基于社会网络的城市疫情空间扩散及治理研究

doi:10.3969/j.issn.1004-9479.2022.03.2020617

摘要/Abstract

摘要：

以深圳市卫生健康委员会发布的新冠肺炎确诊病例数据信息为依据，借助数据挖掘方法、空间分析方法和社会网络分析方法，对城市疫情空间扩散特征及治理对策进行了分析。研究表明：（1）从流行病学基本特征来看，疫情确诊病例人群结构复杂，来源地较广，延续时间较长，被传染病例发病滞后周期复杂。（2）从家庭内部及夫妻之间传播网络来看，疫情扩散具有强烈的空间聚集性特征。（3）从重点疫区和非疫区传播网络来看，疫情扩散具有明显的空间流动性特征。（4）从社交活动传播网络来看，疫情空间扩散具有私密性和不确定性特征。（5）从境外疫情空间蔓延的传播网络来看，疫情扩散具有国际性和不可抗拒性特征。（6）在城市管理中，应该优化城市空间效能，利用现代通信网络技术提高治理时效性和柔韧性。

关键词: 非疫区城市, 疫情, 空间扩散, 社会网络, 新冠肺炎, 深圳

Abstract:

This paper analyed the spatial diffusion characteristics of urban epidemic situation and its control measures of COVID-19 with the help of data mining method, spatial analysis and social network analysis based on the confirmed cases data information of COVID-19 released by Sanitation and Health Committee of Shenzhen. Research shows some results as follow. First, judging from the basic characteristics of epidemiology, the population structure of confirmed cases is complex with a wide range of sources, long duration, and a complicated hysteresis cycle for paroxysm. Second, from the aspect of communication networks within the family and between couples, the spread of the COVID-19 has a strong spatial aggregation feature. Third, judging from the transmission network of key epidemic and non-epidemic areas, the spread of COVID-19 has obvious spatial mobility characteristics. Fourth, from the perspective of social activity communication networks, the spatial spread of COVID-19 has the characteristics of privacy and uncertainty. Fifth, from the point of view of the spreading network of overseas epidemic space spread, the spread of the epidemic has international and irresistible characteristics. Sixth, the efficiency of urban space should be optimized in urban management, using modern communication network technology to improve the timeliness and flexibility of governance.

Key words: non-epidemic urban, epidemic, spatial spread, social network, COVID-19, Shenzhen City

李文辉, 邱晓晴. 基于社会网络的城市疫情空间扩散及治理研究[J]. 世界地理研究, 2022, 31(3): 637-648.

Wenhui LI, Xiaoqing QIU. Research on spatial spread and control of urban epidemic by social network[J]. World Regional Studies, 2022, 31(3): 637-648.

