用微信扫码二维码

分享至好友和朋友圈

　　作者 | 闭雨哲

　　来源 |ThutmoseAI

　　背景介绍

　　新冠肺炎是一种具有最长达24天潜伏期的新型突发性传染疾病，这种特性给疫情防控带来了巨大的挑战，随着感染规模的不断扩增，简单的人为治理已不太奏效，使用“大数据”技术手段来辅助人为治理社会有助于快速准确的定位问题关键，帮助决策者及时作出下一步规划。

　　这一个月来每天都会在各大站点查看感染人数的更新、病例的行程发布等等，然而互联信息更新总是不能赶上群众急切的小手手...

　　技术背景

　　知识图谱技术作为大数据走向人工智能的台阶，它以最契合社会行为的形式表达复杂的社会结构，非常适合分析具有关联关系的数据，使用知识图谱技术分析传染关系及社会动向非常有利于疫情的防控，对疫后的研究分析也有帮助。尽管当前大数据和人工智能的应用尚处于初级阶段，但以知识图谱为核心的研究成果正在带来一波新兴的科技潮流。

　　知识图谱背后的技术关键“图数据库”：

　　图形数据库是一种应用关系图理论存储复杂的实体之间的关系信息，即用“点”和“边”的形式来存储数据，最常见例子就是社会网络中人与人之间的关系，正是本次疫情中的关键线索。

　　使用技术

　　本文使用图特摩斯科技自研的国内首个时序图谱平台AbutionGraph作为技术支撑，主要技术突破点为：静态图+动态图+时序图+多维的存储形式。

　　解决问题：

　　疫情实时统计：实时统计医院/城市/省份的确诊/疑似/死亡/接触人数等

　　疫情实时分析：病例接触者人群溯源及时排查、高风险同行人群分析、城市区域风险等级计算等

　　疫情数据研究：病毒传播渠道及路径、寻找疾病候选药物，提供相应的药物作用机制等

　　使用数据：

　　本次演示共使用5类实体数据：包括正常人、病例、地址、交通工具、医院等数据信息，以及各类实体之间的关联关系，如“某患者曾出现于某超市”等关系。我们使用AbutionGraph依据真实场景建模，由于详细数据不公开，本文中均使用模拟数据进行分析。

与普通图存储的技术区别

　　在建模前，我们有必要先来理解一下多维、动态、时序这些在图谱存储中的新概念。

　　1）“一维”图谱和“多维”图谱的区别

　　一维图谱：

　　（常见的图形存储结构，如：JanusGraph、Neo4J等技术中使用）

　　多维图谱：

　　AbutionGraph独有的存储形式（实体属性细分，任意维度的数据包含，如张某某具有2个维度的数据，而李某某不患有疾病，可不包含“维度2”。）

　　2）“静态”、“动态”及“时序”图谱的区别

　　假定场景：实时统计每个人之间的交易总金额。

　　1.静态图谱：

　　静态图谱统计历史账单总金额方法：10+5+5=20元

　　（所有交易信息都查询出来，再逐个累加汇总）

　　2.动态图谱：

　　动态图谱统计历史账单总金额方法：数据产生后发生存储即实时自动汇总，及时查询得出20元。

　　3.动静结合：

　　静态图谱+动态图谱是AbutionGraph特有形式，即可以保持历史数据不变，又可无需人为干预实时根据历史数据统计出指标。

　　4.时序图谱：

　　时序指标计算是动态图谱的特殊形式，即根据“事件”发生的时间线，使用划分的时间区间进行实时指标计算。

　　如场景～统计每个人之间每天的实时交易总金额、统计每周（统计区间）实时新增病患。

新冠肺炎数据建模

　　了解了图形的多种存储形式后，接下来我们使用模拟数据依次建模，并详细介绍每个实体与关系的数据映射关系。

　　当发生突发公共事件时，我们在“正常时期”的数据图谱之上进行多维扩展，以支持更多业务，灵活应对疫情。

　　一）节点“人”数据建模

　　正常人数据（2维）：

　　1.基本信息：性别、生日、籍贯等（数据来自身份证采集等渠道）

　　2.曾患病信息：疾病名称、发病时间、就诊医院等 （数据来自医院联网数据等渠道）

　　患病人数据（3维）：

　　1.基本信息：性别、生日、籍贯等

　　2.曾患病信息：疾病名称、发病时间、就诊医院等

　　3.患新冠肺炎：感染程度、诊断时间、感染原因、症状等（数据来自各地医院实时上报等）

　　二）“人”-（收治于）->“医院”

