基于人群活动的大城市防疫风险预测与防控要素研究*——以武汉市为例

郭 亮 彭雨晴 贺 慧

0 引言

随着大城市交通体系的迅速发展，居民日常活动范围不断扩大、活动强度不断提高，以武汉市为例，2019年末全市公共交通日均客流量达800万人次，全年对外交通客运总量2.54亿人次。因此，人群活动强度成为影响疾病传播规模的重要因素。自2020年新冠疫情爆发以来，人群活动的时空大数据对病例溯源、传播途径识别等防疫工作起到关键作用，成为相关研究的重要支撑[1]。如柴彦威等从地理学角度，以人群活动的时空路径、活动情景、风险地图为方法，探讨了疫情精准防控的研究框架[2]；周成虎等通过获取并分析全国的感染病例出行轨迹相关数据，发现商场、饭店等人群集聚的设施点是疫情传播的关键区域[3]；邓志强等通过手机移动数据进行感染者活动轨迹研究，确定了相关案例中病例的聚餐时间和地点[4]；李文辉以社交活动传播网络为基础，提出疫情传播具有强烈的空间集聚性特征[5]。

人群活动时空数据不仅用于探究疫情传播的空间特征，更广泛应用于病毒传播动力学模型中相关参数的调整，进行具有特定空间特征的疫情预测、风险评估等研究。目前有关病毒传染情景预测的动力学模型主要以仓室（SEIR）模型为框架，用于研究在一定空间区域内传染病的传播速度、感染人数随时间变化的趋势等动力学机理，在新冠疫情的研究中应用十分广泛。将人群活动数据与集聚热点数据与SEIR模型结合，可进行疫情变化趋势的实时预测、不同空间单元的传播风险评估等多方面的研究[6-7]。

现阶段，在城市管理、地理科学等角度探索疫情防控措施的相关研究取得一定的理论成果，主要集中在人群流动分析、人群集聚管理、医疗资源配置三个方面。在人群流动分析上，夏吉喆通过动态复工回流人口和聚集热点数据改进SEIR模型，对大湾区不同尺度的空间单元进行风险评估，提出高强度人口回流会造成较大的病毒扩散风险，但通过采取各类管制措施能进行有效抑制[8]；黄亚平等以武汉市为例，通过对中心城区疫情感染空间分布与城市商业中心结构的匹配分析，提出为减少城市内部的跨区传播，应巩固城市多中心就业结构，建立分区防疫体系[9]；刘旸提出构建城市健康安全单元、完善健康安全设施配套并优化空间结构以提高城市应对风险的能力[10]。在人群集聚管理上，杨俊宴提出高密度人口城市应以实时监控为基础构建智能的“城市—社区—建筑”三个尺度的防疫体系[11]；张帆以北京市城六区为例，提出医疗设施的集中布置导致人群大量集聚，会加快病毒的传播[12]。在医疗物资供给上，许丽君基于医疗资源应急实践总结出多种医疗资源供给模式，以提高资源供给弹性[13]；周亚杰通过分析卫生设施规划标准，提出需要解决规范中对于突发公共卫生事件的应对缺失问题[14]；胡晓伟、赵建有等分别以医疗资源配送效率最优化与资源需求紧迫度为出发点进行疫情防控中应急医疗物资调度配置的模型研究[15-16]。

综上所述，既有研究在疫情传播机制、预测模型、防疫措施等方面较为充分，但缺乏在此基础上针对未来可能疫情传播风险区分布的预测与防疫相关空间要素平疫结合的研究。本文以武汉市为例，对街道单元尺度的疫情传播风险进行预测，为科学合理的疫情前期预防、筛查救治设施布局、生活设施配置等提供科学依据。

