首页 首页 大数据 查看内容

如何利用图数据库发现新冠病毒传播路径?

木马童年 2020-2-11 14:15 26 0

作者:吴敏 天津某百货大楼内部相继出现 5 例新冠肺炎确诊病例,从起初的 3 个病例来看,似乎找不到任何流行病学上的关联性。在这种背景之下,作为技术人员可以通过什么技术来找寻病例之间的联系呢? 最初,nCoV 新冠 ...

作者:吴敏

天津某百货大楼内部相继出现 5 例新冠肺炎确诊病例,从起初的 3 个病例来看,似乎找不到任何流行病学上的关联性。在这种背景之下,作为技术人员可以通过什么技术来找寻病例之间的联系呢?

最初,nCoV 新冠病毒的扩散过程是由一个人(节点)向各其他人(节点)扩散的树状结构,但随着疫情扩散为网状结构,可以使用图数据库来存储相关人员、地理位置、感染时间等数据,本文将使用图数据库Nebula Graph 作为工具,带大家一起探讨疫情的传播路径,并找到相关的疑似病例。

案例简述

下面用 Usr1、Usr2、Usr3、Usr4、Usr5 来代指这 5 例病例,看一下他们的行为轨迹:

Usr1 信息: Usr1 于 1 月 24 日开始发热,在 1 月 22 日至 1 月 30 日期间在天津百货大厦 A 区工作,于 1 月 31 日确诊;

Usr2 信息:Usr2 为 Usr1 丈夫,于 1 月 25 日开始出现腹泻症状,于 2 月 1 日确诊;

Usr3 信息:Usr3 于 1 月 18 日接触过一个疑似病例,而后在天津百货大厦 B 区工作,于 1 月 24 日开始发热,于 2 月 1 日确诊;

Usr4 信息:Usr4 于 1 月 12 日、13 日接触过疑似病例,而后在天津百货大厦 C 区工作,于 1 月 21 日开始发热,于 2 月 1 日确诊;

Usr5 信息:Usr5 于 1 月 23 日下午 16 点到 23 点到过天津百货大厦 A、B、C 区,1 月 29 日开始发热,2 月 2 日确诊;

下面我们来建立一个传播路径的模型。

病毒数据分析

以我们现有的资料显示,本次 nCoV 的传播路径为人传人(图 Demo1),即一个点通过特定访问路径连接到一个点。单个节点看来传播路径为一个树形结构(图 Demo2)——确诊病人 A 感染 B,B 再感染 C,C 再感染 D…。根据现在疫情传播情况,存在多个确诊病人,所以整个传播链路呈网状结构(图 Demo3)。而无论是树形结构还是网状结构都很适合用图(网络)这种数据结构来存储、查询和分析。

如何利用图数据库发现新冠病毒传播路径?

图模型

在建模之前我们需要清楚人和人之间的关系载体是什么?根据现有的病例信息,我们知道 A 和 B 会的接触场景最常见的是:同一个时间段逗留在某个相同的空间。这也是本次疫情筛选需隔离人群的重要指标:是否和确诊 / 疑似病例在酒店、火车、超市有过密切接触。

如何利用图数据库发现新冠病毒传播路径?

可见最小模型中有两类节点 Person 和 Space ,关系为 stay 。最小模型有了,那么我们需要 Person 和 Space 的什么信息呢?

Person 类型节点的属性:

ID:Person 的身份证,用来标识人

HealthStatus :健康状态,有 2 种状态

Health:健康

Sick:生病

SickTime:发热开始时间,可以用来追溯病人发病的先后次序

Space 类型节点的属性:

ID:Space ID,用来唯一标识 space

Address:space 地址

如何利用图数据库发现新冠病毒传播路径?

我们构建完 Person 和 Space 的模型之后,再构建人和位置之间的关系:

在 stay 关系上,记录有逗留的起始时间和终止时间。这样就可以帮助我们判断两个人是否有过时间和空间上的交集。

案例建模

构建完最小模型之后,我们来分析一下天津病例中的信息,将模型应用在这个案例中。并通过图数据库 Nebula Graph 构建病例间关系、找寻病例 1 的发病原因——病例 1 怎么被传染的,以及病例 1 确诊后我们需要观察 / 隔离哪些人?

