珠江会讲第7期
疫情之下的智慧防控
【编者按】病毒与人类共进退，灾难与文明共成长。己亥末，庚子初，新冠肺炎疫情迅速蔓延，引发国际社会的高度关注和积极应对。疫情就是命令，防控就是责任，每一个人都是这场战疫的见证者和参与者。诸多经历，诸多场景，诸多记忆，都会成为我们难以抹去的岁月片断。2020年3月3日下午，珠江会讲第7期，广州市智慧治理研究中心项目专员董晓晓受公共管理研究生委托特邀广州大学南方治理研究院智慧治理专家陈晓佳博士围绕“大数据、人工智能与疫情防控”进行了线上交流与线下记录。
◎董晓晓:陈老师，您好！此次疫情中已经出现了诸多大数据和人工智能的应用，您能否先列举典型案例介绍一些相关技术在疫情防控中的实际实施情况？
◎陈晓佳：在新型冠状肺炎病毒的防控工作中，大数据技术为疫情防控提供有力支撑。一方面，普通民众都可以利用各电信运营平台推出的“疫情防控行程查询”查验自己的行程，自行核验是否有与确诊患者、疫情重点防控地区密切观察人员有过接触记录；有关政府部门也可以利用电信大数据统计分析疫情重点地区的人员流动状况，分析预测确诊、疑似患者及密切接触人群的动态流动情况，为政府部门进行疫情防控工作的有效进行提供一定的参考信息。另一方面，基于医疗影像大数据的人工智能设备为疫情诊断把关，“腾讯觅影”AI CT设备能够在数秒之内快速精准的帮助一线医生识别新冠肺炎，满足湖北方舱医院的临床诊断需求，为医生诊断提供一定的参考信息。此外，在广东机场应用的5G热力成像检测，能够在1-10米的范围内快速检测个体体温，在人流密集的场所进行长时间连续体温检测，且能在发现异常时自动报警。其次，最近各个企业“云”复工、多个学校网上开课所采用的钉钉线上打卡，正是运用人脸识别技术和AR场景识别等。这些例子都表明大数据、人工智能、云计算等相关技术就在我们身边，且在抗击疫情中起到了不可忽视的作用。比如，据百度地图慧眼大数据统计，截至2020年3月3日，全国（除港澳台）范围复工指数已达57.42%。从全国37个重点城市来看，大部分城市复工指数超50%；西宁、大连、长春、沈阳、拉萨、青岛城市复工指数较高，均在60%以上。整体来看，当前全国整体复工指数呈逐渐增长的态势。
◎董晓晓：相比较于2003年的SARS病毒，在本次新型冠状病毒肺炎的疫情防控中出现了很多“AI+”应用的新场景，并都起到了不同程度的重要作用。请问您是如何看待这些新技术在防疫环境中发挥的作用？能否对具有代表性的应用场景的优劣之处进行分析？
◎陈晓佳：本次新型冠状病毒肺炎疫情具有传染力强、传染机制不清晰、存在无症状传染者、防控时间长等特征，尚未有针对性疫苗上市，因此防控工作主要是集中管理相关患者，消除潜在传播途径及提高人群自我保护意识等方面。湖北麻城的黄金桥社区是首个利用“AI疫情防控机器人”来进行居民健康排查的，AI疫情机器人主要利用电话询问的方式来收集居民身体健康状康并自动生成统计表。利用AI机器人的优势在于节省人工，可以避免走访感染风险，但要考虑到的是可能存在一些居民漏报瞒报的现象，难以实现居民健康状况的彻底排查，因此要制定一定的补充措施，例如人口抽查和机器人补查。除此之外，疫情防控期间至少还包括三类应用场景：一是实时掌控疫情数据的防控云平台，以穗康为例，优势在于无接触采集大量数据，用于支持政府各部门的策略决策，便于精准化、科学化和高效化的布置疫情防控方案，但是进一步处理数据将面临解决多源异构数据的协作问题。二是物联网技术和智能机器人，尽管能够起到对人工的替代作用，但局限在于技术水平有待提高、业务场景有待拓展等方面。三是人脸识别、线上问诊和在线教学等应用，这些应用将解放传统业务模式的种种约束，加速产业变革，但同时面临着长期存在的个人隐私和信息安全问题。
◎董晓晓：随着疫情防控不断深入，传统的政务管理模式无法跟上总体防控急切需要，因此对疫情大数据进行快速、准确的科学分析，进行辅助决策显得更加重要。请问您是如何看待本次疫情中对大数据技术应用的表现？并结合其背后的基本原理，对其内在的设计思想或方案作简要解释说明？
