指導老師：林文棋
團隊成員：李洋、褚嶠、張苗琳、賈道祥、張弘、劉佳藝、趙鑫
作品連結: http://39.98.108.189
創作初心
“防疫千條線，社群一根針”- 社群是城市抗擊疫情的基層堡壘，城市治理與防疫工作實施的基本單元，也是這場戰役中離普通市民最近、最關鍵的戰線之一。然而，實際情況反映出，在人力短缺、事務繁多的情況下，社群防疫壓力極大。在這樣的情況下，增強社群對於疫情的抵禦與抗擊能力，提高社群防疫決策效果與意識，調動居民積極主動抗擊疫情也成為防疫最重要與緊迫的需求之一。
這樣的需求正是《北京社群疫情抵抗力地圖》的出發點所在。
團隊將社群的疫情抵抗力定義為由社群自身屬性決定的對疫情的抵禦與抗擊能力。基於自身專業知識、相關文獻研究以及此次疫情特點對社群防疫機制進行分析，構建了社群“疫情抵抗力”量化評估體系，對北京市域6727個小區的疫情抵抗力進行分析評估，並以評估結果視覺化為核心，形成線上互動地圖向所有人開放。地圖實現以下三點核心目的，回應社群防疫的緊迫需求：
1）量化評估社群自身防疫優劣勢，提出相應策略建議，精確引導各方共同提升社群疫情抵抗力；
2）幫助大眾及包括居民與管理者在內的基層團體提高社群防疫意識，促進社群治理共同體的構建；
3）為公眾提供包括安全度預測、疫情點、醫療設施在內的其他關鍵資訊服務。
物件導向與應用場景
1）小區居民/社群治理團體 - 瞭解所在小區“抵抗力”特點，採取應對措施：小區居民與社群服務人員/物業等治理團體透過地圖“抵抗力”評分，瞭解自己所在小區疫情抵抗力總分及優劣勢，可根據地圖“重點防範”提示，採取相應措施提升小區疫情抵抗力；使用者透過地圖瞭解北京市其他小區的抵抗力，服務出行決策；
2）小區居民/社群治理團體/街道，區等上級城市治理機構 - 瞭解各小區疫情發生可能性，調配防疫資源：透過“安全度預測”功能檢視各小區疫情發生可能性，對於風險度較高與抵抗力評分較低的小區重點提升疫情抵抗力，實現重點防禦，精準施策；
3）城市居民 - 使用地圖提供的其他資訊服務如發熱門診、病例小區資訊等；
4）專業人士 - 透過參與入口為防疫模型改進獻計獻策；
5）網路大眾 - 瞭解社群防疫相關方面及知識；對地圖進行反饋。
作品簡介
地圖重點功能示意圖
1）社群疫情抵抗力量化評估及成果視覺化
結合防災研究，團隊社群研究專業知識積累以及此次疫情特點構建“社群疫情抵抗力”量化評估體系，對北京市域範圍內6727個小區的疫情抵抗力進行量化評估，並對結果進行視覺化展示。
重點功能1 - 社群疫情抵抗力量化評估及視覺化
社群疫情抵抗力量化評估體系： 社群疫情抵抗力相關因素，可分為“防範”與“抗擊”兩大類別：前者是與病毒傳播有關的“被動”因素，後者包括處理病例、維持社群疫情期間生活執行等“主動”因素。在實際生活中，抵抗力因素對應著四類社群防疫場景，即1）防止疫情在小區傳播；2）居民自身對疫情的抵抗；3）病例/密切接觸者的醫治與隔離；以及4）保障疫情期間社群服務與小區居民日常生活。地圖依據這四類場景構建疫情抵抗力評價體系，以指導居民與治理團體對抵抗力的提升措施，助力社群及居民團體：1）合理判斷疫情風險，2）理解居民自身抗疫優劣勢 3）評估調配醫療資源4）統籌完善社群服務。
社群疫情抵抗力量化評估體系示意圖
社群疫情抵抗力場景1“防止疫情在小區傳播 ”及相關評價指標
社群疫情抵抗力場景2“居民自身對疫情的抵抗”及相關評價指標
社群疫情抵抗力場景3“病例/密切接觸者的醫治與隔離”及相關評價指標
社群疫情抵抗力場景4“保障疫情期間社群服務與小區居民日常生活” 及相關評價指標
2）“重點防範” - 提供提升抵抗力策略建議；
對於抵抗力單項指標得分排名較低（後50%）的小區，即給予該項指標的提示以及實施策略建議，實現從量化評估到策略建議的閉環。操作：點選或搜尋任意小區，在彈窗中點選“詳細情況”，視窗中“重點防範 ”部分內容中列出針對該小區的策略建議。
重點功能2 - 小區“重點防範”建議提示
重點功能4 – 小區安全度預測
