[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

说明书

本发明公开了一种基于手机数据的呼吸道传染病密切接触者识别方法，包括以下步骤：根据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；分析时空共现关系，判断潜在密切接触者；提取潜在密切接触者与确诊病例用户之间的时空共现及通话网络特征；构建模型及优化；将时空共现和通话网络特征输入到模型中，判断密切接触者和接触类型并输出。本发明解决了传统流行病学调查方法耗时耗力、信息获取不完整的问题；避免了调查人员被感染的风险；识别结果更加快速、准确、全面；还可以输出密切接触类别及风险等级，有助于对其采取不同的防控措施；模型具有较高的灵活性，可以随着数据样本的积累不断进行训练学习，从而提高识别精度。

技术领域

本发明涉及一种呼吸道传染病密切接触者识别方法，尤其涉及一种基于手机数据的呼吸道传染病密切接触者识别方法，属于信息技术服务领域。

背景技术

流行病的爆发会给人类健康、社会经济等带来重大影响。而对于常见的呼吸道传染病来说，如何快速、准确、全面地识别出已确诊病例的密切接触者，对其进行必要的隔离和筛查，对于阻断病毒传播、控制疫情发展等具有重要意义。

目前对于密切接触者的识别主要采用流行病学调查的方式，需要调查人员近距离接触病例，询问其近期的活动轨迹以及密切接触人员。这种方式耗时耗力，还存在调查人员被感染的风险。同时，病例有时会对自己的活动轨迹及接触人员有所保留，或者出现回忆偏倚、错乱、不完整等情况。例如，病例通常只能回忆起近期与自己有过接触的熟人，而对于有过接触但是不认识的人(如售货员、同乘人员等)，则无法确定。

手机作为现代人随身携带的通信设备，其完整的记录了用户的历史位置信息及社交信息，这为确诊病例的密切接触者识别提供了新的手段。但是，目前相关研究还较为薄弱。有研究提出可以由用户使用微信小程序或APP记录自己的GPS活动轨迹，然后通过与病患活动轨迹进行时空邻近性对比来评估其感染风险，但是这种方法一方面需要用户自行采集GPS轨迹数据，时效性差且缺少历史轨迹信息；另一方面由于只考虑时空邻近关系，很容易将时空邻近但是未发生密切接触的人群判断为密切接触者。

发明内容

为了解决上述技术所存在的不足之处，本发明提供了一种基于手机数据的呼吸道传染病密切接触者识别方法。

为了解决以上技术问题，本发明采用的技术方案是：一种基于手机数据的呼吸道传染病密切接触者识别方法，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，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；

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。

进一步地，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。

进一步地，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：