传染性疫情下客流运动规律建模与多态场景的管控技术研究

1 研究概述

1．1 概念界定

1．2 研究背景与意义

1．3 理论基础与研究综述

1．4 技术路线与研究内容

2 疫情扩散效应与客运系统的耦合关系

2．1 疫情传播的发展阶段及其特征分析

2．2 疫情，客运耦合机制

3 疫情下的客运需求预测

3．1 疫情发展对客运需求的影响分析

3．2 疫情环境下的客运需求预测建模

4 疫情扩散与交通活动系统模拟

4．1 系统设计

4．2 系统实现

4．3 实例仿真分析与讨论

5 多态场景下分级分类的客流管控技术与方法

5．1 交通运输与防疫关系

5．2 多态场景下的分级分类方法

5．3 多态场景下分级分类的疫情防控措施

5．4 多态场景下分级分类的疫情防控框架与流程

6 结论与建议

参考文献

1研究概述

1.1概念界定

COVID-19：新型冠状病毒肺炎（Corona Virus Disease 2019,COVID-19），简称“新冠肺炎”，世界卫生组织将其命名为“2019冠状病毒病”，指2019新型冠状病毒感染导致的肺炎。

疫情状态：在病毒自然演变的发展规律、自然和社会环境因素影响下（包括地理、气候、城市形态、人类活动、科学技术等），病毒按一定规律和特性发展变化呈现的状态及形式。在本研究中，基于疫情在时间过程的特性，进一步划分为了萌芽期、暴发期、过渡期和衰退期4个阶段性疫情状态。

应急状态：以突发、偶发、密集暴发（多点多时）等非规律性形式发生或需要非常规性技术和方法处置的疫情状态。由于应急状态这种特殊性，应急状态在不同的时间、空间或特定的交通环境下，会表现出各种特殊的状态特性，例如，综合交通枢纽应急状态、铁路枢纽应急状态、航空枢纽应急状态、地铁交通应急状态等。

常态：在病毒生存传播最大医学观察期（世界或国家卫生组织界定）持续时段内一定范围区域没有病例发生，包括域外存在病例或域内存在受控状态的病例及疑似病例，疫情在演化的各个阶段呈现的具有规律性和可控性的状态。

病毒产生率：病毒产生率借用了量子（quantum）的概念，考虑病原体的传染性、传染源强度和生物衰变等因素，用于量化描述传染病病毒的传染强度。

突发公共卫生事件的生命周期：突发公共卫生事件的生命周期是指从危机事件从出现到处理结束的过程中，如人的生命周期一样，从诞生、成长、成熟到死亡危机等不同的阶段，具有不同的生命特征。其周期一般包含孕育期、暴发期、发展期、衰退期和终结期。

通勤交通：是指定期往返于居住地与工作地或学习地之间，并超出他们的居住社区边界的出行。有时也指那些不同地点之间即使是非工作出行，但有规律的或频繁发生的出行。

Pearson相关系数：Pearson相关系数是用协方差除以两个变量的标准差得到的，是一个介于-1和1之间的值，当两个变量的线性关系增强时，相关系数趋于1或-1；当一个变量增大，另一个变量也增大时，表明它们之间是正相关的，相关系数大于0；如果一个变量增大，另一个变量却减小，表明它们之间是负相关的，相关系数小于0。但使用Pearson相关系数的一个前提条件两个变量的总体是正态分布。

Spearman秩相关系数：Spearman秩相关系数是一个非参数性质（与分布无关）的秩统计参数，通常被认为是排列后的变量之间的Pearson线性相关系数。Spearman秩相关系数对数据条件的要求没有Pearson相关系数严格。只要两个变量的观测值是成对的等级评定资料，或者是由连续变量……

本书在传染性疫情的背景下以旅客运输为对象，对人员流动与疫情传播的相互影响机制、截断疫情传播途径的客流管控对策进行了研究。针对不同交通场景、不同疫情扩散情况，运用大数据技术对疫情传播与交通活动的时空关系及分布特性进行了探索性分析，揭示了不同疫情发展时间阶段与客流发生及其交通活动的内在关联；基于人工智能、机器学习等数据处理方法，运用数据可视化技术，模拟疫情期间客流发生与移动特征，建立了疫情扩散系统动力学模型，对疫情的发展情况进行了效应评价和疫情背景下的客运交通预测；以超前防范、控制传染源以及切断传播途径为目标，根据疫情的实际变化情况与预测的交通需求，提出了系统的交通组织和旅客运输管控策略，可为防止病毒通过客运系统进行异地扩展与传播，并尽最大可能保证疫情期间客运系统的正常运作提供参考，有助于有效应对传染性疫情对客运系统提出的突发性和常态化挑战。