留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

面向重大公共卫生事件的位置服务技术——以COVID-19疫情为例

郭迟 王梦媛 高柯夫 刘经南 左文炜

郭迟, 王梦媛, 高柯夫, 刘经南, 左文炜. 面向重大公共卫生事件的位置服务技术——以COVID-19疫情为例[J]. 武汉大学学报 ● 信息科学版, 2021, 46(2): 150-158. doi: 10.13203/j.whugis20200560
引用本文: 郭迟, 王梦媛, 高柯夫, 刘经南, 左文炜. 面向重大公共卫生事件的位置服务技术——以COVID-19疫情为例[J]. 武汉大学学报 ● 信息科学版, 2021, 46(2): 150-158. doi: 10.13203/j.whugis20200560
GUO Chi, WANG Mengyuan, GAO Kefu, LIU Jingnan, ZUO Wenwei. Location-Based Service Technologies for Major Public Health Events: Illustrated by the Cases of COVID-19 Epidemic[J]. Geomatics and Information Science of Wuhan University, 2021, 46(2): 150-158. doi: 10.13203/j.whugis20200560
Citation: GUO Chi, WANG Mengyuan, GAO Kefu, LIU Jingnan, ZUO Wenwei. Location-Based Service Technologies for Major Public Health Events: Illustrated by the Cases of COVID-19 Epidemic[J]. Geomatics and Information Science of Wuhan University, 2021, 46(2): 150-158. doi: 10.13203/j.whugis20200560

面向重大公共卫生事件的位置服务技术——以COVID-19疫情为例

doi: 10.13203/j.whugis20200560
基金项目: 

国家重点研发计划 2017YFB0503702

中国工程院重大咨询项目 2020-ZD-16

详细信息
    作者简介:

    郭迟,博士,教授,主要研究方向为导航位置服务技术。guochi@whu.edu.cn

    通讯作者: 高柯夫,博士,讲师。gao@whu.edu.cn
  • 中图分类号: P208

Location-Based Service Technologies for Major Public Health Events: Illustrated by the Cases of COVID-19 Epidemic

Funds: 

The National Key Research and Development Program of China 2017YFB0503702

the Major Consulting Project of the Chinese Academy of Engineering 2020-ZD-16

More Information
    Author Bio:

    GUO Chi, PhD, professor, specializes in navigation and location-based service technology. E-mail: guochi@whu.edu.cn

    Corresponding author: GAO Kefu, PhD, lecturer. E-mail: gao@whu.edu.cn
  • 摘要: 2020年初暴发的新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)疫情给全球人民生命安全和经济发展带来了严重影响。位置服务以庞大的地理空间信息数据库为依托,能向服务对象提供与地理信息相关的便捷、实时、精准的综合性服务,可很好地运用于紧急救灾、大流量人员追踪、复杂环境下的现场人员管控等事件中。事实证明,位置服务的优势特性在2020年春中国COVID-19疫情防控中起到了非常重要的作用。从北斗车联网平台、基于泛在定位的基础服务、时空大数据分析与疫情防控、智能导航机器人参与抗疫等多个方面阐述了中国COVID-19疫情下的位置服务应用。通过对这些应用及技术手段的分析总结,深化位置服务技术的内涵,可以为今后重大公共卫生事件的应急处置提供解决方案。
  • 图  1  面向重大公共卫生事件的位置服务应用框架

    Figure  1.  Application Framework of Location-Based Service for Major Public Health Events

    图  2  北斗车联网平台对车辆的网格化管理

    Figure  2.  Grid Management of Vehicles by BeiDou-Based Vehicle Ad-hoc Network Platform

    图  3  健康码示意图

    Figure  3.  Diagram of Health Codes

    图  4  COVID-19疫情大数据监测平台

    Figure  4.  COVID-19 Epidemic Big Data Monitoring Platform

    图  5  复工复产监测管理信息系统

    Figure  5.  Monitoring and Management System for Resumption of Work and Production

    图  6  智能机器人配送药物

    Figure  6.  Intelligent Robot Delivers Medication

    图  7  无人机用于疫情防控

    Figure  7.  Unmanned Aerial Vehicles Used for Epidemic Prevention and Control

  • [1] 中华人民共和国国务院新闻办公室.抗击新冠肺炎疫情的中国行动白皮书[EB/OL]. http://www.scio.gov.cn/zfbps/32832/Document/1681801/1681801.htm, 2020

    The State Council Information Office of the People's Republic of China. White Paper on China's Action Against the Coronavirus Disease 2019 Epidemic[EB/OL]. http://www.scio.gov.cn/zfbps/32832/Document/1681801/1681801.htm, 2020
    [2] 姜卫平, 郭迟, 左文炜.我国导航与位置服务的进展及思考[J].测绘通报, 2020(1):1-4, 25

    Jiang Weiping, Guo Chi, Zuo Wenwei. Progress and Thought of Navigation and Location Services of China[J]. Bulletin of Surveying and Mapping, 2020(1): 1-4, 25
    [3] 刘经南.泛在测绘与泛在定位的概念与发展[J].数字通信世界, 2011(S1):28-30

    Liu Jingnan. The Concept and Progress of Ubiquitous Mapping and Ubiquitous Position[J]. Digital Communication World, 2011(S1):28-30
    [4] 郭迟, 方媛, 刘经南, 等.位置服务中的社会感知计算方法研究[J].计算机研究与发展, 2013, 50(12):2531-2542 doi:  10.7544/issn1000-1239.2013.20130914