图/表 6

参考文献 34

1	鲁达非, 江曼琦. 互联网时代的城市空间演化与空间治理策略. 南开学报(哲学社会科学版), 2020(2): 92-100.
	LU D, JIANG M. The evolution and governance strategies of urban space in the era of the internet. Nankai Journal (Philosophy Literature and Social Science Edition), 2020(2): 92-100.
2	孙九霞. 新时代背景下基于文化自信的文化传承与空间治理——"文化传承与空间治理"专栏解读. 地理研究, 2019, 38(6): 1283-1289.
	SUN J. Cultural inheritance and spatial governance based on cultural confidence in the New Era: An introduction to the issue of "Cultural Inheritance and Spatial Governance". Geographical Research, 2019, 38(6): 1283-1289.
3	MAYER J D. Relations between two traditions of medical geography: health systems planning and geographical epidemiology. Progress in Human Geography, 1982, 6(2): 216-230.
4	NWOSU A B, IFEZULIKE E O, ANYA A O. Endemic dracontiasis in Anambra State of Nigeria: geographical distribution, clinical features, epidemiology and socio-economic impact of the disease. Annals of Tropical Medicine & Parasitology, 1982, 76(2): 187-200.
5	VIDAL A U, GESSAIN A, YOSHIDA M, et al. Molecular epidemiology of HTLV type I in Japan: Evidence for two distinct ancestral lineages with a particular geographical distribution. AIDS Research and Human Retroviruses, 1994, 10(11): 1557-1566.
6	杨林生, 陈如桂. 1840年以来我国鼠的时空分布规律. 地理研究, 2000, 19(3):243-248.
	YANG L, CHEN R. The temporal and spatial distribution of the plague foci since 1840 in China. Geographical Research, 2000, 19(3):243-248.
7	丁四保, 赵伟, 相伟.分析SARS: 在我国的地理扩散和地理障碍. 人文地理, 2004, 19(2): 74-78.
	DING S, ZHAO W, XIANG W. Analyzing Sars: Geographical diffusion and hindrance in China. Human Geography, 2004, 19(2): 74-78.
8	宗跃光, 王莉, 曲秀丽. 基于蒙特卡罗模拟法的北京地区非典时空变化特征. 地理研究, 2004, 23(6): 815-824.
	ZONG Y, WANG L, QU X. Monte-Carlo simulation based approach for the study of SARS' s spatial-temporal scenarios in Beijing. Geographical Research, 2004, 23(6): 815-824.
9	曹志冬, 王劲峰, 高一鸽, 等. 广州SARS流行过程的空间模式与分异特征. 地理研究, 2008, 27(5): 1139-1149, 1226.
	CAO Z, WANG J, GAO Y, et al. Spatial pattern and heterogeneity risk of severe acute respiratory syndrome epidemic in Guangzhou. Geographical Research, 2008, 27(5): 1139-1149, 1226.
10	SIMOONGA C, UTZINGER J, BROOKER S, et al. Remote sensing, geographical information system and spatial analysis for schistosomiasis epidemiology and ecology in Africa. Parasitology, 2009, 136(13): 1683-1693.
11	唐启强, 张智, 赵安, 等. 鄱阳湖区南昌县血吸虫疫情空间分布及其流行因素分析. 热带地理, 2013, 33(1): 76-80.
	TANG Q, ZHANG Z, ZHAO A, et al. Spatial Analysis on Epidemic Factors of Schistosomiasis in Nanchang County over the Coast of Poyang Lake. Tropical Geography, 2013, 33(1): 76-80.
12	ARMSTRONG A W., LAM.K H., CHASE E. P. Epidemiology of classic and AIDS-related Kaposi's sarcoma in the USA: incidence, survival, and geographical distribution from 1975 to 2005. Epidemiology & Infection, 2013, 141(1): 200-206.
13	徐旳, 柯文前, 陈培阳. 基于ESDA的河南艾滋病空间格局. 地理研究, 2013, 32(7): 1199-1208.
	XU D, KE W, CHEN P. The spatial pattern of AIDS infection in Henan Province based on the ESDA analysis. Geographical Research, 2013, 32(7): 1199-1208.
14	DERIBE K, BROOKER S, PULLAN R L, et al. Epidemiology and individual, household and geographical risk factors of podoconiosis in Ethiopia: results from the first nationwide mapping. The American journal of tropical medicine and hygiene, 2015, 92(1): 148-158.
15	董雯, 杨昆, 许泉立. 2013 -2014年中国地区人感染H7N9禽流感疫情空间分布格局及时空聚集模式研究. 中华疾病控制杂志, 2017, 21(7): 650-654.
	DONG W, YANG K, XU Q. A research on the spatial distribution structure and spatiotemporal clustering of A(H7N9) human infections in China during 2013 and 2014. Chinese Journal of Disease Control & Prevention, 2017, 21(7): 650-654.
16	陈传伟, 关周, 高超群, 等. 河南省永城市2007-2017年疟疾疫情分析. 中国热带医学, 2019, 19(4): 386-388.
	CHEN C, GUAN Z, GAO C, et al. Malaria epidemiological characteristics in Yongcheng, Henan, 2007-2017. China Tropical Medicine, 2019, 19(4): 386-388.
17	BITHELL J F. An application of density estimation to geographical epidemiology. Statistics in medicine, 1990, 9(6): 691-701.
18	BIGGERI A, BRAGA M, MARCHI M. Empirical bayes interval estimates: An application to geographical epidemiology. Statistical Methods & Applications, 1993, 2(3):251-267.