◎陈晓佳：习近平总书记在中央全面深化改革委员会第十二次会议会议上曾鼓励运用大数据、人工智能技术监测疫情，加强大数据分析和应用对打赢本次疫情防控阻击战至关重要。通过疫情防控大数据信息系统的建立，着力形成“汇集-分析-研判-推送-核查-反馈”的数据闭环，有利于推动疫情防控工作更加科学化、精准化、智能化，大数据系统对疫情防控具有牵引作用，是各级指挥平台决策部署、检查考核的重要手段和依据。根据国内外研究，大数据防疫系统的建立主要基于数据驱动和机器学习技术，遵循疫情传播和防控的规律，利用系统工程的思想和网络理论提出解决方案。已有国内学者针对疫情爆发前、爆发时和爆发后的三个阶段，结合与疫情相关的大数据，进行智能预警、预测与分级防控的方案研究，从整体上提升疫情防控“战斗力”。其背后的基本原理通常是建立基于一系列传染病模型的智能算法预测与基于回归的小样本趋势预测模型，同时还引入了具有中国特色的防控政策。而内在技术主要建立在机器学习的思想原理上，包括有监督机器学习（Supervised Learning）、无监督机器学习（unsupervisedlearning）和强化机器学习（Reinforcement Learning）。以基于有监督机器学习的预测技术为例，就是机器先利用包括特征数据和标签数据的训练数据集对模型进行训练，得出预测的标签，将预测的标签和实际标签进行对比，并反复调整预测模型以缩小误差，如此迭代循环直到得出一个最优的预测模型为止。需要强调的是疫情防控是复杂的社会系统问题，一定要解决并完善多系统协作中数据驱动的技术问题。
◎董晓晓：您长期从事公共交通、智慧足迹与数据治理研究，您认为这一方面与当前的疫情防控期间存在多大的关系？能否在这一视角下对相关研究进行简要介绍？
◎陈晓佳：从这次疫情爆发的关键城市武汉来看居民出行行为与新冠肺炎的快速传播有重要的联系。瑞士洛桑联邦理工学院HERUS（城市人类-环境关系实验室）的伊曼纽尔·马萨罗（Emanuele Massaro）提出了城市中媒介传染病流行关键在于人口流动的观点，并进一步指出通勤数据用于建立人口流动模型的优势所在，即可以避免泄露隐私的道德问题。目前使用到的通勤数据主要是基于手机信令的产生的即时移动数据，研究时一般利用面向时间序列的空间密度聚类算法提取的各用户单日出行链，用于构建跨区域的出行模型，这类数据相比于采用概率估计的随机数据而言更符合实际，具有更好的实验效果。因此，在本次的疫情防控的研究中，可以进一步对交通数据、智慧足迹数据与疫情发展之间存在的规律关系进行研究，有关结果有利于提高政府部门在发现、预防和防控传染病方面的治理水平，支持公务人员进行科学化、精确化和智能化的决策选择。
说明：在深圳最新疫情病例传播路径（2020-02-13）中，志愿者团队共梳理了深圳386例案例，本图呈现了215个案例，还没有传播链条的单独个案不在此图中。所有数据来自于深圳卫健委和深圳市政府数据开放平台。
◎董晓晓:量化分析技术对于解决现实问题至关重要，请问在此次新冠肺炎疫情，您认为有哪些方面的问题或者视角是值得我们去深入思考和挖掘的？
◎陈晓佳：就我个人经验来讲，此次事件中的舆情控制值得我们深入挖掘。近期召开的中央政治局常委会会议上分别从信息及时性、回应准确性、核心问题的清晰性以及官民共情等四个角度强调的舆情处置问题。大家也都知道此次疫情中“双黄连对新冠肺炎有疗效”的舆论事件，消息一出，一时间双黄连抢购一空。根据有关研究，舆情监测分析可以集中于舆情内容的挖掘、舆情情感特征的识别、舆情发展形势模拟的三个方面，这几个方面也是舆情视角下，未来值得我们去深入思考和挖掘的。主要研究问题考虑可以运用机器学习建立研究舆情发展的预测模型，其中包括利用关联分析、聚类分析、降维分析、文本挖掘等收集并标签化人群特征，构建训练数据集，利用训练数据对预测模型进行训练，使模型自我调整参数直到模型的残差最小，利用智能预测模型进行疫情舆情监测，将助推智能决策、解决疫情舆情问题。
我们看看广州市流动人口迁入情况，我们会作出很多相关分析、聚类分析和轨迹分析。2020年，广州市春运TOP5迁入来源地为佛山市、清远市、湛江市、茂名市、梅州市；TOP5迁入省份为广东省（62.63%）、湖南省（10.63%）、广西壮族自治区（6.01%）、江西省（4.02%）、四川省（2.54%）。
2020年广州春运迁入趋势
深圳市春运TOP5迁入来源地为惠州市、梅州市、东莞市、揭阳市、河源市；TOP5迁入省份为广东省（49.56%）、湖南省（11.82%）、江西省（7.32%）、广西壮族自治区（5.86%）、四川省（4.56%）。你们可以把这些数据作一些应用分析吧。
2020年深圳春运迁入趋势
