水路運輸加快了新型冠狀肺炎疫情的傳播,船舶停靠疫情港口的時間與所攜帶的傳播風(fēng)險成正相關(guān)關(guān)系。為評估新型冠狀病毒肺炎疫情的水上輸出風(fēng)險,以水路運輸為切入點,利用船舶時空軌跡數(shù)據(jù),基于船舶在泊天數(shù)、在泊港口相應(yīng)時間感染率與船上人員總數(shù),計算出�？亢笔螚l船舶所攜帶的傳播風(fēng)險,并結(jié)合船舶在泊港口和在泊艘次,量化分析武漢"封城"前后14天內(nèi)全國省份的輸入風(fēng)險。數(shù)值計算表明,對于同一省份,武漢"封城"之前的輸入風(fēng)險是"封城"之后的4～6倍"。封城"之后的風(fēng)險傳播范圍相較于"封城"之前有所減小,是"封城"之前的82.31%。其中,江蘇省輸入風(fēng)險最高,安徽省、江西省、湖南省、上海市和重慶市輸入風(fēng)險較高,其他省份輸入風(fēng)險較低。研究可為全國省份加強對新型冠狀病毒肺炎疫情的水運防控提供科學(xué)支撐。 

【文章來源】：交通信息與安全. 2020,38(02)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 研究港口與數(shù)據(jù)
2 研究方法
    2.1 在泊港口每日感染率計算
    2.2 港口在泊1 d感染率計算
    2.3 單條船舶所攜帶的傳播風(fēng)險計算
    2.4 船舶目的港所在省份所承受的輸入風(fēng)險計算
3 結(jié)果與分析
    3.1 單條船舶所攜帶的輸出風(fēng)險分析
    3.2 船舶目的港所在省份所承受的傳播風(fēng)險分析
4 結(jié)論


【參考文獻】：
期刊論文
[1]基于復(fù)雜網(wǎng)絡(luò)的航班運行風(fēng)險傳播分析[J]. 王巖韜,劉毓.  交通運輸系統(tǒng)工程與信息. 2020(01)
[2]基于新型冠狀病毒傳播機理的交通出行易感度研究[J]. 張毅,王雪成,畢清華.  交通運輸研究. 2020(01)
[3]新冠肺炎爆發(fā)前期武漢外流人口的地理去向分布及影響[J]. 許小可,文成,張光耀,孫皓宸,劉波,王賢文.  電子科技大學(xué)學(xué)報. 2020(03)
[4]新型冠狀病毒肺炎基本再生數(shù)的初步預(yù)測[J]. 周濤,劉權(quán)輝,楊紫陌,廖敬儀,楊可心,白薇,呂欣,張偉.  中國循證醫(yī)學(xué)雜志. 2020(03)
[5]基于時空相似度聚類的熱點載客路徑挖掘[J]. 馮慧芳,楊振娟.  交通運輸系統(tǒng)工程與信息. 2019(05)
[6]傳染病綜合指數(shù)預(yù)測研究[J]. 尹錫玲,代文燦,王松,周勇,朱克京,梁小冬,李德云,譚愛軍.  預(yù)防醫(yī)學(xué). 2019(09)
[7]基于電子海圖的船舶異常行為識別方法研究[J]. 何帆,何正偉,楊帆,劉力榮.  武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版). 2019(04)
[8]基于SIR的路邊違停行為傳播模型研究[J]. 左忠義,王英英,包蘊.  大連交通大學(xué)學(xué)報. 2019(03)
[9]基于交通網(wǎng)絡(luò)傳遞的傳染病風(fēng)險傳播模型研究[J]. 張玉,劉新新,蔡傳鋒,賈志娟.  計算機與數(shù)字工程. 2017(12)
[10]基于WIFI數(shù)據(jù)的城市軌道交通乘客出行時空軌跡推定[J]. 李思杰,朱煒,黃兆東.  華東交通大學(xué)學(xué)報. 2017(02)



本文編號：3033603