原标题：比起SARS年代，时空大数据成了分析人群健康利器
▲图片来源：新京报网
文|王鹏
疫情至今，国家的“免疫力”面临“大考”，城市交通系统也正在进行一场全面的体检，既要保证城市有效运输，又要降低疫情扩散风险。
加强“智慧交通”系统建设，应急交通场景成为新热点
交通系统是维持城市日常生产生活、应急救援和疫情防控工作开展的基础保障。同时，交通工具、交通场所大量人流集中、转换，存在进一步扩散疫情的风险。
疫情期间，城市交通运行模式发生了很大变化。常规通勤需求消失，但基本的社区生活出行、就诊出行以及货运交通仍需维持。根据交通需求快速调整交通运行策略，是时空数据平台的重要能力。
然而，某些城市为阻断出行风险，一度发布消息，要将所有信号灯调成红色，即将所有机动车出行都视为违章。虽然很快修正了说法，但也体现了“智慧交通”系统的建设并未针对这种特殊场景做好准备。
目前，城市街道上大量公交车空驶，无疑造成巨大浪费。通过手机信令、调查数据等，可快速了解市民出行需求变化。一方面，可及时发布公交线路和客流密度信息，引导分散出行、避免密集接触导致感染；一方面，可调整公交线路，根据实际客流开设临时线路，根据实际需求分布，减少换乘和等候造成的风险。
此外，通过掌握各种车辆的实时位置，可以保障医疗急救、应急物资等车辆的路权，甚至根据时空状态实时调控车辆资源，提高利用效率。
对处于寒冬中的无人驾驶产业，本次疫情也许是一次机遇。
人际感染的高风险和应急交通的高强度，为无人驾驶的医疗车辆和应急物资货运车辆提供了理想场景。可以预见，各种交通场景的无人化和基于大数据的高效时空调度，会成为智慧交通领域新的热点。
利用大数据技术，提供时空决策参考
李兰娟院士多次指出，要利用大数据技术来应对无症状感染者和无意识的密集接触者，更好地发现和控制传染源。
传统的流行病学调查，还是基于调查和门诊数据进行统计分析，虽已在结合时空数据和地理学方法，但在及时性和全面性方面受到很大限制。
新冠病毒的人传人特征，加之潜伏期长和隐匿性，为隔离与防护带来很大困难。在搜寻和定位感染者与密切接触者方面，来自互联网公司和移动运营商的时空大数据，发挥了巨大作用。相比SARS时代使用的工具，这是一项新技术。
与航空、铁路、社交媒体等数据结合，各大企业在春节前后，密集发布了各种定位查询产品分析工具，可对确诊者的位置和活动区域、重点敏感地区的活动人群及同行者进行查询等。
随着疫情进展，多源数据融合的产品越来越多。对城市级的感染扩散过程，进行描述和推演，甚至能精确找到疑似感染者。
▲图片来源：新京报网
以笔者参与的服务某电信运营商的新冠病毒接触风险评估模型为例。以新冠病毒（潜在）携带者的时空轨迹为输入，通过计算新冠病毒携带者的接触距离与时长，以此得出病毒人传人的概率。
基于动态时空网格对新冠病毒传播的概率进行聚合计算，生成新冠病毒接触热力图，从而揭示特定时刻（某一小时、某一天）特定城市、地区新冠病毒传播风险（感染概率）的空间分布，重点发现潜在的高风险（高感染概率）病毒传播区域，为相关部门协调资源、做好管控提供数据支撑。
模型并不复杂，但如果输入的数据足够丰富而彼此关联，经过时空数据平台的高效计算，可以提供非常准确的时空决策参考。
当然，以目前各大运营商和互联网公司的时空数据引擎能力，尚不能支撑全样本量的大规模融合计算，只能有针对性地对一些重点人群和轨迹进行筛选和推演。相信疫情后各大厂商会加大对时空大数据处理能力的投入。
精细化城市治理，重新思考城市交通系统发展策略
人口聚集是城市最重要的特征，而管理城市的核心就是管理“人”。城市管理精细化的重要前提就是全面掌握人口的分布、需求等时空特征。这样才能对产业、交通、就业、医疗、教育等资源进行有效调度，以应对突发事件。
其实，由于数据采集技术和管理理念的落后，城市真实的人口数量很难被计算，更不用说这个“人口”尚且有不同的口径：总人口、实有人口、常住人口等。
相对于静态人口数据，大城市巨大的内部人口时空流动才是影响交通、环境的最大因素。
传统获取人口数据的方法主要包括人口普查、流动人口监测和网格化管理。其中，人口普查每隔10年展开一次；流动人口统计主要靠公安部门的暂住人口登记，但申报率不高；城市社区网格化管理将城市划分为网格，并指派网格管理员随时巡查网格内包括人口变动在内的变化情况，从而实现城市社区管理的主动化、动态化和精细化。
需要指出的是，网格化管理是近年来智慧城市建设的最重要成果，之所以列为传统模式，因为其本质上还是依靠人力调查，成本巨大且效率不高。
近年来，随着移动互联网的普及，手机信令和互联网LBS数据逐渐成为人口统计和城市人口时空治理的重要手段。这些数据由人们在使用手机，或者基于位置的服务时留下的数字足迹挖掘而成。
移动通信基站可以监控并实时获取用户所处的地理位置信息。通过分析用户的地理位置信息，可以挖掘人口的流动和分布，进而统计一定范围内的人口数。
▲图片来源：新京报网
手机信令数据的空间尺度在中心城区和郊区差别较大，就2G、3G等宏蜂窝而言，在中心城区的精度为100m左右，而市郊的精度为500-1000m。
可见，手机信令数据统计的空间尺度能到市级、区级、基站甚至社区尺度。而随着4G的普及，手机信令数据的空间尺度可达20m。这将大大缩小人口统计的空间尺度。
长期跟踪用户的位置信息，能追踪流动人口来源地，甚至精确识别常住人口和流动人口数，例如实时获知天安门广场前的人都来自哪里。该数据在人们使用信令上网的过程中产生，成本低，是通讯类方法中覆盖人群范围最广的数据。
但由于该数据获取的前提是使用手机，最好是使用智能手机上网，因此涵盖的人群为城市活跃人群，对于老人、小孩等难以识别，且会因一人多部手机的情况，造成数据误差。
目前，手机信令数据分布在三大运营商手中，不同运营商各掌握部分数据。如果能将三家的数据进行整合，得到一个全样本的数据，将大大提高人口统计的精度。
通过这些精准定位且实时更新的人口数据，城市大脑获得了以往无法做到的精细化时空治理能力。
手机信令最常用的领域是对人口职住空间关系和通勤状态的分析，可以快速了解某一区域与周边区域的通勤关联，从而制定相应的交通和设施规划策略。
□王鹏（教授级高工北京大数据研究院智慧城市实验室主任个人公众号：wepon智慧城市与城市智慧）
编辑：李碧莹校对：陈荻雁
投稿、合作、联系我们：futurecity@xjbsmartcity.com
