大数据和高科技抗疫目前最全报告！200个案例归纳战“疫”武器【附下载】| 智东西内参
近期，在防控新型冠状病毒感染的肺炎疫情斗争中，各级政府、医疗机构、科研部门和科技企业迅速行动，把以大数据等技术应用到疫情监测分析、人员管控、医疗救治、复工复产等各个方面，发挥了巨大作用，为疫情防控工作提供了强大支撑。
为了全景展现大数据与人工智能技术在此次疫情防控中的应用情况，中国信息通信研究院云计算与大数据研究所牵头联合多家单位，搜集分析了 200 多个案例，梳理了社会各界利用大数据及数据智能技术参与疫情防控的实践方向，分析了数据驱动的疫情防控关键环节，探讨了面临的问题与挑战，并对下一步通过大数据等新一代信息技术开展疫情防控进行了初步讨论。 本期的智能内参，我们推荐中国信通院的报告《疫情防控中的数据与智能应用》，梳理社会各界利用大数据及数据智能技术参与疫情防控的实践方向，分析数据驱动的疫情防控关键环节。如果想收藏本文的报告（疫情防控中的数据与智能应用），可以在智东西（公众号：zhidxcom）回复关键词“nc442”获取。 本期内参来源：中国信通院 原标题： 《疫情防控中的数据与智能应用》 作者：未注明
疫情防控中的数据与智能
1、科技“战疫”时间线
2020 年开年之际，新型冠状病毒带来的肺炎疫情汹涌而至。疫情突发性高、传染性强、扩散性广、风险性大，防控工作任务艰巨、时间紧迫、形势严峻。在这场疫情阻击战中，大数据、云计算、人工智能等快速发展的新一代信息通信技术加速与交通、医疗、教育等领域深度融合，让疫情防控的组织和执行更加高效，成为战“疫”的强有力武器。 随着疫情发展， 数据驱动的疫情防控在迅速展开， 各企业的疫情防控应用场景不断涌现，应用范围持续拓展。
▲科技“抗疫”行动时间轴
2、抗疫技术“数据”轴
通过梳理总结这些应用场景，我们发现“数据”可以在如下方面助力疫情防控。 1)有力支持疫情防控知识传播。借助于移动互联网和智能手机，人们可以随时随地获取最新疫情动态、科学防疫知识等各种数据。各地政府通过电子政务平台、微博、公众号等定时发布最新疫情动态，各类新闻客户端、社交平台、搜索引擎、短视频平台等也积极配合疫情相关信息的发布和传播。此外，众多“互联网+医疗”平台推出了在线问诊服务，方便网友向医生咨询新冠肺炎防治相关内容，有效缓解了因疫情期间医疗资源紧张导致的就医难等问题，避免了普通病症人群涌向医院、形成聚集性交叉感染。 2)迅速锁定“涉疫”人员流动轨迹。通过集成电信运营商、互联网公司、交通部门等单位的信息， 大数据可以分析出人员流动轨迹。具体来说，利用数据分析、数据挖掘等技术，一方面可以通过手机信令等包含地理位置和时间戳信息的数据绘制病患的行动轨迹；另一方面，根据病患确诊日期前一段时间的行动轨迹和同行时间较长的伴随人员，基于大数据分析可以推断出病患密切接触者。综合分析确诊病患、疑似病患和相关接触者的行动轨迹，可以准确刻画跨地域漫入、漫出的不同类别人员的流动情况。这既为精准施治提供有力指导，也为预测高危地区和潜在高危地区提供了精准依据。 3)开展疫情发展态势预测与溯源。基于疫情高危人群相关数据，结合疫情新增确诊、 疑似、死亡、治愈病例数，借助传播动力学模型、动态感染模型、回归模型等大数据分析模型和实践技术，不仅可以分析展示发病热力分布和密切接触者的风险热力分布，还可以进行疫情峰值拐点等大态势研判。