COVID-19地理知識圖譜構(gòu)建分析
——以江蘇省為例

張雷雨，劉 杰

（1.連云港職業(yè)技術(shù)學(xué)院建筑工程學(xué)院，江蘇 連云港 222006；2.江蘇海洋大學(xué)海洋技術(shù)與測繪學(xué)院，江蘇 連云港 222005）

2019年12月以來，新型冠狀病毒肺炎（coronavirus disease 2019,COVID-19）疫情在國內(nèi)外蔓延。疫情數(shù)據(jù)具有龐雜特性，傳統(tǒng)數(shù)據(jù)分析方法缺乏對疫情動態(tài)性和時空特征的描述，難以完成對疫情微觀層次的剖析[1]。因此，綜合利用知識圖譜技術(shù)和地理學(xué)理論以有效地揭示疫情動態(tài)傳播的時空分布規(guī)律。該領(lǐng)域?qū)W者研究了COVID-19相關(guān)的病例活動、醫(yī)用物資等知識庫構(gòu)建。陳曉慧等通過對COVID-19病例活動關(guān)鍵節(jié)點回溯，完成了微觀層面上疫情傳播過程的推理和驗證，從模式層、數(shù)據(jù)層與原型驗證系統(tǒng)三方面對COVID-19病例活動知識圖譜進(jìn)行了多樣化描述[2]。向軍毅等采用自頂向下與自底向上兩種方式完成了COVID-19醫(yī)用物資的半自動化知識圖譜構(gòu)建[3]。金安楠等研究表明COVID-19傳播過程具有時空特征，經(jīng)典分析手段未能刻畫其時空演化與人地互動的地理過程[4]。陳江平等利用空間自相關(guān)方法對H1N1傳播路徑進(jìn)行分析，認(rèn)為疫情聚集重心并未伴隨時間轉(zhuǎn)移[5]。余正等利用DBSCAN自適應(yīng)聚類算法，細(xì)粒度地分析溫州市疫情時空演化，發(fā)現(xiàn)疫情在青壯年人群更易傳播，采用一定措施可以有效遏制疫情傳播[6]。

地理知識圖譜通過引用時空關(guān)系和語義特征，利用語義網(wǎng)絡(luò)對地理概念、實體及其間關(guān)系進(jìn)行形式化的描述，不僅能夠清晰表達(dá)數(shù)據(jù)的層次信息，還能體現(xiàn)出實體間的時空關(guān)系和語義信息[7-9]。筆者將海量的患者信息整合成結(jié)構(gòu)化的知識，同時從地理學(xué)視角開展疫情時空分析、重點城市疫情傳播過程時空回溯等方面的研究，能夠?qū)崿F(xiàn)對COVID-19地理知識圖譜的構(gòu)建和可視化分析。

1 研究數(shù)據(jù)

本文以江蘇省為研究區(qū)域，研究數(shù)據(jù)來源如下。

（1）空間數(shù)據(jù)來源于國家基礎(chǔ)地理信息中心（http://www.webmap.cn/commres.do?method=result100W），包括江蘇省矢量邊界圖、道路網(wǎng)分布圖。

（2）每日病例確診情況為江蘇省及其13個地級行政區(qū)衛(wèi)生健康委員會（http://wjw.jiangsu.gov.cn/）通報的確診病例，包括每日新增確診、現(xiàn)存確診、疑似、死亡人數(shù)。

（3）確診患者的詳細(xì)信息及其時空活動軌跡數(shù)據(jù)，筆者利用爬蟲技術(shù)從互聯(lián)網(wǎng)中（周邊疫情、同行查詢等小程序）獲得，包括性別、年齡、所屬地、居住地、與其他病例關(guān)系、出行方式、出行時間及軌跡、發(fā)病時間、確診來源、就診醫(yī)院、確診時間，然后通過人工判讀爬取到的確診病例詳細(xì)信息，對數(shù)據(jù)進(jìn)行整合、去重、糾錯處理。本研究采用2020年1月23日至2020年2月19日的江蘇省疫情數(shù)據(jù)，其確診患者的空間分布如圖1所示。

