(19)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 202111675147.7 (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　 (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 专利代理师 孟洁 (51)Int.Cl. G16H 50/80(2018.01) G06Q 10/04(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种城市疫情时空预测方法、 系统、 终端以 及存储介质 (57)摘要 本申请涉及一种城市疫情时空预测方法、 系 统、 终端以及存储介质。 方法包括： 收集城市内个 体移动轨迹数据以及传染病病例数据； 对个体移 动轨迹数据进行处理， 提取各个区域之间的人口 移动流量， 并根据时间属性对所述人口移动流量 进行划分， 并基于区域的邻近关系获取各个时间 属性下的人口移动关系； 利用基于直方图的相似 度算法计算各个区域之间传染病病例数据的相 似度， 根据所述传染病病例数据的相似度获取各 个区域的位置注意力关系； 根据人口移动关系、 邻近关系和位置注意力关系构建基于图神经网 络和长短期记忆网络的传染病时空预测模型。 本 申请可以对传染病病例数据中的时间依赖性和 空间依赖性进行建模， 提高时空预测模型的空间 感知能力和预测性能。 权利要求书3页 说明书8页 附图3页 CN 114464329 A 2022.05.10 CN 114464329 A 1.一种城市疫情时空预测方法， 其特 征在于， 包括： 收集城市内个 体移动轨 迹数据以及 传染病病例数据； 通过数据驱动方法对所述个体移动轨迹数据进行处理， 提取各个区域之间的人口移动 流量， 并根据时间属 性对所述人 口移动流量进行划分， 并基于区域的邻近关系获取各个时 间属性下的人口移动关系； 利用基于直方图的相似度算法计算各个区域之间传染病病例数据的相似度， 根据 所述 传染病病例数据的相似度获取 各个区域的位置注意力关系； 根据所述人口移动关系、 邻 近关系和位置注意力关系构建基于图神经网络和长短期记 忆网络的传染病时空预测模型； 将城市内传染病病例数据输入所述传染病时空预测模型， 通过所述传染病时空预测模 型获取城市内传染病预测结果。 2.根据权利要求1所述的城市疫情时空预测方法， 其特征在于， 所述根据时间属性对所 述人口移动流量进行划分， 并基于区域的邻近 关系获取各个时间属性下的人口移动关系具 体为： 所述时间属性包括工作 日、 周末或节假日； 将每个时间属性的人口移动流量分别转换 为一个加权的有向图G＝(V,E)， 其中V表 示节点集合， E表示边集合， 顶 点代表该城市内部的 各个区域， 边缘用于捕获移动模式； 并基于区域的邻近 关系， 根据两个区域之间是否相互接 触判定所述有向图中两个节点之间是否有连边， 得到对应邻近 关系的人口移动关系邻接矩 阵。 3.根据权利要求2所述的城市疫情时空预测方法， 其特征在于， 所述利用基于直方图的 相似度算法计算各个区域之 间传染病病例数据的相似度， 根据所述传染病病例数据的相似 度获取各个区域的位置注意力关系包括： 分别对各个区域的传染病 病例数据构建相应的直方图； 计算两个区域之间传染病病例数据的相似度， 如果两个区域之间传染病病例数据的相 似度高于设定阈值， 则认为所述两个区域的传染病爆发趋势相似且具有相关性， 在所述有 向图中所述两个区域之 间构建一条图上的连边， 生成代表所有区域间位置注意力关系的邻 接矩阵。 4.根据权利要求3所述的城市疫情时空预测方法， 其特征在于， 所述位置注意力关系的 计算公式为： 其中， θ为基于直方图的相似度算法建立连边的阈值； 当区域i和区域j之间的相似度 wi,j高于阈值θ 时， 则在区域i和区域j之间创建一条连边， 最终得到城市内各个区域对应位 置注意力关系的邻接矩阵。 5.根据权利要求1至4任一项所述的城市疫情时空预测方法， 其特征在于， 所述根据所 述人口移动关系、 邻近 关系和位置注意力关系构建基于图神经网络和长短期记忆网络的传 染病时空预测模型包括： 将所述图结构输入图神经网络， 所述图神经网络使用邻域 聚合方法对所述有向图进行 归一化， 使每个节点的入边加权等于1:权　利　要　求　书 1/3 页 2 CN 114464329 A 2其中， Hi是一个矩阵， 包含了前一层的节点表示， 初始H0设置为表示各区域传染病病例 变化的历史数据， Wi表示第i层的可训练参数矩阵， f为非线性激活函数。 6.根据权利要求5所述的城市疫情时空预测方法， 其特征在于， 所述根据 所述人口移动 关系、 邻近 关系和位置注意力关系构建基于图神经网络和长短期记忆网络的传染病时空预 测模型还 包括： 在每个时间步长使用一个消息传播神经网络， 获得一个表示序列hi， t‑n， hi， t‑n+1， ...， hi， t‑1， 将表示序列hi,t‑n， hi， t‑n+1， ...， hi， t‑1输入长短期记忆网络， 提取其中的时间序列关 系； 所述长短期记 忆网络计算公式为： Xi， t＝LSTM(hi， t‑n， hi， t‑n+1， ...， hi， t‑1) 其中， Xi， t表示第i个区域在第t个时间段预测的传染病病例数据， hi， t‑1表示第i个区域 在第t‑1个时间段的传染病 病例数据。 7.根据权利要求6所述的城市疫情时空预测方法， 其特征在于， 所述将城市内传染病病 例数据输入所述传染病时空预测模型， 通过所述传染病时空预测模型获取城市内传染病预 测结果具体为： 通过传染病时空预测模型对邻近关系、 人口移动关系和位置注意力关系进行融合， 得 到城市传染病预测结果； 所述融合方式具体为： 其中， Wadj、 Wod和Wat是需要训练的参数矩阵， 和 分别是基于邻接矩 阵、 人口移动流量矩 阵和位置注意力矩 阵得到的t时刻的传染病预测结果， tanh是激活函 数， 是整个传染病时空预测模型t时刻的最终预测结果。 8.一种城市疫情时空预测系统， 其特 征在于， 包括： 数据收集模块： 用于收集城市内个 体移动轨 迹数据以及 传染病病例数据； 流量计算模块： 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， 提取各个 区域之间的人 口移动流量， 并根据时间属 性对所述人 口移动流量进行划分， 并基于区域的 邻近关系获取 各个时间属性下的人口移动关系； 相似度计算模块： 用于利用基于直方图的相似度算法计算各个区域之间传染病病例数 据的相似度， 根据所述传染病 病例数据的相似度获取 各个区域的位置注意力关系； 模型构建模块： 用于根据所述人口移动关系、 邻近关系和位置注意力关系构建基于 图 神经网络和长短期记 忆网络的传染病时空预测模型； 传染病预测模块： 用于将城市内传染病病例数据输入所述传染病时空预测模型， 通过 所述传染病时空预测模型获取城市内传染病预测结果。 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任一项所述的城市疫情时空预测方法的程序 指令； 所述处理器用于执 行所述存储器存储的所述 程序指令以控制城市疫情时空预测。 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， 所述程序指令用于权　利　要　求　书 2/3 页 3 CN 114464329 A 3