1 研究范围与数据

1.1 研究范围与基础数据

本文以武汉市全域为研究范围，总面积8 569.15 km2，常住人口1 108.1万。根据城市不同管理层级的面积、人口规模以及传染性疾病传播的特点，街道单元的尺度更为合适进行传染病风险预测评估[11]，因此以170个街道（包含151个街道办事处和19个乡镇）为基本研究单元。根据《武汉市城市总体规划（2010—2020年）》确定的主城区、都市发展区范围作为中心城区和远城区的边界线。

相关基础数据包括武汉市行政区、街道的边界数据、第六次人口普查数据、第二次经济普查数据、2017年城市建设用地现状数据、武汉市社区医院和综合医院设施点数据等。

1.2 风险预测相关数据

1.2.1 人群活动数据

本文的人群活动数据来自某手机APP提供的基于位置服务的轨迹数据（LBS），采集时间为2017年4月某一周时间范围内，无重大节假日和异常天气影响，可反映当地居民日常活动特征。根据武汉市的统计年鉴，2017年4月—2020年初，道路交通建设、土地利用、城市形态、人口空间分布等基本情况变化较小。现阶段武汉市的建设也逐渐由增量转为存量，因此用2017年的人群活动数据修正的模型用以分析未来的可能疫情的传播情况也具有一定的科学性。

由于定位服务数据不能统计到研究区域全部的出行活动[17]，因此本文采用“人群活动强度”而不是“人次”来进行人口流量的比较。将出行人次按街道单元统计，用流入（P入）、流出（P出）人口数量之和与常住人口（P常）的比值作为街道单元的人群活动强度T，计算方法如公式（1）。活动强度越高，病毒传播风险越高。如图1所示，远城区人口活动强度较大，高强度区域分布较为广。

图1 街道单元人口流动强度Fig.1 intensity of population mobility in street units

1.2.2 集聚热点数据

结合相关研究成果，本文选取出的集聚热点包括餐饮、购物、公交站点等，其位置信息数据来自百度地图兴趣点（POI）。用聚集热点数量与街道单元面积的比值作为热点密度，其空间分布如图2所示，高密度的设施点集中在中心城区。结合前文人口分布和流动强度情况，一定程度上反映出远城区配套设施的缺乏。

图2 街道单元聚集热点密度分布Fig.2 street units gather hot spot density distribution

1.2.3 历史疫情统计数据

历史疫情统计数据用于验证本文预测模型的可靠性。疫情感染人数统计数据由武汉市卫建委发布的官方数据整理而来，截止时间为2021年5月，涵盖新冠疫情首次爆发到逐渐平息的整个过程中感染的人数总量。由于官方公布的数据仅在市片区级，后文的模型准确性验证也将在市片区级进行。

2 风险预测方法与高风险区识别

2.1 疫情扩散风险预测模型的构建

2.1.1 经典SEIR模型

传染病数学模型的研究始于20世纪初，其中SEIR模型是在SI、SIR等仓室模型的基础上根据病毒传播特征改进而来，在新冠疫情期间被大量应用于拐点预测、风险评估等。SEIR模型将研究区域的人口分为四类，S代表易感的健康人群（the susceptibles）；E代表潜伏人群（the exposed），即已感染但未发病群体；I代表感染人群（the infected），即确诊人数，由E群体按照一定概率（a）转化而来；R代表康复者（the recovered），按照治愈率（c）从I群体中脱离，N代表研究区域的总人口数；r为感染者可接触的人数，β为传染的概率。其模型的表达式为：

