2022（一等奖）B1517基于随机森林和DT-CA的北上广深后疫情时期出行风险评估分析

作品介绍

1 需求分析

新冠疫情的爆发，不仅严重影响了社会公众生命健康，还对中国的经济和全国人民的正常生活带来了巨大的影响，而风险评估是一种能够为突发公共卫生事件提供有效防控提供科学依据的手段，对于疫情防控和复工复产都是必不可少的环节。然而，目前关于疫情风险评估的研究大多基于城市甚至国家尺度，尚未有具体至区县或社区的疾病风险评估研究。另外，通常分析地区风险时，往往采用直观的判断方法，分为累计确诊人数、新增确诊人数、累计死亡人数或死亡率、累计出院人数等几个维度，但这些方式都具有一定的局限性。

新型冠状肺炎综合风险评估是开展疫情风险管理和防控的关键途径，而评估方法是其中的关键。风险评估起初多采用基于先验知识积累的专家会商法进行，但该类方法存在一定的主观因素，而新型疾病的出现会极大增强专家会商法的局限性。随着大数据时代的到来，以数据驱动方式进行风险评估的实验可行性大大增强。因此，本项目建立基于风险社会理论，将风险拆分为脆弱性与危险性对新冠疫情风险进行评估，通过使用熵值法对数据进行处理以求数据最后的客观性，同时结合随机森林模型进行疫情出行安全性评估，借助地理建模以及使用ArcPy实现新冠疫情风险评估与新冠疫情出行安全性评估的流程化、自动化过程，实现北上广深这四个一线城市的动态风险评估；最后通过使用决策树元胞自动机对不同管控政策下的疫情情景进行模拟。使用上述方式进行可视化展示可以直观地得到不同地区的新冠疫情风险程度，从而由此制定及时有效的防控策略，有助于接下来的疫情防控和复工复产工作，同时还可以进行新冠疫情演变趋势的预测和动态预测，为抗击疫情提供科学的参考数据，同时也能对应对未来其他突发卫生公共事件提供一定的借鉴。

2 主要功能