基于人群活動的大城市防疫風險預測與防控要素研究*
——以武漢市為例

郭 亮 彭雨晴 賀 慧

0 引言

隨著大城市交通體系的迅速發展，居民日常活動范圍不斷擴大、活動強度不斷提高，以武漢市為例，2019年末全市公共交通日均客流量達800萬人次，全年對外交通客運總量2.54億人次。因此，人群活動強度成為影響疾病傳播規模的重要因素。自2020年新冠疫情爆發以來，人群活動的時空大數據對病例溯源、傳播途徑識別等防疫工作起到關鍵作用，成為相關研究的重要支撐[1]。如柴彥威等從地理學角度，以人群活動的時空路徑、活動情景、風險地圖為方法，探討了疫情精準防控的研究框架[2]；周成虎等通過獲取并分析全國的感染病例出行軌跡相關數據，發現商場、飯店等人群集聚的設施點是疫情傳播的關鍵區域[3]；鄧志強等通過手機移動數據進行感染者活動軌跡研究，確定了相關案例中病例的聚餐時間和地點[4]；李文輝以社交活動傳播網絡為基礎，提出疫情傳播具有強烈的空間集聚性特征[5]。

人群活動時空數據不僅用于探究疫情傳播的空間特征，更廣泛應用于病毒傳播動力學模型中相關參數的調整，進行具有特定空間特征的疫情預測、風險評估等研究。目前有關病毒傳染情景預測的動力學模型主要以倉室（SEIR）模型為框架，用于研究在一定空間區域內傳染病的傳播速度、感染人數隨時間變化的趨勢等動力學機理，在新冠疫情的研究中應用十分廣泛。將人群活動數據與集聚熱點數據與SEIR模型結合，可進行疫情變化趨勢的實時預測、不同空間單元的傳播風險評估等多方面的研究[6-7]。

現階段，在城市管理、地理科學等角度探索疫情防控措施的相關研究取得一定的理論成果，主要集中在人群流動分析、人群集聚管理、醫療資源配置三個方面。在人群流動分析上，夏吉喆通過動態復工回流人口和聚集熱點數據改進SEIR模型，對大灣區不同尺度的空間單元進行風險評估，提出高強度人口回流會造成較大的病毒擴散風險，但通過采取各類管制措施能進行有效抑制[8]；黃亞平等以武漢市為例，通過對中心城區疫情感染空間分布與城市商業中心結構的匹配分析，提出為減少城市內部的跨區傳播，應鞏固城市多中心就業結構，建立分區防疫體系[9]；劉旸提出構建城市健康安全單元、完善健康安全設施配套并優化空間結構以提高城市應對風險的能力[10]。在人群集聚管理上，楊俊宴提出高密度人口城市應以實時監控為基礎構建智能的“城市—社區—建筑”三個尺度的防疫體系[11]；張帆以北京市城六區為例，提出醫療設施的集中布置導致人群大量集聚，會加快病毒的傳播[12]。在醫療物資供給上，許麗君基于醫療資源應急實踐總結出多種醫療資源供給模式，以提高資源供給彈性[13]；周亞杰通過分析衛生設施規劃標準，提出需要解決規范中對于突發公共衛生事件的應對缺失問題[14]；胡曉偉、趙建有等分別以醫療資源配送效率最優化與資源需求緊迫度為出發點進行疫情防控中應急醫療物資調度配置的模型研究[15-16]。

綜上所述，既有研究在疫情傳播機制、預測模型、防疫措施等方面較為充分，但缺乏在此基礎上針對未來可能疫情傳播風險區分布的預測與防疫相關空間要素平疫結合的研究。本文以武漢市為例，對街道單元尺度的疫情傳播風險進行預測，為科學合理的疫情前期預防、篩查救治設施布局、生活設施配置等提供科學依據。

