為準確評估新冠肺炎疫情期間的出行感染風險,在對出行行為進行全出行鏈建�；A上提出出行風險評估模型.基于江蘇省確診病例流行病學調查報告和線上問卷調查數(shù)據(jù),分別對病毒攜帶者和普通出行者出行行為模型進行參數(shù)標定,對比分析病毒攜帶者和普通出行者出行行為的異同.進一步對疫情期間不同出行方式和出行活動進行感染風險評估.得到結論:交通管制措施可有效降低出行感染風險,就醫(yī)出行風險明顯高于其他出行活動,差旅在疫情傳播初期風險較高,非機動車出行風險相對較低. 

【文章來源】：交通運輸系統(tǒng)工程與信息. 2020,20(06)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

出行鏈網絡與典型活動鏈

可行出行路徑

數(shù)據(jù)獲取與收集始終是行為分析模型應用所面臨的一個挑戰(zhàn)[13].特別是新冠病毒攜帶者出行信息的收集，因巨大的感染風險而不可能通過常規(guī)交通調查獲取.本文基于確診病例的流行病學調查報告提取新冠病毒攜帶者的出行行為數(shù)據(jù).以揚州市2020年2月9日的1例新增確診患者信息為例，如圖3所示，其通報內容不僅包含了確診患者個人屬性信息，還通過文字描述了確診患者出行歷史信息.圖3繪制了該病例1月17日的出行時空軌跡圖，準確描述了其當日的活動內容，活動時間、出行方式等信息.以江蘇省為研究對象，共收集151位新冠肺炎確診患者的流行病學調查報告.為建立普通出行者的出行行為模型，通過線上問卷調查收集146份普通居民疫情期間的出行歷史數(shù)據(jù).調查內容包括出行者個人屬性信息和出行歷史信息.表2總結了兩個樣本集的社會人口特征.


本文編號：3287576