一种用于学生返校的疫情预防方法

本发明涉及疫情预防领域，尤其是涉及一种用于学生返校的疫情预防方法。

背景技术：

对高校而言，在疫情防控常态化下逐步推进学生安全有序的返校是疫情背景下高校面临的首要问题。目前，多数高校的返校模式均为“学生申请-学院审批”的简单方案，学校无法有效掌握学生的返校时间与被感染风险，极易造成大量学生同一时间段集体返校的情况，不仅无法确保学生的安全状况，还存在疫情的聚集性传播的风险。故在低年级学生教学需求、毕业年级学生办理毕业手续需求以及新生入学的多重压力下，高校急需进行疫情预防。

技术实现要素：

本发明的目的就是为了克服上述现有技术存在大量学生同一时间段集体返校的情况，不仅无法确保学生的安全状况，还存在疫情的聚集性传播的风险的缺陷而提供一种用于学生返校的疫情预防方法。

本发明的目的可以通过以下技术方案来实现：

一种用于学生返校的疫情预防方法，包括以下步骤：

综合信息大数据平台构建步骤：获取全国疫情数据，构建疫情大数据地理空间数据库；获取学生日常上报的个人信息，构建学生每日状况数据库，所述学生日常上报的个人信息包括所在地信息和健康状况信息；

无感染风险的学生名单获取步骤：根据所述疫情大数据地理空间数据库和所述学生每日状况数据库中的所在地信息以及健康状况信息，通过预设的决策指标，获取无感染风险的学生名单；

返校方案生成步骤：根据所述该无感染风险的学生名单生成返校方案；

返校方案执行步骤：学生根据所述返校方案返校。

进一步地，所述返校方案生成方法还包括返校方案基本信息构建步骤：构建返校方案的基本信息，该基本信息包括返校方案的批次数量、名称和各批次最大返校人数；

所述综合信息大数据平台构建步骤还包括获取学生的基本数据，构建分布式学生基础信息数据库；

所述返校方案生成步骤具体为：根据所述无感染风险的学生名单、分布式学生基础信息数据库和返校方案的基本信息，生成分批次的返校方案。

进一步地，所述返校方案基本信息构建步骤中，采用预设的返校安全风险与返校优先级双重策略，制定所述分批次的返校方案，所述返校安全风险与返校优先级双重策略基于返校安全风险策略与返校优先级策略构建。

进一步地，所述返校优先级策略包括对学生所在地远近、学生年级、专业、校区、宿舍楼信息的筛选。

进一步地，所述返校方案生成方法还包括返校方案增减步骤：将所述返校方案生成步骤获取的所述返校方案下发至学生和学院，获取申报信息，对所述返校方案进行追加或删减；

所述申报信息包括个人健康状况变更信息、位置变化信息、与高风险人群接触信息和返校意愿信息。

进一步地，所述无感染风险的学生名单的获取包括以下步骤：

将学生的所述所在地信息和所述疫情大数据地理空间数据库中的疫情病例的空间位置分布信息，载入预先建立的元胞自动机中，获取与疫情病例接触的学生，作为有感染风险的学生，其它学生作为无感染风险的学生，从而获取无感染风险的学生名单。

进一步地，所述学生每日状况数据库和分布式学生基础信息数据库均为分布式索引的数据结构。

进一步地，所述决策指标包括：学生隔离期内是否连续打卡、隔离期内健康状况、是否居住在海外、位置变动状况、活动范围内有无确诊病例。

进一步地，所述综合信息大数据平台构建步骤中，通过网络爬虫技术，获取所述全国疫情数据。

进一步地，对通过网络爬虫技术获取的所述全国疫情数据，进行数据交叉对比、相似匹配和数据融合，构建所述疫情大数据地理空间数据库。

与现有技术相比，本发明具有以下优点：

(1)本发明首先通过疫情大数据地理空间数据库和学生每日的所在地信息，判断各学生所在地的疫情形势；然后进一步通过学生每日状况数据库，判断出无感染风险的学生名单，从而根据返校方案的基本信息，制定分批次的返校方案，该方法流程科学合理、安全可靠；本发明提出的高校返校方案生成方法可应用于高校返校过程中的科学管理与风险评估，智能化实现“分批错峰”返校方案指定，保障返校复学工作。

(2)综合信息大数据平台构建步骤中采用分布式索引的方式组织数据结构，提高数据查询的效率，便于海量学生信息的查找与更新；

(3)本发明提供的用于学生返校的疫情预防方法，充分使用了疫情大数据作为方案制定的重要数据源。通过网络爬虫技术在丁香园、腾讯、百度等网站及各地政府微博、公众号等信息发布平台上获取全国2880个县、县级市、单列规划区(经济开发区等)的病例统计数据、位置点数据，随后对疫情数据进行智能化分析，通过数据交叉对比、相似匹配与数据融合解决数据缺失、数据格式不一致、统计口径不一致等相关问题，提高疫情数据处理的自动化水平，进一步确保疫情数据的准确无误。对精细化疫情大数据的构建与维护，确保了对疫情形势与风险判断的准确性与实时性，有效保证了对学生返校风险的评估，从源头提高了返校过程的安全性。

