仝 鑫 王润正 王靖亚

一、引言

2019年底爆发的新型冠状病毒肺炎传播迅猛，短短几个月时间，病毒造成国内8 万余人确诊、4千余名患者死亡，该病毒已被世界卫生组织定为“国际关注的突发公共卫生事件”。疫情防控最有效的措施是“隔离”，之前国内疫情防控主要采取对确诊病例和疑似病例进行全方位轨迹追踪，寻找出所有可能的感染人群，采取强制性隔离措施，对于健康人群也以小区或村镇为单位，进行以隔离为目的的严格有效的管控。在党中央的正确领导和全国人民的通力配合下，国内疫情得到有效控制。但疫情防控远远没有结束，随着海外疫情迅速扩散蔓延，以及国内各地复工返学，省市之间和国家间人员流动增强，病毒防控也从防内部传播转向防外部输入。

习近平总书记强调，“要鼓励运用大数据、人工智能、云计算等数字技术，在疫情监测分析、病毒溯源、防控救治、资源调配等方面更好发挥支撑作用。”①在国内，大数据、人工智能、无人机等新技术百花齐放，健康二维码、人工智能诊断系统被广泛应用于病毒防控过程中。但大部分业务系统均由各地区、单位自行建设，仅江苏一省就存在着“苏城码”“彭城码”祥泰码”等十余种健康码①习近平：《完善重大疫情防控体制机制 健全国家公共卫生应急管理体系》，《中国纪检监察》2020年第4 期。少年的旅行：《散装江苏：“十三路太保”，健康码一市一码，彼此还不相通》，https://baijiahao.baidu.com/s?id= 1661696498075164737.，这些小系统在疫情防控前期发挥了非常重要的作用。但是，疫情防控说到底是对人的管控。后疫情时期人员大量流动，也要求流动人员的健康信息随着人员的流动而流动，即健康信息需要在各地的健康系统中进行无缝传递，之前的信息分散、数据标准不统一，导致信息难以有机融合，缺乏联动和共享的现象必须有效解决。

疫情防控是一个全国一盘棋的整体性和系统性工程，借助于信息技术和智慧城市流动人口管控理念，探索后疫情时期疫情的合成化、智能化长效防控机制具有非常重要的实践价值。巫细波等阐述了智慧城市与物联网等智能技术融合的发展模型，提出了依托“应用层、网络层、感知层”的信息采集和传输三级结构。②巫细波、杨再高：《智慧城市理念与未来城市发展》，《城市发展研究》2010年第11 期。臧根林等为人工智能算法模型在智慧城市应用中落地提供新方案，为智能分析和态势感知提供了算法基础，丰富了智慧城市结构。③臧根林、王亚强、吴庆蓉、占春丽、王立岩：《一种智慧城市知识图谱模型与本体构建方法研究》，《大数据》2020年第2 期。光夏磊等提出情报主导的智慧城市安全管理模型体系，讨论了如何依托智慧城市系统实现安全情报搜集的可行路径。④光夏磊、王秉、吴超、胡丹：《情报主导的智慧城市安全管理模型与体系研究》，《情报杂志》2020年第2 期。基于智慧城市和大数据的势态感知系统也已落地应用⑤《构建城市级的超强感知脉络——评测以萨全息态势感知体系》，《中国公共安全》2019年第11 期。，成为城市安全响应和运营管理的新趋势。

二、“CTAR”一体化疫情防控模型

本文依托智慧城市系统与人工智能、大数据、5G 和物联网技术相融合，参考疫情期间国内各地区采取的智能防疫手段，提出智能信息采集（Collection）、疫情追踪（Trace）、疫情风险态势感知（Awareness）和决策响应（Response）为一体的“CTAR”疫情防控模型，助力后疫情期防控工作，推动返学复工工作的开展。

智能信息采集：是整个“CTAR”模型的首节点，负责疫情相关数据的采集工作，提供多种信息搜集途径，对关键的疫情信息如体温、运动轨迹、场所出入情况和出入境口岸人流等进行收集、统计等处理，最终汇总和归档，为后续节点提供数据支持。同时，对于检测到的病例或疑似病例，智能信息采集节点也可直接将信息提供至决策响应节点实现实时反馈。

疫情追踪：疫情追踪节点接收信息采集节点的数据，并通过碰撞对比、关联挖掘等算法，对疫情传播情况进行追踪和溯源，及时发现风险人员，并上报决策响应节点进行处理应对。

风险态势感知：态势感知节点以信息采集和疫情追踪节点的收集数据和生成数据为基础，从宏观角度出发，综合考虑多种要素，依托深度学习和知识图谱等人工智能算法实现分析和利用大数据，达到动态感知威胁和分析研判的目的，最终通过趋势预测来支撑防疫决策。

决策响应：该节点根据信息采集、疫情追踪和态势感知节点传递的信息作出反应，如根据下达指令针对特点目标进行深度采集信息，对密切接触者的轨迹进行跟踪和刻画。并根据态势感知节点提供的分析建议，进一步研究与业务进行联动的机制，实现后疫情时期防控的业务闭环。