整个模型的示意如下:

如何利用图数据库发现新冠病毒传播路径?

数据录入

Usr1:

Person 信息:ID 2020020201,HealthStatus:Sick,SickTime:20200124;

Stay Time:起始时间 1 月 23 日 12 点,终止时间 18 点;

Place 信息:天津百货大厦 A 区;

Stay Time:起始时间 1 月 23 日 18 点,终止时间 24 日 8 点;

Place 信息:天津市和平区 A 小区;

Usr2:

Person 信息:ID 2020020202,HealthStatus:Sick,SickTime:20200125;

Stay Time:起始时间 1 月 23 日 12 点,终止时间 23 点;

Place 信息:天津市和平区 A 小区;

Usr3:

Person 信息:ID 2020020203,HealthStatus:Sick,SickTime:20200125;

Stay Time:起始时间 1 月 23 日 15 点,终止时间 19 点;

Place 信息:天津百货大厦 B 区;

Stay Time:起始时间 1 月 23 日 12 点,终止时间 23 点;

Place 信息:天津市河西区 B 小区;

Usr4:

Person 信息:ID 2020020204,HealthStatus:Sick,SickTime:20200121;

Stay Time:起始时间 1 月 23 日 11 点,终止时间 20 点;

Place 信息:天津南开区某火锅店;

Stay Time:起始时间 1 月 23 日 20 点,终止时间 23 点;

Place 信息:天津市滨海区 B 小区;

Usr5:

Person 信息:ID 2020020205,HealthStatus:Health,SickTime:NULL(无);

Stay Time:起始时间 1 月 23 日 11 点,终止时间 15 点;

Place 信息:天津南开区某火锅店;

Stay Time:起始时间 1 月 23 日 16 点,终止时间 23 点;

Place 信息:天津百货大厦 A、B、C 区;

将它导入到图数据库中, 建立人和空间之间的关系。这里以 Usr1 的轨迹为例,其余几份病例类似。

如何利用图数据库发现新冠病毒传播路径?

病例数据分析

数据导入后,让我们一步步揭开病例 1 被感染之谜:

1. 查询 Usr1 在发病前的 1 月 23 日去过哪里

如何利用图数据库发现新冠病毒传播路径?

2. 查询这段时间 Usr1 是否接触过任何(已发病的)病例

如何利用图数据库发现新冠病毒传播路径?

很奇怪,在 Usr1 发病的时候 (2020-01-24),他接触的人群里面并没有发热患者。那会不会是这些人又接触过其他的患者呢(从而成为携带者)。让我们继续分析。

3. 查询这些人又接触过谁

如何利用图数据库发现新冠病毒传播路径?

我们发现,虽然 Usr1 在 1 月 23 日 12 点到 1 月 24 日 8 点之间接触的人(Usr2, Usr5)都还没有发热,但是 Usr5 却在之前接触过发热病人 Usr4。

至此,我们找到了这条传播链路:

Usr4 在 1 月 21 日发病。发病后,他仍前往天津南开区某火锅店(1 月 23 日 11 点 - 20 点)。在这里,他接触到(当时健康的)Usr5(1 月 23 日 11 点 -15 点)。在接触过程中使得 Usr5 成为一个携带者。之后 Usr5 前往天津百货大厦 A、B、C 区( 1 月 23 日 16 - 23 点),在这段时间内,他将病毒传染给在 A 区上班的 Usr1(1 月 23 日 12 点 - 18 点)。最终 Usr1 在 1 月 24 日发病。

4. 之后排查需要隔离哪些人

Usr1 确诊之后,我们需要查看她在哪些时候到过哪些地方。而对应这个时间段相同地点内,又有哪些人同她接触。 我们判断这些亲密接触者,需要重点隔离和观察。

如何利用图数据库发现新冠病毒传播路径?