    Guo Chi, Fang Yuan, Liu Jingnan, et al. Study on Social Awareness Computation Methods for Location-Based Services[J]. Journal of Computer Research and Development, 2013, 50(12):2531-2542 doi:  10.7544/issn1000-1239.2013.20130914
    [5] Grejner-Brzezinska D A, Toth C K, Moore T, et al. Multisensor Navigation Systems: A Remedy for GNSS Vulnerabilities?[J]. Proceedings of the IEEE, 2016, 104(6):1 339-1 353 doi:  10.1109/JPROC.2016.2528538
    [6] Hong J, Kim S, Kim K, et al. Multi-cell Based UWB Indoor Positioning System[M]//Nguyen N, Gaol F, Hong T P, et al. Intelligent Information and Database Systems. Switzerland: Springer Nature, 2019
    [7] Kuang J, Niu X, Chen X. Robust Pedestrian Dead Reckoning Based on MEMS-IMU for Smartphones[J]. Sensors, 2018, 18(5): 1 391 doi:  10.3390/s18051397
    [8] Youssef M, Robertson P, Abdelnasir H, et al. Lighthouse: Enabling Landmark-Based Accurate and Robust Next Generation Indoor LBSs on a Worldwide Scale[C]. The 20th IEEE International Conference on Mobile Data Management (MDM), Hong Kong, China, 2019
    [9] Pei L, Zhang M, Zou D, et al. A Survey of Crowd Sensing Opportunistic Signals for Indoor Localization[J]. Mobile Information Systems, 2016, 2 016(3):1-16
    [10] 崔晓晖, 陈磊阳."区块链+大数据"在抗击疫情中的应用与展望[J].中国计算机学会通讯, 2020,  16(7):17-23

    Cui Xiaohui, Chen Leiyang. The Application and Prospect of "Blockchain + Big Data" in the Fight Against the Epidemic[J]. Communications of the China Computer Federation, 2020,  16(7):17-23
    [11] 李飞, 朱靖, 张志强.动态交通信息与基础地图叠加协议的设计与实现[C].第二届中国卫星导航与位置服务年会, 北京, 中国, 2013

    Li Fei, Zhu Jing, Zhang Zhiqiang. Design and Implementation of Overlay Protocol of Dynamic Traffic Information and Basic Map[C].The 2nd Annual Meeting of China Satellite Navigation and Location Services, Beijing, China, 2013
    [12] 吴涛, 向隆刚, 龚健雅.路网更新的轨迹-地图匹配方法[J].测绘学报, 2017, 46(4):507-515

    Wu Tao, Xiang Longgang, Gong Jianya. Trajectory-Map Matching Method of Road Network Update[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(4):507-515
    [13] 郭迟, 刘经南, 方媛, 等.位置大数据的价值提取与协同挖掘方法[J].软件学报, 2014, 25(4):713-730

    Guo Chi, Liu Jingnan, Fang Yuan, et al. Value Extraction and Collaborative Mining Methods of Location Big Data[J]. Journal of Software, 2014, 25(4):713-730
    [14] 国务院.新一代人工智能发展规划[EB/OL]. http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm, 2017

    The Sate Council. New Generation Artificial Intelligence Development Plan[EB/OL]. http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm, 2017
    [15] 李霖, 邢小雨, 李国忠.北斗导航系统应用于测绘地理信息服务的标准化技术体系分析[J].测绘通报, 2015(3):6-11

    Li Lin, Xing Xiaoyu, Li Guozhong. Analysis of the Standardization Technology System of BeiDou Navigation System Applied to Surveying and Mapping Geographic Information Services[J]. Bulletin of Surveying and Mapping, 2015(3):6-11
    [16] 张李盈, 李东宸, 任景莉.多阶段动态时滞动力学模型的COVID-19传播分析[J].武汉大学学报·信息科学版, 2020, 45(5): 658-666 doi:  10.13203/j.whugis20200206

    Zhang Liying, Li Dongchen, Ren Jingli. Analysis of COVID-19 by Discrete Multi-stage Dynamics System with Time Delay[J]. Geomatics and Information Science of Wuhan University, 2020, 45(5): 658-666 doi:  10.13203/j.whugis20200206
    [17] 邱明悦, 胡涛, 崔恒建.双区间删失下新冠病毒肺炎潜伏期分布的参数估计[J].应用数学学报, 2020, 43(2):200-210

    Qiu Mingyue, Hu Tao, Cui Hengjian. Parameter Estimation of Latency Distribution of New Coronavirus Pneumonia Under Double Interval Censoring[J]. Acta Mathematicae Applicatae Sinica, 2020, 43(2):200-210
    [18] 张辉, 王耀南, 易俊飞, 等.面向重大疫情应急防控的智能机器人系统研究[J].中国科学:信息科学, 2020, 50(7):1 069-1 090

