疫情防控常态化时期的高校人员态势感知系统设计与实现

朱新铭 刘海砚 卢宣蓓 徐 青 张付兵

(1. 信息工程大学 地理空间信息学院, 河南 郑州 450001; 2. 信息工程大学 数据与目标工程学院, 河南 郑州 450001)

0 引言

自2019年底,新型冠状病毒肺炎(新冠肺炎)肆意蔓延,高等院校面临前所未有的挑战,全球几乎所有的地方都关闭了学校。高等院校基于疫情肺炎疫情数据,通过大量可视化工作[1-6],展示、分析、挖掘疫情发展趋势,为抗击新冠肺炎疫情贡献了智慧和力量。当前国内疫情总体呈现零星散发和局部聚集性疫情小爆发的特点[7],高校具有学生来源广泛、交流合作活动多的特点,在常态化疫情防控时期面临更高的风险。

可视化技术是以计算机图形技术为基础,通过计算机生成对人体视觉刺激的图像,以便于人们接受、理解原始数据、信息的技术方法。可视化技术能够将复杂、多维的数据以形象、直观的方式展示出来,反映数据内在的信息和规律,在医疗、金融、政务等领域得到了广泛的应用[8-9]。在传染病可视化领域,利用空间数据实现疫情时空分布、病例分布、病例追踪与监测等可视化功能,研究分析传染病的分布特征和流行规律,能够辅助疫情研判,提升防控效果[10]。因此,有必要开展结合疫情和人员态势的可视化研究,构造快速、准确、科学的人员态势感知系统,掌握高校所属人员位置动态信息,降低高校人员感染新冠肺炎的风险。

本文综合考虑人员状态的多元时空特点,设计人员状态时空数据模型,提出疫情分布态势、人员分布态势和人员出行态势的人员态势感知可视化模型,基于Echarts可视化工具,研制人员态势感知系统,实现多方面直观、精准的人员态势表达。

1 数据处理与可视化设计

为了掌握疫情空间分布和人员状态,本研究所需数据可以分为三类:基础地理信息、疫情数据、人员状态数据。

1.1 基础地理信息

基础地理信息是研究其他专题数据可视化的基础,基础地理信息具有显著的尺度特点,按比例尺划分,有1∶25万、1∶50万、1∶100万等标准比例尺;按可视化范围的不同,有全球、国家、区域、城市等不同尺度。为了应对国内疫情零星散发的特点,充分反应全国、分省两级尺度的疫情特点,本文基础地理信息需求为全国、分省行政区划,数据来源为百度地图。

1.2 新冠肺炎疫情数据搜集与处理

新冠肺炎疫情数据按照数据内容可以分为:病例详细数据、病例数量数据。病例详细数据以文本数据为主,来源于官方渠道的疫情通报等,描述了病例活动、轨迹等信息。病例数量数据包括确诊病例、疑似病例、治愈病例、死亡病例数据等各类病例的数量统计数据,反映了疫情的态势,体现了省市、区域的疫情情况,适用于掌握、评估人员面临疫情风险的高低,作为本研究的新冠肺炎疫情数据。各大主流互联网厂商均发布了新冠肺炎疫情病例数量数据,如丁香园、网易、百度等。丁香园疫情数据整合了各权威渠道发布的官方数据,并且持续更新,数据真实可靠、时效性好,作为本研究新冠肺炎疫情数据来源。通过开发的爬虫软件每日获取丁香园疫情病例数量数据,组织成以日期为索引的疫情快照时空数据,数据示例如表1所示。

表1 新冠肺炎疫情病例数据示例

1.3 人员状态时空数据组织与处理

人员状态的数据能够反映疫情期间人员的位置、健康状态等信息,是本研究的重点核心问题。根据数据时空变化、疫情防控需求,本研究将人员状态信息建模为:人员基本信息、人员健康信息、人员位置信息、人员出行信息,如图1所示。以人员基本信息为数据组织的主要索引,通过人员信息的唯一标识链接人员健康、位置、出行这三类动态信息。以下分别对三类信息进行详细说明。

图1 人员状态时空数据模型结构图

人员基本信息是人员状态信息中基本不发生变化的标识性信息,包括ID、人员姓名、性别、人员类别、所属单位等信息,样例数据如表2所示。

表2 人员基本信息样例数据

人员健康信息主要指人员状态信息中与新冠肺炎症状相关的信息,包括疑似病例、确诊、密切接触、类似体征、健康等状态。疑似体征指人员具有发热或肺部影像学特征,且14 d前曾经接触发热伴有呼吸道症状患者;确诊指核酸检测结果呈阳性的人员;密切接触指未采取防护措施与确诊病例近距离接触的人员,如共同居住、学习、诊疗、护理、乘坐同一交通工具等;类似体征指具有发热或肺部影像学特征,且14 d内未接触发热伴有呼吸道症状患者的人员;健康指身体无异样的人员。通过0或1表示当前人员的健康状态,方便数据的统计,样例数据如表3所示。

