(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111357921.X (22)申请日 2021.11.16 (71)申请人 医渡云 （北京） 技 术有限公司 地址 100191 北京市海淀区花园北路3 5号9 号楼8层801 (72)发明人 梁世浩　焦增涛　陈霈钰　郭旭东　 范文慧　闫俊　 (74)专利代理 机构 北京律智知识产权代理有限 公司 11438 代理人 王辉　阚梓瑄 (51)Int.Cl. G16H 50/80(2018.01) G16H 50/50(2018.01) G06Q 10/04(2012.01) G06Q 50/26(2012.01)G06N 20/00(2019.01) G06K 9/62(2022.01) (54)发明名称 传染病的干预动作调整 方法及装置、 存储介 质、 电子设备 (57)摘要 本公开是关于一种传染病的干预动作调整 方法及装置、 存储介质、 电子设备， 涉及大数据处 理技术领域， 该方法包括： 获取目标区域的社会 人口数据； 其中， 社会人口数据包括年龄数据、 家 庭数据、 就业数据、 工作场所数据、 学校数据以及 通勤数据中的一种或多种； 根据社会 人口数据构 建个体仿真模 型， 并利用个体仿真模 型计算在目 标区域执行当前干预动作后所具有的区域状态 数据； 其中， 区域状态数据包括每日新增确诊病 例数、 累计确诊病例数、 疫苗注射人数 以及历史 干预动作中的多种； 将区域状态数据输入至训练 完成的干预动作预测模型中， 得到预测干预级 别， 并基于预测干预级别对目标区域的当前干预 动作进行调整。 本公开提高了预测干预级别的精 确度。 权利要求书2页 说明书17页 附图5页 CN 114068035 A 2022.02.18 CN 114068035 A 1.一种传染病的干预动作调整方法， 其特 征在于， 包括： 获取目标区域的社会人口数据； 其中， 所述社会人口数据包括年龄数据、 家庭数据、 就 业数据、 工作场所 数据、 学校数据以及通勤数据中的一种或多种； 根据所述社会人口数据构建个体仿真模型， 并利用所述个体仿真模型计算在所述目标 区域执行当前干预动作后所具有的区域状态数据； 其中， 所述区域状态数据包括每日新增 确诊病例数、 累计确诊病例数、 疫苗注射人 数以及历史干预动作中的多种； 将所述区域状态数据输入至训练完成的干预动作预测模型中， 得到预测干预级别， 并 基于所述预测干预级别对所述 目标区域的当前干预动作进行调整； 其中， 所述训练完成的 干预动作预测模型 是采用强化学习算法对待训练的干预动作预测模型进行训练得到的。 2.根据权利要求1所述的传染病的干预动作调整方法， 其特征在于， 基于所述预测干预 级别对所述目标区域的当前干预动作进行调整， 包括： 将所述目标区域的当前干预动作进行 下调一个级别； 或者 保持所述目标区域的当前干预动作不变； 或者 将所述目标区域的当前干预动作进行 上调一个级别； 其中， 所述干预动作用于指示是否执行以下至少一个动作项： 病例隔离、 佩戴口罩、 居 家办公、 关闭学 校和社区封控。 3.根据权利要求1所述的传染病的干预动作调整方法， 其特征在于， 采用强化学习算法 对待训练的干预动作预测模型进行训练， 得到训练完成的干预动作预测模型， 包括： 根据所述 区域状态数据构建目标奖励函数， 并将所述区域状态数据输入所述待训练 的 干预动作预测模型， 得到第一输出 结果； 根据所述目标奖励函数以及第 一输出结果构建目标损失函数， 并基于所述目标损失函 数对所述待训练的干预动作预测模型的参数进 行调整， 得到所述训练完成的干预动作预测 模型。 4.根据权利要求3所述的传染病的干预动作调整方法， 其特征在于， 在对待训练 的干预 动作预测模型进行训练的过程中， 所采用的训练数据样本是通过重复以下 方式迭代得到： 将当前时间节点的区域状态数据输入至所述待训练 的干预动作 预测模型， 得到当前干 预级别； 基于所述当前干预级别对当前干预动作进行调整， 得到下一个时间节点的干预动作； 利用所述个体仿真模型计算在所述目标区域执行下一个时间节点的干预动作后所具 有的下一个时间节点的区域状态数据， 以将下一个时间节点的区域状态数据输入至所述干 预动作预测模型。 5.根据权利要求3所述的传染病的干预动作调整方法， 其特征在于， 根据 所述区域状态 数据构建目标 奖励函数， 包括： 根据所述每日新增确诊病例数以及所述目标区域所能容纳的最大确诊病例数， 构建传 染病的疫情严重程度函数； 根据当前时间节点的当前干预动作以及与当前时间节点对应的上一个时间节点的历 史干预动作， 构建动作严格程度函数； 根据所述疫情严重程度函数以及动作严格程度函数构建所述目标 奖励函数。 6.根据权利要求5所述的传染病的干预动作调整方法， 其特征在于， 根据当前时间节点权　利　要　求　书 1/2 页 2 CN 114068035 A 2的当前干预动作以及与当前时间节点对应的上一个时间节点的历史干预动作， 构建动作严 格程度函数， 包括： 从当前时间节点的当前干预动作以及上一个时间节点的历史干预动作中确定动作最 大值； 计算当前干预动作与动作最大值之间的第 一比值， 并计算当前干预动作与历史干预动 作之间的第一差值； 对所述第一比值的相反数以及第 一差值的相反数进行加权求和， 得到所述动作严格程 度函数。 7.根据权利要求1所述的传染病的干预动作调整方法， 其特征在于， 根据 所述社会人口 数据构建个 体仿真模型， 包括： 根据地理行政区域对所述社会人口数据进行区域划分， 得到多个社区， 并基于各所述 社区以及预设的社交场景， 构建多个不同维度的网络层； 计算各所述不同维度的网络层 分别具有的传染概率， 并根据各所述网络层所具有的传 染概率以及疫情动力学传播模型， 构建所述个 体仿真模型。 8.一种传染病的干预动作调整装置， 其特 征在于， 包括： 数据获取模块， 用于获取目标区域的社会人口数据； 其中， 所述社会人口数据包括年龄 数据、 家庭数据、 就 业数据、 工作场所 数据、 学校数据以及通勤数据中的一种或多种； 区域状态数据计算模块， 用于根据所述社会人口数据构建个体仿真模型， 并利用所述 个体仿真模型计算在所述 目标区域执行当前干预动作后所具有的区域状态数据； 其中， 所 述区域状态数据包括每日新增确诊病例数、 累计确诊病例数、 疫苗注射人数以及历史干预 动作中的多种； 干预动作调整模块， 用于将所述区域状态数据输入至训练完成的干预动作预测模型 中， 得到预测干预级别， 并基于所述预测干预级别对所述 目标区域的当前干预动作进行调 整； 其中， 所述训练完成的干预动作预测模型是采用强化学习算法对待训练的干预动作预 测模型进行训练得到的。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1 ‑7任一项所述的传染病的干预动作调整方法。 10.一种电子设备， 其特 征在于， 包括： 处理器； 以及 存储器， 用于存 储所述处 理器的可 执行指令； 其中， 所述处理器配置为经由执行所述可执行指令来执行权利要求1 ‑7任一项所述的 传染病的干预动作调整方法。权　利　要　求　书 2/2 页 3 CN 114068035 A 3