19	MOHSEN R, GRAHAM D, SELWYN L, et al. Geographical epidemiology, spatial analysis and geographical information systems: A multidisciplinary glossary. Journal of epidemiology and community health, 2007, 61(2): 98-102.
20	HOFFNER S, HADADI M, RAJAEI E, et al. Geographic characterization of the tuberculosis epidemiology in Iran using a geographical information system. Biomedical and Biotechnology Research Journal (BBRJ), 2018, 2(3): 213-220.
21	CHEN N, ZHOU M, DONG X, et al. Epidemiological and clini- cal characteristics of 99 cases of 2019 novel coronavirus pneumonia in Wuhan, China: a descriptive study. Lancet, 2020, 395(10223): 507-513.
22	张君涵, 袁宗祥, 黄颉刚, 等. 福建省新型冠状病毒肺炎流行特征与网络关注点初步分析. 广西医学, 2020, 42(3): 325-330.
	ZHANG J, YUAN Z, HUANG J, et al. Epidemic characteristics and internet focus of coronavirus disease 2019 in Fujian Province: a preliminary analysis. Guangxi Medical Journal, 2020, 42(3): 325-330.
23	赵序茅, 李欣海, 聂常虹. 基于大数据回溯新冠肺炎的扩散趋势及中国对疫情的控制研究. 中国科学院院刊, 2020, 35(3): 248-255.
	ZHAO X, LI X, NIE C. Backtracking transmission of COVID-19 in China based on big data source, and effect of strict pandemic control policy. Bulletin of the Chinese Academy of Sciences, 2020, 35(3): 248-255.
24	刘张, 千家乐, 杜云艳, 等. 基于多源时空大数据的区际迁徙人群多层次空间分布估算模型——以COVID-19疫情期间自武汉迁出人群为例. 地球信息科学学报, 2020, 22(2): 147-160.
	LIU Z, QIAN J, DU Y, et al. Multi-level spatial distribution estimation model of the inter-regional migrant population using multi-source spatio-temporal big data: a case study of migrants from wuhan during the spread of COVID-19. Journal of Geo-information Science, 2020, 22(2): 147-160.
25	刘勇, 杨东阳, 董冠鹏, 等. 河南省新冠肺炎疫情时空扩散特征与人口流动风险评估——基于1243例病例报告的分析. 经济地理, 2020, 40(3): 24-32.
	LIU Y, YANG D, DONG G, et al. The spatio-temporal spread characteristics of 2019 novel coronavirus pneumonia and risk assessment based on population movement in henan province: analysis of 1 243 individual case reports. Economic Geography, 2020, 40(3): 24-32.
26	CHAN J F W, YUAN S, KOK K H, et al. A familial cluster of pneumonia associated with the 2019 novel coronavirus indicatingperson-to-person transmission: a study of a family cluster. Lancet, 2020, 395(10 223): 514-523.
27	龚维斌. 当代中国社会风险的产生、演变及其特点——以抗击新冠肺炎疫情为例. 中国特色社会主义研究, 2020(1): 17-25.
	GONG W. Novel coronavirus pneumonia in contemporary China: emergenceits, evolution and characteristics. Studies on Socialism with Chinese Characteristics, 2020(1): 17-25.
28	吴宗友, 丁京. 空间重组背景下城市社区疫情防控的挑战与策略——以安徽省Y县城C社区为例. 城市问题, 2020(2): 66-72.
	WU Z, DING J. Challenges and Strategies of epidemic prevention and control in urban communities under the background of spatial restructuring: a case study of Community C in Y County, ProvinceAnhui. Urban Problems, 2020(2): 66-72.
29	李铁钢. 新型冠状病毒肺炎疫情输入城市的风险隐患及应对建议. 热带医学杂志, 2020, 20(3): 292-293.
	LI T. Potential risks of corona virus disease 2019 in case⁃imported city and countermeasures. Journal of Tropical Medicine, 2020, 20(3): 292-293.
30	任远. 疫情防控中的特大城市人口流动性管制和人口数据应用. 南京社会科学, 2020(4): 1-6, 31.
	REN Y. Population mobility management and applications of population big-data for epidemic control,and implications for mega-city governance. Nanjing Journal of Social Sciences, 2020(4): 1-6, 31.
31	田毅鹏. 治理视域下城市社区抗击疫情体系构建. 社会科学辑刊, 2020(1): 19-27+2.
	TIAN Y. Construction of urban community anti epidemic system from the perspective of governance. Social Science Journal, 2020(1): 19-27+2.
32	HUI D S, AZHAR E I, MADANI T, et al. The continuing 2019- nCoV epidemic threat of novel coronaviruses to global health-the latest 2019 novel coronavirus outbreak in Wuhan, China. Int J Infect Dis, 2020(91): 264-266.
33	深圳市统计局国家统计局深圳调查队. 深圳市2019年国民经济和社会发展统计公报. 深圳政府在线, [2020-04-15](2020-04-26). . [Shenzhen Bureau of Statistics, Shenzhen investigation team of National Bureau of Statistics. Statistical bulletin of Shenzhen's national economic and social development in 2019. Shenzhen Government Online, [2020-04-15](2020-04-26). ]
34	李文辉, 李青霞, 丘芷君. 基于专利计量的粤港澳大湾区协同技术创新演化研究, 统计研究, 2019, 36(8): 74-86.
	LI W, LI Q, QIU Z. Research on evolution of cooperative technological innovation about Guangdong-Hong Kong-Macao Greater Bay Area based on patent measurement. Statistical Research, 2019, 36(8): 74-86.

