一种基于时空轨迹的传播链溯源估计方法技术

本申请公开了一种基于时空轨迹的传播链溯源估计方法，该方法包括：获取患者数据，包括患者轨迹数据，患者病家数据和患者之间传播网络关系；根据两个患者的轨迹数据得到时空轨迹碰撞数据；根据传播网络数据确定两个患者间的传染关系，将表征传染关系的特征输入至特征概率模型，特征概率模型输出各个特征的权重；将特征和特征权重输入溯源模型得到新的病情传播网络关系。本申请公开的一种基于时空轨迹的传播链溯源估计方法，构造出疫情溯源的整体框架，可以快速处理海量信息，快速对患者之间传染关系进行判断。染关系进行判断。染关系进行判断。

【技术实现步骤摘要】
一种基于时空轨迹的传播链溯源估计方法


[0001]本专利技术涉及流调溯源
，特别涉及一种基于时空轨迹的传播链溯源估计方法。

技术介绍

[0002]疫情传播链溯源工作是流调工作中极其重要的一环，它能够帮助流调人员发现重点传播场所，评估区域性疫情外泄风险，甚至是通过传播链中缺失的环节，推测是否有遗漏的病例。
[0003]目前，疫情传播链溯源工作主要存在以下问题：极度依赖分析人员经验。传播链梳理需要综合大量流调信息，包括患者发病时间、因患者体质不同各异的传播期、病例间的接触史，是一项专业性极强的分析工作，因此极度依赖分析人员经验，注定了只有少数人能够胜任。面对大规模传播网络，人工分析效率低。在小规模传播网络下，依赖有经验的分析人员，尚能够推断可靠的推断结果，但当疫情传播规模扩大，信息量呈几何数增长。对确诊患者的轨迹数据进行结构化后，数据量多大上万条，个人或团队难以快速分析海量的调查信息，获得相对可靠的传播结果。结果信息化程度低。目前的传播链溯源结果，主要由人工绘制而成，缺少对溯源结果的数据结构化，对后续信息化工作造成阻碍，可能对流调复盘等工作造成影响。