圖1 江蘇省確診分布圖

2 研究方法

2.1 總體研究方法

本文采用自頂而下的方法構(gòu)建確診病患的地理知識圖譜[10-11]，包括互聯(lián)網(wǎng)疫情數(shù)據(jù)獲取、病患信息抽取及其本體構(gòu)建和病患實體融合與入庫三部分。采用爬蟲程序從微信小程序（疫情小區(qū)地圖、周邊疫情、同行程查詢）、江蘇省衛(wèi)生健康委員會官網(wǎng)及各市級衛(wèi)健委官網(wǎng)公布的疫情信息中獲取疫情數(shù)據(jù)及其軌跡信息，將獲取的半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行清洗與整理，通過提取病患實體并對其進(jìn)行本體構(gòu)建，完成病患實體間的屬性與及其時空關(guān)系的抽取，對眾多實體進(jìn)行融合，最終實現(xiàn)新冠肺炎疫情病患地理知識圖譜。研究總體技術(shù)路線如圖2。

圖2 研究總體技術(shù)路線

2.2 數(shù)據(jù)采集與預(yù)處理

本文研究數(shù)據(jù)包括OpenKG-COVID-19（http://openkg.cn/group/coronaviru）數(shù)據(jù)庫等結(jié)構(gòu)化數(shù)據(jù)，衛(wèi)生健康委員會公示網(wǎng)頁、微博網(wǎng)頁等半結(jié)構(gòu)化數(shù)據(jù)和專業(yè)文獻(xiàn)資料、文本數(shù)據(jù)等非結(jié)構(gòu)化數(shù)據(jù)。針對多種來源的數(shù)據(jù)信息，使用多策略數(shù)據(jù)獲取方法[12-13]。對于結(jié)構(gòu)化數(shù)據(jù)直接提取其相關(guān)數(shù)據(jù)，利用網(wǎng)頁爬蟲技術(shù)提取半結(jié)構(gòu)化數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)則采用人工處理的方式來整合[9]。

由于確診患者數(shù)據(jù)庫中的病患信息來源復(fù)雜，病患數(shù)據(jù)質(zhì)量存在良莠不齊、不同數(shù)據(jù)源信息冗余、病患間關(guān)聯(lián)關(guān)系模糊等問題，需要對病患數(shù)據(jù)進(jìn)行剔粗取精，增強(qiáng)病患數(shù)據(jù)庫內(nèi)部的邏輯性和表達(dá)能力，建立有效的實體關(guān)系以填充新冠肺炎疫情病患知識圖譜。江蘇省各地級市確診患者數(shù)據(jù)概況見表1。

表1 江蘇省各地級市確診患者數(shù)據(jù)概況

2.3 關(guān)系抽取與本體構(gòu)建

本文將獲取到的確診患者信息實體關(guān)系定義為五元組

圖3 本體鏈接結(jié)構(gòu)化示例

本文采用關(guān)系數(shù)據(jù)庫存儲病患數(shù)據(jù)和部分結(jié)構(gòu)化語義信息，同時采用圖數(shù)據(jù)庫存儲語義關(guān)系以及提取病患實體空間關(guān)系，最后利用Protégé工具進(jìn)行確診患者信息本體庫構(gòu)建[13-16]。

3 結(jié)果分析

3.1 COVID-19地理知識圖譜綜覽

本文采用自頂而下的方式構(gòu)建確診患者地理知識圖譜。首先，從整合后的患者數(shù)據(jù)中抽取患者實體、患者關(guān)系及患者時空活動軌跡信息；其次，利用Protégé構(gòu)建本體模型，并將采集的患者數(shù)據(jù)資源與實體關(guān)系進(jìn)行知識融合；最后，使用圖數(shù)據(jù)庫Neo4j實現(xiàn)江蘇省COVID-19確診患者地理知識圖譜數(shù)據(jù)的存儲與訪問。

圖4為江蘇省部分確診患者地理知識圖譜概覽，通過節(jié)點鏈接網(wǎng)絡(luò)圖展示江蘇COVID-19確診患者地理知識圖譜，其中圓圈代表實體，線為病患-病患、病患-地區(qū)、病患-事件、病患-交通工具、地區(qū)-地區(qū)等關(guān)系。