利用深度学习等新兴人工智能技术，联合出行轨迹流动信息、社交信息、消费数据、暴露接触史等大量数据进行科学建模，可以根据病患确诊顺序和密切接触人员等信息定位时空碰撞点，进而推算出疾病传播路径，为传染病溯源分析提供理论依据。 4)助力地方政府科学精准施策。运用大数据分析，结合算法模型对疫情的传播速度、传播趋势等进行预测，可为各地进行动态监测管理、统筹医疗物资储备、保障民生物资供应、制定交通管制政策等提供有效依据。例如，基于疫情高发地区人员在春运期间的交通出行数据进行疫情分析预警，能够通过追踪确诊患者、疑似患者和密切接触者的轨迹位置进行精准防控。同时，通过大数据分析还可以评估预测疫情对近期和远期社会经济运行带来的影响，建立快速、高效的经济应急反应机制，帮助政府适时出台减税、降费、专项补贴等各类措施，缓解中小企业因疫情导致的资金链断裂风险及可能出现的连续经营困难，努力保持生产生活平稳有序。 5)推动病例诊断与疫情研究。运用大数据和人工智能等相关技术，可以有效加速新型冠状病毒宿主预测、药物筛选等数据分析和计算工作，极大提高病毒研究与攻克效率。
应用分析
1、 疫情分析展现
我们每天打开手机各大新闻客户端看到的疫情数据就是疫情分析展现的典型应用。可以说， 疫情相关的数据是开展疫情分析、 管控等各方面的基础。因此，很多企业首先就针对各地提供的数据进行了多主体、多渠道、多维度的展现。 从本报告的调查结果看，有 39.6%的企业案例是对所采集数据进行直观的可视化展现，而超过 80%的企业案例在此基础上进行了更为深入的数据分析；数据来源渠道包括公开数据（ 8.1%）、人员上报数据（ 36.1%）、自有系统数据（ 41.3%）和其他系统对接及第三方数据（ 17.1%），各类案例数据来源渠道存在交叉情况；从服务主体角度看，有52.2%的企业案例为政府提供数据采集和分析服务，有30.4%为公众提供信息展示服务，有 17.4%是为其它企业提供数据分析和展示服务。
▲疫情分析展现
2、 疫情防范管制
大数据分析和展现已在很大程度上完成了数据采集和整理工作，通过更深层次的模型建立、分析挖掘等手段能够在原有基础上更大发掘数据价值。疫情防范类应用通过数据来进行识别高危人群、开展区域检测、进行市场监管等功能，为政府部门进行决策提供了支撑。
▲疫情防范控制
3、 医疗医治增效
在此次抗击疫情的过程中，大数据和智能技术被充分应用到病情诊断、医学科研、医疗辅助等与医护工作直接相关的场景中， 是对大数据技术的最严苛的试炼。从本报告的调研结果看，有接近 17%的应用在医疗医治增效中。医治增效应用的种类包括资源对接、辅助诊断、线上问诊、科研支撑和其他（包括基于图像分析的无接触体温监测应用以及时识别高风险人群等其他应用）。其中，辅助诊断指通过 AI 技术辅助或加速确诊病例的判断；线上问诊指通过智能问诊服务，减轻医疗机构的诊疗压力；科研支撑指通过开放算法、模型或提供计算存储资源来提升科研效率，助力基因检测、疫苗研发等工作。具体占比如下图所示。
▲医疗医治应用
4、 生活便民举措
生活服务类应用也是数据驱动疫情防控的重点突破口。诸多互联网企业采用 O2O 服务模式，形成线下活动到线上活动的映射，利用大数据技术实现海量生活数据的采集、分类和存储，为居民提供食品无接触外送、实时疫情地图、互联网医疗等服务，在便利居民正常生活的同时，确保各类服务的健康安全。 1）电商平台保障饮食便捷安全：受新冠疫情的影响，线上买菜相较于线下买菜可以降低交叉传染的风险，因而更受欢迎。生鲜电商协同各方打通农产品上行通道，加大商品供给，让居民的“菜篮子”更稳当。 