本申请涉及管理、生物数学和计算机领域等，提供了一种考虑区域风险等级特异性的疫苗分配方法。包括：统计人口信息和疫情传播特征信息；根据人口信息和疫情传播特征信息，以新增人口密度和疫情源头地区人口的迁入率为特征，对城市进行风险等级分类；根据人口信息和疫情传播特征信息，以新增人口密度和疫情源头地区人口的迁入率为特征，对城市进行风险等级分类；根据传染病预测模型、优化思想和疫苗的有效性，建立考虑区域风险等级特异性的疫苗分配模型，并确定各风险等级区域的疫苗最优分配方案。实施本申请，可以利用人口信息和疫情传播特征信息，自动精准地给出考虑区域风险等级特异性的疫苗最优分配方案，提高有限疫苗分配效率，减少社会损失。减少社会损失。
【技术实现步骤摘要】
基于区域疫情传播风险分级的疫苗分配系统
[0001]本申请涉及管理领域、生物数学领域和计算机
等，尤其涉及一种考虑区域风险等级特异性的疫苗分配方法、系统及终端。
技术介绍
[0002]注射疫苗被看作是最有效、最治本的控制传染病的措施。由于病毒的不确定性和疫苗开发、生产和交付方面的限制，在传染病大流行的早期阶段可能无法获得有效的疫苗。预计从分离一种新的大流行性病毒到开始大规模生产疫苗至少需要几个月的时间。因此，疫苗的供应往往是有限的，而随着疫情的扩散，人们对疫苗的需求呈现爆炸式增长。在疫苗稀缺的情况下，疫苗的分配策略很大程度上影响疫情的发展。不合理的疫苗分配，不仅不能减缓疫情，还会加剧社会的不公平，促使社会动乱。从人道主义角度，如何进行有效的疫苗分配以尽量减少传染病的感染人数和死亡人数是一个值得研究的问题。
[0003]现有的疫苗分配系统多集中于按照年龄、职业，地理空间等进行疫苗分配，但是值得注意的是传染病的传播具有以爆发点为中心四处扩散的特性，较少有人考虑了这个特性。本系统考虑了传染病传播的特点，应用机器学习的方法对风险等级进行划分，进而提出了考虑区域风险等级特异性的疫苗分配方法。同时，鉴于传染病预测模型与优化模型结合的复杂性，现有疫苗分配系统无法根据实际疫情数据对传染病预测模型参数进行调整，无法做出高效准确的疫苗分配决策。
[0004]综上，考虑区域风险等级特异性的疫苗分配系统有专利技术和推广的必要。
技术实现思路
[0005]为解决以上技术问题，本申请提出了一种考虑区域风险等级特异性的疫苗分配方法、系统及终端，构建了基于实际疫情数据进行参数调整的传染病预测模型，并结合传染病传播的特点，应用机器学习的方法对风险等级进行划分，进而提出了考虑区域风险等级特异性的疫苗分配方法，使得在疫苗供应不足的情况下，最小化传染病的感染人数或死亡人数，促进社会公平，减缓社会动乱。
[0006]第一方面，本申请提出了一种考虑区域风险等级特异性的疫苗分配方法，包括：
[0007]统计人口信息(人口规模数据、人口迁移数据)和疫情传播特征信息(传染病传播特性和死亡人数、感染人数、康复人数等疫情相关数据)；
[0008]根据人口信息和疫情传播特征信息，计算新增确诊人口密度和疫情源头地区人口的迁入率，并将其作为特征；
[0009]根据新增确诊人口密度和疫情源头地区人口的迁入率，对城市进行风险等级分类；
[0010]根据风险等级分类结果、人口信息和疫情传播特征信息，建立考虑区域风险等级特异性的传染病预测模型；
[0011]根据人口信息和疫情传播特征信息，通过解决反向问题，对考虑区域风险等级特
异性的传染病预测模型的部分重要参数进行求解；
[0012]根据传染病预测模型、优化思想和疫苗的有效性，建立考虑区域风险等级特异性的疫苗分配模型，并确定各风险等级区域的疫苗最优分配方案。