    Zhang Hui, Wang Yaonan, Yi Junfei, et al. Research on Intelligent Robot System for Emergency Prevention and Control of Major Epidemics[J]. Science in China: Information Science, 2020, 50(7):1 069-1 090
    [19] Thrun S. Simultaneous Localization and Mapping[M]//Jefferies M E, Yeap W K. Robotics and Cognitive Approaches to Spatial Mapping. Berlin, Heidelberg: Springer, 2007
    [20] Qian C, Liu H, Tang J, et al. An Integrated GNSS/INS/LiDAR-SLAM Positioning Method for Highly Accurate Forest Stem Mapping[J]. Remote Sensing, 2017, 9(1): 3
  • [1] 曹闻, 戴浩然, 童晓冲, 彭斐琳, 冯晨光, 吴子满.  离散格网下的COVID-19隔离与收治人为防控措施模型 . 武汉大学学报 ● 信息科学版, 2021, 46(2): 167-176. doi: 10.13203/j.whugis20200343
    [2] 张国永, 龚建华, 孙麇, 周洁萍, 李文航, 张利辉, 汪东川, 李文宁, 胡卫东, 樊鸿奎.  一种COVID-19病例个体时空轨迹交互式提取与质量评估方法 . 武汉大学学报 ● 信息科学版, 2021, 46(2): 177-183. doi: 10.13203/j.whugis20200290
    [3] 唐迁, 杜博, 恽爽, 高莉, 吴爽, 张超, 兰猛, 陈紫业, 李亮, 查云飞, 张良培, 李平湘.  COVID-19 CT影像智能诊断系统 . 武汉大学学报 ● 信息科学版, 2020, 45(6): 846-853. doi: 10.13203/j.whugis20200225
    [4] 冯明翔, 方志祥, 路雄博, 谢泽丰, 熊盛武, 郑猛, 黄守倩.  交通分析区尺度上的COVID-19时空扩散推估方法:以武汉市为例 . 武汉大学学报 ● 信息科学版, 2020, 45(5): 651-657, 681. doi: 10.13203/j.whugis20200141
    [5] 蒋秉川, 游雄, 李科, 周小军, 温荟琦.  利用地理知识图谱的COVID-19疫情态势交互式可视分析 . 武汉大学学报 ● 信息科学版, 2020, 45(6): 836-845. doi: 10.13203/j.whugis20200153
    [6] 彭明军, 李宗华, 刘辉, 孟成, 李勇.  基于中文分词的加权地理编码在COVID-19疫情防控空间定位中的应用 . 武汉大学学报 ● 信息科学版, 2020, 45(6): 808-815. doi: 10.13203/j.whugis20200212
    [7] 张李盈, 李东宸, 任景莉.  多阶段动态时滞动力学模型的COVID-19传播分析 . 武汉大学学报 ● 信息科学版, 2020, 45(5): 658-666. doi: 10.13203/j.whugis20200206
    [8] 张新, 林晖, 朱长明, 王劲峰, 李满春, 徐成东, 胡茂桂, 孟斌, 曹春香.  COVID-19疫情早期中国确诊时间的时空特征及动态过程分析 . 武汉大学学报 ● 信息科学版, 2020, 45(6): 791-797. doi: 10.13203/j.whugis20200255
    [9] 周屈, 刘建强, 王剑茹, 邓实权, 田礼乔.  利用HY-1C卫星CZI数据在COVID-19疫情期间武汉知音湖和黄家湖的浊度监测研究 . 武汉大学学报 ● 信息科学版, 2020, 45(5): 676-681. doi: 10.13203/j.whugis20200101
    [10] 应申, 徐雅洁, 窦小影, 陈学业, 赵军, 郭晗.  地理位置关联的COVID-19传播时空分析 . 武汉大学学报 ● 信息科学版, 2020, 45(6): 798-807. doi: 10.13203/j.whugis20200241
    [11] 王坚, 刘纪平, 韩厚增, 甄杰, 刘飞.  应急救援无缝定位关键技术研究 . 武汉大学学报 ● 信息科学版, 2020, 45(8): 1126-1136. doi: 10.13203/j.whugis20200066
    [12] 李德仁, 邵振峰, 于文博, 朱欣焰, 周素红.  基于时空位置大数据的公共疫情防控服务让城市更智慧 . 武汉大学学报 ● 信息科学版, 2020, 45(4): 475-487, 556. doi: 10.13203/j.whugis20200145
    [13] 游天, 王光霞, 吕晓华, 孙卫新, 张寅宝.  一种面向室内导航的通行区域模型及其自动提取算法 . 武汉大学学报 ● 信息科学版, 2019, 44(2): 177-184. doi: 10.13203/j.whugis20170056
    [14] 刘经南, 高柯夫.  智能时代测绘与位置服务领域的挑战与机遇 . 武汉大学学报 ● 信息科学版, 2017, 42(11): 1506-1517. doi: 10.13203/j.whugis20170324
    [15] 王成, 施闯, 段兵兵, 刘晓莉.  利用位置与云计算建立电离层TEC主动式播发平台 . 武汉大学学报 ● 信息科学版, 2016, 41(3): 304-309. doi: 10.13203/j.whugis20130307
    [16] “泛在测绘与位置服务及其大数据应用技术”国际工程论坛拟于2015年召开 . 武汉大学学报 ● 信息科学版, 2015, 40(1): 63-63.
    [17] 施闯, 章红平, 辜声峰, 楼益栋, 唐卫明.  云定位技术及云定位服务平台 . 武汉大学学报 ● 信息科学版, 2015, 40(8): 995-999. doi: 10.13203/j.whugis20150118
    [18] 陈佳, 胡波, 左小清, 乐阳.  利用手机定位数据的用户特征挖掘 . 武汉大学学报 ● 信息科学版, 2014, 39(6): 734-738. doi: 10.13203/j.whugis20130066
    [19] 刘经南, 方媛, 郭迟, 高柯夫.  位置大数据的分析处理研究进展 . 武汉大学学报 ● 信息科学版, 2014, 39(4): 379-385. doi: 10.13203/j.whugis20140210
    [20] 谭文虎, 李清泉.  利用位置服务信息的车用自组织网络有效路由 . 武汉大学学报 ● 信息科学版, 2012, 37(9): 1126-1129.
  • 加载中
图(7)
计量
  • 文章访问数:  68
  • HTML全文浏览量:  10
  • PDF下载量:  26
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-11-12
  • 刊出日期:  2021-02-05

