博客
关于我
第一轮返工潮,哪些城市疫情传播压力最大
阅读量:448 次
发布时间:2019-03-06

本文共 649 字,大约阅读时间需要 2 分钟。

多个省份在2月10日起陆续复工,但在疫情尚未完全解除的背景下,返工潮带来的人员流动给人口迁入大省带来了病毒输入压力。利用大数据分析和防控措施,成为疫情阻击战中的关键武器。

返工潮虽然规模较往年有所减小,但仍涉及上亿人次的人口流动,人口流动带来的感染风险不容忽视。根据大数据与疫情地图对比分析,新冠肺炎确诊病例的城市分布与流动人口规模存在显著相关性。

在返工潮期间,广东省成为全国热门迁入地,迁入比例从2月7日的15%左右提高至2月9日的26.59%,远超其他省份。按城市来看,东莞市迁入比例最高,达到5.92%,其次是深圳市、广州市、上海市和北京市,迁入比例分别为5.47%、5.16%、4.93%和3.64%(数据截至2月9日)。

热门迁入城市前五名中,广东省占据了3个名额。大量人员流入对疫情防控提出了极大的压力。以上海为例,返工人员主要来自江苏南通、安徽阜阳、河南信阳等地。中泰证券研究所的报告显示,在返工潮热门城市中,深圳的压力最大,其次是东莞、上海、广州、苏州、北京、杭州、宁波、温州、佛山等城市。

浙江省在疫情防控中依托大数据,采用"大数据+网格化"方法研判疫情,提前预测疫情发展趋势,指导医疗资源调度。大数据分析出人群聚集热点分布和跨区域流动信息,为疫情防控提供了重要支持。通过数据回溯分析,及时发现疑似病患和密切接触者,有助于隔离和切断传染源。

在这场疫情阻击战中,大数据展现出显著优势,无论是追踪病例来源还是帮助疫情研判,都发挥了关键作用。未来,大数据将在疫情防控中贡献更多力量。

转载地址:http://vshyz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>
VS2003 Front Page Server Extension
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
查看>>
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 如何使用YOLO-World做目标检测
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
查看>>
OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测 保姆级教程)
查看>>