1 研究范圍與數據

1.1 研究范圍與基礎數據

本文以武漢市全域為研究范圍，總面積8 569.15 km2，常住人口1 108.1萬。根據城市不同管理層級的面積、人口規模以及傳染性疾病傳播的特點，街道單元的尺度更為合適進行傳染病風險預測評估[11]，因此以170個街道（包含151個街道辦事處和19個鄉鎮）為基本研究單元。根據《武漢市城市總體規劃（2010—2020年）》確定的主城區、都市發展區范圍作為中心城區和遠城區的邊界線。

相關基礎數據包括武漢市行政區、街道的邊界數據、第六次人口普查數據、第二次經濟普查數據、2017年城市建設用地現狀數據、武漢市社區醫院和綜合醫院設施點數據等。

1.2 風險預測相關數據

1.2.1 人群活動數據

本文的人群活動數據來自某手機APP提供的基于位置服務的軌跡數據（LBS），采集時間為2017年4月某一周時間范圍內，無重大節假日和異常天氣影響，可反映當地居民日常活動特征。根據武漢市的統計年鑒，2017年4月—2020年初，道路交通建設、土地利用、城市形態、人口空間分布等基本情況變化較小。現階段武漢市的建設也逐漸由增量轉為存量，因此用2017年的人群活動數據修正的模型用以分析未來的可能疫情的傳播情況也具有一定的科學性。

由于定位服務數據不能統計到研究區域全部的出行活動[17]，因此本文采用“人群活動強度”而不是“人次”來進行人口流量的比較。將出行人次按街道單元統計，用流入（P入）、流出（P出）人口數量之和與常住人口（P常）的比值作為街道單元的人群活動強度T，計算方法如公式（1）。活動強度越高，病毒傳播風險越高。如圖1所示，遠城區人口活動強度較大，高強度區域分布較為廣。

圖1 街道單元人口流動強度Fig.1 intensity of population mobility in street units

1.2.2 集聚熱點數據

結合相關研究成果，本文選取出的集聚熱點包括餐飲、購物、公交站點等，其位置信息數據來自百度地圖興趣點（POI）。用聚集熱點數量與街道單元面積的比值作為熱點密度，其空間分布如圖2所示，高密度的設施點集中在中心城區。結合前文人口分布和流動強度情況，一定程度上反映出遠城區配套設施的缺乏。

圖2 街道單元聚集熱點密度分布Fig.2 street units gather hot spot density distribution

1.2.3 歷史疫情統計數據

歷史疫情統計數據用于驗證本文預測模型的可靠性。疫情感染人數統計數據由武漢市衛建委發布的官方數據整理而來，截止時間為2021年5月，涵蓋新冠疫情首次爆發到逐漸平息的整個過程中感染的人數總量。由于官方公布的數據僅在市片區級，后文的模型準確性驗證也將在市片區級進行。

2 風險預測方法與高風險區識別

2.1 疫情擴散風險預測模型的構建

2.1.1 經典SEIR模型

傳染病數學模型的研究始于20世紀初，其中SEIR模型是在SI、SIR等倉室模型的基礎上根據病毒傳播特征改進而來，在新冠疫情期間被大量應用于拐點預測、風險評估等。SEIR模型將研究區域的人口分為四類，S代表易感的健康人群（the susceptibles）；E代表潛伏人群（the exposed），即已感染但未發病群體；I代表感染人群（the infected），即確診人數，由E群體按照一定概率（a）轉化而來；R代表康復者（the recovered），按照治愈率（c）從I群體中脫離，N代表研究區域的總人口數；r為感染者可接觸的人數，β為傳染的概率。其模型的表達式為：