面向重大公共卫生事件的位置服务技术——以COVID-19疫情为例

doi: 10.13203/j.whugis20200560
    基金项目:

    国家重点研发计划 2017YFB0503702

    中国工程院重大咨询项目 2020-ZD-16

    作者简介:

    郭迟,博士,教授,主要研究方向为导航位置服务技术。guochi@whu.edu.cn

    通讯作者: 高柯夫,博士,讲师。gao@whu.edu.cn
  • 中图分类号: P208

摘要: 2020年初暴发的新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)疫情给全球人民生命安全和经济发展带来了严重影响。位置服务以庞大的地理空间信息数据库为依托,能向服务对象提供与地理信息相关的便捷、实时、精准的综合性服务,可很好地运用于紧急救灾、大流量人员追踪、复杂环境下的现场人员管控等事件中。事实证明,位置服务的优势特性在2020年春中国COVID-19疫情防控中起到了非常重要的作用。从北斗车联网平台、基于泛在定位的基础服务、时空大数据分析与疫情防控、智能导航机器人参与抗疫等多个方面阐述了中国COVID-19疫情下的位置服务应用。通过对这些应用及技术手段的分析总结,深化位置服务技术的内涵,可以为今后重大公共卫生事件的应急处置提供解决方案。

English Abstract

郭迟, 王梦媛, 高柯夫, 刘经南, 左文炜. 面向重大公共卫生事件的位置服务技术——以COVID-19疫情为例[J]. 武汉大学学报 ● 信息科学版, 2021, 46(2): 150-158. doi: 10.13203/j.whugis20200560
引用本文: 郭迟, 王梦媛, 高柯夫, 刘经南, 左文炜. 面向重大公共卫生事件的位置服务技术——以COVID-19疫情为例[J]. 武汉大学学报 ● 信息科学版, 2021, 46(2): 150-158. doi: 10.13203/j.whugis20200560
GUO Chi, WANG Mengyuan, GAO Kefu, LIU Jingnan, ZUO Wenwei. Location-Based Service Technologies for Major Public Health Events: Illustrated by the Cases of COVID-19 Epidemic[J]. Geomatics and Information Science of Wuhan University, 2021, 46(2): 150-158. doi: 10.13203/j.whugis20200560
Citation: GUO Chi, WANG Mengyuan, GAO Kefu, LIU Jingnan, ZUO Wenwei. Location-Based Service Technologies for Major Public Health Events: Illustrated by the Cases of COVID-19 Epidemic[J]. Geomatics and Information Science of Wuhan University, 2021, 46(2): 150-158. doi: 10.13203/j.whugis20200560
  • 2020年初暴发的新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)疫情给全球人民生命安全和经济发展带来了严重影响。中国的疫情防控始终把人民生命安全和身体健康放在第一位,采取最全面、最严格、最彻底的防控措施,有效阻断了病毒在全国传播的链条。截至2020年5月31日,中国累计报告确诊病例83 017例,其中累计治愈78 307例,死亡4 634例,治愈率94.3%[1],创造了人类防疫历史上的奇迹。在防疫过程中,导航与位置服务技术发挥了极其重要的作用。

    位置服务泛指一切以地理位置、时间和网络移动终端为基础构成的智能感知、认知和决策综合服务[2]。对于公共卫生事件的处置往往涉及到广泛大量的社会要素,包括人员、物资、交通物流、医疗以及社会生活资料等,准确记录和计算这些要素的时空位置和关联关系是疫情防控的基础,构成位置服务的核心应用场景。将全社会的公共防疫看作是人与环境关系的认知过程,可利用多种感知技术来获取这些要素的时空、环境及其变化活动。因此,疫情防控可以认为是一种对社会公共资源包括不同角色的人在内的众包测绘[3]。此外,基于位置的服务强调将时空信息作为服务构成的输入性要素,运用社会感知计算的方法[4]了解人的社会属性,如身份、行为规律、兴趣爱好等。这些技术将为流行病学调查、密切接触人员划分、精准防控等提供支撑。

    在COVID-19防疫过程中,各类位置服务应用发挥了重要作用。通过对这些应用及其技术手段的分析总结,一方面可以深化位置服务技术的内涵,进一步将位置服务从传统测绘领域引入到与互联网、人工智能协同发展的交叉领域,促进相关战略新兴产业的行业共识;另一方面可以为今后重大公共卫生事件、公共安全事件及涉及全社会人和事物广泛资源调度的应急处置提供解决方案,以防患未然。

    • 将重大公共卫生事件所涉及的社会要素分为人员、地点场所、医疗资源与生活资料4类。其中,人员包括普遍人员、医护人员、防疫志愿人员;地点场所分为普通社区、公共聚集区、医院(方舱医院、社区医院、集中收治医院);医疗资源和生活资料根据其物流仓储方式的不同,分为城市物资、城际物资和国际物资。针对这些要素,构建一个包含全球导航卫星系统(global navigation satellite system,GNSS)的应用框架图,如图 1所示,其中发挥核心作用的技术可以总结如下:

      图  1  面向重大公共卫生事件的位置服务应用框架

      Figure 1.  Application Framework of Location-Based Service for Major Public Health Events

