为深圳复工复产保驾护航|深圳大学发布深圳13个热点区域防疫报告

目前所取得的成效是在依然相对严厉的管控措施下取得的，随着复工人员陆续返深和各种生产活动的逐步恢复，深圳面临的内部疫情防控压力依然很大。而在海外，新冠肺炎疫情正在急剧扩散，韩国、意大利、伊朗等地都爆发了大规模疫情，已有70多个国家确诊了新冠肺炎病例。即使包括湖北在内的整个中国都消灭了疫情，中国依然面临境外输入疫情的风险，而深圳作为一个对外贸易发达、境内外人员流动密切的国际化城市，将在很长一段时间内面对境外输入疫情的压力。

科学防疫，要做到因地制宜，精准施策。根据形势的动态变化，近日广东省调低了重大突发公共卫生事件的响应等级，出台了分区分级防控指引（《广东省应对新型冠状病毒肺炎疫情分区分级防控工作指引（试行）》），明确全省以县（市、区）为单元划分防控区，各区在全面加强疾病监测的同时，依据防控等级的不同，在各类活动管理方面应采取相应的差异化防控措施。

在这种防控持久战的背景下，我们从深圳市选取13个热门区域，对其交通流量、区域功能等多方面数据进行综合分析，评估区域内各社区的疫情风险，希望能为居民出行提供参考，为政府精准落实分区分级防控措施提供科学支撑。

我们收集深圳的热门地标（数据来源：大众点评），按半径1500米向外确定辐射范围，再通过密度堆叠方法，获得深圳市13个热门区域，覆盖南山、福田等六个行政区，涵盖城市主要活动中心区域：

针对每个区域，我们收集并整理了区域社区划分数据、POI网格数据（POI (Point of Interest), 中文可以翻译为“信息点”。在地理信息系统中，一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等）、空间交互数据和病患逗留小区数据，说明如下：

社区划分数据：深圳市社区划分，每个区域由若干个社区组成。

百度POI网格数据：将空间划分成网格，统计每个网格中各类POI数量，POI共分为16类。在这篇报告中，我们将16类归纳为7大类，即市政、住宅、新兴企业、轻工业、重工业、消费娱乐、医疗。

联通手机空间交互数据：基于联通手机数据，统计社区之间的人口输出和人口输入的交互量。

深圳卫健委逗留小区分布数据（数据来源：深圳市卫健委）：病患逗留场所数据。

多源数据融合层次图

基于以上数据，我们建立风险估算模型，计算传播矩阵用以刻画社区到社区之间的风险传播度，从而对每个区域中的社区进行风险评估。具体如下：

给定一个社区群，按社区进行划分并顺序编号（i = 1, 2, ... N)，将每个社区作为一个节点，构建两两节点间的传播度矩阵，矩阵<i, j>网格中为风险值Sij， 刻画的是如果第i个社区发生疫情时，传播到第j个社区的风险程度，现建立风险模型如下：

该模型考虑了三个影响疫情传播的潜在因素（三个因素归一化后输入风险计算模型）：

Tij为第i个社区流向第j个社区的人群，这是疫情传播的主要因素，如果从涉病社区有越大的输入人群，那么风险度则越高。在我们的计算中，利用联通手机移动数据估算社区之间的人群流动。

Pj为社区j的主要功能，即在该社区内进行的主要社会活动，是影响区域风险的另一个潜在因素。基于百度POI数据，将POI功能归纳为市政、住宅、新兴企业、轻工业、重工业、消费娱乐、医疗这7大类。通过统计社区内POI，获得频次最高的POI功能作为该区域的主要功能。在当前深圳市住宅小区严进严出、企事业单位逐步复工、市民自觉降低聚集娱乐的情况下，按照新兴企业、轻工业、重工业风险高，住宅、市政风险中，消费娱乐、医疗风险低作为模型设定。在我们的在线交互系统中，可以对这些风险设定进行实时调节。

Ej为社区j的POI信息墒，刻画社区内功能混杂而引起的人群交互，在功能越混杂的地方则人群交互概率越大，风险则越高。通过以下公式计算，其中Pj用某一功能POI占比作为估算：

基于传播矩阵，我们获得Sij为第j社区的从第i社区的特定输入风险。同时，针对每个社区，我们计算其综合风险，考虑其他区域对该区域的输入人群总和，按下面公式评估：

W1,W2,W3对应为三种因素对风险度的影响权重，在本报告中，分别设定为0.4, 0.3, 0.3。