人流大數據和人工智能（AI）驅動的新冠病毒（COVID-19）傳播建模預測和模擬推演平臺。 受訪者供圖一場突如其來的疫情打亂了人們的正常生活。疫情反反復復，形勢依然不容樂觀。最近，廣東省再次出現疫情。利用人工智能和大數據技術最大程度減少經濟代價并實現精準防疫，對未來的常態化防疫工作具有重要意義。

在新冠疫情暴發初期，南方科技大學計算機科學與工程系研究員宋軒率領團隊研發了“人流大數據和人工智能（AI）驅動的新型冠狀病毒（COVID-19）傳播建模預測和模擬推演平臺”（以下簡稱推演平臺）。該平臺多次為國內外科研單位輸出模擬推演結果，為政府制定高效防疫政策提供參考。“平臺在今年年初正式在深圳市啟動了應用示范實驗，并在5月完成了第一次校內實驗和數據分析工作。針對這次廣東省的疫情特點，我們將于近期在中高風險區域開展第二次實驗。”宋軒在接受采訪時告訴《中國科學報》。

據他介紹，平臺的相關核心技術擁有自主知識產權，目前已經申請了40余項國內國際專利。該成果不僅可以在新冠病毒疫情的防控工作上有所助益，還能應用于災難應急和其他重大傳染病防疫，為保護人民的安全和健康做出貢獻。

能模擬分析疫情且能自我成長

目前，當疫情出現時，主要管控方式還是以流行性病學調查尋訪源頭為主的傳統流調，同時進行地毯式排查與隔離。這種做法雖然穩妥，但同樣需要投入大量人力物力。

對此，宋軒聯合深圳市疾病預防控制中心、深圳市智慧城市科技發展集團有限公司等聯合攻關利用人工智能和大數據技術，研發出針對新冠病毒傳播建模預測的推演平臺，對常態化傳染病精準防控提出一整套包含推演平臺和移動設備端應用程序在內的綜合解決方案。

“推演平臺是針對新冠病毒傳播的大數據分析和AI建模平臺，免備案服務器，通過整合、處理和分析各類多模態人流移動和出行大數據，結合新一代的人工智能技術，完成對新冠病毒的傳播和感染人群細粒度建模，從而實現在城市區域內細粒度預測、模擬和動態推演傳播感染情況。”宋軒介紹說。

使用者只需將人流大數據輸入平臺，即可讓平臺自動完成模型迭代訓練，并得到相關的預測和模擬推演的可視化結果。“有別于傳統的經驗傳播模型，這一項目的核心算法模型完全由數據驅動，通過AI技術實現模型校準和調優。通過數據的累積和更新，模型可以不斷迭代優化。”宋軒表示。

一般來說，個人尺度的感染風險由生活環境、移動軌跡、接觸人群密切程度等跨領域多種要素共同決定。現有理論與方法難以融合這些關鍵要素，實現對復雜移動環境下個人尺度的感染風險的有效評價和建模。那么，如何解決細顆粒度、大規模潛在感染風險源檢測等問題呢？宋軒介紹說，推演平臺通過建立復雜環境下個人尺度的感染風險評價模型，分別在不同時間尺度下、傳播概率與本質安全的不同視角下的要素建模與分析方法，融合城市移動性、傳播物理模型、個人軌跡追蹤、接觸風險概率特征與功能特性，使用多維度建模模型。

大數據與私密性并行

基于海量真實數據的反饋，推演平臺可定量評估不同防控措施的實施成效，為精準施策提供支持。例如，當再次出現新增病例時，為避免“一刀切”造成的資源無序調度及大規模損耗，可以進行模擬區域封鎖，定量評估封鎖位置、封鎖范圍、封鎖強度等因素對防控成效和經濟社會的影響，從溯源手段、數據采集、成效評估等疫情研究全鏈條出發，為合理制定防疫措施提供科學指導。

同時，為最大程度地保護用戶隱私，宋軒研究團隊利用AI技術在不跟蹤個人移動軌跡、僅使用聚合數據的情況下完成了模型訓練，用戶全程無需提供任何個人信息，做到了真正意義上的匿名化。“如何讓大數據與個人隱私并行，是我們團隊研發過程中遇到的困難之一。”宋軒坦言，要在最大程度保護個人用戶隱私的前提下，完成模型訓練并提升預測模擬和推演精度，是一件非常困難的事情。“我們需要在不跟蹤個人移動軌跡、僅使用聚合數據的情況下完成模型訓練。因此，這對我們的模型選擇和算法設計提出了很高的要求。為此，我們也開發了一些新的算法，并使用了一些較為新穎的AI技術應對這個挑戰。后續，我們還需要對這些算法和模型進行進一步的改進和完善。”

厚積薄發 造福人類