　　实体“医院”数据（2维）：

　　1.基本信息：病床数、医护数、病人数等（实时动态数据来自医院资源管理系统等渠道）

　　2.病例信息：收治数、确诊数、疑似数、病亡数、治愈数等（实时动态数据来自医院联网实时上报等渠道）

　　关系“收治于”数据（1维）：

　　1.收治信息：收治时间、收治原因等（数据来自医院实时上报等渠道）

　　三）“人”-（住在、出现于、感染于）->“地址”

　　关系数据（3维边）：

　　1.居住于：入住日期等（历史数据来自社区物业管理系统等渠道）

　　2.出现于：出现日期等（历史数据来自社区街道管理系统等渠道）

　　3.感染于：感染日期等（实时数据来自医院联网实时上报等渠道）

　　实体“地址”数据（1维）：

　　1.地址：（无属性信息）

　　四）“人”-（乘坐）->“交通工具”

　　关系数据（1维）：

　　1.乘坐：上车时间、上车地点、下车时间、下车地点、座位号等（数据来自交管部门管理系统等渠道）

　　实体“交通工具”数据（多维）：

　　1.车基本信息：编号、座位数、交管局、投入时间、维修信息、描述信息（数据来自交管部门管理系统等）

　　2.高铁：司机、乘车人数、发车时间、始发站、终点站、途径站点等（数据来自交管部门管理系统等）

　　3.飞机：司机、登机人数、出发城市、到达城市、起飞时间等（数据来自航空公司管理系统等）

　　4.地铁：司机、车辆型号、发车时间、始发站、终点站、途径站点等（数据来自城市轨道管理系统等）

　　Ps：交通数据种类丰富， 有公交站点、地铁站点等静态数据，还有基于事件流的动态数据，例如，公交车进出站、地铁刷卡出行、出租车到达某一地理点等。

　　五）“人”-（接触、传染）->“人”

　　关系数据（1-2维）：

　　1.接触：接触时间等 （数据 来自临时背调等渠道）

　　2.传染：无属性

　　实体“人”维度（多维可变）：

　　健康人（未得过病）1个维度：“基本信息” 维度

　　亚健康（得过疾病）2个维度：“基本信息”、“曾患病信息” 维度

　　患病人（患新肺炎）3个维度：“基本信息”、“曾患病信息” 、“患新冠肺炎”维度

　　（各维度的属性信息前章节已给出）

　　未确诊前样例数据：

　　确诊后样例数据：

　　感染人群数据时间线：

　　2020-02-07：“赵六”（未发病）--探亲->“赵七”（健康）

　　2020-02-10：“赵六”（发病），确诊患新冠肺炎

　　2020-02-11：“赵七”（未发病），但为确诊病例“赵六”密切接触者，随后查出感染

　　“赵七”的密切接触者“张女士”即应进入医学观察期

　　六）“医院”-（归属于、院上报）->“城市”

　　关系数据（2维）：

　　1.院上报：患者姓名、患者年龄、患者病情（危重/严重/轻症）、诊断情况（确诊/疑似）、上报时间、上报人员等 （数据 来自医院病患数据采集等）

　　2.归属于：（无属性信息）

　　实体“城市”数据（2维）：

　　1.市患者实时统计（动态）：确诊总数、疑似总数、严重患者总数、轻症患者总数、时间区间-按天分区等（数据来自市医院医护实时汇报等）

　　2.市患者每日新增趋势统计（时序）：确诊总数、疑似总数、严重患者总数、轻症患者总数、统计开始时间、结束时间等

　　七）“城市”-（归属于、市上报）->“省份”

　　关系数据（2维）：

　　1.市上报（按天）：确诊总数、疑似总数、严重患者总数、轻症患者总数等（数据来自市级数据实时自动获取）

　　2.归属于：（无属性信息）

　　实体“省份”数据（2维）：

　　1.省总患者统计（动态）：确诊总数、疑似总数、严重患者总数、轻症患者总数等（数据来自市医院医护实时汇报等）

　　2.省每日新增患者统计（时序）：确诊总数、疑似总数、严重患者总数、轻症患者总数、统计开始时间、结束时间等

　　至此，数据建模介绍完毕。如上，数据统计部分已经实现自动化，即查即用。接下来基于此设定数据集进行一些更上层的分析场景演示。

　　场景分析演示

　　Ps：AbutionGraph查询方式偏API，暂未实现GSQL，为了方便理解，查询语句均使用相应查询逻辑的伪代码方式演示。

　　场景1、城市病例每日新增趋势查询（每日汇总）

　　查询：

　　vertex ["北京市"，"深圳市"]

　　use "市患者每日新增趋势统计"

　　select "开始时间" execute ">2019.01.20"//