(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111670090.1 (22)申请日 2021.12.31 (71)申请人 中国科学院深圳先进技 术研究院 地址 518055 广东省深圳市南 山区深圳大 学城学苑大道1068号 (72)发明人 李子垠　尹凌　刘康　 (74)专利代理 机构 深圳市科进知识产权代理事 务所(普通 合伙) 44316 代理人 孟洁 (51)Int.Cl. G16H 50/80(2018.01) G16H 50/20(2018.01) G06Q 10/04(2012.01) H04W 4/029(2018.01) H04W 4/35(2018.01)G06N 3/04(2006.01) (54)发明名称 城市流感发病趋势预测方法、 系统、 终端以 及存储介质 (57)摘要 本申请涉及一种城市流感发病趋势预测方 法、 系统、 终端以及存储介质。 方法包括： 获取城 市内流感病例数据， 并收集城市内个体移动轨迹 数据； 通过数据驱动方法对个体移动轨迹数据进 行处理， 获取人口移动关系； 基于人口移动关系， 利用图神经网络提取流感病例数据的空间尺度 信息， 并利用长短期记忆网络提取流感病例数据 的时间序列关系； 根据流 感病例数据的空间尺度 信息和时间序列关系得到流感城市流感发病趋 势预测结果。 本申请实施例实现了城市内部流感 发展态势更高空间分辨率的预测， 完成对流感的 精细化分析， 帮助政府和公共卫生部门及时、 准 确地洞察城市内部的流感发展态势， 有针对性地 进行疫情防控干预， 可以最大化的保障人民的生 命健康安全。 权利要求书2页 说明书9页 附图3页 CN 114388137 A 2022.04.22 CN 114388137 A 1.一种城市流感发病趋势预测方法， 其特 征在于， 包括： 获取城市内流感病例数据， 并收集城市内个 体移动轨 迹数据； 通过数据驱动方法对所述个体移动轨迹数据进行处理， 获取每个个体的家庭住址， 将 所述家庭住址 设定为每个个体移动轨迹的起始 点， 并提取每个个体 从所述起始 点去往其他 区域的流 量数据， 得到各个区域之间的人口移动关系； 基于所述人口移动关系， 利用图神经网络提取所述流感病例数据的空间尺度信息， 并 利用长短期记 忆网络提取 所述流感病例数据的时间序列关系； 根据所述流感病例数据的空间尺度信息和时间序列关系得到城市流感发病趋势预测 结果。 2.根据权利要求1所述的城市流感发病趋势预测方法， 其特征在于， 所述收集城市内个 体移动轨 迹数据包括： 利用移动设备收集城市内个体移动轨迹数据； 所述移动设备包括手机或智能手表； 所 述个体移动轨 迹数据包括每 个个体的手机号码、 信令时间戳以及基站经纬度。 3.根据权利要求2所述的城市流感发病趋势预测方法， 其特征在于， 所述通过数据驱动 方法对所述个 体移动轨 迹数据进行处 理具体为： 对设定时间段以及 设定距离的格网区域内城市基站建立的原始泰森多边形进行合并； 将所述个体移动轨迹数据按照停留时间进 行划分， 将 每个个体夜间停留时间最长的位置设 定为该个体的家庭住址， 并提取设定距离的格网区域内设定间隔时间的OD流量和家庭中心 流量。 4.根据权利要求1所述的城市流感发病趋势预测方法， 其特征在于， 所述通过数据驱动 方法对所述个 体移动轨 迹数据进行处 理还包括： 根据人口普查数据中城市各街道的人口分布信 息和地理位置信 息， 通过理论模型方法 对所述个体移动轨迹数据进行网络流提取； 所述理论模型方法包括引力模型、 辐 射模型或 空间邻近关系模型。 5.