网络层级	衡量指标	指标说明
整体层面	节点数	衡量网络的规模
	边数	衡量网络的规模
	密度	衡量网络的紧凑程度
	平均路径长度	衡量网络中信息传递的效率
节点层面	节点度	衡量网络节点的基本特征
	度数中心性	衡量网络节点地位最直接的指标
	中间中心性
	接近中心性

网络层级	衡量指标	指标说明
整体层面	节点数	衡量网络的规模
	边数	衡量网络的规模
	密度	衡量网络的紧凑程度
	平均路径长度	衡量网络中信息传递的效率
节点层面	节点度	衡量网络节点的基本特征
	度数中心性	衡量网络节点地位最直接的指标
	中间中心性
	接近中心性

序号	节点度		度数中心性		中间中心性		接近中心性
序号	病例	结果值	病例	结果值	病例	结果值	病例	结果值
1	病例133	5	病例133	2.146	病例133	0.078	病例129	0.223
2	病例179	5	病例179	2.146	病例255	0.063	病例133	0.223
3	病例203	5	病例203	2.146	病例98	0.022	病例134	0.223
4	病例204	5	病例204	2.146	病例324	0.022	病例179	0.223
5	病例205	5	病例205	2.146	病例368	0.022	病例203	0.223
6	病例245	5	病例245	2.146	病例408	0.018	病例204	0.223
7	病例341	5	病例341	2.146	病例97	0.015	病例205	0.223
8	病例1	4	病例1	1.717	病例327	0.015	病例216	0.223
9	病例2	4	病例2	1.717	病例99	0.011	病例255	0.223
10	病例3	4	病例3	1.717	病例106	0.011	病例261	0.223
11	病例4	4	病例4	1.717	病例87	0.007	病例264	0.223
12	病例5	4	病例5	1.717	病例188	0.007	病例267	0.223
13	病例87	4	病例87	1.717	病例220	0.007	病例398	0.223
14	病例98	4	病例98	1.717	病例245	0.007	病例409	0.223
15	病例255	4	病例255	1.717	病例253	0.007	病例87	0.222
16	病例345	4	病例345	1.717	病例341	0.007	病例97	0.222
17	病例409	4	病例409	1.717	病例345	0.007	病例98	0.222
18	病例20	3	病例20	1.288	病例367	0.007	病例120	0.222
19	病例47	3	病例47	1.288	病例415	0.007	病例121	0.222
20	病例67及其他33例病例	3	病例67及其他33例病例	1.288	病例401	0.006	病例123及其他18例病例	0.222