三、基于“CTAR”的后疫情期精准防控体系

（一）总体架构

CTAR 模型的元素以自顶向下的方法紧密融合于智慧城市系统，如图1 所示。

图1 基于“CTAR”模型的智慧城市分层体系结构

物联网设备、5G 技术和移动互联网的普及使得动态化、实时化的疫情信息搜集工作成为可能；依托人脸识别、基站定位等技术可为精准定位和人员排查提供支持，从而应用于疫情传播和溯源分析；海量、动态、多样和高价值的疫情数据搭配人工智能和云计算等数据分析手段，为刻画、预测和干预疫情传播提供了响应和决策支持。实现了智能信息采集节点、疫情追踪节点、风险态势感知节点和决策响应节点的有机结合和落地应用。

（二）感知层

感知层是智慧城市系统的感受器官，也是“CATR”疫情信息搜集环节中最主要的渠道。通过感知层的物联网设备可实时、持续地采集多类型的疫情信息，具体包括：一是体温数据信息。5G+热成像人体测温系统①黄晓敏、许辉坚：《5G 热成像人体测温系统 护航南宁地铁乘客安全》，http://www.txxxb.com/yc/yc/2020/0224/ 236511.shtml.以非接触的方式对人体表面温度进行检测、回传，可精确定位体温异常个体，并及时发出预警。为进一步满足动态测温需求，具备主巡逻、身份筛查、宣讲指挥等功能的5G 测温巡逻机器人②郑梦雨、李恒毅：《5G 测温巡逻机器人助力防疫》，https://baijiahao.baidu.com/s?id=1658422735158174243.已成功在全国多个城市落地助力抗疫和复工，实现了常态化巡逻部署。这些技术都可广泛应用于机场、车站等重点场所，及时发现入境及流动疑似病例，释放人力、替代警力，增强疫情防控效率。二是出行轨迹信息。对于市内短途公共出行系统，实名乘车二维码③李涛：《青州推行“实名乘车码”服务小小二维码筑起新冠肺炎疫情防线》，https://wxn.qq.com/cmsid/20200 302A091WP00.提供了车辆与人员身份绑定的机制，即司机每次发车前须扫描获取发车许可，乘客乘车时也需微信扫码登记，使得二维码管理后台第一时间收到乘客的个人信息、联络方式以及归属地，为刻画高危人员轨迹、比对同乘信息提供数据基础。长途及国际出行系统是防控疫情压力最大的主战场，肩负着内防扩散、外防输出的严峻任务。12306、飞猪、携程等出行数据库为确诊及疑似旅客的信息搜集和动态跟踪提供了大数据基础，使得排查隐性传染源不再是大海捞针，有效弥补了车站、机场及出入境口岸检疫排查存在的不足。此外，5G 与基站定位相结合、城市交通电子卡口和社交GPS 定位也提供了更加准确的人员活动范围圈定手段。三是场所出入信息。口罩人脸识别技术④⑤陈灿林：《面向部分遮挡人脸识别的研究与实现》，《电子科技大学2019年硕士论文》。为人员“是否戴口罩”“戴口罩的人是谁”提供了解决方案，并为社区进出管理和人户信息核实、人房信息绑定提供了基础支持。ETC 通行记录等地区边界检查点提供了各地区人员、车辆出入信息的收集、审核。

（三）数据层

数据层是智慧城市系统的记忆和神经系统，负责对来自感知层和应用层的数据进行清洗、分类和归档存储，同时依托光纤等传输媒介将数据传递至控制层进行处理，提供信息检索服务，是风险态势感知和决策响应环节的数据基础。目前尽管多款人工智能抗疫平台已经在全国落地，但仍存在着“数据孤岛”问题，为数据汇聚和归档工作带来了很大的困难，使得后续的态势感知和风险分析等工作的开展变得困难重重。数据层通过提供多源异构数据处理和制定数据标准等机制探索解决方案。来源于卫健委、民航、铁路、民政、人社及企业等与疫情相关的各单位海量数据的结构、格式等各不相同，数据层提供多源异构数据的汇聚处理机制，使得异构数据经过在线处理转换为统一格式、编码的数据以便于处理，并流向控制层或应用层。构建数据标准是解决“数据孤岛”问题的另一可行方案。以居民健康信息数据库为例，“钉钉”、健康宝等线上填报系统的内容差异较大，通过设定机构收集数据的格式、编码、内容以及必填项等标准，使得数据在入库前形成统一的结构，能有效缓解数据层多源异构数据处理的压力，进一步助力构建联动的大数据存储、管理、共享和应用平台。此外，数据层为多源数据提供专用的数据流转通道，可为不同部门、应用系统和数据库之间提供端到端的、高速实时的数据交互服务，使得出入境口岸、社区及其他不同地区之间可以实现数据无缝衔接，提升防疫效率。