圖4 江蘇省部分確診患者地理知識圖譜

3.2 COVID-19疫情時空分析

國家衛(wèi)健委公布信息《新型冠狀病毒感染的肺炎防控方案（第二版）》表明COVID-19潛伏期最長14天，多為3～7天。本文以7天為一個時間段，將江蘇省確診患者數(shù)據(jù)劃分為4個時間序列，各時間段內(nèi)所有地級市的確診患者變化如圖5和圖6所示。在疫情暴發(fā)初期，江蘇省出現(xiàn)的確診患者大多為從武漢返鄉(xiāng)人員，集中在交通便利的蘇南地區(qū)，如南京、蘇州、無錫。在蘇北地區(qū)，徐州作為重要交通樞紐，人口多且流動頻繁，感染風(fēng)險較大，確診人數(shù)位列江蘇省第三。雖然蘇中地區(qū)相比蘇南地區(qū)交通通達(dá)度低，但由于在2月1日至2月19日期間淮安暴發(fā)酒店公眾性聚集案例，最終確診人數(shù)高于蘇中地區(qū)其他城市。此后，在江蘇及地方政府及時采取相關(guān)防控措施后，疫情傳播得到了有效控制。

圖5 江蘇省病患時序分布

圖6 江蘇省城市病患時序

3.3 重點城市疫情傳播時空知識溯源

南京既是江蘇省省會，同時也是全國重要的交通樞紐，是江蘇省常住人口較多、省內(nèi)人口流動較大的城市，導(dǎo)致確診患者人數(shù)居全省首位。春節(jié)后大量返城人員回南京，增加了南京地區(qū)的疫情傳播風(fēng)險，因此，本文對南京市的疫情傳播過程進(jìn)行回溯。從圖7可以看出南京市病患分布情況，多集中在疫情傳播風(fēng)險較高的江寧、鼓樓、建鄴、棲霞、浦口、玄武、六合、雨花臺、江北新區(qū)、秦淮等地區(qū)，有病例在不同區(qū)縣流動導(dǎo)致跨區(qū)域傳染，其中南京市交通樞紐中心江寧區(qū)患者人數(shù)較多，由于高淳區(qū)與溧水區(qū)人口密度稀疏且人口流動不頻繁，因此疫情傳播風(fēng)險較低。從性別、年齡、確診來源、分布地區(qū)四個角度追溯南京市病患信息，由圖8（a）得出病患年齡分布跨度較大，30～40歲之間人數(shù)最多，占總?cè)藬?shù)24%；病患性別特征如圖8（b）展示，總體分布趨近平衡；南京市病患多為密切接觸型，如圖8（c）；由圖8（d）可知在南京市所有區(qū)縣中，江寧區(qū)病患最多，高達(dá)19例。

圖7 南京市病患分布

圖8 南京市病患屬性

通過知識圖譜構(gòu)建完成病患確診前活動軌跡回溯，圖9（a）為病患27確診前活動軌跡圖譜，圖9（b）為該病患在南京市內(nèi)軌跡回溯圖。病例27為一名居住在江寧區(qū)的33歲男性，常住武漢。1月20日乘坐高鐵（武漢－南京南站），然后乘車回江寧岳父家中，中午12時，病例27乘坐私家車從家中到達(dá)軟件大道站，12時22分乘坐地鐵1號線前往鼓樓站，騎共享單車到達(dá)中信銀行，17時病例27乘公交到達(dá)荔枝廣場，18時30分乘地鐵1號線（鼓樓站－軟件大道站），然后步行回到家中。1月21日8時病例27開車到達(dá)朝明生鮮超市，門口逗留30分鐘后乘車回家。1月22日8時病例27開車到達(dá)華潤蘇果購物廣場，購物約2小時后開車回家后未外出，2月11日被確診為新型冠狀病毒肺炎。

圖9 病例27軌跡回溯

4 討論

COVID-19疫情呈現(xiàn)時空快速擴(kuò)散規(guī)律，綜合運(yùn)用時空理論與知識圖譜構(gòu)建方法，能夠有效挖掘疫情傳播過程地理知識和傳染擴(kuò)散規(guī)律。本文選取江蘇省為研究區(qū)域，基于官方衛(wèi)生健康委員會發(fā)布的確診病例數(shù)據(jù)，結(jié)合相關(guān)的時空活動或事件數(shù)據(jù)，整合病例之間的時空關(guān)系，構(gòu)建了新冠肺炎疫情地理知識圖譜。在COVID-19地理知識圖譜的可視化分析方面，分別進(jìn)行了疫情時空分析、重點城市疫情傳播時空溯源。對確診患者的時空分布與疫情的傳播過程進(jìn)行知識回溯，以便從宏觀和微觀兩個角度把握疫情狀況，推動全國疫情阻擊戰(zhàn)走向勝利。本文構(gòu)建的新冠肺炎疫情地理知識圖譜不僅限于COVID-19方面，未來還可在其他傳染病方面提供一種可行分析手段。