2.1.2 基于人群活動的模型改進

在SEIR模型的實踐應用中，通常將公式（2）（3）中rβ（感染率與接觸人數的乘積）用基本傳染數R0（一位感染者在感染期內平均傳染的人數）表示，并結合時空大數據特征對其取值展開大量研究[18]。人口的流動和集聚對該參數的影響較大，在不同時段、不同研究區域所分析出來的R0取值差異較大[19-21]。經典SEIR模型一般假設試驗模擬區域的人均接觸人數r相同且各空間單元的病毒傳染能力β相近[8]，忽略了城市內部不同空間單元由于人群流動和集聚特征產生的傳播差異。大量研究驗證了人口流動和集聚與城市確診病例數空間分布的內在關聯[22]，如鄒游以武漢城市圈為對象，相比于城市聯系度、鐵路客運密度，研究顯示人口流動對都市圈層面疫情空間擴散趨勢的推測具有最高準確度[17]；李文輝以深圳市新冠肺炎確診病例數據為依據，證明疫情的擴散具有明顯的時空特征，其擴散范圍、傳染程度高度依賴于空間的流動性和集聚性[22]。在此基礎上，本文首先根據既有研究確定R0（rβ）基本值的取值范圍在1～3[19-22]，再根據人群流動強度和聚集熱點密度在該范圍內對不同街道rβ的具體值進行調整。

2.1.3 疫情擴散風險預測模型的建立

本文以經典SEIR模型為基礎，引入人群活動因素進行模型改進：

式中：Ni代表研究單元的總人口數；Pi代表流向單元內部空間單元i的總人數；DE為潛伏期長度，DI為自然康復的時間,根據國家衛生健康委發布的《新型冠狀病毒肺炎防控方案（第四版）》，本文潛伏期取中間值7天，康復期取值6天；r為患者平均接觸到的人數，γi為傳播率，根據世衛組織的研究報告[23]，r取值為10，γi取值范圍為0.01～0.05，本文根據不同空間單元的聚集熱點不同，對γi進行不同空間單元的取值，用以修正r值；βi為傳染率，根據前文R0的取值，βi取值在0.1～0.3之間。因此根據人群流動數據和聚集熱點數據對相關參數糾偏的計算方式如下：

式中：βmin與βmax為前文βi取值的最小與最大值；Hmin與Hmax為聚集熱點密度區間的最小值及最大值；Hi為空間單元i的聚集熱點密度。Tmax與Tmin為同一尺度下研究區域內空間單元人群活動強度的最大值與最小值，根據具體單元劃分情況確定。

2.1.4 模型預測可靠性檢驗

按照前文的模型算法，設定模擬周期為30天，輸入研究單元的相關數據得到預測結果，即每個單元在第30天的感染人數，在后文統稱為“預測感染人數”。需要指出，疫情預測的不確定性不僅與所使用的預測模型有關，還受當地醫療條件、管控方式等因素的影響[24]。由于模型并未考慮采取社區隔離、限制娛樂場所進出等人為防疫管控措施的影響，預測數值與實際差異較大。相比于預測出具體的感染人數，本文的預測結果更適合作為城市不同空間單元之間的風險等級比較。武漢市官方僅公布了行政區尺度的感染人數，因此，本文將行政片區預測結果與實際感染結果進行Pearson相關性分析檢驗。檢驗表明預測感染率與實際感染率的相關性系數為0.794，在0.01級別相關性顯著，表明可作為相對風險高低判斷的科學依據。

2.2 街道單元尺度的高風險區識別

本文的風險預測并非以實時、準確預測病例數量為目標，而是根據預測結果對城市空間單元進行風險等級的定性劃分，識別出高風險街道的空間分布。因此將模型預測出的感染人數按照自然間斷點分類法分為0～100人、100～500人、500人以上三段，并定性劃分為低、中、高三類疫情擴散風險區（表1），并利用Arcgis進行可視化空間分布（圖3）。預測感染人數在100人以下的為低風險街道，數量占比最高，主要分布在鄉鎮地區，街道面積占全市總面積的49.7%；預測感染人數在100～500之間的為中風險街道整體分布較廣，在城區、鄉鎮地區等均有分布，占總面積的35.57%；預測感染人數在500以上的為高風險街道數量較少，僅占14.73%，但街道總人口占全市人口的49.27%，主要分布在遠城區以及江夏、新洲等區政府所在地人口總量較高的街道。