(4)本发明一种面向疫情防控的高校返校方案生成方法，充分考虑了学生居住地、年级、宿舍、校区等基本信息，自动生成分批次返校学生方案，在安全、有序、错峰返校的前提下兼顾了学生与高校的实际需求，从而保障了返校方案的科学性与安全性。较目前普遍的疫情背景下无序返校，本发明提出的返校方案生成方法思路清晰，方案可靠，普适性与可推广性良好。

(5)本发明借助地理信息技术与空间大数据处理技术，可以深度挖掘海量疫情数据与学生日常申报的个人信息(如健康状态、位置变化(被感染风险)等)，交互分析个人、疫情相关数据，获取人员的返校风险信息，并根据学校安排、返校优先级科学地生成错峰返校方案。通过此方法指定返校方案，兼顾返校工作的效率、安全性和科学性，不仅可以将疫情的风险性降低到最小，还可以充分满足高校学生的实际需求。

附图说明

图1为本发明返校方案生成方法的流程图；

图2为本发明提出的可视化地理空间疫情数据库图；

图3为本发明提出的返校方案各批次设置图；

图4为本发明提出的返校方案学生名单筛选方式图；

图5为本发明提出的返校方案的结果图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例1

本实施例提供了一种用于学生返校的疫情预防方法，包括以下步骤：

综合信息大数据平台构建步骤：获取全国疫情数据，构建疫情大数据地理空间数据库；获取学生的基本数据，构建分布式学生基础信息数据库；获取学生日常上报的个人信息，构建学生每日状况数据库，学生日常上报的个人信息包括所在地信息和健康状况信息；

返校方案基本信息构建步骤：构建返校方案的基本信息；

返校方案生成步骤：根据疫情大数据地理空间数据库和学生每日状况数据库中的所在地信息，判断各学生所在地的疫情形势；

根据各学生所在地的疫情形势和学生每日状况数据库，获取无感染风险的学生名单；

根据无感染风险的学生名单、分布式学生基础信息数据库和返校方案的基本信息，制定分批次的返校方案；

返校方案执行步骤：学生根据所述返校方案返校。

学生每日状况数据库和分布式学生基础信息数据库均为分布式索引的数据结构。

下面对各步骤进行详细描述。

1、返校方案生成步骤

返校方案生成步骤中，通过预设的决策指标，获取无感染风险的学生名单，决策指标包括：学生14内是否连续打卡、14天内健康状况、是否居住在海外、位置变动状况、活动范围内有无确诊病例。

无感染风险的学生名单的获取包括以下步骤：

将学生的所在地信息和疫情大数据地理空间数据库中的疫情病例的空间位置分布信息，载入预先建立的元胞自动机中，获取与疫情病例接触的学生，作为有感染风险的学生。

进一步地，再根据14天内健康状况、学生14内是否连续打卡、是否居住在海外、位置变动状况、活动范围内有无确诊病例指标，获取新的有感染风险的学生；其它学生作为无感染风险的学生，从而获取无感染风险的学生名单。

返校方案基本信息构建步骤中，采用预设的返校安全风险与返校优先级双重策略，制定分批次的返校方案，返校安全风险与返校优先级双重策略基于返校安全风险策略与返校优先级策略构建。

返校优先级策略包括对学生所在地远近、学生年级、专业、校区、宿舍楼信息的筛选。

2、综合信息大数据平台构建步骤

综合信息大数据平台构建步骤中，通过网络爬虫技术，获取全国疫情数据。

对通过网络爬虫技术获取的全国疫情数据，进行数据交叉对比、相似匹配和数据融合，构建疫情大数据地理空间数据库。

3、返校方案增减步骤

返校方案生成方法还包括返校方案增减步骤：将返校方案生成步骤获取的返校方案下发至学生和学院，获取申报信息，对返校方案进行追加或删减。

申报信息包括个人健康状况变更信息、位置变化信息、与高风险人群接触信息和返校意愿信息。

4、返校方案评估步骤

返校方案生成方法还包括返校方案评估步骤：对返校方案进行评估，得到可执行的返校方案，用于实际返校安排中。

本实施例还提供一种面向疫情防控的返校方案制定装置，包括存储器和处理器，所述存储器存储有计算机程序，处理器调用所述计算机程序执行如上所述的用于学生返校的疫情预防方法的步骤。