2.1.2 基于人群活动的模型改进

在SEIR模型的实践应用中，通常将公式（2）（3）中rβ（感染率与接触人数的乘积）用基本传染数R0（一位感染者在感染期内平均传染的人数）表示，并结合时空大数据特征对其取值展开大量研究[18]。人口的流动和集聚对该参数的影响较大，在不同时段、不同研究区域所分析出来的R0取值差异较大[19-21]。经典SEIR模型一般假设试验模拟区域的人均接触人数r相同且各空间单元的病毒传染能力β相近[8]，忽略了城市内部不同空间单元由于人群流动和集聚特征产生的传播差异。大量研究验证了人口流动和集聚与城市确诊病例数空间分布的内在关联[22]，如邹游以武汉城市圈为对象，相比于城市联系度、铁路客运密度，研究显示人口流动对都市圈层面疫情空间扩散趋势的推测具有最高准确度[17]；李文辉以深圳市新冠肺炎确诊病例数据为依据，证明疫情的扩散具有明显的时空特征，其扩散范围、传染程度高度依赖于空间的流动性和集聚性[22]。在此基础上，本文首先根据既有研究确定R0（rβ）基本值的取值范围在1～3[19-22]，再根据人群流动强度和聚集热点密度在该范围内对不同街道rβ的具体值进行调整。

2.1.3 疫情扩散风险预测模型的建立

本文以经典SEIR模型为基础，引入人群活动因素进行模型改进：

式中：Ni代表研究单元的总人口数；Pi代表流向单元内部空间单元i的总人数；DE为潜伏期长度，DI为自然康复的时间,根据国家卫生健康委发布的《新型冠状病毒肺炎防控方案（第四版）》，本文潜伏期取中间值7天，康复期取值6天；r为患者平均接触到的人数，γi为传播率，根据世卫组织的研究报告[23]，r取值为10，γi取值范围为0.01～0.05，本文根据不同空间单元的聚集热点不同，对γi进行不同空间单元的取值，用以修正r值；βi为传染率，根据前文R0的取值，βi取值在0.1～0.3之间。因此根据人群流动数据和聚集热点数据对相关参数纠偏的计算方式如下：

式中：βmin与βmax为前文βi取值的最小与最大值；Hmin与Hmax为聚集热点密度区间的最小值及最大值；Hi为空间单元i的聚集热点密度。Tmax与Tmin为同一尺度下研究区域内空间单元人群活动强度的最大值与最小值，根据具体单元划分情况确定。

2.1.4 模型预测可靠性检验

按照前文的模型算法，设定模拟周期为30天，输入研究单元的相关数据得到预测结果，即每个单元在第30天的感染人数，在后文统称为“预测感染人数”。需要指出，疫情预测的不确定性不仅与所使用的预测模型有关，还受当地医疗条件、管控方式等因素的影响[24]。由于模型并未考虑采取社区隔离、限制娱乐场所进出等人为防疫管控措施的影响，预测数值与实际差异较大。相比于预测出具体的感染人数，本文的预测结果更适合作为城市不同空间单元之间的风险等级比较。武汉市官方仅公布了行政区尺度的感染人数，因此，本文将行政片区预测结果与实际感染结果进行Pearson相关性分析检验。检验表明预测感染率与实际感染率的相关性系数为0.794，在0.01级别相关性显著，表明可作为相对风险高低判断的科学依据。

2.2 街道单元尺度的高风险区识别

本文的风险预测并非以实时、准确预测病例数量为目标，而是根据预测结果对城市空间单元进行风险等级的定性划分，识别出高风险街道的空间分布。因此将模型预测出的感染人数按照自然间断点分类法分为0～100人、100～500人、500人以上三段，并定性划分为低、中、高三类疫情扩散风险区（表1），并利用Arcgis进行可视化空间分布（图3）。预测感染人数在100人以下的为低风险街道，数量占比最高，主要分布在乡镇地区，街道面积占全市总面积的49.7%；预测感染人数在100～500之间的为中风险街道整体分布较广，在城区、乡镇地区等均有分布，占总面积的35.57%；预测感染人数在500以上的为高风险街道数量较少，仅占14.73%，但街道总人口占全市人口的49.27%，主要分布在远城区以及江夏、新洲等区政府所在地人口总量较高的街道。

