新冠疫情时空传播精细预测、模拟与风险分析-以北京市为例
文献类型：学位论文
| 作者 | 黄强 |
| 答辩日期 | 2023-06 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 裴韬 |
| 关键词 | 多源大数据 精细疫情建模 疫情预测 疫情情景模拟 疫情风险分析 |
| 学位名称 | 博士 |
| 学位专业 | 地图学与地理信息系统 |
| 英文摘要 | 2019 年开始的COVID-19 疫情已被国际卫生组织确定为百年一遇的重大疫情。截止2023 年2 月，全球已有6.75 亿人感染，687 万人死于疫情。空间上，全球几乎所有国家和地区均有疫情报告，在时间上，疫情以及后续影响还将持续较长时间。此外，随着Omicron 等新冠变异毒株的出现，疫苗并没有完全遏制住疫情，疫情防治也更加困难。自2022 年12 月起，中国政府陆续放松防疫管控，民众正在逐步恢复正常生活，但后期新冠疫情，乃至其他传染病，仍然是人类长期需要面对的问题。在此背景下，新冠防控研究的意义在于回顾过去的防疫政策，并为疫情开放时代的防控工作提供支持。针对新冠疫情的研究浩如烟海，但经过长达三年的实践和经验教训，未来的防控应该走精细疫情防控的道路，即缩减政策波及到空间与人群，提升政策的指向性。精细防控包括疫情预测、政策模拟和风险分析三个部分，利用地理大数据对其进行建模和分析，有助于制定科学有效的防疫政策。然而，应用大数据进行疫情建模面临着重重困难，首先，新冠病毒本身具有传播方式复杂和传播概率高的特点，其次，新冠疫情的发生和发展受到了人口流动、人口结构、传播场所等多方面因素的影响，因此，新冠疫情是一个高度非线性的时空过程，这为疫情建模研究带来了巨大的挑战。目前的疫情建模研究受限于技术、数据和计算环境，因此存在不足：（1）预测模型的精度不高，空间尺度较大，无法体现人群移动接触的动态特性，以及空间异质性和人群结构异质性；（2）政策模拟限于早期疫情，未考虑精细的防控政策；（3）疫情风险评估未考虑人群移动接触、建筑环境以及感染者和密切接触者的移动轨迹。随着大数据和建模技术的发展，出现了更为详细的人口流动与空间数据，如信令、POI、建筑结构等，以及智能体、人工智能等建模技术，满足了精细防控研究所需的数据和方法，为研究精细化疫情防控提供了机遇。为了解决上述问题，本文的研究重点在于精细疫情防控建模，通过模型实现疫情预测、政策模拟和风险分析，为决策者提供科学依据，以实现精准防控，减少政策的波及，提高防控政策的针对性。本文的主要内容：（1）使用多源大数据建立北京的实时移动接触网络，记录每个人的移动接触信息（如接触时间、地点、对象）、个人信息（如性别、年龄）和建筑信息（如楼层、面积、功能、兴趣点数量、类型）；（2）在移动接触网络的基础上，为了应对原始毒株和变异毒株的防疫需求，分别建立群体型模型和个体型模型。（3）以北京新发地海鲜市场疫情和天堂超市酒吧疫情为例，阐述疫情的暴发背景和特点，并量化两次疫情的主要干预措施，估算预测情景参数，预测感染者数量和空间分布，最后建立一系列政策情景，验证干预措施的有效性；（4）从人群移动接触与建筑环境的视角出发，提出三种计算风险的方法，即建筑物通风量为核心的建筑环境传播风险，以人群移动接触为核心的累积接触风险，以感染者和密接者轨迹为核心的轨迹传播风险。以天堂超市酒吧疫情为案例，本文以建筑环境传播风险为基础，与累积接触风险组合为日常传染病风险，与轨迹传播风险组合为突发传染病风险，分析风险结果，找出高风险区域的分布，并对三种方法的优点和缺点进行比较。本文的主要结论包括以下几个方面：（1）群体型模型对感染者数量的预测结果与实际数据的吻合度高（R2 为0.734），并且空间分布结果与实际病例分布相似；（2）个体型模型具有较高的数量精度（R2 为0.951），能够详细展示感染者的年龄和性别分布，并在能在宏观和微观空间结果上反映疫情的扩散趋势，包括暴露发生的位置和感染者的住址分布等；（3）对新发地疫情进行的政策模拟结果表明，有针对性的人口流动限制和核酸检测都能够减少疫情规模，但人口流动限制政策更加侧重于控制疫情传播的空间范围，而核酸检测政策更加侧重于控制感染者数量；（4）针对天堂超市疫情的政策模拟结果表明，时空密接追踪技术可以显著减少感染者数量和推迟疫情高峰时间，但如果未完全“锁定”与疫源地有关的所有人群，即使使用核酸普筛和强制感染者隔离等常规防疫措施，也无法避免疫情暴发；（5）日常传染病风险计算结果表明，高风险区域并不是人流密集的地方，比如北京站、西单等，而是接触人数较多的高风险人群居住地，如住宅、商住一体建筑等，风险值分类统计结果显示，风险值最高的建筑类型是办公楼，其次是住宅和商场，风险值最高的年龄段是30-39 岁，其次是40-49 岁和50-59 岁，男性的风险值略高于女性；（6）突发传染病风险计算结果表明，风险区的空间分布与确诊病例的空间分布是相似的，图像结构相似性指标SSIM（StructuralSimilarity）为0.779，但高风险区域集中在疫情发源地附近，而且距离疫情发源地越远，划定风险区的偏差也越大，风险值分类统计结果显示，最高风险的建筑功能类型是办公楼、住宅和商场，风险值最高的年龄段为20-29 岁，其次是40-49、30-39 和50-59 岁，男性的风险值仍略高于女性。论文的主要创新性：（1）建立了群体型与个体型疫情模拟模型，模型能考虑移动、接触与场所的异质性，具有较高的数量与空间精度，并且能展示多样化的结果；（2）实现了北京新发地市场与天堂超市疫情的政策量化、疫情预测与情景模拟，对这两次精细干预措施的量化模拟研究，有助于更好地应对后期的新冠疫情，甚至其他传染病；（3）提出了三种疫情传播风险计算方式，相比于以往以人群流动为主的风险计算模型，本研究的风险模型分别基于建筑空间环境、人群移动接触和感染者轨迹，从不同的视角计算了多源大数据环境下疫情风险，找出了不一样的高风险区域和人群。 |
| 语种 | 中文 |
| 页码 | 121 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/199856]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 黄强. 新冠疫情时空传播精细预测、模拟与风险分析-以北京市为例[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2023. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。