一种传染病追踪溯源的方法、系统、服务器及存储介质与流程

1.本技术涉及传播源追踪溯源技术领域，尤其涉及一种传染病追踪溯源的方 法、系统、服务器及存储介质。


背景技术：

2.目前，传播源追踪溯源是指对于现实中爆发的传播性信息追踪定位源头， 从而进行控制与风险评估的过程。由于传播源触发的传播现象在现实世界中是 普遍存在的，例如影响人类健康的重大流行病等，因此，及时有效地定位传播 源对于减少人们的损失有极为重要的意义。
3.近几年来，很多研究学者对传染病追踪溯源做了很多相关的研究，包括传 统si模型、sis模型、sir模型、seir模型传播的树状网络的源头追溯算法。 随着技术进一步发展，源头追溯算法不再局限与树状网络算法，开始对一般网 络结构中风险溯源问题进行研究。
4.目前源头追溯要么通过严密、高复杂的计算来寻求最优解决方案，要么通 过简化的启发式算法来实现最佳的时间性能。但是现有的传染病追踪溯源的方 法计算量大(需要测试网络中所有用户)，同时定位并不十分准确。


技术实现要素：

5.本技术实施例通过提供一种传染病追踪溯源的方法、系统、服务器及存储 介质，解决了现有的传染病追踪溯源的方法计算量大，同时定位并不十分准确 的问题。
6.第一方面，本发明实施例提供了一种传染病追踪溯源的方法，包括：
7.分别获取多个实体的大数据信息；
8.根据多个所述大数据信息建立时空关系图谱网；
9.若发现传染病感病实体，则进行追溯流程，其中，所述追溯流程包括：根 据所述时空关系图谱网追踪与所述传染病感病实体关联的所有关联实体，并判 断所有所述关联实体的感病情况；
10.若所述关联实体中出现感染实体，所述感染实体作为所述传染病感病实体 进行所述追溯流程；若所述关联实体均没有出现感染实体，所述传染病感病实 体即为发源实体，并获得溯源路径。
11.结合第一方面，在一种可能的实现方式中，所述根据多个所述大数据信息 建立时空关系图谱网具体包括：
12.利用大数据技术对多个所述大数据信息进行数据清洗与数据分析得到待 使用信息；
13.根据所述待使用信息建立数据字典；
14.根据所述数据字典通过关联分析建立关联分析表；
15.根据所述关联分析表形成时空关系图谱网。
16.结合第一方面，在一种可能的实现方式中，所述根据所述待使用信息建立 数据字
典，具体包括：
17.根据所述待使用信息建立属性分别为地理信息、时间信息和安全等级信息 的数据字典。
18.结合第一方面，在一种可能的实现方式中，传染病追踪溯源的方法还包括：
19.根据多条所述溯源路径和每条所述溯源路径上的地区的所述安全等级信 息得到训练数据集，所述训练数据集中训练数据的计算公式为其 中，l表示所述溯源路径的综合安全风险等级，li表示所述溯源路径中任意一 个地区对应的安全风险等级，ni表示安全风险等级为li的地区的感染实体的人 数，n表示所述溯源路径中所有感染实体的总人数；
20.将所述训练数据集输入深度卷积神经网络，对模型的权重进行收敛，直至 收敛稳定得到稳定模型；
21.将待检测的新路径输入所述稳定模型，获取所述新路径的综合风险等级预 测。
22.结合第一方面，在一种可能的实现方式中，所述将所述训练数据集输入深 度卷积神经网络，具体包括：
23.将所述训练数据集输入残差神经网络。
24.结合第一方面，在一种可能的实现方式中，传染病追踪溯源的方法还包括：
25.将所述新路径和所述新路径上的地区的所述安全等级信息加入所述训练 数据集，并输入所述深度卷积神经网络进行自学习。
26.第二方面，本发明另一实施例提供了一种传染病追踪溯源的系统，包括：
27.获取模块，用于分别获取多个实体的大数据信息；
28.建立模块，用于根据多个所述大数据信息建立时空关系图谱网；
29.追溯模块，用于若发现传染病感病实体，则进行追溯流程，其中，所述追 溯流程包括：根据所述时空关系图谱网追踪与所述传染病感病实体关联的所有 关联实体，并判断所有所述关联实体的感病情况；
30.选择模块，用于若所述关联实体中出现感染实体，所述感染实体作为所述 传染病感病实体进行所述追溯流程；若所述关联实体均没有出现感染实体，所 述传染病感病实体即为发源实体，并获得溯源路径。
31.第三方面，本发明再一实施例提供了一种服务器，包括：存储器和处理器；
32.所述存储器用于存储程序指令；
33.所述处理器用于执行存储器中的程序指令，使得所述服务器执行上述所述 的传染病追踪溯源的方法。
34.第四方面，本发明又一实施例提供了一种计算机可读存储介质，所述计算 机可读存储介质存储有可执行指令，计算机执行所述可执行指令时能够实现上 述所述的传染病追踪溯源的方法。
35.本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优 点：