圖3 風險區分布Fig.3 distribution of risk areas

表1 預測感染人數統計Tab.1 statistics on the number of potential infections

3 高風險區防疫管控要素特征

3.1 防疫管控相關要素選取

在防疫管控相關研究中，大量學者對疫情期間暴露的問題和救治經驗進行總結，將研究內容集中在人群流動管控、人群集聚管理、救治資源配置三個方面[25-26]，同時部分研究對疫情期間物資配送、人員生活保障等進行了總結[27-28]。我國城市防災減災體系中對于地震、火災等自然災害或人為災害進行了系統性的應急響應規劃安排，對突發公共衛生事件的應對研究還處于起步階段。高亞楠等提出，系統的疫情防災工作需包括：災前風險識別和檢測預警、災中應急空間設施啟動和醫療資源投入、災后快速恢復提高等三個階段[29]。根據已有突發緊急公共衛生事件的應對經驗，主要采取兩項措施進行疫情管控：限制人群活動和加大醫療資源投入。基于此，根據不同的疫情防控階段涉及到的城市空間相關要素大致可劃分為以下三個方面。

3.1.1 傳染性疾病的早期防控

從城市規劃角度，一般認為多中心結構、職住平衡、公共綠地、開敞空間等有利于疾病預防和減小疫情的擴散規模[9,11,30]。城市空間結構特征對城市居民流動與集聚的影響較為復雜，對其內在關聯機制的研究尚未成熟。由于武漢市中心城區街道平均出行半徑為1.3 km，遠城區街道為5.5 km，且已有研究表明武漢市1 km以內的通勤出行占30.3%，4 km以內占61.2%[31]。基于此，對于在街道尺度進行職住平衡一定程度上可以減少跨街道的遠距離通勤這一點具有現實基礎。2003年的SARS疫情以及2020年新冠疫情后，“衛生隔離用地”被學者多次提及[11,30]，并建議在《城市用地分類與規劃建設用地標準》中增設。因此本文僅采取職住平衡度、人均綠地兩個指標對高風險街道進行統計分析。

3.1.2 患者救治相關的篩查和救治設施

疫情高峰期，由于傳染病醫院床位不足，大量綜合醫院臨時改造成定點救治醫院，而社區醫院承擔著大量基礎排查的工作。一方面，綜合醫院的數量和人均床位數，不僅影響疫情爆發時定點救治的承載力，其空間集聚性也會增加交叉感染的風險[12]；另一方面，社區醫院的覆蓋率會影響到基層排查工作能否有序進行。因此本文采用綜合醫院的數量和千人床位指標以及社區醫院的數量和覆蓋率對高風險區街道進行醫療設施的配置評價。本文分析的醫療設施主要為社區醫院和綜合醫院兩大類，其中社區醫院是指城區范圍內的社區衛生服務中心和鄉鎮地區的基層衛生院；綜合醫院為區級公立綜合醫院，不包括專科醫院。

3.1.3 分區隔離管控期間的物資保障

分區隔離是疫情防控的重要手段，隔離期間的生活物資保障對居民的正常生活和防疫效率起著重要作用。以服務于社區的菜市場、超市、便利店、藥房等為主的社區服務設施，在疫情管控階段，尤其是采取小區封閉、限制人群活動等措施后，這類服務設施是能方便及時的為居民提供日常生活物資、減少不必要出行的關鍵，也是15 min生活圈的主要配置設施。因此本文分析高風險區商超等服務設施的配置情況，找出高風險街道中配置不足的區域。