图3 风险区分布Fig.3 distribution of risk areas

表1 预测感染人数统计Tab.1 statistics on the number of potential infections

3 高风险区防疫管控要素特征

3.1 防疫管控相关要素选取

在防疫管控相关研究中，大量学者对疫情期间暴露的问题和救治经验进行总结，将研究内容集中在人群流动管控、人群集聚管理、救治资源配置三个方面[25-26]，同时部分研究对疫情期间物资配送、人员生活保障等进行了总结[27-28]。我国城市防灾减灾体系中对于地震、火灾等自然灾害或人为灾害进行了系统性的应急响应规划安排，对突发公共卫生事件的应对研究还处于起步阶段。高亚楠等提出，系统的疫情防灾工作需包括：灾前风险识别和检测预警、灾中应急空间设施启动和医疗资源投入、灾后快速恢复提高等三个阶段[29]。根据已有突发紧急公共卫生事件的应对经验，主要采取两项措施进行疫情管控：限制人群活动和加大医疗资源投入。基于此，根据不同的疫情防控阶段涉及到的城市空间相关要素大致可划分为以下三个方面。

3.1.1 传染性疾病的早期防控

从城市规划角度，一般认为多中心结构、职住平衡、公共绿地、开敞空间等有利于疾病预防和减小疫情的扩散规模[9,11,30]。城市空间结构特征对城市居民流动与集聚的影响较为复杂，对其内在关联机制的研究尚未成熟。由于武汉市中心城区街道平均出行半径为1.3 km，远城区街道为5.5 km，且已有研究表明武汉市1 km以内的通勤出行占30.3%，4 km以内占61.2%[31]。基于此，对于在街道尺度进行职住平衡一定程度上可以减少跨街道的远距离通勤这一点具有现实基础。2003年的SARS疫情以及2020年新冠疫情后，“卫生隔离用地”被学者多次提及[11,30]，并建议在《城市用地分类与规划建设用地标准》中增设。因此本文仅采取职住平衡度、人均绿地两个指标对高风险街道进行统计分析。

3.1.2 患者救治相关的筛查和救治设施

疫情高峰期，由于传染病医院床位不足，大量综合医院临时改造成定点救治医院，而社区医院承担着大量基础排查的工作。一方面，综合医院的数量和人均床位数，不仅影响疫情爆发时定点救治的承载力，其空间集聚性也会增加交叉感染的风险[12]；另一方面，社区医院的覆盖率会影响到基层排查工作能否有序进行。因此本文采用综合医院的数量和千人床位指标以及社区医院的数量和覆盖率对高风险区街道进行医疗设施的配置评价。本文分析的医疗设施主要为社区医院和综合医院两大类，其中社区医院是指城区范围内的社区卫生服务中心和乡镇地区的基层卫生院；综合医院为区级公立综合医院，不包括专科医院。

3.1.3 分区隔离管控期间的物资保障

分区隔离是疫情防控的重要手段，隔离期间的生活物资保障对居民的正常生活和防疫效率起着重要作用。以服务于社区的菜市场、超市、便利店、药房等为主的社区服务设施，在疫情管控阶段，尤其是采取小区封闭、限制人群活动等措施后，这类服务设施是能方便及时的为居民提供日常生活物资、减少不必要出行的关键，也是15 min生活圈的主要配置设施。因此本文分析高风险区商超等服务设施的配置情况，找出高风险街道中配置不足的区域。