根据权利要求1至4任一项所述的城市流感发病趋势预测方法， 其特征在于， 所述利 用图神经网络提取 所述流感病例数据的空间尺度信息具体为： 所述图神经网络的框架为消息传播神经网络， 所述消息传播神经网络基于空域图卷积 提取空间尺度信息； 定义无向图G， 节点v的特征向量为xv， 边的特征为evw， 连接节点v和w， N (v)表示图G中节点v的邻居节点， t为运行的时间步， 将 结点v的特征xv作为其隐藏状态的初 始态 后， 所述空域图卷积对隐藏状态的更新表示 为： 所述消息传播神经网络将空域图卷积分解为消息传递与状态更新操作两个部分， 分别 由消息函数Ml和节点更新函数Ul完成； 所述消息函数Ml用于聚合邻居节点的特征， 形成一个 消息向量， 准备传递给中心节点； 所述节点更新函数Ul用于更新当前时刻的节点表示， 将当 前时刻的节点表示以及从消息函数中获得的消息进行组合， 获得空间尺度信息 。 6.根据权利要求5所述的流感城市流感发病趋势预测方法， 其特征在于， 所述利用图神权　利　要　求　书 1/2 页 2 CN 114388137 A 2经网络提取 所述流感病例数据的空间尺度信息具体为: 将设定时间范围的个体移动轨迹数据转换为加权有向图， 顶点表示街道级区域， 边用 于捕获移动模式； 在时间t时， 区域u和v之间的流动形成一个边， 该边乘以时间t时区域u的 病例数 表示有多少感染者可能从区域u移动到区域v； 设 为节点属性的向量， 其中包含区域u过去w周中每一周的病 例数； 通过消息传播神经网络传递的消息使用来自所有区域的综合得分计算每个区域的特 征向量： 其中A代表区域人口移动流量 的邻接矩阵， Xt是其行包含不同区域 的属性的矩阵； xu∈ Rw是一个将区域u内和朝向区域u移动的流感病例数 结合起来的向量， xu的表示公式为： xu＝(xuwj,u+xuwi,u+…xuwv,u)+xuwu,u 其中xu∈Rw表示u区域中新潜在病例数量的估计值。 7.根据权利要求6所述的流感城市流感发病趋势预测方法， 其特征在于， 所述利用长短 期记忆网络提取 所述流感病例数据的时间序列关系具体为： 所述长短期记忆网络基于当前时刻的输入xt和上一个时间段隐含层的输出ht‑1来计算 当前时刻隐含层的输出ht， 所述长短期记 忆网络的计算公式为： yi,t＝LSTM(hi,t‑n,hi,t‑n,...,hi,t‑1) 其中， hi,t‑1表示第i个区域在第t ‑1个时间段的流感病例数据表示， yi,t表示第i个区域 在第t个时间段 预测的流感病例数据。 8.一种城市流感发病趋势预测系统， 其特 征在于， 包括： 数据收集模块： 用于获取城市内流感病例数据， 并收集城市内个 体移动轨 迹数据； 数据处理模块： 用于通过数据驱动方法对所述个体移动轨迹数据进行处理， 获取每个 个体的家庭住址， 将所述家庭住址设定为每个个体移动轨迹的起始点， 并提取每个个体从 所述起始点去往其 他区域的流 量数据， 得到各个区域之间的人口移动关系； 时空特征提取模块： 用于基于所述人口移动关系， 利用图神经网络提取所述流感病例 数据的空间尺度信息， 并利用长短期记 忆网络提取 所述流感病例数据的时间序列关系； 流感预测模块： 用于根据所述流感病例数据的空间尺度信 息和时间序列关系得到城市 流感发病趋势预测结果。 9.一种终端， 其特 征在于， 所述终端包括处 理器、 与所述处 理器耦接的存 储器， 其中， 所述存储器存储有用于实现权利要求1 ‑7任一项所述的城市流感发病趋势预测方法的 程序指令； 所述处理器用于执行所述存储器存储的所述程序指令以控制流感城市流感发病趋势 预测。 10.一种存储介质， 其特征在于， 存储有处理器可运行的程序指令， 所述程序指令用于 执行权利要求1至7任一项所述城市流感发病趋势预测方法。权　利　要　求　书 2/2 页 3 CN 114388137 A 3