组长：王世宇
成员：陈哲安、李顺航、徐阳、赵凡
指导教师：周刚、陈 静
作品简介
本作品主要涉及疫情感染情况分析、人口活动概览、舆情监控三个模块，将从微博，百度，央视新闻，YouTube等国内外各大平台实时收集到的大量真实有效的疫情数据和舆情数据，经过数据处理与挖掘后，通过友好直观的可视化图表展示出来。疫情感染情况分析模块中，我们采用多图联动的视图效果对疫情数据进行了深入的多维度展示并基于现有数据利用传染病隐式几何网络模型对疫情发展做出了预测。在人口活动模块中，我们获取百度迁徙数据，在时间维度上展开，动态演示湖北省人口迁入迁出活动，为湖北省未来逐步放开交通管制提供决策辅助。同时，我们认为在面对疫情时人们的情感反馈同样是战“疫”的重要一环，因此在舆情监控模块追踪公众关注的热点话题，并对话题的情感极性进行呈现，这对于舆论引导也具有积极意义。我们希望通过我们交互性良好的可视化系统去帮助群众更细致的了解疫情的发展情况，坚定公众对战胜疫情的信心，为这场战“疫”贡献我们的力量。
作品视频展示
本作品的视频展示已发布在优酷视频，网址如下：https://v.youku.com/v_show/id_XNDU5ODMwMzQ3Mg==.html
作品技术说明
疫情地图
疫情地图主要展示了中国各省市新型冠状病毒确诊、治愈、死亡人数随时间的变化情况，地图上色块的深浅可以直观展示各省市疫情的轻重程度。通过时间轴的动态演示，可以观察从1月20日至今，疫情从开始、传播到爆发、控制的变化。同时，可以通过鼠标点击地图各省观察省内疫情的演变情况，方便更进一步了解各省疫情的发展情况。作为可视化部分的核心图表，疫情地图可以实现与其他图表的联动，从多个角度展示疫情信息。可视化方法我们采用了地图下钻的模式，可以实现由全国地图聚焦到省市级地图。省内地图同样可以实现点击，通过与其他图表联动来观察各市疫情情况，也可以通过点击按钮回到全国地图，观察其他省市疫情信息。
新增确诊动态变化图
动态变化图展示各省每日新增人数的动态变化，为了更清楚的展示湖北省外的动态变化，我们将数轴最大值设置为300人，新增人数超过300时，使用标签注明具体人数，而不是完全展示出来。
本图表可以实现与疫情地图的联动，观察省内各城市的动态新增排名，在播放到最新日期后，图表会自动停止，如果需要重新播放可以点击刷新按钮。
疫情日历图
疫情日历图通过将日历图与饼图结合，具体展示了每日确诊、治愈、死亡人数的占比，同样可以实现与疫情地图的联动，为了防止一次展示过多数据，我们的视图只展示一个月的疫情情况，同时可以通过翻页按钮切换月份。饼图可以具体展示各市三类人数的占比情况。为各地防疫工作重点把握提供参考。
治愈率/死亡率散点图
治愈率/死亡率散点图展示了各省市新冠肺炎治愈率和死亡率的具体分布，同时各点颜色深浅代表了确诊人数的多少，可以看出治愈率、致死率与确诊人数并不完全相关，这在侧面上说明病毒在人传人的过程中并没有出现毒性增强的变异。同时，散点图可以实现与疫情地图的联动。
新增人数折线图
新增人数曲线展示了确诊、治愈、死亡人数随时间的变化情况，为了更清楚的掌握疫情动态，我们区分了湖北省内和省外两种情况，折线图可以具体展示各市三类人数的变化情况。
武汉现存确诊人数预测图
武汉的疫情控制情况代表了全国疫情的控制情况，因此，我们重点关注武汉的现存确诊人数（区别于累计确诊人数），并对其发展趋势做出预测。
我们根据《The Hidden Geometry of Complex, Network-Driven Contagion Phenomena》一文提供的方法，调整具体参数，构建了较为简单的预测模型对武汉现存确诊人数进行了模拟和预测，根据模型预测，武汉的新冠肺炎疫情将在距离起始日1月10日100天左右被完全控制。
迁徙图
为了实时展示在时间维度上的湖北省人口迁入迁出的情况，我们获取了百度人口迁徙数据，并以天为最小时间单位对比迁入迁出的情况。通过日期选择的方法，可以灵活对比任意两天的迁入迁出情况。
可视化方法采用了点地图的方式，将迁入的密集来源地和迁出的主要目的地通过不同的颜色属性进行标度，以线路图的方式动态展示这一效果，对用户而言具有视觉友好性。直观展示出那些可能因为人员的大量流动需要带来的疫情防控压力。同时辅助疫情感染等数据视图战术人口空间移动管控对防疫的积极影响
通过可视化分析，我们发现在1月23日湖北省多地市采取严格交通管制之后，人口迁入迁出的主要来源地和目的地也发生了变化。交通管制之前，从湖北省的迁出的主要是河南省，湖南省，江西省，重庆等外出务工人员较多且与湖北近邻的省市，迁入主要是广东，江苏，浙江等东南部沿海的发达城市，说明在中国传统节日春节阶段，人口回流比较多。在春节期间，有部分人口向广东等城市迁出，同时湖南等地人口开始回流湖北。从1月30日至2月22日，湖南与湖北的人口迁入与迁出均居于榜首，说明在疫情最危险的形势下，两省之间存在较多的人口交换，湖南省的防疫压力也是陡然增加的。
词云图
本视图的数据主要分为国内热搜数据，来源包括微博，抖音等热搜榜；国外热评，来源是YouTube的疫情相关话题的热门评论。利用分词和主题词提取的数据挖掘手段，获取具体的关键词。
可视化方法采用文本数据惯常的可视方法—词云图展示，文本尺寸属性表示该包含该文本的话题热度或者是评论认同度，这些指标主要通过检索次数、文章数量、评论次数、点赞次数等综合评价得到。该界面提供对国内热搜，国外热评两种方式，以及时间维度的选择，点击每个词汇可实现具体话题或者评论的弹窗显示，方便用户对详细信息进行了解。
通过可视化分析，我们能够对国内外舆论焦点进行直观了解。时间维度上我们可以发现，在2019年12月8日武汉卫健委通报首例新冠病例当日发病之后，并未在公众舆论中产生影响。直到1月19日在微博等主要舆论平台才出现相关话题的热搜并长期占据舆论话题主要位置。说明了疫情初期并没有在普通人群中得到普遍的关注。
情感分析图
数据来源于微博相关热点话题下的评论。结合微博平台的语言特点以及疫情相关文本数据的情感特点，我们构建了情感关键词匹配库，并随着话题的变化对之进行不断的优化补充。基于这个匹配库，对评论进行情感分析，得到公众对于该话题的情感极性表征（分为消极，中性，积极）。可视化方法采用径向堆叠柱图，其中每一个扇形区域对应一个话题，该扇形区域内的红黑蓝三种颜色的径向长分别表示对该话题表达消极、中性、积极情感的评论数。可视化分析可以看出每个话题的关注度以及公众对话题的情感表现。该图可以为有关部门开展舆论引导提供依据，并有利于指导做好群众安抚等工作。
作品开源说明
考虑到可移植性，本作品的代码还需进一步整理，待整理完毕后，将在Github上开源，如有需要，请联系邮箱：share_wind@163.com.
