[发明专利]基于手机数据的呼吸道传染病密切接触者识别方法

权利要求书

1.一种基于手机数据的呼吸道传染病密切接触者识别方法，其特征在于：包括以下步骤：

步骤Ⅰ、根据呼吸道传染病的确诊病例用户及非确诊病例用户的手机信令数据和手机历史话单数据，提取移动轨迹和通话关系；

步骤Ⅱ、根据移动轨迹分析非确诊病例用户与确诊病例用户之间的时空共现关系，判断潜在密切接触者；根据通话关系构建包括通话频次参数和通话时长参数的通话网络；

步骤Ⅲ、结合呼吸道传染病传染机制，从步骤Ⅱ中时空共线关系以及通话关系中提取潜在密切接触者与确诊病例用户之间的时空共现特征及通话网络特征，时空共现特征包括共线强度相关特征、共线位置相关特征以及共线时间相关特征；

共线位置相关特征包括共现点周围人口密度、共现点周围环境因素、共现点疫情风险指数；共现点周围环境因素包括建筑物数据；

步骤Ⅳ、利用已有的密切接触者数据，提取其与对应确诊病例用户之间的时空共现特征及通话网络特征，然后输入到机器学习模型，进行模型的训练及优化；

步骤Ⅴ、将潜在密切接触者与确诊病例用户之间的时空共现特征和通话网络特征输入到步骤Ⅳ训练好的机器学习模型中，判断密切接触者和接触类型，并输出相应风险等级。

2.根据权利要求1所述的基于手机数据的呼吸道传染病密切接触者识别方法，其特征在于：步骤Ⅰ中，对于呼吸道传染病的确诊病例用户来说，首先确定其传染期，然后获取其在传染期内的移动轨迹；对于非确诊病例用户来说，获取其自疾病爆发以来的移动轨迹；

对于潜伏期内就具有传染性的疾病来说，以发病时间减去最大潜伏期起，至确诊时间止，期间为传染期；

对于潜伏期内不具有传染性的疾病来说，以发病时间起，至确诊时间止，期间为传染期。

3.根据权利要求1或2所述的基于手机数据的呼吸道传染病密切接触者识别方法，其特征在于：应用移动轨迹序列来表示移动轨迹以便于后续计算；将手机信令数据根据时间进行排序形成移动轨迹序列，移动轨迹序列如公式①所示：

Tramove＝{(x₁,y₁,t₁),(x₂,y₂,t₂),…,(x_i,y_i,t_i)}， 公式①

其中，x_i和y_i表示该用户在t_i时刻的位置坐标。

4.根据权利要求1所述的基于手机数据的呼吸道传染病密切接触者识别方法，其特征在于：在根据时空共现关系识别潜在密切接触者的基础上，结合呼吸道传染病传染机制，提取其与确诊病例间的时空共现特征和通话网络特征，然后利用这些特征对潜在密切接触者做进一步判别。

5.根据权利要求1所述的基于手机数据的呼吸道传染病密切接触者识别方法，其特征在于：步骤Ⅲ中时空共现特征包括：共现强度相关特征、共现位置相关特征以及共现时间相关特征；通话网络特征包括：通话强度相关特征、通话时间相关特征以及通话网络相关特征。

6.根据权利要求4所述的基于手机数据的呼吸道传染病密切接触者识别方法，其特征在于：共现强度相关特征包括共现点个数、共现总时长、出行共现时长以及停留共现时长；

共现时间相关特征包括工作时段共现时长、夜间共现时长、工作日共现时长以及非工作日共现时长；

通话强度相关特征包括通话次数、通话总时长以及平均通话时长；

通话时间相关特征包括工作时段通话时长、夜间通话时长、工作日通话时长以及非工作日通话时长；

通话网络相关特征包括与共现确诊病例之间的网络最短路径。

7.根据权利要求1所述的基于手机数据的呼吸道传染病密切接触者识别方法，其特征在于：步骤Ⅳ中机器学习模型为随机森林模型或神经网络模型。