3）“我要參與” - 公眾參與調查功能
作為一次將專業城市研究與公眾參與服務結合的實驗性嘗試，指標權重設計採用公眾 + 專家調查路徑，透過公眾參與互動形成系統最佳化良性迴圈模式。地圖設定線上問卷入口，對公眾與專家意見進行調查，以對指標權重以及其他地圖改進方面徵詢建議。地圖第一版於2月12日上線， 2月18日開啟了公共調查參與通道，3月2日。透過公眾/專家調研與團隊專業研究結合的方式對權重進行修正，並且進一步增加地圖的公共參與度。在開放公眾調查的同時，我們也平行地從專業角度進行研究，對地圖進行快節奏的最佳化迭代。操作：點選地圖右側的“我要參與”按鈕，進行公眾問卷填寫與意見反饋。
4）“安全度預測” - 實際資料檢驗的小區疫情發生機率預測；
團隊透過將實際疫情發生地與抵抗力指標進行邏輯迴歸分析，發現並提取出了與疫情發生顯著相關的因素，並得到預測模型。透過近一步研究分析，模型擬合優度具有統計意義（P<0.05）,模型預測在當前研究環境顯示出較高準確率（>90%），可以使用上述顯著相關因素對小區的安全度 – 即疫情發生機率 – 進行預測。風險度高或抵抗力低的小區尤其需要提高重視。操作：點選地圖右側“安全度預測”按鈕，地圖對各小區按預測疫情發生機率進行視覺化。
5）其他關鍵資訊服務： 疫情小區 + 發熱門診位置
地圖上標註疫情小區及北京市釋出的發熱門診醫院位置。
操作：疫情小區位置在地圖中以“！”圖示標示；檢視抵抗力的“醫療資源”分項時，地圖上會以“+ ”標註北京市公佈的發熱門診地點。
作品特點、影響力及社會價值
1）專業研究成果的大眾應用
將社群防疫專業研究成果與公共地圖結合，實現科學助力大眾防疫的目的；
2）量化評估-決策支援閉環
實現從量化評估到決策支援的完整閉環, 助力精準施策；
3）公眾參與促進最佳化迭代
發揮公眾專案優勢，引入公眾專家參與機制，形成最佳化迭代良性迴圈；
4）注重開發時效性
專案開發及開放使用緊跟疫情發展實現應用價值的最大化。（2月12日上線，2月18日開啟公共參與通道，3月2日第二版更新）
作品影響力
從2月12日上線至3月17日訪問請求達到73974次，第一版公眾號文章點選達到1.2萬次，地圖日均訪問IP數量276個，實現了廣泛的影響力以及對抗疫的貢獻。
社會價值
1）聚焦社群防疫需求，助力社群防疫認知及決策；
2）幫助大眾及包括居民與管理者在內的基層團體提高社群防疫意識與防疫知識，促進公眾參與社群治理共同體的構建。
作品技術說明
技術路徑
北京疫情抵抗力地圖技術路徑
資料來源及特徵
資料處理
1）資料預處理：為充分利用現有資料，結合分析目的對資料進行預處理工作。屬性資料的預處理包括規範欄位內容、補充缺失資料，更正欄位資訊、關聯內容不全等方面。空間資料的預處理包括地址反差座標處理、座標轉換等。以居住小區邊界在空間上對手機信令網格單元、行政區、街道等空間資料進行關聯，以實現小區對應的手機信令資料的獲取。
2）資料提取：結合指標設定及資料欄位內容，對相關資訊進行提取。如透過poi資料中“型別”欄位提取便民服務設施、酒店、大型交通設施、商場、基層診療機構等poi點位置及屬性資訊。
資料分析
1）空間分析：使用小區資料及指標相關POI資料，基於ACRGIS軟體空間分析功能對各小區醫療資源，治理服務，與人口密集場所距離等指標進行計算。
2) 屬性資料統計分析 - 透過手機信令人口資料分析小區人群特徵相關指標：透過居住小區關聯後的“網格編號”及手機信令-人口結構資料、“年齡”指標彙總計算獲得各居住小區15歲及以下及65歲以上年齡段居住人口比例；透過居住小區關聯後的“網格編號”及手機信令-人口結構資料的“網格編號”、“人口總數”、“不穩定人口數”指標彙總計算獲得各居住小區人口密度及不穩定人口比例指標值。
視覺化及網頁互動
技術棧：前端採用React框架進行開發；ui庫使用antd-mobile實現移動端佈局、常用元件等；地圖互動使用開源庫Leaflet實現資訊展示、點選查詢互動等功能；圖表使用Echarts進行資料視覺化展示。