36.本发明实施例提供的传染病追踪溯源的方法，包括：分别获取多个实体的 大数据信息；根据多个所述大数据信息建立时空关系图谱网；若发现传染病感 病实体，则进行追溯流程，其中，所述追溯流程包括：根据所述时空关系图谱 网追踪与所述传染病感病实体
关联的所有关联实体，并判断所有所述关联实体 的感病情况；若所述关联实体中出现感染实体，所述感染实体作为所述传染病 感病实体进行所述追溯流程；若所述关联实体均没有出现感染实体，所述传染 病感病实体即为发源实体，并获得溯源路径。本技术利用大数据信息及大数据 技术，整合群体的行程并关联，建立时空关系图谱网，进行溯源流程，快速获 知发源实体并获得溯源路径，减少传统大规模区域检测的重复性工作。采用本 申请的传染病追踪溯源的方法进行传染病追踪溯源，其计算量相对而言更小， 定位更准确。
附图说明
37.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例描述 中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明 的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下， 还可以根据这些附图获得其他的附图。
38.图1为本技术实施例提供的传染病追踪溯源的方法的流程图；
39.图2为本技术实施例提供的传染病追踪溯源的方法的示意图一；
40.图3为本技术实施例提供的传染病追踪溯源的方法的示意图二；
41.图4为本技术实施例提供的传染病追踪溯源的方法的示意图三。
具体实施方式
42.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清 楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全 部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性 劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
43.请参照图1所示，本发明实施例提供了一种传染病追踪溯源的方法，包括：
44.步骤101：分别获取多个实体的大数据信息。
45.具体地，可以利用移动智能终端、智能手机、具有定位的智能穿戴设备等 获取佩戴者的日常公开的定位行程信息、时间信息、健康状态信息等结构化、 非结构化、半结构化大数据信息。
46.步骤102：根据多个大数据信息建立时空关系图谱网。
47.具体地，步骤102包括：
48.步骤1021：利用大数据技术对多个大数据信息进行数据清洗与数据分析得 到待使用信息。
49.其中，随着互联网技术的发展，大数据技术是一种规模大到在获取、存储、 管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，其具有 海量的数据规模、快速的数据流转、多样的数据类型和价值密度低这四大特征。 大数据技术其强大计算能力和数据关联整合能力，可以有效提升传染病溯源能 力和风险评估预测能力。大数据技术的战略意义在于对这些含有意义的数据进 行专业化处理，在于提高对大量数据的加工分析能力。
50.通过大数据技术对获取的多个大数据信息进行汇聚与存储，得到待使用信 息供大数据分析使用。待使用信息是将带有时空地理信息、时间信息、安全等 级信息等的结构
化数据、非结构化数据、半结构化数据转化为方便进行分类与 管理的知识库结构。
51.步骤1022：根据待使用信息建立数据字典。
52.进一步地，步骤1022具体包括：根据待使用信息建立属性分别为地理信 息、时间信息和安全等级信息的数据字典，从而将待使用信息简化，获得最重 要最有用的信息。
53.步骤1023：根据数据字典通过关联分析建立关联分析表。
54.步骤1024：根据关联分析表形成时空关系图谱网。
55.其中，时空关系图谱网是建立的个体与个体、个体与群体、群体与群体至 今的关系图谱网，其联通多个实体之间地理信息、时间信息和安全等级信息等。 时空关系图谱网的建立，为溯源信息查询和计算提供了更直观的表示模式。
56.时空关系图谱网的建立过程，是通过时空重合度来建立的，示例如图2所 示，以实体1、2、3、4为例，首先通过设备获取大量实体的大数据信息，并 利用大数据技术对多个大数据信息进行数据清洗与数据分析得到待使用信息。 然后根据该待使用信息建立属性分别为地理信息、时间信息、安全等级信息的 数据字典，如图2所示，实体1的地理信息为北京、西安、上海；时间信息为 北京(beijing)，在北京的停留时间为2021年10月01日15:00至2021年10 月02日11:45，表示为202110011500-202110011145，西安(xian)，在西安 的停留时间为2021年10月02日14:00至2021年10月03日09:30，表示为 202110021400-202110030930，上海(shanghai)，在上海的停留时间为2021 年10月03日12:00至今，表示为202110031200-null，其中null表示仍在 此地停留；安全等级信息分为(1)低风险，(2)中风险，(3)高风险，(4) 重风险这四个等级，实体1在北京所停留的时间段内北京的风险等级信息为(3) 高风险，在西安所停留的时间段内西安的风险等级信息为(3)高风险，在上 海所停留的时间段内上海的风险等级信息为(4)重风险。实体2、实体3和实 体4的数据字典上的地理信息、时间信息和安全等级信息的表示方式以此类推。
