具体实施方式

下面结合附图对本发明的具体实施方式作进一步地说明。

时空对象以易于人类认知的方式对现实世界进行抽象和描，可从不同层次和不同粒度体现空间实体的时空特征和动态特征。时空对象以时空数据模型为依托，重点拓展其时间维度，是空间数据分析和可视化表达的数据基础。随着技术的发展，目前的时空对象模型已发展到多粒度时空对象模型，较传统时空对象模型具有多粒度、多类型、多形态、多参考系、多元关联和多维动态等特点，可全面描述和表达对象的多元特征信息。本发明将多粒度时空对象建模思想与时空信息可视化技术方法相结合，在构建患者时空对象的基础上进行可视分析，可在一定程度上填补多粒度、多层次患者信息可视分析方法研究的空白，为疫情防控提供更为直观的分析方法。

如图1所示，本发明首先获取患者的信息，通过预处理获取基础信息、传染关系和动态特征；然后基于多粒度时空对象模型实现基础信息建模、传染关系建模和动态特征建模，将患者基础信息、传染关系和动态特征信息组织成多粒度时空对象；利用数字地球框架搭建基础场景，将组织成多粒度时空对象的患者信息加载到基础场景中，按照设计的可视化视图内容进行展示；根据实际需求对展示的内容进行可视分析，得到不同层面可视化结果。下面结合具体的实例对发明的具体实现过程进行详细说明，过程如下。

1.获取患者的信息，并对其进行预处理，得到相应的基础信息、传染关系和动态特征。

患者信息指的是流行病患者信息(简称病例信息)，为患者流行病学调查数据，主要来源于各省市卫健委及政府官方网站，以COVID-19病例信息为例，主要内容包括患者的基本信息、确诊地点和行为轨迹等内容。

本发明可利用Python工具从网络中抓取患者信息，并将其存储到本地数据库。由于抓取的数据中可能存在很多干扰，因此需要通过编写应用程序和人工检查的方式对数据进行清洗，剔除干扰信息，例如噪声和缺省值等内容。由于抓取的患者信息中内容过多，且条理性不强，因此利用Python的jieba分词工具、百度地图API和情景语义分析方法对患者信息进行结构化处理和传染关系推理，其中分词工具主要用于时空信息提取，例如行为轨迹文本中的时间和地点；百度地图API主要用于地名经纬度获取；情景语义分析主要用于患者时空轨迹系列生成和患者传染关系推理。同时，根据实际显示需求可以增加其他信息，如患者的体温变化数据等。

2.基于多粒度时空对象模型将患者信息组织成多粒度时空对象。

时空对象构建旨在将患者信息组织成多粒度时空对象，其建模过程可分为基础信息建模、传染关系建模和动态特征建模和对象化处理四个部分。

1)基础信息建模。

基础信息主要用于描述患者的基本特征，其内容包括患者的ID编号、时间参考、空间参考、空间位置和空间形态等，其中ID编号主要用于对患者进行唯一标识，时间参考和空间参考主要为描述患者时空特征信息提供参照标准，空间位置主要用于患者的空间定位，空间形态主要用于表征患者的空间呈现样式。本发明通过建立规则和约束条件，把对象基础信息组织成一个对象特征集合，即OBInfo＝{OID，SRS，TRS，Position，Attributes，SpatialForm， DateTime}，其中OBInfo为对象基础信息，OID为对象唯一标识，SRS为空间参照集合，TRS为时间参照集合，Position为对象初始位置，Attributes为对象属性特征集合，SpatialForm为对象初始空间形态，DateTime为对象生命周期。常用的建模规则有多粒度时空对象形式化描述、OID唯一索引约束、对象特征转换规则和其它约束条件等，例如不同时空参照的映射关系及其作用范围、生命周期长度、属性特征值域等。

2)传染关系建模。

传染关系记录了传染源、传染对象和传染时间等信息，采用面向对象的方式对其进行表达和全生命周期管理。患者传染是一对多的关系，是一种关系的集合。以“[]”代表集合，“{}”代表关系，则患者传染关系的形式化描述可表达为：R＝[{SO1，DO1，RelationType，StartTime，EndTime},{SO1，DO2， RelationType，StartTime，EndTime},…,{SO1，DOn，RelationType，StartTime， EndTime}]，其中SO1为传染源患者，DOn为传染对象，RelationType为关系类别，StartTime为关系创建时间，EndTime为关系结束时间。患者传染关系可采用时空系列快照模型对其进行创建、存储和管理，如图2所示。