技术实现思路

[0004]本申请提供一种基于时空轨迹的传播链溯源估计方法，本专利技术的目的在于构造出疫情溯源的整体框架，可以快速处理海量信息，快速对患者之间传染关系进行判断。
[0005]本专利技术提供一种基于时空轨迹的传播链溯源估计方法，包括：获取患者数据，包括患者轨迹数据，患者病家数据和患者之间传播网络关系；根据两个患者的轨迹数据得到时空轨迹碰撞数据；根据传播网络数据确定两个患者间的传染关系，将表征传染关系的特征输入至特征概率模型，特征概率模型输出各个特征的权重；将特征和特征权重输入溯源模型得到新的病情传播网络关系。
[0006]根据两个患者的轨迹数据得到时空轨迹碰撞数据包括：将患者轨迹数据依据人名进行分组，分组后每组内按照到达目标地点的时间先后顺序进行排序，得到分组排序后的患者轨迹数据；患者1到达目标地点的时间为time1，患者2到达目标地点的时间为time2，患者1的目标地点与患者2目标地点的距离为dis；时间差：time_dis=time1
‑
time2距离差：dis时间差的范围：time_range距离差的范围：dis_range
如果time_dis<time_range则满足时间范围的条件如果dis<dis_range则满足空间范围的条件；对于患者轨迹信息当中的任意的两个患者，如果患者1和患者2满足所限制的时间和空间范围的条件则进行碰撞。
[0007]根据两个患者的轨迹数据得到时空轨迹碰撞数据之后，还可以包括对时空轨迹碰撞数据进行处理，具体为：利用dbscan聚类算法，将患者病家数据当中病家住址相近的患者归为一类，并标记，得到分类标记后的病家数据；根据dbscan分类标记后的病家数据的分类情况，将时空轨迹碰撞数据当中患者1和患者2为一类的所有数据删除；将患者1的到达时间晚于患者2的到达时间的数据去掉，得到新的时空轨迹碰撞数据。
[0008]根据传播网络数据确定两个患者间的传染关系，将表征传染关系的特征输入至特征概率模型，特征概率模型输出各个特征的权重具体包括：从时空轨迹碰撞数据当中提取患者1和患者2的到达时间和离开时间信息，从而得到二者时间上的重合时长intersection和二者分别在目标地点的滞留的时间stay_time1、stay_time2，提取出患者1和患者2病家数据当中初筛阳性时间和到达目标地点的时间，得到二者到达目标地点的时间和初筛阳性时间的距离time_dis1、time_dis2，根据碰撞数据中患者1和患者2上一个和下一个到达地点的经纬度信息，判断两个患者从上一个地点到达现地点或从现地点到达下一个地点是否有交集得到intersect_last、intersect_next,根据患者1和患者2目标地点的经纬度信息可以知道两个患者目标地点的距离dis，根据intersection、stay_time1、stay_time2、time_dis1、time_dis2、intersect_last、intersect_next和dis这些特征项构建特征概率模型。
[0009]将特征和特征权重输入溯源模型得到新的病情传播网络关系之前，还可以包括对特征概率模型进行训练，具体为：从特征概率模型数据当中按照一定比例提取出训练集和测试集，利用逻辑回归算法对训练集进行训练，得到各个特征的权重参数。
[0010]将特征和特征权重输入溯源模型得到新的病情传播网络关系具体包括：根据不同特征的权重参数构建溯源模型，利用溯源模型可以对新的碰撞数据做出判断，判断某条碰撞数据当中的两个患者是否有传染关系。
[0011]本专利技术根据患者轨迹信息进行时空轨迹碰撞，将目前已有的患者信息整理并特征化处理，根据已有的传播网络关系标记碰撞数据当中具有确定传染关系的数据和没有传染关系的数据，标记后构建出特征概率模型，对该模型进行训练得到不同特征的权重参数，根据特征权重参数构造出溯源模型，利用溯源模型来判断新的碰撞数据是否具有传染关系。本专利技术能够提升传播链溯源效率：构建特有的溯源模型，面对大规模传播也能快速处理分析，规避人工进行数据归纳处理效率较低的弊端。提升流调信息利用率：综合考虑考虑海量的轨迹信息如初筛阳性时间、时空轨迹碰撞、传播链关系，避免人工分析导致的信息遗漏，分析结果考虑不周全问题。面对新的疫情可以在已有的特征概率模型上，对新的特征概率模型进行训练，每次遇到新的疫情都可进行此步骤，经过不断迭代后，可以提高溯源模型判
断的准确度。
[0012]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
附图说明
[0013]此处的附图被并入说明书中并构成本说明书的一部分，标示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。
[0014]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0015]图1为本专利技术提供的一种基于时空轨迹的传播链溯源估计方法的流程图。
具体实施方式
[0016]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0017]本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时空轨迹的传播链溯源估计方法，其特征在于，包括：获取患者数据，包括患者轨迹数据，患者病家数据和患者之间传播网络关系；根据两个患者的轨迹数据得到时空轨迹碰撞数据；根据传播网络数据确定两个患者间的传染关系，将表征传染关系的特征输入至特征概率模型，特征概率模型输出各个特征的权重；将特征和特征权重输入溯源模型得到新的病情传播网络关系。2.根据权利要求1所述的一种基于时空轨迹的传播链溯源估计方法，其特征在于，所述根据两个患者的轨迹数据得到时空轨迹碰撞数据包括：将患者轨迹数据依据人名进行分组，分组后每组内按照到达目标地点的时间先后顺序进行排序，得到分组排序后的患者轨迹数据；患者1到达目标地点的时间为time1，患者2到达目标地点的时间为time2，患者1的目标地点与患者2目标地点的距离为dis；时间差：time_dis=time1
‑
time2距离差：dis时间差的范围：time_range距离差的范围：dis_range如果time_dis<time_range则满足时间范围的条件如果dis<dis_range则满足空间范围的条件；对于患者轨迹信息当中的任意的两个患者，如果患者1和患者2满足所限制的时间和空间范围的条件则进行碰撞。3.根据权利要求1所述的一种基于时空轨迹的传播链溯源估计方法，其特征在于，所述根据两个患者的轨迹数据得到时空轨迹碰撞数据之后，还包括对时空轨迹碰撞数据进行处理，具体为：利用dbscan聚类算法，将患者病家数据当中病家住址相近的患者归为一类，并标记，得到分类标记后的病家数据；根据dbscan分类标记后的病家数据的分类情况，将时空轨迹碰撞数据当中患者1和患者2为一类的所有数据删除；将患者1的到达时间晚于患者2的到达时间的数据去掉，得到新的时空轨迹碰撞数据。4.根据权利要求1所述的...

【专利技术属性】
技术研发人员：王平港，王叶飞，陈扬航，
申请(专利权)人：广东泳华科技有限公司，
类型：发明
国别省市：