57.如图2所示，之后根据数据字典通过关联分析建立关联分析表，其中关联 分析表包括强关联分析表和弱关联分析表。其中，强关联分析表表示两个实体 之间有直接重合关联地区，弱关联分析表表示两个实体之间有间接重合关联地 区，如图2所示，实体1和实体4均在相同时间段到过北京，从而强关联分析 表中为强关联，其他强关联分析以此类推，而实体1和实体3通过实体2有间 接关联，从而他们形成弱关联分析表，关联分析表中实线表示直接关联，虚线 表示间接关联。
58.继续参照图2所示，最后根据关联分析表形成时空关系图谱网。
59.步骤103：若发现传染病感病实体，则进行追溯流程，其中，追溯流程包 括：根据时空关系图谱网追踪与传染病感病实体关联的所有关联实体，并判断 所有关联实体的感病情况。
60.步骤104：若关联实体中出现感染实体，感染实体作为传染病感病实体进 行追溯流程。若关联实体均没有出现感染实体，传染病感病实体即为发源实体， 并获得溯源路径。
61.步骤103和步骤104即为溯源分组轮循追踪技术，利用多个实体的时空关 系图谱网，结合排序与分类算法原理，对实体的传播路径进行追踪和源头定位， 具体地，假设传染病是符合si模型(将人群分为s类和i类，s类为易感者， 指未得病，但缺乏免疫能力，与感染者接触后容易受到感染，i类，感病者， 指染上传染病的人，可以传播给s类成员)，其中，潜伏期患者，通过检测手 段可知。示例如图3所示，图中，s0～sn表示向上追踪的每一时空层，
●
表示 传染病感病实体或者感染实体，
○
表示未感染实体。a0是发现的传染病感病实 体(为s0层，爆发地区为c0)，根据时空关系图谱网追踪与a0关联的关联实体 a1(为s1层，爆发地区为c1)和a2(为s1层，爆发地区为c2)，并判断a1和 a2的感病情况，由图3可知，a1和a2均为感染实体，则a1和a2分别作为传染 病感病实体进行追溯流程。即根据时空关系图谱网追踪与a1关联的关联实体 a3(为s2层，爆发地区为c3)和a4(为s2层，爆发地区为c4)，并判断a3和 a4的感病情况，由图3可知，a3为感染实体，则a3作为传染病感病实体进行追 溯流程，a4及其所在的未感病地区不再进行追溯查找。同时根据时空关系图谱 网追踪与a2关联的关联实体a5(为s2层，爆发地区为c5)和a6(为s2层，爆 发地区为c6)，并判断a5和a6的感病情况，由图3可知，a5为感染实体，则a5作为传染病感病实体进行追溯流程，a6及其所在的未感病地区不再进行追溯查 找。以此类推，感染实体及其所在的感病地区继续根据时空关系图谱网进行追 溯流程。直至传染病感病实体的所有关联实体均没有出现感染实体，该传染病 感病实体即为发源实体，并获得溯源路径。如图3所示，传染病感病实体a
n-1 (为s
n-1
层，爆发地区为s
n-1
)的所有关联实体an(为sn层，爆发地区为cn)、 a
n 1
(为sn层，爆发地区为c
n 1
)和a
n 2
(为sn层，爆发地区为c
n 2
)均没有 出现感染实体，则a
n-1
为发源实体，并获得溯源路径。
62.本发明实施例提供的传染病追踪溯源的方法，包括：分别获取多个实体的 大数据信息；根据多个所述大数据信息建立时空关系图谱网；若发现传染病感 病实体，则进行追溯流程，其中，所述追溯流程包括：根据所述时空关系图谱 网追踪与所述传染病感病实体关联的所有关联实体，并判断所有所述关联实体 的感病情况；若所述关联实体中出现感染实体，所述感染实体作为所述传染病 感病实体进行所述追溯流程；若所述关联实体均没有出现感染实体，所述传染 病感病实体即为发源实体，并获得溯源路径。本技术利用大数据信息及大数据 技术，整合群体的行程并关联，建立时空关系图谱网，进行溯源流程，快速获 知发源实体并获得溯源路径，减少传统大规模区域检测的重复性工作。采用本 申请的传染病追踪溯源的方法进行传染病追踪溯源，其计算量相对而言更小， 定位更准确。
63.请参照图1和图4所示，本发明实施例提供的传染病追踪溯源的方法还包 括：
64.步骤105：根据多条溯源路径和每条溯源路径上的地区的安全等级信息得 到训练数据集，训练数据集中训练数据的计算公式为其中，l表 示溯源路径的综合安全风险等级，li表示溯源路径中任意一个地区对应的安全 风险等级，ni表示安全风险等级为li的地区的感染实体的人数，n表示溯源路 径中所有感染实体的总人数。