[0013]第二方面，本申请提供一种考虑区域风险等级特异性的疫苗分配系统，包括：
[0014]信息获取单元，用于获取人口信息和疫情传播特征信息；
[0015]区域风险等级分类单元，用于首先将疫情源头地区定义为极高风险等级地区，然后根据人口信息和疫情传播特征信息，计算新增确诊人口密度和疫情源头地区人口的迁入率，并对各个城市(除疫情源头地区以外)进行风险等级分类；
[0016]传染病预测模型训练单元，用于构建考虑区域风险等级特异性的传染病预测模型，并通过线性逼近约束优化算法解决反向问题，对模型的部分重要参数进行训练；
[0017]疫苗最优分配方案单元，用于根据传染病预测模型、优化思想和疫苗的有效性，建立考虑区域风险等级特异性的疫苗分配模型，并确定各风险等级区域的疫苗最优分配方案。
[0018]第三方面，本申请提供一种终端
[0019]至少有一个CPU；
[0020]至少有一个存储器，用于存储至少一个计算机程序；
[0021]至少有一个输出设备；
[0022]当上述至少一个计算机程序被至少一个CPU执行时，使得上述任一项考虑区域风险等级特异性的疫苗分配方法的步骤得以实现，并由至少一个输出设备输出最终的各风险等级区域的疫苗最优分配方案。
[0023]该申请提供的方法、系统及终端的优势在于：提出了一种考虑区域风险等级特异性的疫苗分配方法，利用人口信息和疫情传播特征信息，划分区域风险等级，并构建了考虑区域风险等级特异性的传染病预测模型和考虑区域风险等级特异性的疫苗分配模型，最终确定了各风险等级区域的疫苗最优分配方案。该方法充分考虑了传染病的传播特性，使得有限的疫苗得到最合理的分配，以最小化感染人数和死亡人数，减少传染病带来的社会损失。
附图说明
[0024]为了更清楚地说明本申请实施例或
技术介绍
中的技术方案，下面将对本申请实施例或
技术介绍
中所需要使用的附图进行说明。
[0025]图1是本申请提出的考虑区域风险等级特异性的疫苗分配方法的流程图；
[0026]图2是本申请提出的疫苗分配方法的具体应用场景流程图；
[0027]图3是本申请提出的考虑区域风险等级特异性的疫苗分配系统的结构示意图；
[0028]图4是本申请提供的终端示意图。
具体实施方式
[0029]图1是本申请提出的考虑区域风险等级特异性的疫苗分配方法的流程图，上述方法包括以下内容：
[0030]在步骤101中，统计人口信息和疫情传播特征信息。其中，人口信息包括人口规模
数据和人口迁移数据，疫情传播特征信息包括传染病传播特性和死亡人数、感染人数、康复人数等疫情相关数据。传染病传播特性包括，存在无症状患者这一群体，无症状患者存在一定的传染性，其传染性弱于有症状患者；传染病传播以爆发点为中心向四周呈现环形扩散的趋势。
[0031]具体的，人口规模数据来自中国国家统计局；人口迁移数据来自于腾讯位置大数据官网；死亡人数、感染人数、康复人数等疫情相关数据来自中华人民共和国国家卫生健康委员会和相关省份卫生健康委员会官方网站。传染病传播中以爆发点为中心向四周呈现环形扩散的特性，主要通过引入两个特征(新增确诊人口密度和疫情源头地区人口的迁入率)来刻画。传染病传播中有关无症状患者的特性，主要通过在传统易感
‑
感染
‑
康复模型(SIR)中增加新的隔间和新的感染路径来刻画。
[0032]在步骤102中，根据人口信息和疫情传播特征信息，以新增人口密度和疫情源头地区人口的迁入率为特征，对城市进行风险等级分类。
