原标题：COVID-19疫情数据的时空地理空间可视化分析(上篇)

鼠年伊始，在中国第七大城市，拥有1100万人口的湖北省武汉市爆发了新型冠状病毒引发的肺炎（CoVID-19），从1月23日武汉封城起，全国人民共同抗击疫情，支援武汉。疫情爆发以来，每天的疫情数据牵动人心，政府疾病控制中心每天都发布各地疫情数据，新闻媒体通过各种新媒体技术和数据新闻方式实时发布并呈现疫情数据，人们可以通过数据可视化感知疫情现状和流行病传染扩散趋势及救治情况。

今天我们就从时空地理大数据视角来谈谈疫情数据的可视化分析方法，在本篇中，我们主要从大体上讲述时空可视化的起源与方法。

从疫情爆发以来我们看到国内外已经出现了非常多的优秀数据可视化疫情分析和疫情图表，特别是以仪表盘形式的数据驾驶舱更具特色。

链接地址：http://dash-coronavirus-2020.herokuapp.com/

图2：Python的Plot.ly包和Dash包技术完成的每日更新的疫情仪表盘

链接地址：https://www.mapbox.cn/coronavirusmap/?/=blog&utm_source=mapbox-blog&utm_campaign=blog%7Cmapbox-blog%7Ccoronavirus-map%7Cvisualizing-the-progression-of-the-2019-ncov-outbreak-66763eb59e79-20-02&utm_term=coronavirus-map&utm_content=visualizing-the-progression-of-the-2019-ncov-outbreak-66763eb59e79#3.24/36.53/111.31

图3：基于Mapbox地理分析系统的可视化看板。

链接地址：https://public.tableau.com/profile/jean.paul.cavalier#!/vizhome/Coronavirus2019-nCoVstats/Coronavirus2019-nCoV 图4：基于Tableau可视化BI软件制作的疫情可视化分析。

从可视化分析角度，这些数据分析系统都具有每日更新，呈现中国和全球地理信息的功能。从数据类型看主要是疫情数据、地理信息数据、时间序列数据和迁徙数据。下面我们就来介绍一下基于时空地理大数据的可视化分析方法。

一、流行病学与数据可视化

19世纪初，霍乱从印度开始传播到亚洲和欧洲，并在世界范围内流行开来。人们一直认为霍乱是通过空气传播的，直到1848年，英国的一位医生约翰·斯诺（John Snow）提出了另一种假设：被细菌污染的水才是霍乱的来源。这种假设起初并没有得到重视，1854年，霍乱又一次在伦敦梭霍区爆发，短短三天就造成了127人死亡。斯诺调查了所有死亡病人的资料，发现此次爆发与布罗德街上的一个水井有关，他用一幅可视化地图说明了这一点。斯诺先在每个报告有死亡病例的地址位置上绘制一个条形图（有的地址中最多有18人死亡），然后绘制出这个区域中水井的位置，并画出一条边界线，这条线离布罗德街水井和其他水井的距离相等。可以看到，死亡病例几乎都集中在布罗德街水井附近。后来人们发现，这口水井非常靠近一个污水坑，有一些带有霍乱细菌的废水被排入了这里。

图6: Source: Kelley, Peter. 2012. Documents that Changed the WorldPodcasts: John Snow’s Cholera Map, 1854. Availableat: www.washington.edu/news/2012/08/28/documents-that-changed-the-world-john-snows-choleramap-1854.

这个事件被认为是流行病学的开端，自那时起，流行病学就与数据可视化紧密相连。在那个年代，做这样的地理信息可视化图非常困难，需要大量的手工工作，但是现在，很多先进的可视化工具可以帮助我们快速生成可视化作品。尤其是带有交互的数据可视化，使用者可以通过交互工具探索内容，更轻松的理解数据中的模式和结论。

数据可视化包含图表、图形、信息图、仪表盘等多种形式，而根据受众是否可操作这一点，又分为静态可视化和交互式可视化。一个优秀的数据可视化作品通常具备以下要素：趣味性，包括主题契合性、意义性和美观性；功能性，包括易用性、加载时间和可读性；诚实性，包括准确性、真实性和一致性等[1]。

数据可视化不仅仅是一种工具，它还是一种讲故事的艺术。用数据讲述的故事可以改变我们看待世界的方式，创造可能甚至叫我们采取行动的信念。目标应该是使用数据并以具有深远影响的故事形式呈现，并将其置于可能影响结果的决策者手中。