65.示例的，如图4所示，训练数据集中，北京-西安-天津-唐山对应的市地代 码为(1101-6101-1201-1302)，参照民政部2020年行政区划代码表，对应的风 险等级分别为3，3，2，3，对应的感染人数分别为3，4，2，1。带入可得 l＝2.8，一般四舍五入为3。
66.步骤106：将训练数据集输入深度卷积神经网络，对模型的权重进行收敛， 直至收敛稳定得到稳定模型。通过卷积神经网络本身的算法，对模型的权重进 行收敛，直至模型收敛稳定，输出结果有较高的准确率(大于96％)。
67.其中，将训练数据集输入深度卷积神经网络，具体包括：将训练数据集输 入残差神经网络。残差神经网络较瘦，控制了参数数量，其存在明显层级，特 征图个数逐层递进，保证输出特征表达能力，使用了较少的池化层，大量使用 降采样，提高传播效率，没有使用dropout，利用bn和全局平均池化进行正 规化，加快了训练速度。
68.步骤107：将待检测的新路径输入稳定模型，获取新路径的综合风险等级 预测，从而完成当前新路径的综合风险等级预测，并针对该预测及时采取防治 措施。
69.本技术实施例提供的传染病追踪溯源的方法，在获取多个实体的时空关系 图谱网和溯源路径的基础上，通过利用深度卷积神经网络，能够实现分析预测 未来某地区、某时空内的传染病风险等级与规模，及时采取预防措施。
70.请继续参照图1所示，本发明实施例提供的传染病追踪溯源的方法还包括：
71.步骤108：将新路径和新路径上的地区的安全等级信息加入训练数据集， 并输入深度卷积神经网络进行自学习，即将新路径和新路径上的地区的安全等 级信息重新扩容到训练数据集当中，使得追溯路径多样性增加，进而提高预测 的准确性。
72.相较于现阶段通过简单大数据行程等模型进行实体传染病追踪溯源，虽然 也利用了大数据信息，但是没有将实体与时空信息进行深度关联，进而进行时 空关联溯源，同时没有建立自主学习的深度学习卷积神经网络进行安全风险评 估，系统的预测能力较差。本技术实施例提供的传染病追踪溯源的方法，在利 用大数据信息的同时，将实体与空间信息进行深度关联，进而进行时空关联溯 源，而且建立自主学习的深度学习卷积神经网络进行安全风险评估，系统的预 测能力较强。
73.本发明另一实施例提供了一种传染病追踪溯源的系统，包括：
74.获取模块，用于分别获取多个实体的大数据信息。
75.建立模块，用于根据多个大数据信息建立时空关系图谱网。
76.追溯模块，用于若发现传染病感病实体，则进行追溯流程，其中，追溯流 程包括：根据时空关系图谱网追踪与传染病感病实体关联的所有关联实体，并 判断所有关联实体的感病情况。
77.选择模块，用于若关联实体中出现感染实体，感染实体作为传染病感病实 体进行追溯流程。若关联实体均没有出现感染实体，传染病感病实体即为发源 实体，并获得溯源路径。
78.采用本技术的传染病追踪溯源的系统进行传染病追踪溯源，其计算量相对 而言更小，定位更准确。
79.进一步地，所述建立模块具体包括：
80.数据清洗及分析子模块，用于利用大数据技术对多个大数据信息进行清洗 与数据分析得到待使用信息。
81.建立子模块，用于根据待使用信息建立数据字典。
82.关联分析子模块，用于根据数据字典通过关联分析建立关联分析表。
83.形成子模块，用于根据关联分析表形成时空关系图谱。
84.本发明另一实施例提供的传染病追踪溯源的系统，还包括：
85.获得模块，用于根据多条溯源路径和每条溯源路径上的地区的安全等级信 息得到训练数据集，训练数据集中训练数据的计算公式为其中， l表示溯源路径的综合安全风险等级，li表示溯源路径中任意一个地区对应的 安全风险等级，ni表示安全风险等级为li的地区的感染实体的人数，n表示溯 源路径中所有感染实体的总人数。
86.训练模块，用于将训练数据集输入深度卷积神经网络，对模型的权重进行 收敛，
直至收敛稳定得到稳定模型。
87.输入模块，用于将待检测的新路径输入稳定模型，获取新路径的综合风险 等级预测。
88.本发明另一实施例提供的传染病追踪溯源的系统，还包括：
89.加入模块，用于将新路径和新路径上的地区的安全等级信息加入训练数据 集，并输入深度卷积神经网络进行自学习。
90.本发明再一实施例提供了一种服务器，包括：存储器和处理器；存储器用 于存储程序指令；处理器用于执行存储器中的程序指令，使得服务器执行上述 的传染病追踪溯源的方法。
91.本发明又一实施例提供了一种计算机可读存储介质，计算机可读存储介质 存储有可执行指令，计算机执行可执行指令时能够实现上述的传染病追踪溯源 的方法。
92.上述存储介质包括但不限于随机存取存储器(英文：random accessmemory；简称：ram)、只读存储器(英文：read-only memory；简称：rom)、 缓存(英文：cache)、硬盘(英文：hard disk drive；简称：hdd)或者存储 卡(英文：memory card)。存储器可以用于存储计算机程序指令。
