基于路网约束空间聚类与张量场分析的聚集性疫情空间溯源及时空扩散建模——以COVID-19为例

《ISPRS International Journal of Geo-Information》:Aggregated Epidemic Localization and Spatiotemporal Diffusion Modeling Considering Road Network-Constrained Spatial Clustering and Tensor Field Analysis: A Case Study of COVID-19

【字体: 大 中 小 】 时间:2026年09月21日 来源:ISPRS International Journal of Geo-Information 3.2

编辑推荐:

  聚集性疫情(aggregated epidemics)以短期内快速传播为特征,对公共卫生安全构成严重威胁,因此需要开发精准的溯源与模拟方法来支持高效防控。然而,现有研究存在三大缺口:(1)主要关注国家/区域尺度,城市尺度分析有限;(2)依赖专有移动数据,这些数

  
聚集性疫情(aggregated epidemics)以短期内快速传播为特征,对公共卫生安全构成严重威胁,因此需要开发精准的溯源与模拟方法来支持高效防控。然而,现有研究存在三大缺口:(1)主要关注国家/区域尺度,城市尺度分析有限;(2)依赖专有移动数据,这些数据通常难以获取;(3)传统溯源方法具有NP困难(NP-hard)计算复杂度。为弥补这些不足,研究人员提出了一种集成时空扩散模型,包含两个核心部分:暴发点估计与空间扩散模拟。该模型首先使用SEAIR传染病动力学模型(SEAIR infectious disease dynamics model)预测趋势,将3-Sigma准则(3-Sigma criterion)与病毒潜伏期相结合筛选早期流行病学调查数据,采用路网约束的DBSCAN算法(Density-Based Spatial Clustering of Applications with Noise, DBSCAN)进行空间聚类,并通过加入时间与POI密度权重的改进反距离加权方法(Inverse Distance Weighting, IDW)定位暴发点。随后,以估计出的暴发点作为初始传播中心,基于“细胞型”生活结构假设,融合多源地理数据量化区域吸引力,并在栅格空间中模拟病毒扩散。该模型使用中国西安市、上海市和香港特别行政区的COVID-19疫情数据进行了验证。结果表明,所提出的暴发点估计方法能够有效估计初始传播中心,估计点与官方公布点之间的距离分别为0.786 km、1.676 km和5.441 km,与相关研究相比分别缩短了179 m、1091 m和711 m。时空扩散模型能够有效模拟每日发病模式,在上海和香港的平均覆盖率(coverage rate)分别为67.32%和72.9%,平均精准率(precision rate)分别为60.67%和78.84%,且在疫情早期和中期的模拟精度显著优于传统方法。该研究为城市疫情精准溯源、早期预警和资源配置提供了一个科学稳健且数据精简的框架,对其他资源有限地区具有很强的可推广性。
聚集性疫情(aggregated epidemics)以短时间内在特定区域或人群中出现大量病例为特征,具备突发性强、传播迅速、范围集中等特点,易在医疗机构、学校、工厂和社区引发链式反应,导致病例快速增长并给防控带来巨大压力。在COVID-19大流行期间,聚集性疫情频繁发生并成为推动疫情发展的关键节点。尽管疫苗和口服抗病毒药物已获批使用,但在资源匮乏地区或新变异株出现的早期,药物干预的时效性和可及性仍受限制,因此快速识别、精准溯源和有效模拟聚集性疫情时空扩散对于实施非药物干预措施、降低传播速度和社会经济损失至关重要。

现有研究在应对这一需求时仍面临三大挑战。第一,空间尺度上超过90.9%的COVID-19研究集中于国家或大区域尺度,城市尺度分析仅占4.7%,且多依赖粗糙的行政边界,难以捕捉城市内部传播异质性。第二,基于地理信息系统的流行病学研究多依赖移动信令、交通刷卡等专有移动数据,在实际研究场景中获取门槛高,且因采集能力限制常存在覆盖缺失或数据稀疏问题。第三,传统溯源方法将接触追踪数据抽象为网络节点,通过SEIR或多源数据估计传播参数并构建全局目标函数,当节点规模扩大时问题表现为NP困难(NP-hard),现有研究只能借助启发式优化算法获得局部最优解。为弥补上述缺口,研究人员提出了一种集成时空扩散模型框架,将暴发点估计与空间扩散模拟两个阶段有机衔接,并选取中国西安市、上海市和香港特别行政区三个具有不同城市环境、数据粒度和传播特征的一线城市作为研究区域,利用COVID-19聚集性疫情数据进行实证验证。

该模型首先在暴发点估计阶段,通过SEAIR传染病动力学模型拟合早期疫情时序数据并预测趋势,结合3-Sigma准则与病毒潜伏期筛选出代表早期局部传播特征的调查数据;随后改进DBSCAN算法,以路网距离替代欧氏距离进行空间聚类,获得最可能包含初始暴发源的核心聚集簇;再采用融合时间权重和兴趣点(Point of Interest, POI)密度权重的改进反距离加权方法估计暴发点坐标。其次,在时空扩散
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号