3)动态特征建模。

患者信息中除基础信息和传染关系信息外，还包括大量连续变化的动态特征信息，例如患者时空轨迹、动态属性和状态信息等，其中动态属性主要指患者连续变化的属性信息，例如患者的体温、心率和血压等属性；状态信息主要用于描述患者的健康状态，例如确诊或治愈等，结合发病过程，状态信息可描述患者从确诊前—疑似—确诊—治愈或死亡的健康状态变化过程，如图3所示。患者动态特征属性为对象特征集合，其形式化描述为：DOA＝[{OID， TableName，DateTime1，Field1，Field2，…，Fieldn},{OID，TableName，DateTime2，Field1，Field2，…，Fieldn}，…，{OID，TableName，DateTimem， Field1，Field2，…，Fieldn}]，其中DOA为患者动态特征属性，OID为对象唯一标识，TableName为对象动态特征信息存储位置，DateTime1-m为动态特征时间标记，用于表示动态特征对应的时间，例如患者处于各个状态或者位置的时间，Field1-n为动态特征形式化描述，如患者的位置、状态信息和动态属性等。不同类型的信息存储到不同存储位置上，可采用不同的数据库来区分。

4)对象化处理。

对象化处理实质是在时空域和类模板的约束下，将患者基础信息、传染关系和动态特征信息组织成多粒度时空对象，即患者时空对象实例化的过程。最后将对象化结果存储于时空对象数据库中或生成相应的数据交换格式文件(如图4所示)。时空对象数据库主要实现多粒度时空对象的动态存储与访问调度，交换格式主要用于对象数据共享与传播。多粒度时空对象采用混搭式数据库进行存储，其中主数据库(Postgresql)主要存储患者基础信息，从数据库Neo4j、 Geomesa、Mongodb和HDFS分别存储患者传染关系、动态特征、空间形态和数据文件等内容。交换格式是多粒度时空对象的文件表征方式，与时空对象数据库存在导入导出关系。常用交换格式有XML、JSON和二进制文件3种形式。

3.利用数字地球框架搭建基础场景，将组织成多粒度时空对象的患者信息加载到基础场景中，按照设计的可视化视图内容进行展示。

1)确定可视化环境及工具，进行基础场景搭建。

患者信息可视化采用C/S架构，VS2010编译开发环境，C++程序设计语言，QT4.8.6x64图像界面框架，osgEarth三维数字地球框架，Google Protocol Buffer 网络传输序列结构化数据格式，实现患者信息可视化的基础场景加载、时空对象调度与显示、动态特征信息表达与分析等可视化功能。

2)可视化功能及视图设计。

患者信息可视化功能设计包括基础场景、对象管理与调度、基础信息展示以及动态特征表达等内容，其中基础场景采用osgEarth数字地球框架进行搭建和显示，可为患者多维特征信息显示与表达、动态时空过程模拟与回溯提供较好的三维显示场景。对象管理与调度主要实现对象信息加载、管理和全局调度，为患者信息可视化提供数据基础。患者基础信息展示主要从多个维度展示患者特征信息。动态特征表达主要以时空过程的方式实现患者动态特征信息表达，例如轨迹移动过程、动态属性更新过程和空间形态变化过程等。最后通过交互的方式实现动态特征时空过程回溯与跳跃。

可视化视图设计内容包括患者管理与交互视图、基础信息显示视图、场景显示与交互视图和时间管理与回溯视图等，其中患者管理与交互视图主要实现对象的交互加载、管理和列表展示，主要显示内容包括患者时空域、类模板和树状列表等。基础信息视图主要实现对象多维基础特征信息的显示，例如患者时空参考、空间位置、属性特征和空间形态等内容。场景显示与交互视图是患者信息可视化的主视图，依托数字地球框架，从地理视角直观展示患者的空间形态、空间位置、空间关系和时空动态过程等内容，通过鼠标操作实现与场景的交互和控制，例如场景无极缩放与旋转、对象选择与查询、鼠标右键功能菜单等。时间管理与回溯视图主要通过交互的方式实现系统仿真时间的控制与对象时空过程的回溯，例如系统仿真时间快进与回退、加速与减速、开始与停止以及快速设定等。

3)可视化表达流程设计。

患者信息可视化表达流程可分为数据加载和可视化表达两部分。如图5所示，患者信息存储在时空对象数据库中，数据加载过程需要用户登录系统获取其相应的访问权限，并同步获取对象列表索引信息。在对象列表基础上用户通过交互操作按需加载对象信息，并将所加载对象存放于内存对象管理器中，为可视化场景对象信息全局调度与动态更新提供支持。此外，通过多粒度时空对象交换格式文件读取也能实现患者信息的加载，但其过程缺少灵活性，不利于用户交互。可视化表达可直接调用对象管理器中的内容，实现患者基础信息显示、动态特征表达、场景显示与更新、全生命周期管理和时空过程回溯与控制等内容。

