用地圖大數據助力精准防控

疫情洶洶時，每個人都無法置身事外。搜集疫情相關的各種數據、制作1500多張疫情分布地圖、連續推送20多期“圖說疫情”分析……北京建筑大學測繪與城市空間信息學院院長杜明義教授帶領團隊積極投身到科技戰疫的洪流中。

疫情期間，一些平台都推出了專門制作的疫情地圖。在杜明義看來，疫情地圖不僅僅是患者人數和所在地理位置信息的簡單疊加。借助空間信息技術制作專業的疫情防控地圖，用地圖大數據為精准防控提供支撐，是他和團隊的初衷。

“這是我們利用截至到2月23日的數據制作的京津冀感染風險指數圖。這應該是獨一份，在其他的疫情地圖產品中沒有見到‘同款’的。”杜明義在接受科技日報記者採訪時說，透過這張圖，可以看到當時北京、天津、唐山部分地區的感染風險明顯高於京津冀其他地區。

一張張簡潔明了的疫情地圖背后，凝結了大量的數據收集處理工作。多源異構大數據的快速獲取、處理、融合、表達與協同，是杜明義團隊首先要面對的技術難題。

為制作疫情地圖，杜明義團隊採集的數據源非常廣泛，除了地圖、遙感影像等常規空間數據以外，還包括衛健委發布的疫情數據、微博輿情數據、百度人口遷徙、網頁文本抓取數據、共享單車軌跡數據等多源多類型數據。

“這些數據時間和空間基准不同，可能存在冗余的信息，我們需要通過數據清洗、集成、規約等技術手段來進行數據處理。”團隊聯合負責人蔣捷教授介紹道。

不同來源的數據在疫情地圖制作中扮演著怎樣的角色？團隊技術骨干曹詩頌博士舉例說，百度人口遷徙大數據反映出不同省市人口的遷入和遷出率，將這一數據與疫情數據結合分析，可以探索疫情空間分布和人口遷徙之間的關聯，進而輔助疫情防控決策。在分析傳播風險的時候，除了用各省市的人口遷徙數據外，還可以利用夜光燈光數據來輔助估算實際居住的人口規模和企業復工情況，以提升疫情風險地圖的准確性。

“再比如，微博輿情反映某地醫療資源不夠，我們能夠通過時空語義規則從文本信息中抽取相關數據，判斷醫療資源短缺的具體地點。”曹詩頌認為，將統計指標進行空間化的分解和呈現，有利於生成疫情防控的知識地圖，用圖說話，清晰直觀。

隨著疫情的變化，疫情地圖也在不斷更新。如何科學合理地設計疫情地圖的監測指標也是杜明義團隊需要應對的難題。在杜明義看來，從地理學中“人—地關系”角度來理解，疫情的發展態勢在一定程度上與當地的地理環境和社會經濟狀況有著密切關聯，因此，在設計疫情地圖的監測指標時，需要從多個維度來進行動態監測。此外，宏觀尺度的國家、省、市、區、縣，和微觀尺度的社區和個體，各自需要監測的指標也不相同，因而需要對不同尺度的對象設置不同的指標體系。

目前，新冠肺炎疫情在全球多點暴發並呈現蔓延態勢，部分國家疫情還比較嚴重。對此，杜明義團隊在每日推送的“圖說疫情”分析中增設了世界各國疫情綜合分析專題。

匯總截至3月11日的數據，杜明義團隊制作了最新一組的世界各地疫情分布圖。“除中國以外，目前世界各地累計確診病例數最多的是意大利，其次是伊朗、韓國等國。應該嚴密關注境外疫情發展動態，採取必要的應對措施，以防范境外疫情風險輸入擴散。”杜明義建議。