二、疫情数据与可视化分析

流行病控制需要对公共卫生状况的认知，传染病流行期间的实时态势感知需要及时收集、分析和解释数据。疫情数据分析通常要回答三个重要的问题：1）发生了什么？2）发生在哪里？3）预计会产生什么影响？流行病调查需要知道：你是谁？从哪来？到哪去的哲学命题。有用的数据包括且不限于爆发和传播的位置、人口统计、经济、病例数等等。

下图展示了流行病学数据分析中主要分析路径和所需数据源，包括分子流行病学研究、感染链构建、地图、接触可视化、配对延迟、流行曲线、个案延迟和遗传学研究等；经常用到的数据包括流行线表数据、接触数据、基因组数据及相关的背景数据；模型工具包括传染动力学模型、（对数）线性模型和分支过程等。

图7:流行病爆发数据分析类型图

此外，大数据时代的到来为我们带来了前所未有的开源和开放数据及可用性工具软件的提升，而智能设备的广泛使用使得人类行为数据化程度越来越高，除了传统意义上的人口统计方面的背景数据外，更多数据挖掘被应用到疫情数据分析中。一方面，智能设备提高了时空地理数据、流行病学追踪关系等数据的精度；另一方面，新闻媒体的舆情数据、酒店商旅、公共交通相关的人群流动数据、还有医疗资源、公共设施和物资储备等多方面数据可以拓宽分析的广度。

目前我们拥有的数据，包括：日期、行政区域（国家、省市和县）、每日更新的疫情数据（确诊 、治愈、病死 和疑似、隔离、重症等），这些数据可以通过各种数据接口API或公开网站获得。目前疫情数据主要来自疾控中心、丁香医生、QQ疫情、百度、今日头条等媒体和渠道发布的公开数据；人口迁徙数据，主要包括人口流动情况，数据源主要为百度地图；舆情数据，这方面数据比较庞杂，本次不去讨论。流行病追踪数据，主要包括传播者、感染者、康复者、传染途径和传染类别等；其他数据，包括人口数据、医院资源、酒店餐饮、公共场所等。最后需要的数据是地理空间位置大数据，也是本文重点介绍的数据分析和可视化方法。

从数据类型上看，除了舆情数据外大部分应该都是结构化数据，数据结构是时间、位置、特征属性、传播或迁徙关系和分类特征。目前疫情数据的时间主要是从2020年1月20日开始至今，特别是1月23日武汉封城之后，数据进入对齐和规整化。

三、地理空间的数据处理和分析

从前面的疫情数据仪表盘案例可以看出，疫情数据可视化的一个重要因素或维度是地理信息。那么我们如何获得地理行政区域数据呢？我们可以从开源渠道GADM（https://gadm.org）网站获取世界各国和地区的行政地理数据，一般是SHP和GeoJson格式数据。然后通过Qgis软件将行政区域合并，特别提醒在中国往往需要单独下载台湾、香港、澳门和南海九条线数据，或者在正式发布数据中要明确标明台湾和南海九条线，这是原则问题切记。

1. 行政区域Polygon和点point的链接与分析

我们以中国行政划分区域来看，下载数据包括全国、省级、地市级和县级四个等级，我们采用地市级，可以对应疫情数据发布的最小行政区域。

图8：全国地市级行政区域图

技术上讲基于开源地理分析软件Qgis可以进行各种地理分析计算和标注，主要包括地理数据多边形Polygon，线Polyline和点Point，进行过滤选择，以及计算有多少点Point落在特定Polygon多边形内。另一类就是属性表数据，可以讲将各种特征属性标注在地理数据上，比如人口密度、行政等级、疫情指数等。通过MMQGIS、Web和TimeManager插件可以计算和可视化动态GIF格式数据。

对于选定的区域数据我们还可以采用三角形、正方形或六边形（蜂窝状）生成新的Polygon网格区域数据。

图9: 网格化数据类型

下图是讲中国行政区域蜂窝六边形，我们可以根据区域设置不同尺度的网格。数据网格化，管理可以精细化。但是一个重要问题是网格数据没有特征属性。

图10: 中国行政区域六边形蜂窝网格化示例

从一定意义讲特定行政区域的网格化管理是基础建设问题，目前中国行政区域的网格结果化是较大尺度的网格。我们可以针对更小尺度的行政区域，比如某区县、园区、学校和特定区域来设计网格化体系，进行网格化管理，并作为一项重要的大数据支撑体系。

