量化评估相关地区现场干预策略的实施效果，并为公共卫生干预策略的制定、优化和调整提供科学建议。优化和调整提供科学建议。优化和调整提供科学建议。
技术研发人员：董雯 张钦
受保护的技术使用者：云南师范大学
技术研发日：2022.07.14
技术公布日：2022/11/1