（四）控制层

控制层是整个智慧城市的大脑，通过人工智能算法学习、分析和仿真以辅助态势进行感知和风险分析。深度学习、知识图谱的出现为应用大数据提供了算法基础。基于BERT①Devlin J,Chang M W,Lee K,et al.BERT:Pre-training of Deep Bidirectional Transformers for Language Understanding.2018.的自然语言处理模型在评估患者病例、分析社交媒体和健康卫生数据，以及利用新闻报道、公共健康数据等资源监测病毒发展趋势方面大显身手。ResNet②He K,Zhang X,Ren S,et al.Deep residual learning for image recognition//Proceedings of the IEEE conference on computer vision and pattern recognition.2016:770-778.、Xception③CHOLLET F.Xception:Deep learning with depthwise separable convolutions//2017 IEEE Conference on Computer Vision and Pattern Recognition(CVPR),July 21-26,2017.Honolulu,HI.New York,USA:IEEE,2017.等深层卷积网络已被证明在图像识别方面具备超过人类表现的能力，被广泛应用于CT 图像快速识别等智慧医疗辅助手段。依托FasterR-CNN④Shaoqing Ren, Kaiming He, Ross Girshick and Jian S-un.2016.Faster R-CNN: Towards Real-Time Object D-etection with Region Proposal Networks.2016.IEEETransactions on Pattern Analysis and Machine Intelligen-ce,39(6):1137-1149[DOI:10.1109/TPAMI.2016.2577031].、YOLOv3⑤Redmon J, Farhadi A.YOLOv3: An Incremental Improvement.2018.arXiv:1804.02767.等目标检测算法与图像传感器结合，可轻松实现自动化流动人员和车辆搜索跟踪。云计算和GPU 并行加速的诞生为运算大数据提供了算力基础。cuda 和opencl 等运算平台使得训练深层神经网络的速度提高百倍甚至千倍，使得原本几十天才能完成的模型训练和数据分析任务被缩短到数小时完成，实现了疫情趋势的实时化态势感知和分析。

（五）应用层

应用层是整个智慧城市疫情防控系统中最复杂的一层，落地各部门行业并负责为政府部门、居民提供丰富的功能服务，主要涵盖了几个方面的内容。一是线上信息搜集和管控。提供线上的居民健康报表、社区居住信息登记等平台，进一步丰富信息搜集工作；并面向政府部门提供智能舆情监控等管控服务，实时跟踪并评估网络舆情状态、精确打击网络谣言和网络诈骗。二是疫情数据真实性验证。政府、医院、公安、社区等多部门联动，与机场口岸等入境场所形成快速的数据真实性验证机制，保证真实数据的快速流转。进出社区的人员身份可通过与其他部门进行交互，完成有效性和真实性检验。三是疫情管控范围精准圈定。基于户籍的人口管理难以应对目前人户分离、一人多地址、人员频繁迁移等现象，导致疫情管控范围圈定不够精准，存在管控对象活动范围遗漏或者圈定范围过大的现象。依托智慧社区管控模型⑥王斌君、张培林：《社区智慧警务体系研究》，《警察技术》,2019年第6 期。、三维GIS⑦赫永恒、朱国庆、张国维：《三维GIS 智慧消防可视化平台设计与实现》，《消防科学与技术》2018年第10 期。等信息化手段，可实现对动态流动人口的精准认证和有效管理，对疫情重点人员精确定位，避免相关部门重复采集，并且可以精准到户地圈定需要重点防护的人群，实现以房管人、以人查房、目标追踪等。借助智慧社区大数据，可以对社区疫情进行可视化展示、区域疫情信息预测、疫情状况评估等，全面提升抗疫工作效率。四是疫情分析和决策响应。应用层利用疫情传播地图、疫情统计图表、疫情发展趋势图等可视化手段为用户直观地展示疫情现状和来自控制层智能算法所预测分析的结果，辅助深入分析疫情和加速决策。同时提供疫情报警、疫情信息推送等通报响应服务，实现“早发现、早预警、早控制”。

四、总结和展望

后疫情时期，基于智慧城市、大数据等技术的疫情防控机制受到广泛关注。基于“CTAR”的后疫情期智慧城市防控系统全方位多角度地提升了新冠肺炎的疫情信息搜集能力、疫情目标发现力和跟踪能力，可以实现对疫情管控范围的精准圈定。同时，依托大数据和智能化算法，可以对疫情信息和趋势做到全面感知及实时预警，实现后疫情时期防控的业务闭环，从而为复工返学保驾护航。然而，其在安全性、隐私保护以及易用性等方面仍然面临着许多挑战。疫情期间公民隐私泄露①闫立、吴何：《重大疫情治理中人工智能的价值属性与隐私风险——兼谈隐私保护的刑法路径》，《南京师范大学学报》（社会科学版）2020年第2 期。、伪健康二维码欺骗②八百理：《“一码通”竟有假的！西安已关掉16 个仿冒微信公号》，https://baijiahao.baidu.com/s?id=1662177991665549234.等负面新闻层出不穷，过度依赖智能设备导致老年人及儿童出行不便，也给地区政府带来沉重的财政压力。如何建立安全可靠的隐私保护机制、探索更加方便易用的防控手段，以及如何在保证疫情管控效果的前提下，有效节约成本、降低防控代价，将会是基于“CTAR”后疫情时期精准防控机制下一步可着重进行研究和探索的方向。