电商平台包括盒马生鲜、叮咚买菜、每日优鲜、美团买菜、天猫超市、永辉买菜、京东到家等，多数平台根据距离所在地区的远近优选超市门店，并提供全天配送服务。据统计，在商品丰富程度方面，半数以上平台在不同门店的商品丰富程度有所浮动；在配送时长方面， 80%以上的平台可以满足 2 小时以内完成配送；在无接触配送方面，所有平台均提供无接触配送服务，降低了面对面接触带来的交叉感染风险；在预约配送方面，受限于物资紧缺和运力有限，所有平台在疫情前期提供预约配送服务，但随着物资和运力紧张程度逐渐缓解， 30%左右的平台逐渐实现“即买即送”服务。 同时，为确保配送事物的安全，多家平台将“无接触配送”升级为“无接触安心送”。以美团外卖为例，在原有的基础上，将厨师、打包员、骑手的健康情况、餐具消毒情况等安全防护信息，以商家端和配送端的“电子卡+实体卡”形式更透明的呈现给用户，确保无接触的同时实现全过程食品安全信息可视化、可追溯的安全配送模式。 相较于“无接触安全送”而言，“无人车配送”在此基础上，减少了骑手带来的潜在接触风险。百度公司针对抗疫情场景的自动驾驶作业车企业，免费提供百度 Apollo平台的自动驾驶云服务矩阵支持，助力企业更好地开展疫情作业车研发工作。 基于此，百度 Apollo 生态合作伙伴新石器在海淀医院投入一台无人车， 2 月 14 日起开始进行无接触送餐服务，最大限度的降低了工作人员的现场工作以及接触程度。中关村“白犀牛”科技公司提供的“无人车配送”已在北京海淀区温泉镇的“佳苑便民外卖超市”落地，在线下单后，无人车可将商品配送至小区门口，居民确认身份后，打开相应车门即可取货。 2）地图应用平台保障出行安全：自新冠疫情发生以来，手握大数据资源的多家地图应用平台都迅速推出利于疫情防控的出行指南，以满足用户特殊时期的出行需求。统计显示， 80%以上的平台具备“疫情地图展示”、“发热门诊查询”、“同乘信息查询”等功能，部分平台提供“各国入境最新政策”等功能。百度地图于 2 月 6 日上线“疫情小区”专题地图，截止 2 月 12日，覆盖 200 余个城市及乡镇。 在“疫情小区”板块，输入所在小区名称，即可提供周边疫情提示，包括本市已公布的疫情发病场所、距离最近的疫情发病场所，以及周围的人流聚集地。借助百度地图的“热力图图层”，还可查看到实时人口流量密度，以此来帮助居民决定出行路线，避开商圈、交通枢纽等人流密集场所，如下图 所示。同时，“小度无接触式电梯服务”通过语音识别算法和自动控制技术，实现了语音呼叫大体按键，大大减少了电梯接触式病毒传播的风险，增强了便民出行手段。
▲百度地图“疫情小区”功能示意图
5、 复工复产管理
受突发疫情波及，餐饮住宿、文化娱乐、交通运输等行业运行放缓甚至停顿，从业人员待岗时间拉长，相关上下游产业也相继受到波及。随着疫情防控取得积极进展，各地政府、企业也在逐步将精力放在复工复产上， 尽快实现经济社会常态化运行。 从本报告的调查结果看，企业案例主要围绕政府、企业、学校的复产复工复学，以及协助政府开展复工后城市疫情防控各项工作，如下图所示：
▲复产复工应用
深度洞察
1、 数据能力是疫情防控的基础
