2020年浙江省教育科学规划“疫情与教育”专项成果公报之二

2020-09-29 17:01 作者:任俊俊 来源:浙江农林大学 浏览次数:1
_____________________________________________________________________________________________________

基于LBS的大学生疫情防控精准化管理实践应用

 

摘要:本文在建立“人&数据”互融的学生疫情防控精准化管理新模式基础上,建立多种学生现状精准策略开展实践应用,分析社会通用“健康码”、大学生日常健康状况、大学生基础数据、学生所处位置信息等,实现对学生的异动、瞒报信息的精准化管理,并对新变化的中高风险区实现动态调整,实现基于LBS的大学生疫情防控精准化管理。实践证明,该模式应用效果良好,目前也在持续完善与使用中。

关键词:精准化管理;疫情防控;新模式;LBS

 

本文为2020年浙江省教育科学规划“疫情与教育”专项课题《基于LBS+大数据的大学生疫情防控精准化管理研究》(项目号:2020YQJY397)阶段性研究成果。

课题负责人:浙江农林大学 任俊俊

 

1.前言

大数据技术的快速发展和广泛运用,带来了信息类型、质量、规模、密度和传播速度的飞跃性巨变,引发了信息创造、生成、传播、扩散、分析、利用方式和机制的革命性变迁。在新冠疫情防控过程中,急需将大数据技术嵌入到疫情防控管理过程中,发挥大数据的综合分析优势,实现对学生疫情防控的精准化管理。

2.大学生疫情防控精准化管理的难点

1)现实的空间距离造成管理难度陡增

疫情来袭,学校正处于寒假假期,基本上所有学生均已在家,高校大学生有着人数众多、人员分布地域广、个体联系任务重等特点,现实的空间距离造成高校对学生疫情的管控难度成倍增加,一线学生管理人员如辅导员的工作压力很大。大规模大学生群体的远距离、分散式管理与实现疫情防控所需的高效率、全覆盖、无死角的目标成为现实矛盾,迫切需要通过信息技术实现管理交流“零”距离。

2)学生疫情防控信息反馈准确性难以核实

学生个人上报的疫情数据准确性是疫情防控科学决策的基础,然而在实际工作中发现,有部分学生存在故意瞒报行程、作虚假登记、漏报信息、填报错误等情况,需要一线辅导员一个个去核实,造成工作量巨大,而对这些问题,仅凭人员自觉报告数据是远远不够的。面对当前出现的瞒报、漏报、错报等情况,必须进一步发挥大数据的作用,堵住排查漏洞。

3)学生的流动性难以有效监测

 在节后返程高峰,复工复学等刚性客流还在继续,毕业年级的同学很多开始进入单位实习,学生每日所报位置为当前位置,其出行过程的动态数据无法知晓,导致学生的流动性难以有效监测,而学生流动过程也具备感染新冠肺炎病毒的高风险。通过对浙江省某重点建设大学的调研分析发现,学生在填报自身所在地的时候,存在着一定的漏报、错报等情况,如有的学生从安徽安庆到了浙江杭州,其所在位置仍填写安徽安庆,忘记对数据进行更新,且缺乏回杭过程中所经县区的数据信息。因此必须加强对学生流动性的监测与管理,掌握学生位置,确保学生在流动过程中的安全。

4)学生对各区域疫情风险难以事先知晓

新冠肺炎疫情发展变化快,疫情风险等级随之动态变化,防控等级的升高往往在疫情严重之后,这就意味着之前到过该区域的学生存在高风险,如安徽、河南某些地区都是后来新增的“疫区”,很多同学不会事前及时掌握,或者在不知不觉中进入了相对高风险的地区,这些情况都对下一步在指导学生有序返校、掌握返校进度状况、学生出校后情况等造成困难。

因此,为打赢校园疫情防控“阻击战”,必须借助新兴信息技术,对大学生的疫情防控进行精准化管理,着力解决空间“零”距离、信息“零”错误、流动“零”丢失、疫情“零”风险等重点问题。

3.基于LBS的学生疫情防控精准研判数据库研究

为解决学生瞒报、漏报、错报与流动性防控难点,解决学生流动过程中的疫情防控风险,在符合国家规定及定位授权基础上,基于LBS建立学生的流动轨迹数据库,主动记录时间、所在乡镇(街道)信息,形成学生居家与流动过程中的出行轨迹,精准掌握学生所在位置,并通过对轨迹的自动研判,有助于判断学生是否经过疫情高风险区,也能过在疫情防控风险提高后,追溯有哪些学生在疫情潜伏期时间段经过该地区,提高疫情防控的时效性与精准性。

为实现针对学生的疫情防控精准化管理,需建立LBS的学生疫情防控精准研判数据库,主要的数据库信息表如下:

基本信息表:该表主要记录学生的基本情况,为精准研判提供基本数据支撑,包含姓名、籍贯、住地、联系方式、性别、身份证信息、照片信息、年级、平时表现、个人综合评价等;