4.根据实际需求对展示的内容进行可视分析，得到不同层面可视化结果。

本实施例中的可视分析包括宏观层面可视分析、中观层面可视分析和微观层面可视分析，下面以具体的实例对各个层面的可视分析过程进行详细说明。

1)宏观层面可视分析。

宏观层面可视分析采用等值区域法和分区统计图表法建立患者的时空演化过程，对其特征信息进行动态表达。以中国COVID-19患者统计信息为例，数据时间窗口为：2020.01.13～2020.02.25。主视图以三维动态专题地图的形式展示各省市患者确诊、治愈、死亡、累计确诊的情况，系统仿真时间步长为天，与患者信息获取周期同步。依托三维数字地球框架构建的三维专题地图与传统二维地图不同，可实现场景的无级缩放与旋转，避免对象之间的相互遮挡与压盖，全方位展示患者特征信息。基础信息视图中的患者相关特征信息也会随系统仿真时间变化同步更新。此外，通过对时间管理与回溯视图进行交互可实现中国患者统计信息时空过程的回溯与分析。通过交互可视分析发现，除湖北外，河南、湖南、广东、浙江等地累计确诊患者数量较多，受疫情影响较大，疫情风险也较高。疫情空间影响的时空演化过程，总体上遵循地理学第一定律，以湖北为中心，其影响范围和能力由中心向外围逐级递减，并向交通出行便利的方向延伸，例如广东、浙江和北京。

2)中观层面可视分析。

中观层面可视分析采用模拟对象轨迹时空过程、空间形态时空过程和属性时空过程的形式对患者特征信息进行动态表达，其中轨迹时空过程描述的是患者确诊前一段时间的空间移动过程。空间形态时空过程表达的是患者确诊前—疑似—确诊—治愈/死亡过程中图标形态的变化过程。属性时空过程表征的是患者基础特征信息的动态变化过程，通过对象标签或基础信息视图自动更新完成。不同时空过程之间相互独立，同一个患者可添加的时空过程种类及数量不受限制。所有时空过程均可通过与时间管理与回溯视图交互实现回溯与跳跃，全过程展示对象动态特征信息，帮助用户提高对疫情传播规律的认知。

以河南省COVID-19患者信息可视化为例，数据时间窗口为： 2020.01.17～2020.03.28，部分可视化效果见附图6。对象时空过程主要在主视图中显示，其中轨迹时空过程辅助添加了轨迹线进行标识，可直观展示对象的历史轨迹。视图中不同对象之间的层级关系通过视点高度约束进行控制，高视点主要展示对象的轨迹移动过程和空间形态变化过程，低视点主要展示对象属性变化过程。系统初始仿真时间步长更改为秒，用户可根据实际需要与时间管理与回溯视图交互进行调整。通过交互可视分析发现，河南省COVID-19患者大多都具有湖北省旅居史，据不完全统计，占比超过了60％。2020年1月23日以前，河南省患者以外来输入型为主，后续新增以本地感染型为主。随着感染人数的增加和患者病情的加重，患者空间行为逐渐向定点医院移动，医院收治数量逐日递增。

3)微观层面可视分析。

微观层面可视分析主要在中观层面可视分析的基础上增加患者空间溯源分析和疫情风险评估等内容，采用患者传染链路时空变化过程模拟和易感染区域热点分析方法对患者信息进行深度挖掘和可视分析。传染链路是一个时序的有向图。易感染区域热点分析主要以动态热力图的方式展示患者确诊前一段时间内驻留过的热点区域，颜色较深的地方为易感染区域。

以COVID-19舒兰关联患者信息可视化为例，数据时间窗口为： 2020.05.07～2020.05.23，部分可视化效果如图7所示。系统主视图主要展示患者时空过程和患者确诊前常驻地点的动态热力图，其中传染链路时空过程中的节点为患者，节点关系通过三维有向弧度连接，在场景中可与对象其它时空过程联动，动态表达其特征信息。动态热力图采用红黄绿三色渐变表达患者常驻地点热度，红色区域表示重度易感染区域，黄色表示中度易感染区域，绿色表示轻度易感染区域。基础信息视图在原有基础上增加了传染关系列表，用户可通过交互控制其是否可视，辅助患者特征信息分析。通过交互可视分析发现，可直观复现患者传染的时空过程，可为疫情防控提供更为直观的参考依据。整个舒兰关联疫情，吉林市受影响最大，确诊人数也最多，占比高达56％。通过动态热力图解读，吉林市高风险地区(易感染区域)主要包括四合田园小区、临江早市、新立村和街坊小区等，是整个疫情防控重点关注的区域。

本发明通过对病例信息进行收集、处理、分析和对象化处理，构建了多粒度病例时空对象，以时空对象的形式对病例信息进行描述和分析，并在此基础上对病例信息的三维动态可视化表达进行了设计和实现。最后将病例信息可视分析概括为宏观、中观、微观3个层次，并通过中国病例统计信息可视化场景、河南病例信息可视化场景和舒兰关联病例信息可视化场景验证了其合理性。总的来说，本方法可移植性好，拓展性能佳，可帮助用户快速发现其潜在传播规律和进行疫情风险评估。