疫情相关城市研究：疫情相关城市风险评估
小编：本周规划师成长学社的专题是“疫情相关城市研究”。新型冠状病毒肺炎的迅速传播和扩散警示着疾病风险评估的重要性。中国幅员辽阔，区域发展差异较大，对传染疾病的防控应充分考虑城市系统中的时空差异以降低系统风险。
今天学社为大家分享的是：疫情相关城市风险评估。
Part 1
城市系统风险量化评估
研究试图整合多来源疫情公开信息、网络大数据和统计年鉴资料，结合可视化、聚类分析和空间分析手段，从多个维度构建全国300多个城市疫情风险总体指数和量化评估方法，数据来源广泛、指标设置完善、覆盖城市全面。
研究数据来源自以下几个方面：
（1）疫情确诊患者同行程数据（各市的确诊病例流入情况）。来自腾讯微信程序平台的“确诊患者同行程查询工具”。
（2）百度地图迁徙数据平台（各市的湖北人群春运流入情况）。
（3）各地卫健委公布的确诊病例数据（各市累计确诊情况）。由丁香园、新一线城市研究所整理自中国各城市、省域卫生健康委员会网站的官方及时疫情信息。
（4）中国区域统计年鉴。全国人口普查数据中各城市年末人口数（本次研究用的是第六次人口普查数据）。
指标构成如下：
相关文献：陈云松、陈步伟、句国栋、张柏杨、许子妍、徐荣嬪，2020年，《突发重大疫情下城市系统风险量化评估方法》
Part 2
武汉市人居环境新型冠状病毒肺炎疫情传播风险评估
本次研究耦合精细尺度下武汉市疫情数据及多源地理数据，基于随机森林算法构建社区尺度的市域疫情传播风险评估模型并进行了疫情风险制图。建立基于随机森林算法的社区及场所尺度的“空间变量－感染风险”模型，评估了不同场所设施疫情传播的风险程度。
研究区域：武汉市市域空间。
数据来源：
a）社区尺度的新冠病毒肺炎患者数据。研究采集了武汉市共计983个小区截至2020年2月16日通报感染的病例数据(含确诊和疑似病例)及其地理位置。
b）空间辅助数据——城市兴趣点。研究使用2018年武汉市范围内的高德地图POIs数据，每条POIs数据包括ID、名称、类型、行政区、地址、经度、纬度7个属性，共886415条。
c）空间辅助数据——路网数据。数据来自OpenStreetMap(OSM)网站，研究保留了2019年OSM路网中的一级、二级及干线道路，用以计算各小区与一二级道路的距离远近。
d）带有空间地理坐标的人口密度数据。数据来自腾讯用户实时定位数据（Ｒeal-time tencent user density，RTUD）。
研究方法：
首先，通过网格法对市域范围的社区数据进行空间采样，得到 1986 个基本单元。
然后，耦合全市域兴趣点( POIs) 数据、纠偏后的 LBS 人口密度数据以及与主要道路的距离数据作为特征向量，将社区感染分级情况作为目标拟合值，基于非线性机器学习方法构建“空间变量-感染程度”的非线性风险程度评估模型。
根据特征权重，可进一步探究疫情传播的驱动因素，并分析学校周边的感染风险，以此为武汉市复工、复产、复学等疫情防控安排提出建议。
评估结果分析如下：
相关文献：姚尧、尹瀚玙、李歆艺、郭紫锦、任书良、王若宇、关庆锋，2021年，《基于多源地理数据精细尺度的武汉市人居环境新型冠状病毒肺炎疫情传播风险评估》
如何查看学社分享？
扫码查看
学社分享
以上就是今天【国匠城-规划师成长学社】的分享，更多内容欢迎扫描文末二维码加入学社查看。
学社往期专题推荐：
更多内容，欢迎加入国匠城规划师成长学社——关注规划师成长的知识星球点击查看详细介绍
APP | 网站 | 小程序
同步更新