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 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
查看>>
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>