3.2 高风险街道防控相关要素分析

3.2.1 疾病预防相关的职住平衡和公共绿地指标

就业居住比是衡量职住平衡度的静态指标，采用单位空间内就业人口数量与居住人口数量的比值表示，值越接近1，职住匹配越好[31]；内部通勤占比是指通过人口流动数据识别出实际的通勤空间分布，计算出单元内部通勤量占单元通勤总量的比值，可以反映实际就业人群的居住空间分布；借助上述两个指标可以更准确的判断街道尺度实际的职住平衡分布状态。将街道单元静态的就业居住比与实际的内部通勤占比进行比较得到图4，可以发现高风险街道存在如下特征：第一，大部分高风险街道就业居住比在0.4以下，内部通勤占比在50%左右，且就业居住比越低，内部通勤占比越低，基本符合内部通勤占比与就业居住比的正相关关系；第二，少部分高风险街道的内部通勤占比与就业居住比呈负相关——就业居住比较高但内部通勤占比较低。如远城区的经济开发区沌口街道、东湖开发区佛祖岭街道、青菱乡、郝城街道，以及中心城区的万松街、中南路等高风险街道，由于产业和人口转移等因素，导致就业居住比虽较高，但外部通勤率相对较高，故此类街道实际的本地职住平衡度较低。因此，结合高风险街道的职住分布差异，通过提高其就业居住比和内部通勤率，可降低高风险街道因大量远距离通勤活动而导致的疫疾传播风险。

图4 高风险街道就业居住比与内部通勤占比统计Fig.4 high-risk street job-living match and internal commuting ratio statistics

根据《2020年武汉市绿化状况公报》，武汉市人均公园绿地面积14.04 m2，而高风险区90%的街道人均绿地指标低于武汉市平均值（图5）。其中，人均绿地低于1 m2/人的街道主要包括中心城区的汉正街、唐家墩街、花桥街、珞南街、常青街等街道，以及远城区的邾城、前川、纸坊等街道，难以满足疾病早期预防所需要的良好通风和适当隔离需求。

图5 高风险街道的人均绿地统计Fig 5 per capita green space statistics of high-risk streets

3.2.2 患者筛查和救治相关的社区卫生院、综合医院设施配置

患者的基础筛查人数多且要求相对严格，武汉市在新冠肺炎早期也出现过部分社区卫生院不具备筛查条件的情况，因此对社区卫生院的要求是服务范围的全面覆盖和高风险区医疗水平质量的提高。借助Arcgis空间分析软件，通过路网和医疗设施点分布，以步行15 min出行时间进行服务范围划分并统计街道单元的覆盖率得到图6。整体上，高风险街道的社区级医疗设施覆盖率较低，48%的街道覆盖率不足0.5。相关研究表明，社区级医疗设施的建设不足与居民普遍存在的“向上就医”习惯，更加剧了综合医院的资源紧缺和“分级诊疗”推进的困难[32]，不利于紧急时期医疗体系的协调配合。

图6 社区医院服务覆盖率统计Fig.6 community hospital service coverage statistics

疫情紧急时期，普通综合医院也要承担起传染病医院的治疗功能。通过统计高风险区街道单元的千人综合医院床位数得到图7。高风险街道的千人床位数普遍较高，达到10张以上的高风险街道主要分布在中心城区，结合图2可以看出综合医院空间分布较为集中；3张以下的高风险街道主要分布在综合医院数量较少的远城区。按照区级综合医院的服务人数和服务范围，街道平均配置1～2个综合医院较为合适，且部分医院数量较多的高风险街道更应加强医院周边居民的防疫管控，避免交叉感染。

图7 综合医院千人床位数Fig.7 number of general hospitals allocated

3.2.3 日常生活保障相关的商场网点等设施配置

通过计算高风险街道15 min生活圈的平均千人商超数得到图8。中心城区的高风险街道商业服务设施配置较为丰富，但远城区存在部分感染风险高但设施配置不足的区域，如武汉经济开发区的常福办事处、新洲区的阳逻街道等。

图8 高风险街道的千人商超数空间分布Fig.8 spatial distribution of the number of superstores per 1 000 people in high-risk streets

通过统计街道内每个社区设施配置数量的标准差进行街道内部设施布局均衡性分析，标准差越小，表明街道内社区之

间的设施配置均衡性越好。计算结果表明（表2），高风险街道的内部均衡性差异较大，标准差值在5以上，整体偏高，即高风险街道内社区单元之间的基本设施配置存在部分集聚和部分不足的情况，不利于紧急时期快速形成完善的物资供应网，同时会加剧设施密集区域的人群集聚，不利于疫情防控。