      1)北斗车联网平台。北斗-3全球导航系统是全球唯一的通导遥及搜救一体化的卫星导航系统。除了强大的定位导航授时(position,navigation and time,PNT)体系,其通信功能包括全球性双向短报文通信、中国及其周边大容量、高并发双向报文通信,搜救功能利用导航定位+全球双向通信,可以向呼救者快速通告救援安排。随着北斗导航系统的不断建设完善,其短报文通信能力不断增强,信息发送能力从120个汉字/次提升到1 200个汉字/次,应急响应时无需字斟句酌,可以将情节一次性说清楚,还可发送图片等信息。在疫情常态化背景下,充分利用全球和中国周边短报文双向通信能力拓展服务内涵,发挥双向指挥通信与PNT集成服务功能,用最短时间进行响应,实现快速应急通信,提高车联网的时效性,从而开展多任务、多目标协同指挥调度的应急应用。

      针对防疫工作中运控慢、协同弱等问题,通过北斗位置服务+5G网络技术提供疫情防控北斗车联网平台,实现病人、家庭、社区、隔离点和医院的各类人员活动、转运规范调度和防疫信息动态实时采发,做到应急物资精准投放和城市紧急交通调度、防疫物资全时空管控。基于北斗高精度位置服务的疫情防控车联网平台可以对防疫指挥部各级医疗救护、病员转运、物资配送、社区保障、垃圾清运等特种车辆进行管控,并通过分级操作实现社区(单位)-街道-区县-市-省立体网格化管理。通过精准位置匹配实现全过程透明化管控,提高政府公共应急管理的执行力和公信力。

      2)泛在定位技术。运用多源传感器融合方法解决室内外无缝定位已是当前定位技术发展的必然趋势[5]。在处置公共卫生事件时,人员定位是首要的。在集中收治隔离医院或方舱医院等临时性聚集区时,可以基于超宽带技术搭建一个高精度定位系统[6]。但在更为广泛的情况下,依靠可穿戴计算设备的自主航迹推算[7]和移动手机传感器建立的定位系统更为重要[8]。同时,人员定位系统还要配合机会信号(卫星信号、WiFi、蓝牙等)和各种移动设备的近距离通信功能,从单纯的个人定位发展为对小范围内人群的定位,从而为流行病学密切接触者调查提供基础数据[9]

      在中国COVID-19疫情暴发初期,武汉等城市一度出现过医疗物资捐赠、医疗车辆调度和病人转运等短时间混乱局面。随着各级车联网系统、物流系统的调整升级,该问题很快得到改善。同时,物资的泛在定位还与区块链技术相结合,保证了物资流转的真实、可信,为大规模、多点分散的医疗、生活物资供求匹配积累了良好的技术经验[10]

      3)动态地理信息技术。公共疫情信息存在多源头、实时变化强的特点,因此以地图服务为载体,搭建全球动态、泛在和异构的人-事-物信息的高并发、实时性的动态地理信息技术也是至关重要的[11]。传统的地理信息系统偏重于静态信息的存储、计算与表达,无法匹配高速发展的人员、场所及运转物资等疫情传播实时时空数据。疫情暴发初期,因病毒潜伏周期长、人流量大等因素,造成地理信息数据无法及时更新。面向泛在信息的可叠加、互操作与安全共享的应用需求,提取泛在信息中的位置信息与位置关联,感知位置的社会属性、用户个人属性与运动属性等,形成基于空间共位特征的全球位置信息叠加协议[12]。通过疫情变化动态数据库与静态地理信息数据库匹配,利用地图叠加协议在基础地图上动态标记各地疫情防控等级、发热门诊、疫情暴发点分布等防疫关键信息,让防控人员、普通民众清楚公共疫情的实时动态,了解疫情发展趋势。

      4)时空大数据分析技术。以位置为核心对互联网、物联网和传感网中异构的人-物-事泛在信息进行感知搜索、提取组织与关联挖掘,研发位置关联的大数据协同融合、分析与服务平台及工具集,实现在线分析服务。首先,从局部人员位置数据中提取二阶行为模式和区域交通动力学特征;其次,从时间和空间尺度上分别对位置复杂网络进行降维分析,从而建立有关社群整体移动性的学习和推测方法;最后,通过协同过滤、概率图分析等方法构建时空大数据全局模型,以进行特征关联及协同挖掘[13]

      公共密集区域人员的复杂性和流动造成疫情态势不明朗,通过数据关联挖掘提取人员流动路线及人际关系,分析病例分布情况及病例活动轨迹,研判社区、商场等场所的安全风险等级。结合防疫物资、生活物资等供需信息与地理位置关系,设计高效、便捷的物资调度方案。同时,根据医院人流分布和确诊疑似病例情况进行疫情态势分析,为疫情防控提供可靠的在线分析服务。

      5)智能导航技术。国务院印发的《新一代人工智能发展规划》中明确提出:“重点突破自主无人系统计算架构、复杂动态场景感知与理解、实时精准定位、面向复杂环境的适应性智能导航等共性技术,支撑无人系统应用和产业发展[14]。”可见精准、智能的时空感知能力将成为人工智能时代的发展核心目标和要求。公共卫生事件的处置具有时空范围庞大、疫情暴露风险高、病毒消杀与感染人员护理工作重复、繁重等特点。机器人、无人机等无人系统以时空位置信息为基础,融合机器学习、语义视觉等技术,满足定位、导航、环境细节与全貌获取等功能。利用智能导航技术能够代替部分人力,从而安全高效地处理疫情防控中人员直接接触的任务,如在定点医院、方舱医院等感染病人集中的地区进行传染病护理,运用机器人为病人送药或对环境进行消毒清洁。