具体实施过程的详细描述如下：

如图1所示，本实施例一种用于学生返校的疫情预防方法，该方法统筹规划，制定科学合理、符合实际的分批次错峰返校方案，从而用于学生返校，方法包括以下步骤：

1)构建返校方案学生综合信息大数据平台，高效便捷地实现学生信息查询与更新、返校方案的生成、整理和导出；

2)新建预估返校方案，设置返校方案基本信息，包括返校的批次数量、名称、各批次最大返校人数；

3)结合疫情大数据与学生个人信息，综合实际需求自动生成分批错峰分批次返校学生名单；

4)根据学生要求与实际情况，智能审核学生申报信息，经系统安全性研判后进行返校名单的追加或删减；

5)对最终的返校方案进行智能化评估，通过后则进行方案的保存、下发与确认。

所述的步骤1)具体为：

11)通过网络爬虫技术在丁香园、腾讯、百度等网站及各地政府微博、公众号等信息发布平台上获取全国2880个县、县级市、单列规划区(经济开发区等)的病例统计数据、位置点数据，构建疫情大数据地理空间数据库，并对数据库进行日常维护与更新；

12)构建分布式学生基础信息数据库，录入学生基本信息，包括学号、姓名、学院、校区、宿舍、是否已返校；

13)导入并处理学生日常上报的个人信息，如所在地与健康状况，实时更新学生的每日状况，作为返校风险分析的基础情报；

14)采用分布式索引的方式组织数据结构，提高数据查询的效率，便于海量学生信息的查找与更新；

所述的步骤2)具体为：

21)新建预估返校方案，根据政策与高校的需求，设置返校方案的开始结束时间、名称、批次数量、各批次最大返校人数；

所述的步骤3)具体为：

31)对全国市县级疫情进行大数据分析，根据确诊病例的空间位置分布以及学生的空间位置数据库，精确研判学生所在地疫情形势；

32)根据学生每日上报信息，以学生14内是否连续打卡、14天内健康状况、是否居住在海外、位置变动状况、活动范围内有无确诊病例、是否在重点区域停留为决策指标，研判返校风险，精准获取无感染风险人员名单；

33)通过返校安全风险与返校优先级双重策略综合筛选出符合条件的学生名单，自动生成各批次返校学生名单。其中，返校优先级策略包括对学生所在地远近、学生年级、专业、校区、宿舍楼等信息的精细化筛选，从而兼顾学校统筹部署与学生个人返校需求。

所述的步骤4)具体为：

41)下发初步返校方案至学生与各学院，随后智能化审核学生提交的申报信息，如个人健康状况变更、位置变化、与高风险人群接触等信息，对返校方案自动进行删减和调整；

42)根据学生的意愿和实际情况调整返校方案，审核学生的新增返校申请，一人一案分析返校风险性，通过审核后则可对返校批次追加学生。

所述的步骤5)具体为：

51)对最终的返校方案进行智能化评估，根据最终的各批次返校时间、返校人数及人员风险信息重新分析方案的安全性与可行性，通过后则进行方案的保存、下发与确认，将其作为可执行的返校方案投入实际返校安排中。

本实施例方法的实际具体实施例如下：

a)本发明提出的精细化疫情大数据通过爬虫技术获取全国2880个县级区域的疫情大数据，构建精准的全国疫情数据库并对该数据库实时更新，实现全国确诊病例及疑似病例的空间分布分析。根据空间分析的结果，参考确诊及疑似病例的空间分布密度，将不同的空间区域分为高风险、中风险、低风险和安全区域，实现空间位置风险性性评估。如图2所示；

b)本发明对学生返校方案的设置与生成方式如图3。根据政策与高校的需求，设置返校方案的开始结束时间、名称、批次数量、各批次最大返校人数。

c)本发明对学生返校方案名单的生成方式如图4。通过选择学生14内是否连续打卡、14天内健康状况、是否居住在海外、位置变动状况、活动范围内有无确诊病例、是否在重点区域停留为决策指标，通过返校安全风险与返校优先级双重策略综合筛选出符合条件的学生名单并添加至该批次返校名单；

d)下发初步返校方案至学生与各学院，随后智能化审核学生提交的申报信息，如个人健康状况变更、位置变化、与高风险人群接触等信息，对返校方案自动进行删减和调整；

e)根据学生的意愿和实际情况调整返校方案，审核学生的新增返校申请，一人一案分析返校风险性，通过审核后则可对返校批次追加学生。

f)对最终的返校方案进行智能化评估，根据最终的各批次返校时间、返校人数及人员风险信息重新分析方案的安全性与可行性，通过后则进行方案的保存、下发与确认，将其作为可执行的返校方案投入实际返校安排中，最终下发的返校方案如图5所示。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。