良好和丰富的数据是开展疫情防控应用的基础。本节从数据采集、数据互通和数据开放三个方面，对本报告收集到的相关案例中体现出来的数据能力进行分析。 1） 数据采集：传统数据采集方式在大数据量面前暴露出了一些弊端。传统卫生数据的采集起点通常是基层的社区卫生中心，通过社区人员手工填报，经历区卫健委、市卫健委，最终汇集至省卫健委和国家卫健委。这一方面增加了基层数据采集工作人员的负担，降低了数据汇集的效率，另一方面难以在数据源头快速核验数据的正确性，增加了后期数据质量管理的成本。 借助信息化，目前已有多地采用在线信息填报系统和智能外呼平台代替手工填报，力求减少数据采集人力成本，缩短数据流转过程。北京于 2 月 13 日上线的“京心相助”服务，居民可在支付宝上登记个人信息，在不更换社区的情况下，市民无需反复进行个人信息申报，但需进行每日健康打卡2。同时，百度、阿里、北京来也网络等企业推出了针对疫情防控的智能外呼平台，在自动询问居民包 括离返京情况、身体状况等问题后，系统将根据关键词自行归纳信息档案，快速实现辖区内居民疫情数据的采集。除此之外，企业和个人也采用爬虫技术采集动态数据，以快速提供包括疫情数据可视化、疫情态势分析、疫情推演等服务。数据采集技术的主要使用对象和优劣下表所示。
▲数据采集技术对比
▲中国铁塔智慧疫情防控平台
2、数据分析的深度逐渐递进加深
数据分析应用的深度一般会从其操作难度和产出价值等方面进行评估，在业界通常被分为四种类型： 描述性分析（ Descriptive） ：这类分析仅描述发生了什么。一般会通过可视化的方式呈现所传达的信息，比如大屏展示的疫情分布信息； 诊断性分析（ Diagnostic） ：这类分析会追溯事件发生的原因。一般会基于描述性的信息进一步分析问题的本源，比如病毒传染的溯源； 预测性分析（ Predictive） ：这类分析会预测可能发生的事件。需要对可变数据进行建模，并通过预测模型预测发生事件的可能性，比如对疫情发展态势的预测； 决策性分析（ Prescriptive） ：这类分析能够指导下一步的决策。其复杂性和价值都相对较高，通常依赖描述、诊断、预测等多种分析行为的组合来判断最佳的方案，比如地方政府综合地方实情和周边疫情发展态势等多项因素后进行精准施策。 此次抗疫期间，数据应用主要呈现出以下特点： 疫情控制早期，是打好数据基础的关键时期。此时涌现的大部分应用多为信息收集和平台建设类项目，如各类自填报系统和大数据平台的建设。由于时间和数据量等方面的限制， 2020 年 2 月前的数据应用， 60%以上属于初步的描述性应用，如疫情分布地图、人员流动展现等。出现较少部分诊断类的应用，多为病毒传染溯源分析以及结合人员流动的时空属性进行的高危人群判断等。例如航空和铁路部门在疫情初期发现确诊患者后会通知同航班和同车次的旅客进行重点关注和隔离。 随着平台的建设和数据的逐步积累，诊断类应用愈发成 熟，预测类应用逐步增加。至 2020 年 2 月初，描述类和诊断类应用的占比达到了 75%，数据粒度和分析粒度都更加细致，区县级甚至社区级的应用开始出现。例如百分点信息科技的“一区一码”系统，居民完成个人信息填报，进出小区时由系统自动分析辅助人工管理。预测类应用如潜在传染源和传染路径预测、传染人数趋势预测等开始出现，并逐步用于政府的决策参考。第四范式基于高维机器学习技术建立市区县级数字孪生系统，结合交通管制、复工时间、药物投放等多方因素对疫情发展的影响，对关键决策的实施影响进行仿真预判，为防控政策制定提供依据。 预测类和决策类应用将在疫情控制方面起到重要作用。预测和决策类应用复杂程度高，数量虽少，但具有更高的价值。此次疫情防控过程中，大数据和 AI 技术被用于病毒基因的检测分析中，基于病毒基因的特征，预测病毒蛋白结构辅助药物筛选，大大提高了诊断和疫情研究的效率。