    • COVID-19疫情防控需要掌握疫情的发展态势与资源的实时调配情况,包括时空位置信息、资源需求与调配使用进展情况等。北斗的通信和指挥功能可以用于疫情预警和应急管理。通过北斗通信和定位形成的遥感功能,将北斗双向报文通信、定位导航及移动通信和位置服务一起构成应急调度指挥服务平台用于疫情管控,实现应急物流、车流、人流、医护流、病患流、捐献资金流等时空大数据的感知、调度、调控,避免出现医疗资源对接过程中出现的错位、缺失和忙乱等问题。

      北斗车联网有利于公共疫情防控有序衔接,保障效率。车辆等运载工具是公共疫情防控服务体系的重要组成要素,医疗救治、物资运输、各级现场指挥、后勤保障、医疗垃圾清运、道路消杀等多个环节都需要车辆承担运输任务。在疫情防护工作中,如果车辆位置信息缺失,容易导致多头协同不足、无序衔接,从而引起贻误救治、物资转运不畅、人员不能及时到位、供给与需求脱节、防控效率低下等问题。

      按照多级联网运行体系,研究北斗车联网分级操作体系,提出车辆的网格化管理试点方案,如图 2所示。疫情防控北斗车联网平台可以对防疫指挥部各级医疗救护、病员转运、物资配送、社区保障、垃圾清运等特种车辆进行管控,实现高精度、低时延的一体化网联指挥、协同、监控,并通过分级操作提升街道、小区、村组级别的疫情防控颗粒细化程度。

      图  2  北斗车联网平台对车辆的网格化管理

      Figure 2.  Grid Management of Vehicles by BeiDou-Based Vehicle Ad-hoc Network Platform

      北斗位置服务+5G网络技术可以提供疫情防控北斗车联网平台。通过部署北斗高精度位置服务系统及北斗应急短报文服务系统,利用北斗系统精确定位和短报文通信功能,为应急指控提供可视化的人、财、物资源调度及常规通信手段失效情况下的应急通信保障。位置服务系统实现了位置信息的接收、汇聚、共享,通过构建省-市-县-区-街道-单元的多级联网运行体系,实现各级指控中心之间的位置数据共享,支撑跨区域、跨部门的应急联合调度与指挥。

    • COVID-19疫情暴发突然,发展迅速。为了缓解武汉市现有医疗系统的压力,保证落实“应收尽收,应治尽治”的政策,国家在短时间内建成了两座可用于收治COVID-19患者的医院——雷神山医院和火神山医院。北斗定位终端在雷神山工地投入使用,千寻位置通过互联网向雷神山医院和火神山医院的建设提供位置服务。“北斗人”利用中国北斗卫星导航系统提供的cm级精准定位和测绘技术[15],高效迅速地完成了雷神山医院和火神山医院建设前期的高精度测量工作。

    • 从2020年1月23日湖北武汉“封城”开始,全国各省份先后宣布启动重大突发公共卫生事件一级响应。在如此严峻的防疫形势面前,各省人民为了阻止人员流通,纷纷采取严厉的交通管制措施,如专人值班把守路口,严防车辆行人通行;架设路障,强行阻碍车辆通过;甚至破坏路面、挖断道路、拦截过往车辆等。这些道路管控措施虽然对预防病毒的传播起到了很好的效果,但也直接阻碍了紧急抗疫物资的调配和运送,使得物资配送不及时,在一定程度上加剧了抗疫形势的严峻性。为了解决这一问题,有关部门和群众利用百度、高德等地图平台的上报功能,及时上报所在位置的实时路况,百度、高德等地图平台利用用户上报的信息更新导航地图后,再提供有关信息给物资调运指挥部门和运送物资的司机。用户端根据更新后的地图重新规划物资运送的导航路线,从而保证物资运送的时效性。另外,运送物资的司机的位置信息也上传到地图中进行显示,使得物资调配部门可以随时掌握物资的运送情况,并通过负反馈的方式优化物资调配方案。

    • 防疫期间,为了实现对不同人群的管控,提高疫情防控效率,全国各地开始推广“健康码”数字化防疫措施,公众可以通过移动互联网终端以打卡的方式填写个人信息来获取健康码。健康码分为红、黄、绿3种颜色,如图 3所示。

      图  3  健康码示意图

      Figure 3.  Diagram of Health Codes

      申请者健康码的种类是根据大数据综合判断的,其评判标准源于申请者的空间位置信息(如居住和工作等地点、出行路线等)、时间信息(如外出的次数和外出的时间长短)以及社会信息(如人际关系、近期接触人群等),其中与导航位置服务有关的位置信息和社会信息是判断的主要依据。健康码的运用范围十分广泛,涵盖了如社区管理、企业复工和学校开学等重要领域。通过对健康码的分类管理,可以较为高效地实现对不同人群的管控。

    • 国外疫情形势远比中国严重,位置服务同样在国外疫情防控中体现出强大优势,发挥了重要作用。例如美国联合医疗保健服务公司提供在线周边确诊者查询。在联邦政府批准下,通过接入疾病控制与预防中心提供的病毒感染者数据与使用者位置信息比对,判断周边1.6~321.8 km的确诊者,并提供相应的医疗信息服务。美国伊韦达公司研发的蓝牙跟踪器,可为COVID-19检测提供基于位置的设备跟踪和体温监测服务。通过蓝牙和WiFi定位识别医院里每一件移动医疗设备的确切位置,当设备从区域移走时,将发出警报,同时通过传感器监测患者体温。该项服务可减少医护人员频繁前往病房查探,降低交叉感染风险。

