_

By 超神經

內容提要：從 2 月 10 日起，多個省份開始正式復工。但在疫情尚未解除警報之時，返工潮帶來的人員流動，未免給人口遷入大省造成病毒輸入壓力。對此，利用大數據分析，有針對性地做好防控，成為各地疫情阻擊戰中的有力武器。

關鍵詞：返工潮 大數據?

目前，各地一邊在繼續嚴格防控疫情，一邊也在逐漸復工復產，以保障經濟穩定運行。

復工帶來了返工潮，盡管今年的返工潮規模較往年有所減小，但人數依然有上億人次，人口流動帶來的感染風險不容忽視。

上海虹橋火車站旅客接受測溫檢查

根據大數據與疫情地圖對比觀察可發現，新冠肺炎確診病例的城市分布，與流動人口的規模存在相關性。

因此，在返工時期，我們通過遷徙大數據來了解一下，哪些城市是近期熱門遷入地，疫情傳播壓力最大？各地又該如何根據大數據，更有效地防范疫情擴散的風險？

返工人數排行：東莞居第一

進入復工階段以來，從百度遷徙的數據來看，2 月 8 日 至 9 日，開始出現返工高峰。

在全國各省份中，廣東省成為全國熱門遷入地第一位。從 2 月 7 日開始，廣東省人口遷入比例從百分之十幾提高至 20% 以上，2 月 9 日，這一數字達到 26.59%，遠遠超出其它省份。

除廣東省外，其他省份遷入比例均低于 10%

按城市來看，東莞市遷入比例最高，遷入比例達到 5.92%，其次，深圳市、廣州市、上海市以及北京市分別位于其后，遷入比例分別達到 5.47%、5.16%、4.93% 和 3.64%（2 月 9 日數據）。

熱門遷入城市前五名中，廣東省占據了 3 個名額。在大量人員流入的情況下，廣東省多個城市面臨著極大的疫情防控壓力。

?

疫情傳播壓力評估：深圳壓力最大

根據大數據，結合當地流入人口的規模、來源的構成，以及來源地的疫情嚴重程度，能夠定量評估流入城市所應對的防疫壓力。

以上海為例，返工潮流入上海的人流主要來自江蘇南通、安徽阜陽、河南信陽等地。

上海返工人員來源地以及占比

數據來源：百度地圖，中泰證券研究所

根據這些數據以及計算公式：疫情壓力=Σ返工潮的遷入規模（萬人）×各來源地的比例×各來源地的疫情嚴重度，可計算出上海的疫情壓力。

中泰證券研究所的報告中的計算結果顯示，在返工潮熱門城市中，深圳的壓力最大，其次是東莞、上海、廣州、蘇州、北京、杭州、寧波、溫州、佛山等。

依據人口遷入規模與遷出地影響系數得出疫情壓力排序

數據來源：百度地圖，中泰證券研究所

因此，像深圳這樣的人口流動性較高的城市，將在返工潮中，經受疫情再度傳播的壓力，需采取多種舉措來嚴格防控。

依托大數據，研判疫情做好防控

在這場沒有硝煙的戰爭中，大數據所起到的作用已經得到了驗證。面對返工潮帶來的疫情傳播壓力，各地可及時借鑒一些經驗，打好這場戰「疫」。

在 2 月 10 日的《新聞聯播》中，據浙江省新冠肺炎疫情防控辦常務副主任陳廣勝介紹，在疫情阻擊戰中，大數據發揮了重要作用。

大年二十九（1月23日），浙江省就基于大數據在全國第一個啟動了重大突發公共衛生事件一級響應。

而在近期，為了推動復工中，浙江省仍然依托大數據，在疫情阻擊戰中利用「大數據+網格化」的方法研判疫情，下好「先手棋」，逐步有序恢復生產。

浙江省利用大數據分析出人群聚集熱點分布、人群跨區域流動等信息，提前預測疫情發展趨勢，指導醫療資源的合理調度。

同時，通過數據回溯分析，相關部門可以盡早發現疑似病患、密切接觸者，有助于及時隔離、切斷傳染源。

在這場疫情阻擊戰中，無論是追蹤病例來源去向，還是幫助疫情的研判，都印證了大數據在疫情防控工作中的信息優勢和關鍵作用。未來，大數據一定還會在方方面面貢獻出更多力量。

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習在線手冊深度學習在線手冊AI基礎下載（pdf更新到25集）備注：加入本站微信群或者qq群，請回復“加群”獲取一折本站知識星球優惠券，請回復“知識星球”喜歡文章，點個在看

總結

以上是生活随笔為你收集整理的数据分析：第一轮返工潮，哪些城市疫情传播压力最大的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。