[0033]具体的，首先将疫情源头地区定义为极高风险等级地区。然后，根据人口信息和疫情传播特征信息，计算新增确诊人口密度和疫情源头地区人口的迁入率，并将其作为特征。为了使得两个特征在同一量级上，还需要对数据进行标准化和0
‑
1缩放处理。接着，根据新增确诊人口密度和疫情源头地区人口的迁入率两个特征，利用误差平方和(SSE)和轮廓系数法确定簇数值，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种考虑区域风险等级特异性的疫苗分配方法，其特征在于，包括：统计人口信息和疫情传播特征信息；根据人口信息和疫情传播特征信息，计算新增确诊人口密度和疫情源头地区人口的迁入率，并将其作为特征；根据新增确诊人口密度和疫情源头地区人口的迁入率，对城市进行风险等级分类；根据风险等级分类结果、人口信息和疫情传播特征信息，建立考虑区域风险等级特异性的传染病预测模型；根据人口信息和疫情传播特征信息，通过解决反向问题，对考虑区域风险等级特异性的传染病预测模型的部分重要参数进行求解；根据传染病预测模型、优化思想和疫苗的有效性，建立考虑区域风险等级特异性的疫苗分配模型，并确定各风险等级区域的疫苗最优分配方案。2.根据权利要求1所述的考虑区域风险等级特异性的疫苗分配方法，其特征在于，基于人口信息和疫情传播特征信息，计算新增确诊人口密度和疫情源头地区人口的迁入率，并将其作为特征，包括：根据公式计算新增确诊人口密度和疫情源头地区人口的迁入率，所述公式为：新增确诊人口密度和疫情源头地区人口的迁入率，所述公式为：其中，I'
i
(0)表示城市i在所研究时间段内初始时刻的累计感染人数；I'
i
(N)表示城市i在所研究时间段内最后时刻的累计感染人数；A
i
是城市i的人口规模；P
i
(t)被定义为迁移率，F
i
(t)表示隶属于疫情源头地区的城市向城市i迁移的人口占疫情源头城市迁移人口总数的比例。为了使两个特征在同一量级上，还需要对数据进行标准化和0
‑
1缩放处理。3.根据权利要求2所述的考虑区域风险等级特异性的疫苗分配方法，其特征在于，基于新增确诊人口密度和疫情源头地区人口的迁入率对城市进行风险等级分类，包括：将疫情源头地区定义为极高风险等级地区。根据新增确诊人口密度和疫情源头地区人口的迁入率两个特征，利用误差平方和(SSE)和轮廓系数法确定簇数值，采用k
‑
mean聚类算法对除疫情源头地区以外的城市进行聚类。得到所有城市按照风险等级的分类情况。4.根据权利要求3所述的考虑区域风险等级特异性的疫苗分配方法，其特征在于，根据风险等级分类结果、人口信息和疫情传播特征信息，建立考虑区域风险等级特异性的传染病预测模型，包括：病预测模型，包括：病预测模型，包括：
其中，下标k指代风险等级小组，k＝1,2
…
K；λ
k
表示每个风险等级小组易感染人群被感染的速率，受感染人数、感染率和接触率(和)等多个因素的影响；β
E
表示易感者接触无症状患者时的被感染概率；β
I
表示易感者接触有症状患者时的被感染概率；τ表示无症状但随后会出现症状的患者转化为有症状患者的速率；表示自感染到康复都没有出现症状的患者康复的速率；γ表示有症状患者康复速率；v
k
表示每个风险等级小组有症状患者的死亡率；S
κ
表示每个风险等级小组中容易感染的人群；E
κ
表示每个风险等级小组中已经被感染但是暂时没有出现症状的人群，E
1k
表示每个风险等级小组中自感染到康复都没有出现症状的人群，E
2k
【专利技术属性】
技术研发人员：洪兆富，李颖洁，张芸荣，王畅，
申请(专利权)人：兰州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。