鞭牛士 2月19日消息，360政企公安事业部联合城市安全集团产品研发团队，在72小时内推出城区流动人员疫情管控趋势研判模型。该模型以各地实际情况为基础，通过机器学习、病毒传播动力学、时间序列分析、非线性数值逼近等方法对疫情未来两天的发展情况进行精准预测。其结果与实际数据相对比，误差低于0.5%。目前已由公安行业内向各市及区县推广应用。

360城区流动人员疫情管控趋势研判模型，是以海外旅行及撤侨人员中检出的病例比率为基础，通过统计模型回溯处置信度较高的初始感染人数。进而运用传染病动力学SEIR模型和数值拟合等方法，分析疫情的未来走势。同时，结合数据统计和参数搜索，给出优化的模型参数。最终，利用机器学习集成学习思想，为人们提供确诊病例的最优预测。

据了解，统计模型是根据早期武汉飞往海外的人数，估算出2019-nCov 感染病例流向海外的概率。进而回溯海外检出的病例数，就可以最大程度评估出武汉疫情的初期规模。

SEIR是传染病动力学模型中使用最为广泛的模型，它将传染病流行范围内的人群分为四类：易感人群（Susceptible），潜伏人群（Enfective），隔离（确诊）人群（Infective）和移除人群（Removed）。以微分方程的形式刻画这四个变量相互影响的关系，就能得到一个简单的动力系统。

图1：SEIR传染病模型

图2： SEIR模型中，处在不同状态的人数随时间变化曲线

     数值拟合模型采用数值拟合的方式对感染人数进行预测，常用的有Logistic增长模型，类gamma分布等。

图3： Logistic增长模型感染人数随时间变化曲线

此次360城区流动人员疫情管控趋势研判模型，在研发后的第一时间，就应用到了实践中。在为期两天的拟合预测中，该模型取得了全国除湖北外疫情确诊人数预测误差低于0.5%的成绩。以下两图分别是某市及其下辖区的确诊病例预测曲线，预测曲线与实际相比误差较小。

图4：某市新冠病毒肺炎确诊病例预测曲线

图5：某市下辖区新冠病毒肺炎确诊病例预测曲线

从图中还可看出，市和所辖的区的预测曲线仍有一定差异。现如今大部分模型只能预测省及直辖市的情况，而360城区流动人员疫情管控趋势研判模型则能触达各个地级市，预测结果更加准确。

复工潮来临后，返籍人员，外来务工人员，跨省通勤人员等在市内各区县流动，将影响疫情的控制，因此各个区县的分化治理需要更细致的数据分析和趋势研判。