作者 | 闭雨哲
来源 | ThutmoseAI
背景介绍
新冠肺炎是一种具有最长达24天潜伏期的新型突发性传染疾病，这种特性给疫情防控带来了巨大的挑战，随着感染规模的不断扩增，简单的人为治理已不太奏效，使用“大数据”技术手段来辅助人为治理社会有助于快速准确的定位问题关键，帮助决策者及时作出下一步规划。
这一个月来每天都会在各大站点查看感染人数的更新、病例的行程发布等等，然而互联信息更新总是不能赶上群众急切的小手手...
技术背景
知识图谱技术作为大数据走向人工智能的台阶，它以最契合社会行为的形式表达复杂的社会结构，非常适合分析具有关联关系的数据，使用知识图谱技术分析传染关系及社会动向非常有利于疫情的防控，对疫后的研究分析也有帮助。尽管当前大数据和人工智能的应用尚处于初级阶段，但以知识图谱为核心的研究成果正在带来一波新兴的科技潮流。
知识图谱背后的技术关键“图数据库”：
图形数据库是一种应用关系图理论存储复杂的实体之间的关系信息，即用“点”和“边”的形式来存储数据，最常见例子就是社会网络中人与人之间的关系，正是本次疫情中的关键线索。
使用技术
本文使用图特摩斯科技自研的国内首个时序图谱平台AbutionGraph作为技术支撑，主要技术突破点为：静态图+动态图+时序图+多维的存储形式。
解决问题：
疫情实时统计：实时统计医院/城市/省份的确诊/疑似/死亡/接触人数等
疫情实时分析：病例接触者人群溯源及时排查、高风险同行人群分析、城市区域风险等级计算等
疫情数据研究：病毒传播渠道及路径、寻找疾病候选药物，提供相应的药物作用机制等
使用数据：
本次演示共使用5类实体数据：包括正常人、病例、地址、交通工具、医院等数据信息，以及各类实体之间的关联关系，如“某患者曾出现于某超市”等关系。我们使用AbutionGraph依据真实场景建模，由于详细数据不公开，本文中均使用模拟数据进行分析。
与普通图存储的技术区别
在建模前，我们有必要先来理解一下多维、动态、时序这些在图谱存储中的新概念。
1）“一维”图谱和“多维”图谱的区别
一维图谱：
（常见的图形存储结构，如：JanusGraph、Neo4J等技术中使用）
多维图谱：
AbutionGraph独有的存储形式（实体属性细分，任意维度的数据包含，如张某某具有2个维度的数据，而李某某不患有疾病，可不包含“维度2”。）
2）“静态”、“动态”及“时序”图谱的区别
假定场景：实时统计每个人之间的交易总金额。
1.静态图谱：
静态图谱统计历史账单总金额方法：10+5+5=20元
（所有交易信息都查询出来，再逐个累加汇总）
2.动态图谱：
动态图谱统计历史账单总金额方法：数据产生后发生存储即实时自动汇总，及时查询得出20元。
3.动静结合：
静态图谱+动态图谱是AbutionGraph特有形式，即可以保持历史数据不变，又可无需人为干预实时根据历史数据统计出指标。
4.时序图谱：
时序指标计算是动态图谱的特殊形式，即根据“事件”发生的时间线，使用划分的时间区间进行实时指标计算。
如场景～统计每个人之间每天的实时交易总金额、统计每周（统计区间）实时新增病患。
新冠肺炎数据建模
了解了图形的多种存储形式后，接下来我们使用模拟数据依次建模，并详细介绍每个实体与关系的数据映射关系。
当发生突发公共事件时，我们在“正常时期”的数据图谱之上进行多维扩展，以支持更多业务，灵活应对疫情。
一）节点“人”数据建模
正常人数据（2维）：
1.基本信息：性别、生日、籍贯等 （数据来自身份证采集等渠道）
2.曾患病信息：疾病名称、发病时间、就诊医院等 （数据来自医院联网数据等渠道）
患病人数据（3维）：
1.基本信息：性别、生日、籍贯等
2.曾患病信息：疾病名称、发病时间、就诊医院等
3.患新冠肺炎：感染程度、诊断时间、感染原因、症状等 （数据来自各地医院实时上报等）
二） “人”-（收治于）->“医院”
实体“医院”数据（2维）：