93.虽然本技术提供了如实施例或流程图的方法操作步骤，但基于常规或者无 创造性的劳动可以包括更多或者更少的操作步骤。本实施例中列举的步骤顺序 仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的 装置或客户端产品执行时，可以按照本实施例或者附图所示的方法顺序执行或 者并行执行(例如并行处理器或者多线程处理的环境)。
94.上述实施例阐明的系统或模块，具体可以由计算机芯片或实体实现，或者 由具有某种功能的产品来实现。为了描述的方便，描述以上系统时以功能分为 各种模块分别描述。在实施本技术时可以把各模块的功能在同一个或多个软件 和/或硬件中实现。当然，也可以将实现某功能的模块由多个子模块或子单元组 合实现。
95.本技术中的方法、系统或模块可以以计算机可读程序代码方式实现控制器 按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存 储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算 机可读介质、逻辑门、开关、专用集成电路(英文：application specific integratedcircuit；简称：asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的 例子包括但不限于以下微控制器：arc 625d、atmel at91sam、microchippic18f26k20以及silicone labs c8051f320，存储器控制器还可以被实现为存 储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序 代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制 器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形 式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部 包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可 以将用于实现各种功能的系统视为既可以是实现方法的软件模块又可以是硬 件部件内的结构。
96.本技术系统中的部分模块可以在由计算机执行的计算机可执行指令的一 般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现 特定抽象数据类型的例程、程序、对象、组件、数据结构、类等。也可以在分 布式计算环境中实践本技术，在这
些分布式计算环境中，由通过通信网络而被 连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包 括存储设备在内的本地和远程计算机存储介质中。
97.通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本 申请可借助软件加必需的硬件的方式来实现。基于这样的理解，本技术的技术 方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出 来，也可以通过数据迁移的实施过程中体现出来。该计算机软件产品可以存储 在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计 算机设备(可以是个人计算机，移动终端，服务器，或者网络设备等)执行本 申请各个实施例或者实施例的某些部分的方法。
98.本说明书中的各个实施方式采用递进的方式描述，各个实施方式之间相同 或相似的部分互相参见即可，每个实施方式重点说明的都是与其他实施方式的 不同之处。本技术的全部或者部分可用于众多通用或专用的计算机系统环境或 配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型 设备、移动通信终端、多处理器系统、基于微处理器的系统、可编程的电子设 备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式 计算环境等等。
99.以上实施例仅用以说明本技术的技术方案，而非对本技术限制；尽管参照 前述实施例对本技术进行了详细的说明，本领域普通技术人员应当理解：其依 然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技 术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离 本技术技术方案的范围。