3.2 高風險街道防控相關要素分析

3.2.1 疾病預防相關的職住平衡和公共綠地指標

就業居住比是衡量職住平衡度的靜態指標，采用單位空間內就業人口數量與居住人口數量的比值表示，值越接近1，職住匹配越好[31]；內部通勤占比是指通過人口流動數據識別出實際的通勤空間分布，計算出單元內部通勤量占單元通勤總量的比值，可以反映實際就業人群的居住空間分布；借助上述兩個指標可以更準確的判斷街道尺度實際的職住平衡分布狀態。將街道單元靜態的就業居住比與實際的內部通勤占比進行比較得到圖4，可以發現高風險街道存在如下特征：第一，大部分高風險街道就業居住比在0.4以下，內部通勤占比在50%左右，且就業居住比越低，內部通勤占比越低，基本符合內部通勤占比與就業居住比的正相關關系；第二，少部分高風險街道的內部通勤占比與就業居住比呈負相關——就業居住比較高但內部通勤占比較低。如遠城區的經濟開發區沌口街道、東湖開發區佛祖嶺街道、青菱鄉、郝城街道，以及中心城區的萬松街、中南路等高風險街道，由于產業和人口轉移等因素，導致就業居住比雖較高，但外部通勤率相對較高，故此類街道實際的本地職住平衡度較低。因此，結合高風險街道的職住分布差異，通過提高其就業居住比和內部通勤率，可降低高風險街道因大量遠距離通勤活動而導致的疫疾傳播風險。

圖4 高風險街道就業居住比與內部通勤占比統計Fig.4 high-risk street job-living match and internal commuting ratio statistics

根據《2020年武漢市綠化狀況公報》，武漢市人均公園綠地面積14.04 m2，而高風險區90%的街道人均綠地指標低于武漢市平均值（圖5）。其中，人均綠地低于1 m2/人的街道主要包括中心城區的漢正街、唐家墩街、花橋街、珞南街、常青街等街道，以及遠城區的邾城、前川、紙坊等街道，難以滿足疾病早期預防所需要的良好通風和適當隔離需求。

圖5 高風險街道的人均綠地統計Fig 5 per capita green space statistics of high-risk streets

3.2.2 患者篩查和救治相關的社區衛生院、綜合醫院設施配置

患者的基礎篩查人數多且要求相對嚴格，武漢市在新冠肺炎早期也出現過部分社區衛生院不具備篩查條件的情況，因此對社區衛生院的要求是服務范圍的全面覆蓋和高風險區醫療水平質量的提高。借助Arcgis空間分析軟件，通過路網和醫療設施點分布，以步行15 min出行時間進行服務范圍劃分并統計街道單元的覆蓋率得到圖6。整體上，高風險街道的社區級醫療設施覆蓋率較低，48%的街道覆蓋率不足0.5。相關研究表明，社區級醫療設施的建設不足與居民普遍存在的“向上就醫”習慣，更加劇了綜合醫院的資源緊缺和“分級診療”推進的困難[32]，不利于緊急時期醫療體系的協調配合。

圖6 社區醫院服務覆蓋率統計Fig.6 community hospital service coverage statistics

疫情緊急時期，普通綜合醫院也要承擔起傳染病醫院的治療功能。通過統計高風險區街道單元的千人綜合醫院床位數得到圖7。高風險街道的千人床位數普遍較高，達到10張以上的高風險街道主要分布在中心城區，結合圖2可以看出綜合醫院空間分布較為集中；3張以下的高風險街道主要分布在綜合醫院數量較少的遠城區。按照區級綜合醫院的服務人數和服務范圍，街道平均配置1～2個綜合醫院較為合適，且部分醫院數量較多的高風險街道更應加強醫院周邊居民的防疫管控，避免交叉感染。

圖7 綜合醫院千人床位數Fig.7 number of general hospitals allocated

3.2.3 日常生活保障相關的商場網點等設施配置

通過計算高風險街道15 min生活圈的平均千人商超數得到圖8。中心城區的高風險街道商業服務設施配置較為豐富，但遠城區存在部分感染風險高但設施配置不足的區域，如武漢經濟開發區的常福辦事處、新洲區的陽邏街道等。

圖8 高風險街道的千人商超數空間分布Fig.8 spatial distribution of the number of superstores per 1 000 people in high-risk streets

通過統計街道內每個社區設施配置數量的標準差進行街道內部設施布局均衡性分析，標準差越小，表明街道內社區之

間的設施配置均衡性越好。計算結果表明（表2），高風險街道的內部均衡性差異較大，標準差值在5以上，整體偏高，即高風險街道內社區單元之間的基本設施配置存在部分集聚和部分不足的情況，不利于緊急時期快速形成完善的物資供應網，同時會加劇設施密集區域的人群集聚，不利于疫情防控。

