.

研究目的

在当前疫情全球化的大环境下,尽管中国的积极防控使疫情得到了有效的控制,但国外的疫情只增不减,可以说,在今后相当的一段时间内,疫情不会消失。在这种情况下,高校作为人员流动巨大,人员来源极广的地方,若不采取必要措施,很容易出现聚集性疫情。而本项目则是针对于这种长期疫情的大环境下而设计的高校防疫管理系统,可以时事监测异常人员,对可能发生的聚集性疫情尽早制定出有效的预防措施。

研究意义

1)减小疫情防控压力,提高疫情防控效率

截至2020年10月15日,在世界范围内累计共有3800多万名新冠病毒确诊病例,尽管中国是全世界防控效果最棒的国家,每日也有新冠病毒阳性患者从境外输入。为加强防疫力度,中国高校不得已采用了“严进严出”,甚至“只进不出”的封校措施。然而,这些措施虽然确实可以有效地防止学生携带新冠病毒进入学校,却无法防止其他人员(如教职工,高校家属楼人员等)携带新冠病毒出入校园,若不能及时发现新冠病毒在高校的聚集性传播,则会成为高校在当前环境下一个极大的隐患。

在本项目中,通过感知层的体温登记装置可以真实有效地检测每位学生每日的体温,并通过网络层将所有学生的体温信息上传到云数据库。在应用层,这些记录在云数据库的学生数据会根据一定的算法进行统计与分类,分别存储到不同的数据库。管理员(如辅导员,政教处老师等)可以通过本项目的网站登录自己的账号,查询通过一定算法检测出的异常学生数据,最后通过公示异常人员名单,对异常人员进行核酸检测,从而有效地达到疫情防控的目的。

2)封堵疫情防控中对学生日常生活管理的不足

为方便进行学生管理,各高校应用了各种APP来对学生进行管理。以东北农业大学为例,该校采用了今日校园APP,对学生签到,夜不归寝以及体温检测进行统一管理,但该APP在一些方面存在着明显的漏洞,而本项目则可以针对这些漏洞做出切实有效的解决办法:

①解决学生夜不归寝的签到漏洞

一般来说,夜不归寝需要在指定的范围内才能进行有效地签到,然而,当获得了ROOT权限后,可以运用Fake location(虚拟定位技术)在任意位置进行夜不归寝的签到,使数据的真实性受到极大的影响。而如果采用人工走寝查夜不归寝的话,虽然最后查寝结果较为真实可靠,但却会耗费大量的时间。

而本项目的感知层装置设置在寝室,会对每个夜晚签到的同学实行面部拍照与RFID技术(此处可以用校园一卡通)的双重检测,若非本人在寝室进行签到,则无法完成有效的夜不归寝登记,在节约大量时间的同时,为数据的真实可靠性提供了强有力的保证。









②解决学生体温登记的管理漏洞

目前,东北农业大学每日都会记录学生早晚的体温情况。在某种意义上讲,这里存在一个巨大而明显的漏洞,而这个漏洞让体温登记变得毫无意义。尽管大部分学生都能及时记录自己的体温并提交数据,但数据的真实性,却没有任何保障,若不能保证数据的真实性,则体温登记就是一个费时费力却没有实际意义的行为。

而本项目可以在早晚强制学生进行体温检测,不仅可以准确地测量学生的体温,还可以保证是学生本人测温,使这二者的数据真实性得到了有力的保障。

3)提高发热排查准确度

除新冠病毒以外,感冒病毒也是一个引起发烧的重要原因。但流感病毒的危害性远不如新冠病毒,本项目根据崔行健,邱明悦等人的研究成果将二者通过数学分析和程序算法分别开,具体情况如下表:

程序算法

上述数据证明,感冒病毒患者与新冠病毒患者的潜伏期存在着十分明显的差异性,若监测每一位发热学生(2+a*-14天前去过的地点以及(2+a)-14天前该地点的人数,根据该天所有的发热学生在(2+a)-14天前去过的地点占所有在(2+a)-14天前去过的地点学生的比例大于一定数值,则该区域存在一定的新冠病毒感染风险。

其中,*a为提高数据准确率出现的常数,可以根据实际情况做出调节,其存在的目的是使感冒病毒感染与新冠病毒感染区别开来又互不受影响,以降低容错率为代价来提高数据的准确性。

a.查询发热人员(2+a)-14天前去过的公共场所,每个场所人数,记为Q

b.查询所有场所(2+a)-14天前所有进入的人数,记为N

c.设置一个阈值K,令P=(Q/N),若P≥K,则将该场所及其所有发热人员的数据输出。

均值

中位数

2.5%分位数

97.5%分位数

分布类型

6.3

5.5

2.0

15.2

Log-normal

6.3

5.8

1.8

13.8

Gamma

6.4

6.1

1.3

13.3

Weibull

6.4

5.5

2.0

15.4

Log-normal(无信息先验)

6.3

5.8

1.8

13.8

Gamma(Jeffery先验)

6.8

6.1

2.4

15.5

Log-normal

6.5

6.1

2.4

12.5

Gamma

6.4

6.4

2.1

11.1

Weibull

NA

4.0

NA

NA

NA

NA

5.2

NA

NA

NA







数学分析

a.感冒病毒潜伏期曲线看作μ=2,σ≈0.3的正态分布,当x∈(1,3)时,y且条件理想时,约有95.4%的感冒患者可以被追查到。

b.新冠病毒的潜伏期呈偏态分布,其中,中位数均值为5.650天,平均数均值为6.425天,2.5%分位数均值为1.975天,97.5%分位数均值为13.825天。若控制区间x∈(1.975,13.825),则有95%的新冠病毒患者可以被追查到。