【AAAI2021-百度】在COVID-19爆发前早期发现高危社区的算法框架

新型冠状病毒病(COVID-19)已经打破了人们的日常生活，并仍在全球肆虐。现有的非药物干预解决方案通常需要及时、准确地选择城市居民区的一个子集进行遏制甚至隔离，其中确诊病例的空间分布被视为子集选择的一个关键标准。尽管此类遏制措施成功地阻止或减缓了一些国家的COVID-19传播，但也有人批评其效率低下或无效，因为确诊病例的统计数据通常具有时延性和粗粒度性。为了解决这些问题，我们提出了C-Watcher，这是一个新颖的数据驱动框架，旨在筛查目标城市的每一个社区，并在新冠肺炎疫情从疫情中心蔓延到城市之前预测感染风险。在设计方面，C-Watcher从百度地图中收集大范围的长期人类移动数据，然后利用一套基于城市移动模式的特征来刻画城市中的每个居民区。此外，为了在局部爆发前将第一手信息(在震中传递)传递到目标城市，我们采用了一种新的对抗编码器框架，从与流动性相关的特征中学习“城市不变”的表示，以便精确早期检测目标城市的高风险社区，甚至在任何确诊病例已知之前。我们在新冠肺炎疫情爆发早期利用实时数据记录开展了大量的C-Watcher实验，结果证明了C-Watcher在大量城市早期发现高危社区的有效性和有效性。

https://www.zhuanzhi.ai/paper/d4ebb4396f2bba52bbe22973e64dfba9