有了基础行政区域或网格Polygon数据后，接下来就需要在区域数据上附着属性特征数据，比如区域内的人口数、人口密度、医疗资源等，当然目前主要就是能否标示疫情数据。还有一种方式就是通过点Point数据属性链接到Polygon数据中。比如将地市级人口数据链接到行政区块内，或者将各地发生的疫情数据链接到所属行政区域内。

首先我们希望得到各行政区域国网格化内的人口数据，但很难获得网格化后的数据。正好我们拿到了中国行政区域内的移动运营商基站数据（Cell-Tower，来自 https://opencellid.org/），该数据集包括中国主要移动运营商的基站位置数据。我们下载了中国代码460（不含港澳台）的数据点集，每个基站都有地理经纬度标示位置信息。

图11：全球移动基站位置开源数据

我们采用Qgis软件，将基站点数据作为点层加载到中国行政区域图层上，我们可以有基本假设，移动运营商（含中国移动、中国联通、中国电信和其他运营商）是根据人群密度设置基站的，基本上可以代表中国行政区域的人口密度指标。

图12:中国行政区域内移动运营商基站

计算每个行政区域内的基站数需要较大的运算量，在Qgis中少量数据运算较快，但大量数据就非常缓慢，需要数小时的运行时间。这时候我们就需要Python编程进行大规模数据运算，地理分析中通常御用的分析包，包括：geopandas、OSMnx、pySal、geopy等。这些包可以帮助进行地理数据处理和运算，几分钟就可以得到结果。

图13:移动运营商基站在各地级市分布数量（对标人口密度）

同样我们可以根据基站点位置坐标或其他点坐标生成六边形蜂窝区域，计算网格的数据指标。目前在地市级尺度上我们还没法将疫情数据聚集在网格内（无法获得更惊喜的疫情数据）。下图是通过https://healthsites.io/map?country=China获取到的中国大陆境内医疗机构的位置数据（主要采集来自openstreetmap.com）的医疗位置信息，基于位置坐标生成六边形蜂窝区域，并计算区域医疗资源点数。

图14: 中国大陆境内医疗机构位置和六边形区域单位数量

无论是区域Polygon还是点Point都需要满足地理信息数据格式，如果我们没有点的坐标经纬度数据，可以通过百度地图LBS基于位置的服务API请求获取经纬度，这就像我们给出地址名称查询位置一样只是需要批量处理。另一方面也可以通过计算多边形的中心点获得替代点坐标（连续区域可行）。

2. 迁 徙数据的地理信息分析

我们已经看到如何生成行政区域或六边形区域，并将其与点链接附着属性特征。下面我们需要研究迁徙数据，这种数据主要是两个经纬度坐标点的关系，比如人口迁徙，飞机航线，疫情扩散的地点等。目前与疫情相关的主要是武汉到其他地市的关系，百度地图迁徙大数据平台给出的每日全国各个城市到其他地市的迁出迁入比例。目前能够获得的迁徙数据只是一个相对指标，还无法获得人口流动数据，特别是本次疫情爆发之后，武汉于1月23日封城，全国抗击疫情人口流动产生很多绝对值变化。

图15:百度地图迁徙大数据平台

我们根据从百度地图获取的2020年1月1日后一个月全国迁徙数据，绘制了全国省会城市的迁徙图。

图16: 全国省会城市迁徙图（2020年1月1日——2020年2月2日）

图17:湖北省，武汉市人口迁出和迁入比例关系图

绘制某一天或累计湖北省迁出或迁入，武汉市迁出或迁入人口流动比例，同样我们也可以将疫情数据标注在图中，但是迁徙数据目前只是在视觉上有位置的视觉效果，并没有太多分析指标，需要在线实时查询点击查询。

在下一篇章中，我们将主要对 CoVID-19疫情数据进行时空地理分析可视化进行描述与讲解。

同时，沈浩老师将在 2月21日下午 2：30，使用zoom平台对时空地理空间可视化分析方法进行讲解，有时间的同学可以参加，希望大家可以得到收获。

邀请您参加预先安排的 Zoom 会议。

主题：公开课：疫情数据，基于时空地理可视化技术讲解

时间：2020年2月21日 02:30 下午 北京，上海

加入 Zoom 会议

会议 ID：424 763 9140

手机一键拨号

根据您的位置拨号

会议 ID：424 763 9140

查找本地号码：https://zoom.com.cn/u/ibF3JsUXAb

沈浩老师

——————

中国传媒大学新闻学院教授、博士生导师

中国传媒大学调查统计研究所所长

大数据挖掘与社会计算实验室主任

数据艺术家

TableauHome

责任编辑：