(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211341361.3 (22)申请日 2022.10.31 (71)申请人 广东泳华科技有限公司 地址 510000 广东省广州市越秀区白云 路 27-1号2楼自编20 3房 (72)发明人 陈乔煜　王叶飞　姚奕鹏　陈扬航　 (74)专利代理 机构 佛山市君创知识产权代理事 务所(普通 合伙) 44675 专利代理师 陈誉宏 (51)Int.Cl. G16H 50/80(2018.01) G06F 16/29(2019.01) G06Q 50/26(2012.01) (54)发明名称 一种基于确诊患者轨迹特征的聚集性传染 病疫情预警方法 (57)摘要 本发明提供一种基于确诊患者轨迹特征的 聚集性传染病疫情预警方法， 本方法至少包括： 收集人员数据并处理； 建立滞留风险估计模型得 到滞留点的传播风险程度和影 响半径； 根据滞留 点的传播风险程度和影响半径划分不同等级的 预警区域。 以实现基于流调数据进行疫情预警， 本发明提供一种基于确诊患者轨迹特征的聚集 性传染病疫情预警方法， 该方法能根据患者流调 信息建立风险估计模型并划分不同等级的预警 区域， 解决了难以判断风险地区位置和范围的问 题。 权利要求书2页 说明书10页 附图4页 CN 115410720 A 2022.11.29 CN 115410720 A 1.一种基于确诊患者轨 迹特征的聚集 性传染病疫情预警方法， 其特 征在于， 包括： 收集人员数据并处 理； 建立滞留风险估计模型 得到滞留点的传播 风险程度和影响半径； 根据滞留点的传播 风险程度和影响半径划分不同等级的预警区域。 2.根据权利要求1所述的一种基于确诊患者轨迹特征的聚集性传染病疫情预警方法， 其特征在于， 所述收集人员数据并处 理包括： 数据获取； 数据筛选与处理； 数据匹配与整合。 3.根据权利要求1所述的一种基于确诊患者轨迹特征的聚集性传染病疫情预警方法， 其特征在于， 所述建立滞留风险估计模型 得到滞留点的传播 风险程度和影响半径包括： 根据所述数据， 输入 模型参数； 将确诊患者滞留点影响叠加到区块 地图上； 计算得到各个滞留点的传播 风险程度和影响半径。 4.根据权利要求3所述的一种基于确诊患者轨迹特征的聚集性传染病疫情预警方法， 其特征在于， 所述将确诊患者滞留点影响叠加到区块 地图上包括： 将输入的WGS84经纬度坐标 （lng、 lat） 转换为web墨卡托投影坐标 （x， y） ， 当duration= ‑ 1时， 则为确诊患者病家滞留点， durati on≠‑1时， 则为 其他滞留点。 5.根据权利要求3所述的一种基于确诊患者轨迹特征的聚集性传染病疫情预警方法， 其特征在于， 所述计算得到各个滞留点的传播 风险程度和影响半径具体包括： 病家感染比例参数 是大于1的参数， 而感染比例参数 是所有滞留点共有的； 关键位置识别参数考虑了环境、 人口因素； 在人口密集且在城区的话， 得到的此参数将 会较大， 反 之在郊区人口较稀疏的地区则会相应的更小； 驻留响应系数考虑的主要是滞留点的滞留时间和数量， 滞留时间长且数量多的地区的 影响范围越大； 影响半径相应系数和分区大小参数 是对传播影响程度进行一个 影响范围的计算。 6.根据权利要求1所述的一种基于确诊患者轨迹特征的聚集性传染病疫情预警方法， 其特征在于， 所述建立滞 留风险估计模型得到滞 留点的传播风险程度和影响半径之前， 还 可以包括滞留风险估计模型训练， 具体为： 基于大数据分析平台， 进行 数据处理得到风险估计模型的训练数据集； 对训练数据集进行训练。 7.根据权利要求6所述的一种基于确诊患者轨迹特征的聚集性传染病疫情预警方法， 其特征在于， 所述基于大数据分析平台， 进行数据 处理得到滞 留风险估计模型 的训练数据 集， 具体包括： 处理以往的聚集 性疫情发生案例数据， 得到确诊患者的完整数据； 定义一系列的有标签训练数据集 其中， D（1）表示的是以往的聚集性疫情发生案例的数据集， 最先用于训练网络的数据， D权　利　要　求　书 1/2 页 2 CN 115410720 A 2(2)表示每一次增量学习中的训练集，  x j 表示每个类别下的所有滞留点数据， y j 表示对应 的类别标签， 每 个类别对应 影响半径相似的一些确诊患者滞留点的集 合； 用L( t ) 表示第t个数据集中的类别集合， 并规定这一系列数据集中的类别互不交叉， 即： 这时将少样本的要求加入增量学习中， 即要求D( t > 1 )中的数据来自C个类别， 每个类 别只有K个样本， C为类别集合中类别的个数， K为类别中样本的个数， 为把这样的设置为C ‑ way K‑shot。 8.根据权利要求6所述的一种基于确诊患者轨迹特征的聚集性传染病疫情预警方法， 其特征在于， 所述对训练数据集进行训练具体包括： 进行基础训练； 进行多次增量训练。 9.根据权利要求1所述的一种基于确诊患者轨迹特征的聚集性传染病疫情预警方法， 其特征在于， 所述 根据滞留点的传播 风险程度和影响半径划分不同等级的预警区域包括： 筛选出近x日新增病例的滞留点 风险范围； 通过聚类算法将位置、 风险程度、 影响半径相近的区域进行合并； 通过算法将风险区域包络， 发出 预警信息 。 10.根据权利要求9所述的一种基于确诊患者轨迹特征的聚集性传染病 疫情预警方法， 其特征在于， 所述 通过算法将风险区域包络， 发出 预警信息具体包括： 设置一个判别半径R； 假设滞留点数据集有n个无序 点， 过任意两点P1、 P2绘制半径为R的圆， 如果任意一个圆 内没有其 他数据点， 则认为 点P1、 P2是边界点， 其连线P1P2为 边界线段； n个数据点两 两相连共可 形成(n*(n ‑1))/2条线段， 逐 条进行判断求 解； 将符合条件的三个风险区域的边界滞留点连接后形成的多边形区域并包络里面的点 形成多边 面， 形成三种风险等级预警区域数据。权　利　要　求　书 2/2 页 3 CN 115410720 A 3