表2 標準差計算結果Tab.2 standard deviation calculation results

3.3 防疫要素管控建議

緊急衛生事件突發時，當某片區采取封閉式管理，以食品和日常用品供應為基礎的商業設施點是保障居民正常生活的關鍵；當疫情大規模爆發時，社區醫療機構的基層排查與定點醫院的救治收容能力至關重要；在救治床位不足的情況下，城市大面積的開場空間等能為新建傳染病醫院的選址提供空間，且對疾病擴散起到阻隔作用。在前文進行風險評估的基礎上，結合防疫相關的城市空間要素提出以下管控建議。

首先，提高高風險街道的職住平衡和公共綠地的建設。通勤出行作為居民最主要的日常活動，職住空間距離越長越容易加劇疫情的大范圍傳播，因此不僅需要加強高風險街道就業居住比意義上的靜態職住平衡，更要關注實際通勤空間的分布。從武漢市“兩山醫院”和“方艙醫院”等在疫情時應對救治、隔離等設施的選址建設中可以看出，公共綠地等城市開敞空間不僅可以阻隔疾病的傳播，也能為城市應對公共衛生事件提供更大的應變能力[9]。結合前文分析，武漢市高風險區的人均綠地偏低，可結合人口密度分布加以提高，成為防疫分區的自然屏障。

其次，強化平疫結合的15 min生活圈服務設施配套。為形成良好的防疫分區，需以平疫結合為目標完善街道內15 min生活圈商業網點的布局，方便政企聯合進行物資儲備。現階段，城市防災應急響應體系中的應急物資儲備主要由各級政府負責，由于存儲方式、能力、種類等的局限性，往往難以解決災害發生后的需求問題。經濟與管理方面的學者開始探討政企聯合儲備模式的可行性與具體聯合模式[33]。在城市規劃管理層面，需結合風險評估完善商超網點的空間布局和層級規模，在突發疫情導致“片區隔離”時保障基本生活物資供給的便利性。

最后，針對高風險區域強化社區醫院的全面覆蓋和綜合醫院的分散化布局。根據《2020年武漢統計年鑒》，武漢市每千人床位數達到8.41 張/人，醫療資源總量豐富。但結合前文的分析，武漢市醫療資源在中心城區過于集聚而導致街道之間的資源配置差異過大。過于集中的布局不利于醫療資源的公平性，在緊急時期還會加劇中心城區居民的感染風險。結合高風險街道分布，應在提高高風險區域社區醫院覆蓋率的基礎上，進一步加強遠城區綜合醫院的分散化配置。

4 結論與展望

城市的快速發展使得突發公共衛生事件對居民正常生活的破壞程度日益嚴峻，以疫情防控為目標、風險預測與基礎，從疾病預防、患者篩查與救治、緊急時期日常生活保障等三個方面針對高風險區域提前做好城市相關要素的空間配置，可在突發疫情的應對中化被動為主動。本文在街道管理單元尺度，結合武漢市人口流動與聚集熱點數據對傳染病傳播擴散空間進行風險分析，重點識別出高風險街道的分布情況，并結合既有研究統計高風險區內防控相關要素的配置現狀。基于現狀的不足提出加強街道尺度的職住平衡、提高公共綠地建設、完善15 min生活圈生活設施的平疫結合配置、有針對性進行醫療資源的配置等規劃管控建議。

突發公共衛生事件的傳播范圍、受災程度等受多種因素的共同影響，事件發生時也需要調配多種社會資源進行防疫管控。本文的疫情傳播模型并非以準確預測2020年、2021年新冠疫情的病例數量為目標，而是以新冠病毒的傳播特性為例，分析未來其他突發公共衛生事件可能造成的傳播情況，但隨著可獲取的城市空間信息數據更加多樣化以及各種信息平臺的構建，基于實時人群流動變化、交通運行、生態環境等數據進行城市空間疫情傳染的檢測預警將更加科學精確，能為城市防疫相關設施資源的合理配置提供更加科學的指導。