如何通过手机信令数据“识别”疫情中的感染者？

在疫情期间，通行码、健康宝已经成为常用小程序，让我们充分认识到了手机信令数据的重要性，那么如何结合手机信令数据与住宅，商圈，交通，来识别疫情中的感染者呢？如何基于时空关系的疫情数据进行洞察分析呢？

下面我们来一步步揭秘。

演示视频

01场景一

以北京市一天的手机信令数据为例，假设元某为确诊患者，根据元某的手机信令位置，可以获取元某一天的行程。通过行程对行为进行初步分析。

比如，人员在某区域长时间停留，可以初步判断为居家或购物行为；或通过出行过程中的移动速度，判断出行方式。可以看到元某在上午5点左右开始外出购物，期间包括步行和乘车两种出行方式。

02场景二

获取了确诊患者信息后，如何利用大数据技术排查潜在感染人员呢？

我们知道与确诊人员在同一时间段内存在空间位置重叠可能会导致传染。ArcGIS提供轨迹构建、字段计算、要素连接工具，

通过轨迹构建获取出行轨迹，然后使用字段计算工具对计算出行速度，过滤得到步行轨迹，最后通过要素连接工具，对步行轨迹与确诊患者轨迹进行时间和空间上的重叠分析，最终识别出感染者。

当前展示的就是感染者的轨迹，随着时间流逝可以清晰看到感染者与确诊患者在何时何地可能存在接触。

03场景三

确认了感染者后，如何判断可能由感染者引发的高危区域？也就是这些感染者都在哪些位置存在长时间停留？

ArcGIS提供驻留区分析工具，通过对感染者的手机信令数据设置搜索时间和搜索距离，查找感染者驻留区。

可以看到黄色区域即为感染者驻留区，随着时间改变，区域的位置不断发生变化，再结合周边的便利店，超市等服务设施数据，可以轻松过滤出感染者驻留期间的公共场所，针对性重点排查。

04场景四

另一方面，确认了感染者后，应及时通知感染人员所在小区，做好防范工作。ArcGIS提供要素连接分析工具，对驻留结果进行时间间隔及时间点的过滤，结合住宅小区数据，即可查找出感染者所在小区。

回顾以上四个场景，ArcGIS提供多种分析工具进行挖掘分析，并提供构建模型能力，方便开发人员轻松调用大数据分析工具构建符合需求的模型。可以很好地洞察疫情，识别感染者，挖掘时空关系，为抵抗疫情作出科学的判断和决策。