‚健康情况表:该表主要记录学生的健康信息,直观了解学生的健康情况,包含体温情况、体温度数、咳嗽情况、疫情症状情况、流行病学史、其他需要报备的监控状况信息等;

ƒ接触情况表:该表主要记录学生与中高风险地区返回人员的接触情况,与家人的接触情况等,包括家人或同住人员的健康状况、是否在中高风险区停留或中转、本人或家属是否近14天内入境或未来拟入境、是否接触过近14天内入境人员等;

④隔离信息表:主要登记是否被隔离观察等情况,包括居家隔离、集中隔离、医学观察等;

⑤健康码信息:主要记录公共的健康码数据信息,并与共享大数据接口关联综合判断,包括上传当地健康码信息、健康码颜色;

⑥位置信息:主要通过上报与读取位置信息,了解学生的准确位置,包括当前区域等级、当前区域读取、去向等;

⑦返校信息:主要记录学生的返校信息,便于掌握学生返校路途信息,包括返校方式、到校时间、乘坐公共交通的到达点等;

⑧其他信息:主要登记真实填报信息的承诺等;

⑨进出校信息:主要用于学生是否能够正常进出校门,包括进出校审批、校园码红码、校园码绿码、校园码红码等;

4.学生疫情精准防控策略研究

在学生疫情防控精准研判大数据基础上,建立学生疫情精准防控策略,实现对学生的精准管理。

具体做法:在国家发布的新冠肺炎疫情防控要求基础上,结合“LBS技术+学生信息大数据+学生健康码+各区域疫情图”等,研究得到学生疫情防控策略(如图1),并利用综合分析技术形成“学生进校通行码”,根据疫情防控的重点将进校通行码分为红色、黄色、绿色三种颜色。

红色表示该学生具有高风险,禁止返回学校所在地或进入学校;黄色表示学生具有中度风险,建议学生不要返回学校所在地或应在学校所在地隔离7天以上安全后方能进入学校;绿色则表示学生为低风险,在体温正常时凭借学生“进校通行码”可以正常进入学校。

1疫情精准防控策略示意图

根据学生疫情防控精准研判数据,形成疫情精准防控的策略指标,主要包含健康指标、隔离指标、接触指标、健康码指标、位置指标、风险区指标等。

策略1:若健康指标、隔离指标、接触指标、健康码指标、位置指标、风险区指标等各项指标均正常,则形成校园进校码绿码;

策略2:若没有实现联系14天申报个人信息,则形成校园进校码黄码;

策略3:若体温异常、疫情症状异常,则形成校园进校码红码;

策略4:若处于隔离状态,则形成校园进校码红码;

策略5:若与高风险区人员有密切基础等,则形成校园进校码红码;

策略6:若处于高风险区,则形成校园进校码红码;

策略7:若途径高风险区,则形成校园进校码红码;

策略8:若申报位置与定位位置不符合,则形成校园进校码黄码,并报异常;

策略9:若处于低风险区,但进出中高风险区,则形成校园进校码黄码,并报异常;

……

策略n:将根据疫情发展情况不断更新完善各项策略。

 

5实践应用

截止目前,在针对学生的疫情防控信息采集工作中,我校已实现针对学生的信息采集与异动学生分析,对学生疫情防控精准化管理提供帮助,学生疫情防控信息采集界面如图2所示,异动信息分析如图3-5所示。该策略的应用,成效良好,实现了对学生的疫情防控精准管理。

2 学生疫情防控信息采集界面示意图

学生疫情防控信息采集主要是采集学生的疫情防控数据,并与原有学生的基础信息大数据进行互联,提高信息采集效率。

3 健康码异动名单示意图

健康码异动表示原先为绿码的同学,在其流动后,经过了某些相对高风险区域,综合判别他为红码,需要进行隔离观察,这是学生防控的重点人员。

4 健康码存疑名单示意图

健康码存疑名单表示原先为绿码的同学,在填报的时候没有关注自己的健康码颜色,存在着错报的情况,这些学生也是防控的重点人员。

5 学生上报区域存疑名单示意图

学生上报区域存疑表示学生存在着瞒报、漏报、错报的可能,这些都对精准防控带来风险,因此需要重点关注。

6.总结与展望

基于LBS的大学生疫情防控精准化管理实践应用,可以在社会通用的疫情防控措施基础上,通过每日一报个人信息,更加精准地掌握学生的状况,并基于位置信息,能够变被动为主动,精准获取学生的位置,分析可能经过的疫区情况,并依靠校园通行码管理学生的进出校,筑牢大学校园疫情防控安全墙。

参考文献:

[1]  丁壮、张云筝.从新冠疫情防控看大数据技术“赋能”应急信息治理[J].长江论坛,2020,(445-50




关键词:精准化管理;疫情防控;新模式;LBS


  首  页|关于感知|新闻动态|成功案例|服务支持|联系我们
版权所有:杭州感知科技有限公司 浙ICP备09084120号 浙公网安备 33018502001043号    
建议使用IE7.0,1024*788以上分辨率浏览本站