[发明专利]疫情预测方法及装置

权利要求书

1.一种疫情预测方法，其特征在于，包括：

确定待进行疫情预测的目标城市；

预测所述目标城市在当前日期的有效传染数；

获取所述目标城市在所述当前日期之前K天的真实有效传染数，所述K为大于等于1的整数；

基于预测的所述目标城市在当前日期的有效传染数，以及，所述目标城市在所述当前日期之前K天的真实有效传染数，预测所述目标城市在当前日期的疫情内外部风险；

其中，所述预测所述目标城市在当前日期的有效传染数，包括：

获取所述目标城市在当前日期的表征向量；

将所述目标城市在当前日期的表征向量，输入预先构建的有效传染数预测模型，预测得到所述目标城市在当前日期的有效传染数；所述有效传染数预测模型是以所述目标城市在当前日期之前的k天的表征向量为训练样本，以所述目标城市在当前日期之前的k天的真实有效传染数为样本标签，训练得到的；

所述获取所述目标城市在当前日期的表征向量，包括：

获取所述目标城市所在国家在当前日期的全国城市交通拓扑图；所述全国城市交通拓扑图中每一节点对应一个城市，每一节点的属性为该节点对应城市在当前日期的原始特征向量；每一边连接两个具有交通联系的城市；

从所述全国城市交通拓扑图中确定所述目标城市对应的交通拓扑子图，所述交通拓扑子图包括中心节点，以及所述中心节点的全部邻居节点，以及节点间的边，所述中心节点为所述目标城市，所述邻居节点为与所述目标城市具有交通联系的城市；

使用图卷积神经网络对所述拓扑子图进行处理，得到所述目标城市在当前日期的表征向量；

所述基于预测的所述目标城市在当前日期的有效传染数，以及，所述目标城市在所述当前日期之前K天的真实有效传染数，预测所述目标城市在当前日期的疫情内外部风险，包括：

基于预测的所述目标城市在当前日期的有效传染数，以及，所述目标城市在所述当前日期之前K天的真实有效传染数，确定待用有效传染数；

基于所述目标城市在当前日期前一天的已确诊病例，以及所述待用有效传染数，预测所述目标城市在当前日期的潜在确诊病例最大量；

基于所述目标城市在当前日期的潜在确诊病例最大量、所述目标城市的总人口数、以及所述目标城市的每日交通输出客流量，预测所述目标城市在当前日期的疫情内外部风险。

2.根据权利要求1所述的方法，其特征在于，在预测所述目标城市在当前日期的疫情内外部风险之后，所述方法还包括：

针对所述目标城市所在国家的全国城市中的每个城市，获取所述城市在当前日期之前K天的真实新增患病人数；

基于所述城市在当前日期之前K天的真实新增患病人数，预测所述城市在当前日期的新增患病人数；

获取所述城市在当前日期已确定物资缺口量；

基于所述城市在当前日期之前一天的真实新增确诊病例数、预测得到的所述城市在当前日期的新增确诊病例数，以及，所述城市在当前日期已确定物资缺口量，确定所述城市在当前日期的预估物资缺口量。

3.根据权利要求2所述的方法，其特征在于，在确定所述目标城市所在国家的各个城市在当前日期的预估物资缺口量之后，所述方法还包括：

获取物资产地及产量信息；

基于所述各个城市在当前日期的预估物资缺口量、各个产地的产量，以及，从物资产地向所述各个城市进行物资运输的代价，计算得到各个产地向所述各个城市运输物资量。

4.根据权利要求3所述的方法，其特征在于，在计算得到各个产地向所述各个城市运输物资量之后，所述方法还包括：

针对每个城市，基于K-means算法从所述城市的社区中选取用于作为仓库的社区。

5.根据权利要求4所述的方法，其特征在于，在每个作为仓库的社区在得到物资后，所述方法还包括：

确定所述作为仓库的社区的物资配送方式。

6.根据权利要求1所述的方法，其特征在于，在预测所述目标城市在当前日期的疫情内外部风险之后，所述方法还包括：

构建所述目标城市所在国家的各个城市的务工人员指导矩阵，矩阵中每个值用于指示是否允许两个城市之间输入务工人员。

7.一种疫情预测装置，其特征在于，包括：

确定单元，用于确定待进行疫情预测的目标城市；

第一预测单元，用于预测所述目标城市在当前日期的有效传染数；

获取单元，用于获取所述目标城市在所述当前日期之前K天的真实有效传染数，所述K为大于等于1的整数；

第二预测单元，用于基于预测的所述目标城市在当前日期的有效传染数，以及，所述目标城市在所述当前日期之前K天的真实有效传染数，预测所述目标城市在当前日期的疫情内外部风险；

其中，所述第一预测单元，包括：

表征向量获取单元，用于获取所述目标城市在当前日期的表征向量；

有效传染数预测单元，用于将所述目标城市在当前日期的表征向量，输入预先构建的有效传染数预测模型，预测得到所述目标城市在当前日期的有效传染数；所述有效传染数预测模型是以所述目标城市在当前日期之前的k天的表征向量为训练样本，以所述目标城市在当前日期之前的k天的真实有效传染数为样本标签，训练得到的；

所述表征向量获取单元，具体用于获取所述目标城市所在国家在当前日期的全国城市交通拓扑图；所述全国城市交通拓扑图中每一节点对应一个城市，每一节点的属性为该节点对应城市在当前日期的原始特征向量；每一边连接两个具有交通联系的城市；从所述全国城市交通拓扑图中确定所述目标城市对应的交通拓扑子图，所述交通拓扑子图包括中心节点，以及所述中心节点的全部邻居节点，以及节点间的边，所述中心节点为所述目标城市，所述邻居节点为与所述目标城市具有交通联系的城市；使用图卷积神经网络对所述拓扑子图进行处理，得到所述目标城市在当前日期的表征向量；

所述第二预测单元，具体用于基于预测的所述目标城市在当前日期的有效传染数，以及，所述目标城市在所述当前日期之前K天的真实有效传染数，确定待用有效传染数；基于所述目标城市在当前日期前一天的已确诊病例，以及所述待用有效传染数，预测所述目标城市在当前日期的潜在确诊病例最大量；基于所述目标城市在当前日期的潜在确诊病例最大量、所述目标城市的总人口数、以及所述目标城市的每日交通输出客流量，预测所述目标城市在当前日期的疫情内外部风险。