    • 针对疫情期间人口管理混乱问题,构建面向人口移动与疫情传播的跟踪追溯复杂网络模型,开展人员移动可视化管理。通过连接行政管理、疫情监测、行业管理、社区治理等信息,实现统一的信息传递,为疫情期间城市人员管理、医疗救治、疫情预判提供分析依据,挖掘潜在的传播高风险个体和热点区域,真实还原疫情传播路径并定位其源头所在。基于二/三维地图的人口移动信息集成分析和跟踪溯源的可视化系统,集成多源异构大数据和社会关系的复杂网络模型方法,对疫情时期人口移动时空信息进行高效分析研判,实现动态实时的跟踪、预测、预警和回溯。

      针对疫情以来及复工复产可能引发的疫情风险升级,很多研究机构建立了各种模型分析预测疫情发展趋势。武汉珞珈德毅科技公司开发的基于时空大数据的疫情感知、智能防控与业务运行管理系统,包括疫情大数据监测平台与复工复产监测管理信息系统,通过大数据、视频观测及现场巡逻等手段,对大型公交车站、地铁站等公共交通场所进行客流数据采集,建立大客流预警机制,制定应急管理措施。对重点人员、相关车辆开展轨迹智能管理,结合时空大数据分析,为潜在的疫情传播开展预判分析,实现动态实时的跟踪、预警、溯源与应对。

      COVID-19疫情大数据监测平台(图 4)从管理者视角为防控指挥提供人员管理、疫情监测、数据分析、辅助决策等支持工作,服务于各地市、区县COVID-19疫情防控工作,做到精准施策,多元主体协同,环环相扣,提升防控指挥能力。该平台持续收集各地卫健委等官方渠道发布的数据,已完成湖北省内武汉、宜昌、孝感、十堰、黄石、荆门、襄阳、随州、恩施、天门、仙桃、潜江、神农架等100多个地市州、区县的疫情数据,数据可精确到社区或村。

      图  4  COVID-19疫情大数据监测平台

      Figure 4.  COVID-19 Epidemic Big Data Monitoring Platform

      结合各地卫健委等官方渠道发布的实时疫情数据,利用地理信息可视化技术回溯分析疫情时空态势,COVID-19疫情大数据监测平台提供累计病例趋势统计、数据总量分类汇总、每日新增病例趋势、病例分布区域统计、每日新增病例详情等模块,并利用GIS聚合技术,将病例的分布情况展示在地图上,使数据呈现得更直观、更清楚。

      复工复产监测管理信息系统(图 5)提供复工数据维护以及全方位的系统功能支撑,建立企业复工申报审核流程,上报企业员工的身体健康数据,监督企业防疫措施的落实情况,智能分析企业异常情况并实时预警,形成园区复工防疫管理一体化。园区可以对所有企业的复工申请进行查看和审核,审核通过后即可复工。企业和园区还可以查看员工每天的健康打卡信息,通过实时预警的方式监测员工的健康状况信息,对每家企业的防疫实施工作进行有效的监督,切实保障复工以后员工、企业、园区的健康情况。

      图  5  复工复产监测管理信息系统

      Figure 5.  Monitoring and Management System for Resumption of Work and Production

    • 采用合理的时间与空间统计方法并结合传染病传播模型,能够提高预测的准确性。基于湖北省卫生委员会公布的数据,利用Logistic-S曲线模型对湖北省16个城市2020年1月11日至2月24日COVID-19感染病例的现状和未来趋势进行了预测。考虑到疫情的发展趋势不仅与它自身的发展特征有关,而且与防控措施动态关联。通过分析疫情发展特征、干预影响、医疗条件、经验传递等因素,结合中国疫情发展过程,对经典流行病动力学模型进行了改进,建立了一种离散时间多阶段动态时滞动力学模型。进一步,基于中国疫情数据,通过参数反演提取防控措施与疫情走势间的关联关系以及疫情自身的发展特征,建立了基于经验传递的COVID-19疫情动力学分析方法[16]。利用提出的方法分析了意大利、美国、德国和西班牙的COVID-19疫情传播与防控态势。此外,还对加拿大的疫情发展进行了分析,准确预报出疫情转变的节点,为潜在的疫情传播预判分析提供了可借鉴的方法。

    • COVID-19病毒具有较长的潜伏期(潜伏期中位数约为5.5 d),患者发病症状表现不显著[17],且疫情暴发时间正处于中国春节,人口流动大。如果无法及时掌握疫情暴发点和地理流行趋势等信息,将使疫情防控工作寸步难行。高德、丁香园等中国互联网平台以GIS为基础,迅速推出了疫情地图,充分展现了GIS在传染病预防和控制中的重要地位。国外方面,约翰霍普金斯大学基于ArcGIS开发的全球实时疫情地图具有更强的互动性,而且位置信息更准确。疫情地图将疫情数据的空间、时间和数量特征进行汇总分析,并将其可视化表达,进而向个人和有关部门提供发热门诊、道路交通、疫情流动发展趋势以及疫情暴发地点预警等查询服务。