表2 标准差计算结果Tab.2 standard deviation calculation results

3.3 防疫要素管控建议

紧急卫生事件突发时，当某片区采取封闭式管理，以食品和日常用品供应为基础的商业设施点是保障居民正常生活的关键；当疫情大规模爆发时，社区医疗机构的基层排查与定点医院的救治收容能力至关重要；在救治床位不足的情况下，城市大面积的开场空间等能为新建传染病医院的选址提供空间，且对疾病扩散起到阻隔作用。在前文进行风险评估的基础上，结合防疫相关的城市空间要素提出以下管控建议。

首先，提高高风险街道的职住平衡和公共绿地的建设。通勤出行作为居民最主要的日常活动，职住空间距离越长越容易加剧疫情的大范围传播，因此不仅需要加强高风险街道就业居住比意义上的静态职住平衡，更要关注实际通勤空间的分布。从武汉市“两山医院”和“方舱医院”等在疫情时应对救治、隔离等设施的选址建设中可以看出，公共绿地等城市开敞空间不仅可以阻隔疾病的传播，也能为城市应对公共卫生事件提供更大的应变能力[9]。结合前文分析，武汉市高风险区的人均绿地偏低，可结合人口密度分布加以提高，成为防疫分区的自然屏障。

其次，强化平疫结合的15 min生活圈服务设施配套。为形成良好的防疫分区，需以平疫结合为目标完善街道内15 min生活圈商业网点的布局，方便政企联合进行物资储备。现阶段，城市防灾应急响应体系中的应急物资储备主要由各级政府负责，由于存储方式、能力、种类等的局限性，往往难以解决灾害发生后的需求问题。经济与管理方面的学者开始探讨政企联合储备模式的可行性与具体联合模式[33]。在城市规划管理层面，需结合风险评估完善商超网点的空间布局和层级规模，在突发疫情导致“片区隔离”时保障基本生活物资供给的便利性。

最后，针对高风险区域强化社区医院的全面覆盖和综合医院的分散化布局。根据《2020年武汉统计年鉴》，武汉市每千人床位数达到8.41 张/人，医疗资源总量丰富。但结合前文的分析，武汉市医疗资源在中心城区过于集聚而导致街道之间的资源配置差异过大。过于集中的布局不利于医疗资源的公平性，在紧急时期还会加剧中心城区居民的感染风险。结合高风险街道分布，应在提高高风险区域社区医院覆盖率的基础上，进一步加强远城区综合医院的分散化配置。

4 结论与展望

城市的快速发展使得突发公共卫生事件对居民正常生活的破坏程度日益严峻，以疫情防控为目标、风险预测与基础，从疾病预防、患者筛查与救治、紧急时期日常生活保障等三个方面针对高风险区域提前做好城市相关要素的空间配置，可在突发疫情的应对中化被动为主动。本文在街道管理单元尺度，结合武汉市人口流动与聚集热点数据对传染病传播扩散空间进行风险分析，重点识别出高风险街道的分布情况，并结合既有研究统计高风险区内防控相关要素的配置现状。基于现状的不足提出加强街道尺度的职住平衡、提高公共绿地建设、完善15 min生活圈生活设施的平疫结合配置、有针对性进行医疗资源的配置等规划管控建议。

突发公共卫生事件的传播范围、受灾程度等受多种因素的共同影响，事件发生时也需要调配多种社会资源进行防疫管控。本文的疫情传播模型并非以准确预测2020年、2021年新冠疫情的病例数量为目标，而是以新冠病毒的传播特性为例，分析未来其他突发公共卫生事件可能造成的传播情况，但随着可获取的城市空间信息数据更加多样化以及各种信息平台的构建，基于实时人群流动变化、交通运行、生态环境等数据进行城市空间疫情传染的检测预警将更加科学精确，能为城市防疫相关设施资源的合理配置提供更加科学的指导。