[发明专利]城市流感发病趋势预测方法、系统、终端以及存储介质

说明书

本申请涉及一种城市流感发病趋势预测方法、系统、终端以及存储介质。方法包括：获取城市内流感病例数据，并收集城市内个体移动轨迹数据；通过数据驱动方法对个体移动轨迹数据进行处理，获取人口移动关系；基于人口移动关系，利用图神经网络提取流感病例数据的空间尺度信息，并利用长短期记忆网络提取流感病例数据的时间序列关系；根据流感病例数据的空间尺度信息和时间序列关系得到流感城市流感发病趋势预测结果。本申请实施例实现了城市内部流感发展态势更高空间分辨率的预测，完成对流感的精细化分析，帮助政府和公共卫生部门及时、准确地洞察城市内部的流感发展态势，有针对性地进行疫情防控干预，可以最大化的保障人民的生命健康安全。

技术领域

本申请属于流感计算技术领域，特别涉及一种流感城市流感发病趋势预测方法、系统、终端以及存储介质。

背景技术

2019年末到2021年初，新冠肺炎从局部爆发发展为全球性大流行，已有超过1亿人感染，并导致全球超过252万人死亡。此次疫情的爆发警醒我们，公共卫生风险依然是人类面临的主要社会风险之一。以流行性感冒(简称流感)为例，是由流行性感冒病毒引起的急性呼吸道流感，流感病毒能在短时间内爆发流行，严重威胁着群众身体健康。

当前，世界各国流感防控和预警手段主要依赖于传统的流感监测，流感监测系统可以提供大量对流感防控有用的信息和数据，包括感染病例数、死亡病例数、临床症状和住院人员信息等。政府和公共卫生部门根据流感监测系统的上报信息评估近期流感活动趋势，并做出相应的公共卫生决策和应急预案响应。但由于基层监测数据的核查与上报往往需要花费大量时间(几周甚至数月)，监测数据会滞后于实际状况，且大多数国家由于缺少完备的信息采集技术，只能做到省/州或城市一级的预警。因此，亟需针对城市内部流感发病趋势进行实时精准快速预测，帮助政府和公共卫生部门及时、准确地洞察城市内部的流感发展态势，最大化的保障人民的生命健康安全。

人的交互和移动会导致流感的传播与扩散，为了更好地实现城市内部流感发病趋势的实时精准快速预测，有必要深入研究城市内部人口移动过程中的空间交互作用，构建耦合空间交互作用的城市流感发病趋势时空预测模型。现有的流感预测建模方法包括基于高斯过程模型、基于LSTM神经网络模型等。然而，现有的大部分流感发病趋势预测方法往往只依靠流感样疾病统计数据的时间序列特征进行预测，没有考虑到不同区域之间的空间依赖关系，以及人口移动与流感传播之间的空间交互效应，此类方法由于信息的缺失很难在城市内部准确预测流感的发病趋势。其它的流感预测方法虽然综合利用了特定位置的时空特征信息，但空间特征提取方法并不完善，提取出的空间特征信息的准确度有待提升。

随着城市内部人类移动网络复杂性的不断加深，传统的理论模型方法无法精细化模拟城市内部的人口移动与交互，已经难以适应当前城市内部空间交互作用建模的需求。此外，基于OD(交通出行量)流量的空间交互作用建模方法往往以较低的空间分辨率进行研究，例如国家、省/州或城市级别发挥作用，在城市尺度下该方法构建的图结构流量过于分散，导致对流感爆发的时空模式预测出现偏差。

发明内容

本申请提供了一种城市流感发病趋势流感预测方法、系统、终端以及存储介质，旨在至少在一定程度上解决现有技术中的上述技术问题之一。

为了解决上述问题，本申请提供了如下技术方案：

一种城市流感发病趋势预测方法，包括：

获取城市内流感病例数据，并收集城市内个体移动轨迹数据；

通过数据驱动方法对所述个体移动轨迹数据进行处理，获取每个个体的家庭住址，将所述家庭住址设定为每个个体移动轨迹的起始点，并提取每个个体从所述起始点去往其他区域的流量数据，得到各个区域之间的人口移动关系；

基于所述人口移动关系，利用图神经网络提取所述流感病例数据的空间尺度信息，并利用长短期记忆网络提取所述流感病例数据的时间序列关系；

根据所述流感病例数据的空间尺度信息和时间序列关系得到城市流感发病趋势预测结果。