      通过疫情地图,人们可以分析获得COVID-19疫情暴发的地区和趋势,从而划定不同等级的防控地区,起到分级防控和地区疫情预警的效果。疫情期间,疫情地图已成为公众获取疫情数据、了解疫情发展的必备工具之一。对于疫情防控人员,疫情地图可以为其提供直观的疫情数据,以便制定更加优化的防疫政策。反过来,防控人员也可以将相关的防疫政策分享到疫情地图,帮助民众及时了解相关政策,保证防疫措施的执行效率。

    • 除了GNSS系统可以满足大范围内的定位需求外,手机通信数据也可以用来获取大范围内用户的位置信息。事实上,三大手机通信运营商(中国移动、中国联通、中国电信)的大数据可准确地向服务对象提供其空间信息(位置轨迹数据)和社会信息(社交关系和身份属性)。因此,工信部中国信通院联合中国移动、中国联通、中国电信三家运营商,利用其通信大数据向手机用户和防控部门提供两周以内的位置信息和行程查询服务。该服务不仅能为手机用户提供复工、返校、看病、购物等信息核对帮助,更重要的是能协助防控部门排查风险人员、管控人群流动,也能将用户活动轨迹作为辅助信息提供给传染病研究专家,帮助其完成流行病学调查。

      近年来,中国实施了购买飞机、火车、汽车等长途交通工具票据必须实名的制度。利用个人程票数据,结合交通工具的运行等交通信息数据,可以获得乘客的旅行轨迹和乘客在旅行期间的具体位置。在疫情期间,相关部门通过庞大的交通信息数据,将COVID-19确诊乘客乘坐的交通工具和旅行路线等信息在互联网平台上公布,同时向公众提供同乘查询服务,使得公众能够自主查询自己是否属于密切接触者。利用交通信息数据提供的位置服务在很大程度上减小了与确诊病例接触人群排查的工作阻力,为防止疫情出现大范围传播争取了大量时间。

    • 在抗疫过程中,为了降低人与人近距离接触、人暴露于高危病毒环境下而感染COVID-19的风险,智能导航机器人临危受命,为人们提供了无接触式医疗服务,其中较为典型的是地面防疫机器人和空中无人机的使用。智能机器人具备智能自主定位、实时地图构建、精准路径规划与避障等功能。

    • 地面防疫机器人的工作内容主要包括为患者和医生运送食物药物(图 6)、回收防护服等医疗垃圾、为不熟悉环境的患者和医生导航以及室内外消毒等[18]。由于室内环境较为复杂,目前主流的地面智能机器人定位手段是通过在机器人上搭载相机(单、双目或深度相机)、激光雷达等用于环境感知的传感器,依靠同步定位与建图(simultaneous localization and mapping,SLAM)技术进行机器人的室内自主定位和导航[19]。在疫情防控中,通过对地面智能导航机器人的运用,一方面极大减小了相关医护工作人员接触病毒、感染肺炎的几率,另一方面也减轻了医护人员的工作压力和心理压力。

      图  6  智能机器人配送药物

      Figure 6.  Intelligent Robot Delivers Medication

    • 空中无人机(图 7)主要以室外转运疫情防控急救药品与标本、自动化大面积消毒杀菌、路面监控、遥感观测和人员疏导等为工作重点。无人机除了使用视觉、雷达等SLAM技术外,还使用GNSS来定位[20]。目前,全中国已有上万架无人机接入了千寻位置(基于卫星定位、大数据、云计算技术提供位置服务的平台)提供的北斗高精度定位服务系统,依托北斗厘米级的导航定位能力,无人机可完成消毒剂精准喷洒、地面人员疏导等工作,这在很大程度上缓解了疫情期间人力资源紧张、人员拥堵造成交叉感染的风险。此外,无人机还能进行遥感观测,可连同航天遥感等多星协同与立体监测技术体系对疫情的发展态势进行研判,在疫情防控中发挥了巨大作用。

      图  7  无人机用于疫情防控

      Figure 7.  Unmanned Aerial Vehicles Used for Epidemic Prevention and Control

    • 位置服务在突如其来的COVID-19疫情紧急抗疫工作中得到了广泛运用,并发挥了巨大作用。通过上述分析,有两个问题需要引起思考并加以改进与完善。一方面,各项技术应用之间相互比较零散,缺乏完整的面向重大公共卫生事件的位置服务应用框架。为应对今后可能发生的突发公共安全事件,解决人-物-事资源紧急调配的应急处置难题,同时为后疫情时代可能出现的疫情反复冲击做好充分的准备,亟需建设基于位置服务的重大公共事件应急响应系统。另一方面,在信息化、大数据时代,信息透明容易引发人们的隐私焦虑问题。位置服务应用涉及的个人用户数据应经过隐私加密处理后,再进行数据共享与分析。但在必要时刻,应根据公共卫生事件的紧迫性和重大等级,分级启动位置服务系统,以应对不同的社会安全需求。

      后疫情时代,需加快5G网络、大数据中心、人工智能等新一代信息基础设施的建设速度,尤其是加快信息技术与医疗卫生领域的深度融合发展,加大对智能医疗系统、各类技术产品和应用场景开发的政策支持力度,全面构建应对突发性公共卫生事件的智能化基础支撑体系。通过北斗和以5G为代表的新基建在技术上进行融合创新,建立作为国家级疫情防控服务体系的关键基础设施,充分发挥位置服务在时空大数据分析和处理中的优势,催生更高效的重大公共卫生事件应急管理模式。

参考文献 (20)

目录

    /

    返回文章
    返回