百度研究院 此 次 向 各 大 科 研 机 构 免 费 开 放 了 线 性 时 间 算 法LinearFold，以及世界上现有最快的 RNA 结构预测网站，能显著提升新型冠状病毒 RNA 空间结构预测速度，以助力疫情防控。 前期各类描述、诊断、预测类应用的成熟为政府后续的精准施策打下基础。交通部门提供的乘客公路、铁路、航班出行分析与通信运营商提供的密切接触者轨迹分析能 够有效支撑政府下达针对性的防控措施；物资保障平台、“健康码”数据、企业用电量等分析应用也从生产的各个环节支撑着政府对于保障复工复产开展专项的应对措施。随着各环节数据的进一步开放以及疫情经验的不断积累，更多的预测决策性分析会应用会在疫情防控中发挥作用。3、 科技企业展现技术“抗疫”硬实力
1）大数据价值尽显：“人传人”的疫情特征，将对于人类个体的监测与管控推到了核心地位，如何获取、描述和分析一个人的行为轨迹，及多人之间的位置重叠也就成为了最基础和最重要的分析数据。因此，无论是手机信令数据还是互联网 APP所获取的位置数据都成为了重要的数据资源，众多电信企业和互联网企业也是基于此类数据开发了相应的产品。其中，由于实名制手机的改革，电信大数据的全面性、真实性和实时性就充分体现了其数据价值。 电信大数据来自于电信运营过程中的通信基础数据，运用电信大数据分析，统计人员流动情况，对支撑服务疫情态势研判、疫情防控部署以及对流动人员的疫情监测、精准施策有重要意义。电信数据具有以下特点：一是全面性。我国拥有 16 亿手机用户，电信用户规模大、覆盖面广、数据量大，如现有的公众通信网每日产生的电信数据约数千亿条，在春运等节假日期间、人员流动性高的情况下，数据量会更大。 二是真实性。 电信大数据经过多年的实名制认证，已经基本可以达到一个号码对应一个人，通过基站信令数据对于人员位置的确定及身份的确定可靠性和真实性程度大大增加，为各类疫情数据分析奠定了有力的真实数据基础。三是实时性。可以实时采集、汇总和处理电信相关数据，及时提供各类数据分析结果，为疫情防控提供精细化数据支持。对于人员动态流动情况，分析预测确诊、疑似患者及密切接触人员等重点人群的动态流动情况，支撑疫情防控部署。 北京移动作为北京地区最大的移动通信用户运营商，拥有大量真实的用户数据，在遵照国家法律和行业规范的前提下，北京移动大数据中心上线了疫情防控整体解决方案。其中，防疫平台平台实现对信令数据的统一采集和实时处理，通过本地用户和外省地区间漫游数据的融合，更全面地了解全国涉疫人员流动信息，实现全轨迹链的还原分析。借助电信数据实名制并与自然人强关联特征，大大提高了防疫数据时效性。通过不间断手机数据的获取，建立自然人与地理空间及行为特征的深度联系，每日深入洞察重点区域人流情况，按日进行数据精细对比分析。 2）响应能力快速高效：新冠疫情如排山倒海般来势汹汹，面对如此紧急的突发事件，科技企业的快速应变能力成为了硬实力。从系统总线到面向服务思想，从模块化、松耦合到中台和微服务，技术的革新总是向着高效、敏捷的方向发展，这也正是解决快速应变需求的最重要手段。 无论是百度地图从 100 个城市到 300 个城市的迁徙大数据平台几乎无时延升级，还是阿里云宜搭平台将后台不可见的为微服务模块变成了前台的可拖拽操作，亦或是电信运营商依托长期的数据和服务积累迅速形成疫情大数据方案，这背后都是快速响应能力的重要体现。 3） 智能化技术能力不断提升：大数据同人工智能技术相辅相成，共同提升人类智能化技术水平，智能化的方法和设备不断发展，辅助人类更多更好的完成任务已经成为了今后发展的重要方向。