序号	节点度		度数中心性		中间中心性		接近中心性
序号	病例	结果值	病例	结果值	病例	结果值	病例	结果值
1	病例133	5	病例133	2.146	病例133	0.078	病例129	0.223
2	病例179	5	病例179	2.146	病例255	0.063	病例133	0.223
3	病例203	5	病例203	2.146	病例98	0.022	病例134	0.223
4	病例204	5	病例204	2.146	病例324	0.022	病例179	0.223
5	病例205	5	病例205	2.146	病例368	0.022	病例203	0.223
6	病例245	5	病例245	2.146	病例408	0.018	病例204	0.223
7	病例341	5	病例341	2.146	病例97	0.015	病例205	0.223
8	病例1	4	病例1	1.717	病例327	0.015	病例216	0.223
9	病例2	4	病例2	1.717	病例99	0.011	病例255	0.223
10	病例3	4	病例3	1.717	病例106	0.011	病例261	0.223
11	病例4	4	病例4	1.717	病例87	0.007	病例264	0.223
12	病例5	4	病例5	1.717	病例188	0.007	病例267	0.223
13	病例87	4	病例87	1.717	病例220	0.007	病例398	0.223
14	病例98	4	病例98	1.717	病例245	0.007	病例409	0.223
15	病例255	4	病例255	1.717	病例253	0.007	病例87	0.222
16	病例345	4	病例345	1.717	病例341	0.007	病例97	0.222
17	病例409	4	病例409	1.717	病例345	0.007	病例98	0.222
18	病例20	3	病例20	1.288	病例367	0.007	病例120	0.222
19	病例47	3	病例47	1.288	病例415	0.007	病例121	0.222
20	病例67及其他33例病例	3	病例67及其他33例病例	1.288	病例401	0.006	病例123及其他18例病例	0.222

[1]	初楠臣, 张平宇, 吴相利, 徐爽, 史晓楠. 俄罗斯新冠肺炎疫情的扩散：过程、格局与影响因素研究[J]. 世界地理研究, 2023, 32(3): 41-51.
[2]	李连刚, 胡晓辉. 新冠肺炎疫情下中国区域经济韧性时空格局与影响因素分析[J]. 世界地理研究, 2023, 32(3): 64-75.
[3]	沈泽洲, 王承云. 上海参与全球科技创新网络地位研究[J]. 世界地理研究, 2023, 32(2): 93-103.
[4]	韩昊英, 陈宇, 张小东, 蒋懿康. 新冠疫情下城市应急医疗设施空间配置评价研究[J]. 世界地理研究, 2023, 32(1): 162-173.
[5]	闫姗姗, 刘承良. 中国对外技术转移网络的空间演化及其影响因素[J]. 世界地理研究, 2023, 32(1): 19-30.
[6]	郑晴晴, 周素红, 文萍. 边界效应下居民跨珠海-澳门边界活动特征与机制分析[J]. 世界地理研究, 2022, 31(3): 662-672.
[7]	王瑞莉, 刘玉, 王成新, 李梦程, 唐永超, 薛明月. 黄河流域经济联系及其网络结构演变研究[J]. 世界地理研究, 2022, 31(3): 527-537.
[8]	吴丽君, 朱宇, 颜俊, 柯文前, 林李月. “一带一路”沿线国家或地区间人口迁移的空间格局及其演化特征[J]. 世界地理研究, 2022, 31(2): 249-258.
[9]	杨凯, 杨萍, 李瑞清, 韩会然. 中国本土快餐业空间扩散过程及影响因素研究[J]. 世界地理研究, 2022, 31(1): 142-153.
[10]	杨雨, 盛科荣. 中国城市网络关联格局的演变及影响因素：基于企业网络视角[J]. 世界地理研究, 2021, 30(6): 1208-1218.
[11]	陈虹, 林伊婷, 刘云刚, 黄慧明, 陈祁琪, 刘仕影, 陈西雅. “一国两制”下香港居民跨境消费行为特征和影响因素研究[J]. 世界地理研究, 2021, 30(5): 1024-1035.
[12]	赵蕾, 韦素琼, 游小珺. 基于SNA的全球电子信息制造业贸易网络演化特征及机理研究[J]. 世界地理研究, 2021, 30(4): 708-720.
[13]	韩剑磊, 明庆忠, 史鹏飞, 骆登山. 多维“流”视角下区域旅游网络结构特征及其作用机制分析——以云南省为例[J]. 世界地理研究, 2021, 30(3): 645-656.
[14]	叶滨鸿, 程杨, 王利, 李东晔, 杨林生. 北极地区地缘经济关系演变研究[J]. 世界地理研究, 2021, 30(2): 234-244.
[15]	李倩, 曲凌雁. 城市旅游流网络结构特征及其影响因素[J]. 世界地理研究, 2021, 30(1): 114-124.