1.基本信息：病床数、医护数、病人数等 （实时动态数据 来自医院资源管理系统等渠道）
2.病例信息：收治数、确诊数、疑似数、病亡数、治愈数等 （实时动态数据 来自医院联网实时上报等渠道）
关系“收治于”数据（1维）：
1.收治信息：收治时间、收治原因等 （数据 来自医院实时上报等渠道）
三） “人”-（住在、出现于、感染于）->“地址”
关系数据（3维边）：
1.居住于：入住日期等 （历史数据 来自社区物业管理系统等渠道）
2.出现于：出现日期等 （历史数据 来自社区街道管理系统等渠道）
3.感染于：感染日期等 （实时数据 来自医院联网实时上报等渠道）
实体“地址”数据（1维）：
1.地址：（无属性信息）
四） “人”-（乘坐）->“交通工具”
关系数据（1维）：
1.乘坐：上车时间、上车地点、下车时间、下车地点、座位号等 （数据 来自交管部门管理系统等渠道）
实体“交通工具”数据（多维）：
1.车基本信息：编号、座位数、交管局、投入时间、维修信息、描述信息 （数据 来自交管部门管理系统等）
2.高铁：司机、乘车人数、发车时间、始发站、终点站、途径站点等 （数据 来自交管部门管理系统等）
3.飞机：司机、登机人数、出发城市、到达城市、起飞时间等 （数据 来自航空公司管理系统等）
4.地铁：司机、车辆型号、发车时间、始发站、终点站、途径站点等 （数据 来自城市轨道管理系统等）
Ps：交通数据种类丰富， 有公交站点、地铁站点等静态数据，还有基于事件流的动态数据，例如，公交车进出站、地铁刷卡出行、出租车到达某一地理点等。
五） “人”-（接触、传染）->“人”
关系数据（1-2维）：
1.接触：接触时间等 （数据 来自临时背调等渠道）
2.传染：无属性
实体“人”维度（多维可变）：
健康人（未得过病）1个维度：“基本信息” 维度
亚健康（得过疾病）2个维度：“基本信息”、“曾患病信息” 维度
患病人（患新肺炎）3个维度：“基本信息”、“曾患病信息” 、“患新冠肺炎” 维度
（各维度的属性信息前章节已给出）
未确诊前样例数据：
确诊后样例数据：
感染人群数据时间线：
2020-02-07：“赵六”（未发病）--探亲->“赵七”（健康）
2020-02-10：“赵六”（发病），确诊患新冠肺炎
2020-02-11：“赵七”（未发病），但为确诊病例“赵六”密切接触者，随后查出感染
“赵七”的密切接触者“张女士”即应进入医学观察期
六） “医院”-（归属于、院上报）->“城市”
关系数据（2维）：
1.院上报：患者姓名、患者年龄、患者病情（危重/严重/轻症）、诊断情况（确诊/疑似）、上报时间、上报人员等 （数据 来自医院病患数据采集等）
2.归属于： （无属性信息）
实体“城市”数据（2维）：
1.市患者实时统计（动态）：确诊总数、疑似总数、严重患者总数、轻症患者总数、时间区间-按天分区等 （数据 来自市医院医护实时汇报等）
2.市患者每日新增趋势统计（时序）：确诊总数、疑似总数、严重患者总数、轻症患者总数、统计开始时间、结束时间等
七） “城市”-（归属于、市上报）->“省份”
关系数据（2维）：
1.市上报（按天）：确诊总数、疑似总数、严重患者总数、轻症患者总数等 （数据 来自市级数据实时自动获取）
2.归属于： （无属性信息）
实体“省份”数据（2维）：
1.省总患者统计（动态）：确诊总数、疑似总数、严重患者总数、轻症患者总数等 （数据 来自市医院医护实时汇报等）
2.省每日新增患者统计（时序）：确诊总数、疑似总数、严重患者总数、轻症患者总数、统计开始时间、结束时间等
至此，数据建模介绍完毕。如上，数据统计部分已经实现自动化，即查即用。接下来基于此设定数据集进行一些更上层的分析场景演示。
场景分析演示
Ps：AbutionGraph查询方式偏API，暂未实现GSQL，为了方便理解，查询语句均使用相应查询逻辑的伪代码方式演示。