可以发现 Usr1 和 Usr2 在天津市和平区 A 小区有过交集,这使得 Usr2 需要被重点观察。然而不幸的是,Usr2 随后也跟着发病了。

传播路径可视化展示

上面这段分析过程,也可以使用图形化界面的方式来交互分析,这样更加直观。

如何利用图数据库发现新冠病毒传播路径?

但是,如果有非常大批量的关注嫌疑点(例如上千万离开湖北的潜在人员和他们的二次三次到 N 次的传播轨迹),通过批量程序查询的方式会更加高效。

小结

由于春节返乡和一些不可描述的影响,导致冠状病毒的大面积扩散。从报道和社交媒体上可以看到,各个社区、村庄、企业都采用了相当严格的隔离措施,要求个人每日汇报行踪和健康状态,并密切跟踪从疫区来的人员。这样十几亿人的隔离和追踪需要极大的人力物力和动员能力,充分体现了“集中力量办大事”的制度优越性。

但另外一方面,这样的自我申报和层层统计,非常依赖个人的自觉,也依赖于汇报体系的响应速度。特别是当生死攸关的时候,个人反而有很强的动机隐瞒过去的行为和病史,导致未能得到及时的隔离和救治,也极大的影响了需要专业分工合作的现代经济生产活动。

事实上,随着大数据技术的发展和智能设备的普及,使得国内的安防、运营商、交通、医疗部门的数据体系已经建立的较为全面,已经了具备对于海量人员的行为轨迹进行记录和分析的基础。在天津这个案例中,我们只选取了少数几个病例和场所作为示意, 随着数据规模的增加(例如几十亿的人员和位置)和查询深度的增加(2 次 3 次乃至 N 次传播),图数据库技术的特点体现的更加明显。(相比于层层汇报和统计)可以大大提高和定位疑似患者的速度,避免大量携带者在不知情时的四处活动。这样既能减少一线医疗和社区工作人员的压力,也能降低全社会的全面隔离时间,尽快恢复已经孱弱的经济活动。

作者简介

吴敏,Nebula Graph 总监。浙大博士毕业后一直从事分布式系统研发工作,十余年数据库从业经验。当前负责分布式图数据库 Nebula Graph 产品设计和技术社区,重点关注高性能企业级图数据库的系统设计。

参考资料

http://www.bjd.com.cn/a/202002/03/WS5e37d067e4b002ffe994092e.html

https://github.com/vesoft-inc/nebula

在不久的将来,多智时代一定会彻底走入我们的生活,有兴趣入行未来前沿产业的朋友,可以收藏多智时代,及时获取人工智能、大数据、云计算和物联网的前沿资讯和基础知识,让我们一起携手,引领人工智能的未来!

数据库 数据分析 数据结构 社交媒体 大数据技术 智能设备
0
为您推荐
大数据技术改变城市的运作方式,智慧城市呼之欲出

大数据技术改变城市的运作方式,智慧城市呼

纽奥良虽像大多数城市一样有火灾侦测器安装计划,但直到最近还是要由市民主动申装。纽…...

大数据分析面临生死边缘,未来之路怎么走?

大数据分析面临生死边缘,未来之路怎么走?

大数据分析开始朝着营销落地,尤其像数果智能这类服务于企业的大数据分析供应商,不仅…...

什么是工业大数据,要通过3B和3C来理解?

什么是工业大数据,要通过3B和3C来理解?

核心提示:工业视角的转变如果说前三次工业革命分别从机械化、规模化、标准化、和自动…...

大数据普及为什么说肥了芯片厂商?

大数据普及为什么说肥了芯片厂商?

科技界默默无闻的存在,芯片行业年规模增长到了3520亿美元。半导体给无人驾驶汽车带来…...

大数据技术有哪些,为什么说云计算能力是大数据的根本!

大数据技术有哪些,为什么说云计算能力是大

历史规律告诉我们,任何一次大型技术革命,早期人们总是高估它的影响,会有一轮一轮的…...

个人征信牌照推迟落地,大数据 重新定义个人信用!!

个人征信牌照推迟落地,大数据 重新定义个

为金融学的基础正日益坚实。通过互联网大数据精准记录海量个人行为,进而形成分析结论…...