疫情期间， AI 智能化测温系设备、智能化机器人、智能无人车、智能化算法模型、智能化应用和智能化展示等技术帮助我们完成了更多人类不可能自己完成的事情。 智能化需求不断增加和智能化技术的不断革新也催生了智能化经济发展。数字经济在经历了 PC 的发明与普及、 PC 互联网、移动互联网这三个阶段后，正在进化到以人工智能为核心驱动力的智能经济新阶段。智能经济将给全球经济带来新的活力，是拉动全球经济重新向上的核心引擎。 纵观此次疫情到目前进程，以百度为代表的中国科技公司通过充分激活 AI 技术潜力，在疫情分析与防范、医疗、复工复产等方面抗击疫情。其中 AI 测温系统、 百度地图迁徙大数据平台等应用让人印象深刻。相关 AI 技术应用或在疫情结束后寻找到合适的商业落地场景，体现了智能化对于社会、经济发展的推动作用。4、“开源众包”成为独特风景线
在新型冠状病毒开始蔓延的初期，疫情相关的信息爆炸，发布渠道众多。医疗物资短缺的信息尚未有效统计和发布，给物资调度和捐赠带来巨大困难。此时，一群志愿者自发形成了研发团队，利用各自的专业优势，采用众包协作的方式构建了一个个疫情防护有关的信息化开源项目，致力于搭建可靠、高效的信息化渠道，成为了疫情防控科技力量中一道亮丽的风景线。 1）项目类型丰富：根据开源平台 OpenSourceWuhan 统计的 46 个开源项目来看，疫情信息类占到了 37%，新闻纪录类达到了 30%，其次是求助信息类 9%。其中疫情信息中一半以上的项目都是展示肺炎疫情实时的省市地图。新闻记录类的 14 个项目中，有记录各类媒体、非虚构与个人叙述的项目< 2020 新冠肺炎记忆>，也有记录个体生活的<2020nCov_ individual_archives>。
▲开源项目情况
普通人贡献自己的日记作为数据来源。 4） 运行方式多样：涉及多人协作的项目需要制定一套分工协作的流程，包括协作规范、人员分工和沟通协作的工具。主要包括代码托管与协同，开发者之间的交流，数据和信息的收集、同步、审核，还有志愿者之间日常的沟通和正式的会议等。绝大部分的疫情防护开源项目都用到了 Github、 Gitee等代码托管平台来进行开发协作，其中 Github 使用频率较高。 Slack、微信、钉钉等工具作为志愿者日常沟通的工具，而很多开源项目都利用石墨文档等协作工具来搜集数据和文字，此外还有一些用于设计的图片处理工具等。同时，技术企业开源也成为重要的运行方式，百度飞桨免费开源业内首个口罩人脸检测及分类模型，该模型可以有效检测在密集人流区域中携带和未携戴口罩的所有人脸，同时判断该者是否佩戴口罩。百度借助国内最大的 AI 开放生态优势，推出“AI 开发者‘战疫’ 守护计划”，积极调动开发者、合作伙伴的力量，开发各类防疫控疫的产品，实现智能化能力全面输出。 5） 影响力不断提升：开源项目在本次疫情防护过程中取得了巨大的社会效应，本报告统计了 Github 和 Gitee 上 Star 数前 7 款疫情防护开源项目。如表 2 所示，项目基本包含综合的信息展示、新闻记录、信息导航、疫情地图、信息爬虫等方面。截至 2 月 21 日，有两款项目在 Github 上 Star 数超过了6000 个， Fork 数均超过了 800 次，均登顶 Github Trending。
▲开源项目功能及影响力
（本账号系网易新闻·网易号“各有态度”签约帐号）
公开课预告