场景1、城市病例每日新增趋势查询（每日汇总）
查询：
vertex ["北京市"，"深圳市"]
use "市患者每日新增趋势统计"
select "开始时间" execute ">2019.01.20" //<<--按天分区汇总（预聚合-即图库自动计算的）
select "结束时间" execute "<2020.01.24"
结果：
北京市（2020.01.20）：2例
北京市（2020.01.21）：6例
北京市（2020.01.22）：13例
北京市（2020.01.23）：8例
深圳市（2020.01.20）：4例
深圳市（2020.01.21）：6例
深圳市（2020.01.22）：18例
深圳市（2020.01.23）：19例
场景2、城市病例分布情况查询（指定区间全量汇总）
查询：
vertex ["北京市"，"深圳市"]
use "市患者实时统计维度"
select "开始时间" execute ">2019.01.20" //<<--按天分区汇总（后聚合）
select "结束时间" execute "<2020.02.24" //<<--不指定区间即所有天数据汇总
groupBy [] ;
结果：
北京市（2020.01.20-2020.01.24）：29例
深圳市（2020.01.20-2020.01.24）：47例
场景3、省份病例每日新增趋势查询（每日汇总）
查询：
vertex ["广西省"]
use "省每日新增患者统计维度"
select "开始时间" execute ">2019.02.10"
select "结束时间" execute "<2020.02.11"
count "确诊总数，疑似总数" ;
结果：
广西省（2020.02.10）：
确诊总数：11
疑似总数：29
广西省（2020.02.11）：
确诊总数：18
疑似总数：30
场景4、城市病例的年龄段分布情况（3跳查询）
查询：
vertex ["北京市"] toEdge [“院归属于”] toEntity ["市患者实时统计"] toEdge [“院上报”]
use ["院上报维度"] select [“患者年龄”] mean() ;
结果：
70~79岁：1人
60~69岁：4人
50~59岁：3人
40~49岁：8人
30~39岁：5人
20~29岁：1人
10~19岁：0人
0~9岁：0人
Ps：如上查询为3-跳查询，如需求固定可在建模时为此逻辑创建一个动态维度，实现自动化计算。
场景5、查出某病例确诊前3天接触过的人群
查询：
Vertex [“梁某某”,“陈某”] toEntity [“患新冠肺炎”] select [“确诊时间”] toEdge [“接触”] by [“接触时间”>“确诊时间”-3天]
use "基本信息维度" ;
结果：
梁某妹
梁某兄
陈某夫
场景6、找出所有超级传播者
Ps：假定传染人数超过4个即为超级传播者。
查询：
use ["患新冠肺炎"] toEdge [“传染”] count >= 5 ;
结果：
场景7、查找患者传播链
Ps：假定传染人数超过4个即为超级传播者。
查询：
//<<--按患者传染的路径逐步遍历,直到终点实体无“患新冠肺炎”维度
use ["患新冠肺炎"] for ( toEdge [“传染”] ) until ( toEdge [] Dimension !=“患新冠肺炎”) ;
结果：
总结
AbutionGraph是个年轻的图数据库系统，它可以满足永不掉线的实时指标计算任务以及历史数据分析，多维度的存储模式除文中介绍的场景外，我们也可以在实体上动态存储关系上的属性，反之亦然，比如：在实体“张三”的某个维度上实时统计它最近联系过的10个朋友的名字并不断更新与保存。
（*本文由AI科技大本营转载，转载请联系原作者）
【end】
◆
精彩推荐
◆
推荐阅读
你点的每个“在看”，我都认真当成了AI
