新冠病毒已有大流行特征，正肆虐全球，在中国境内，我们有强大的专家团提供医学建议和防疫知识，有可靠的人民政府采取防控措施，使疫情逐步稳定，但仍需持续保持警惕，防止疫情反复。但人员就职、出行、餐饮、居家等接触关系构成了错综繁杂的网络，在病毒人传人的特性下，能够直观展示人员接触关系数据尤为重要。

 

GDM可针对新冠肺炎传染图谱进行建模与分析，给人为治理增添了更加高效精准效的科学手段。

 

下文将为您阐述GDM对疫情数据的建模、分析，助您更好地了解GDM的产品特性。

 

①进行数据建模：主要分为健康人员/确诊病例/疑似病例/地址/交通工具/医院等实体数据，以及各实体之间的关联关系，如人员“乘坐”某交通工具，建模效果如图1所示。

 

 

图1 虚拟数据 仅供演示

 

②采集疫情上报的部分真实数据，进行模型数据转换和数据装载，效果如图2所示。其中各类实体均包含必要的实体信息。

图2 虚拟数据 仅供演示

 

③GDM提供对数据库中的关键人员进行探索，分析其接触史。查询与该人员存在直接关联关系的其他人员或地址等数据，如图3所示。

 

通过探索，将所有与侯某某存在直接接触的人员筛选出，侯某某所搭乘的交通工具和出现过的地址信息也能排查出来，从而进一步探索与侯某某存在间接接触的人员。

图3 虚拟数据 仅供演示

 

④GDM提供双击鼠标左键对顶点执行继续探索，从而实现对错综繁杂的关系网络逐步分析展示。如图4所示，在图3的基础上继续分析与侯某某同乘G2851次列车的人员信息。

图4 虚拟数据 仅供演示

 

⑤GDM的关系是有向的，这就表示可以通过有向的关系分析，来找出错综关系中的源头数据，例如疫情肆虐，我们期望找出0号病人，以分析出病毒的最终源头。

 

探索主体类型为“确诊患者”，筛选某个确诊患者，设置关联类型为“传染”，对其持续进行有向的关系探索，直到确定最终的传染源。

图5 虚拟数据 仅供演示

 

⑥存在不同的传染源，想要分析彼此是否存在某种关联关系时，则可以使用GDM所提供的路径探索功能，对特定的点进行路经查询，探索出彼此之间的直接/间接关联关系。

 

如图6所示，确诊患者罗某某、张某某、易某某等人先后均出现于同一海鲜批发市场，为进一步调查病毒来源，可由相关技术人员前往该地，采集样品进行化验。

图6 虚拟数据 仅供演示

 

新冠病毒疫情特殊，极强的传染性，且潜伏期较长，频繁的人员流动，给疫情防控工作增加了诸多困难，不仅需要有切实严谨的防控措施，还需要科学的手段进行疫情分析和辅助管理。

 

GDM提供高可用、高性能的海量数据存储/查询，还提供了灵活分析、操作便捷的数据分析系统，依据图数据库的产品优势对数据之间的关系进行分析。在此次事件中，GDM对大数据的处理能力可以有效帮助疫情防控工作者深入、直观的了解疫情，用科学为防疫增添助力。