表3 人员健康信息样例数据

人员位置信息是典型的时空数据,指人员当前所处位置信息,样例数据如表4所示。

表4 人员位置信息样例数据

人员出行信息包括人员出行的起止点信息、乘坐交通工具和出行时间等信息。与人员位置信息不同,人员出行信息描述了当日或未来几日人员的出行信息,样例数据如表5所示。人员出行信息与人员位置信息共同构成了人员静态的分布和动态的外出时空信息,出于保护个人隐私的角度,本文设计的人员位置信息的空间粒度以城市为主。

表5 人员出行信息样例数据

1.4 面向疫情防控的人员状态可视化方案

地理事件是学者们在“事件”概念基础上,提出用以表达地理要素状态发展变化、地理现象发生演变的时空动态对象概念。地理事件的认知至少包括地理事件的4W(Who，When，Where，What)特征。参照地理事件4W认知需求,新冠肺炎疫情人员状态可视化方案以全国疫情空间分布为底图,叠加人员分布、出行状态等信息,实现高校所属人员4W(Who，When，Where，What)态势感知需求,具体需求如下。

需求1:新冠肺炎疫情各省市态势,即新冠肺炎疫情在各省市的情况,反应人员所在位置的疫情风险情况。新冠肺炎疫情病例数量数据提供了数量信息和地名信息,但是难以与人员的空间分布关联,不能体现新冠肺炎疫情整体态势和人员所处位置的风险情况。

需求2:人员分布态势,人员在空间上的分布对于疫情防控至关重要,通过人员空间分布可视化叠加疫情态势可视化,能够准确发现所处疫情区域的人员数量及信息。

需求3:人员出行态势,人员出行是指当日外出及返回人员的交通信息,将交通起止点可视化在疫情地图上有助于即时发现来自疫情地区人员,提升隔离、核酸检测等防控措施的准确性、有效性,避免新冠肺炎疫情的交叉感染。

为了满足以上可视化需求,本文提出了如图2所示的新冠肺炎疫情人员状态可视化方案。方案的交互分析方式以时间轴、地图操作为主,时间轴用于检索不同日期疫情、人员状态;通过地图操作,实现不同空间尺度的人员状态可视化,并结合注记、悬浮框等动态展示人员状态分布的详细数据。

图2 新冠肺炎疫情人员态势可视化方案结构图

2 人员态势感知系统实现与示例

人员态势感知系统是本研究的最终成果,系统采用B/S模式(Browser/Server,B/S),主要分为基础数据层、数据库管理层、后台逻辑层和客户端表现层。数据库管理使用MySQL数据库;后台逻辑采用Spring MVC(Model View Controller)并结合Vue框架;Web端可视化层使用HTML(HyperText Markup Language,HTML)+CSS(Cascading Style Sheets,CSS)+JavaScript的开发模式,以Echarts为可视化表达的基础工具。为保护隐私,系统展示全部采用示例数据,界面如图3所示:底部为时间轴,用于索引相关数据；中间为地图可视化模块,用于空间位置数据的可视化;右侧为各类图表的可视化模块。

图3 人员态势感知系统主界面图

2.1 疫情可视化模块

可视化界面中间部分为疫情可视化模块,基于新冠肺炎疫情病例数量数据,将不同省份感染人数以分层设色的方式绘制在地图上,颜色越深表示确诊患者数量越多;同时,为了更细粒度地疫情防控,对各个省份、直辖市提供了数据下钻的功能,即通过点击实现打开所点击省份内部各个市的疫情信息。

2.2 人员分布可视化模块

在全国疫情省、市两级可视化的基础上,通过定点符号的方式可视化人员分布。人员在各省市分布情况不同,会出现数值相差很大的情况,难以使用符号大小来表示人员分布数量特性存在比率关系,导致符号压盖、符号不清晰、不易读等问题。因此,在符号下方水平放置人员分布数字注记,配合人员分布点状符号,直观、准确展示人员在全国、各省区域的分布情况。

2.3 人员出行可视化模块

根据人员出行数据的起止点,在全国底图上构造动态轨迹线,快速直观展示人员出行态势。对于出行人员的名称、车次、座次等信息,以数据表的方式,补充显示到可视化界面上,如图4所示。对未来即将出行的人员,首先采取数据表格的方式详细展示,根据时间的变化,到出行日期时,采用轨迹线的方式,将出行人员信息可视在地图上。

图4 人员出行数据表展示

3 结束语

针对高校疫情常态化防控时期人员流动增大、人员态势感知困难等难点问题,结合疫情病例数量数据,本研究设计了人员状态时空数据模型,提出了人员态势可视化模式,基于Echarts可视化工具,设计开发了面向疫情防控的人员状态可视系统。系统表达了全国、各省两级尺度的疫情态势,在人员状态时空数据模型的基础上,实现了人员健康状态、空间分布和外出交通等人员状态信息的可视化,较为全面地反映了高校人员分布和疫情态势,有助于高校开展疫情风险评估、疫情预警、防控方案制定等工作。本文所展示数据均为示例数据,在实际应用中,人员状态数据的采集均为人工填报,费时费力,数据精度、规范性较差,需要开展自动、智能的数据采集、整编手段,更好地服务防疫工作。