1.一种基于流行传染病病毒场追溯传染源的系统，其特征在于，所述系统包括依次连接的以空气为媒介的传播传染病城市扩散建模单元，病毒携带人群的时空轨迹数据和感染发病数据的收集、清洗与加工单元，病毒携带者位置语义信息获取单元，病毒携带者为位置中心的病毒分布密度计算单元，病毒携带人群的时间、空间和病毒分布密度数据映射单元，基于时态GIS的流行传染病病毒场云平台构建单元，病毒携带者在某时某地被病毒感染概率的计算单元，病毒携带者在某一追溯时间段内被病毒感染概率的计算单元，病毒携带者被感染时间段和病毒场的筛选单元和被感染的病毒携带者与产生该病毒场的病毒携带者关联单元；

所述的以空气为媒介的传播传染病城市扩散建模单元，用于对城市区域功能进行划分及空间位置映射，将城市中的每个空间位置功能语义化；

这里首先将城市的主城区分解为区域和区域中的子空间，所述的子空间的功能信息是通过数字地图内容、导航和位置服务解决方案提供商这里获得的；从通信运营商获取基站位置区域识别号码和基站扇区位置标识号码，将所述的区域和所述的区域中的子空间进行映射；

所述的区域，是服务于不同目的的城市地块，将城市划分为农业区、办公区、住宅区、医院、学校、大学、休闲娱乐区不同类型；不考虑对传染病扩散基本无影响的区域，包括农业区，将所述的区域映射为七种类型：住宅区、办公区、学校、大学、医院、休闲区和交通区；所述的交通区是一种特别的区域，由可移动的独立空间组成，包括火车车厢、地铁车厢和公共汽车；

所述的子空间，是属于所述区域的一个更小的空间单位，对应到现实生活中的一个个非移动的独立空间，所述非移动的独立空间是一个家庭、或者一个医院病房、或者一个办公室、或者一个休闲娱乐场所、或者一个教室、或者一块绿地；所述的子空间区分室外和室内；

所述的子空间的类型由其所在区域的功能类型决定；人们在所述的子空间中进行相应类型的活动，包括居家、住院、工作、休闲娱乐和学习；参考实际数据在每个所述的区域中生成不同类型的所述的子空间，一个大学区域可由办公子空间、居住空间、教室子空间、休闲子空间组成；由此，这里将所述的子空间划分为以下六种类型：居所、办公室、教室、病房、休闲场所、交通子空间；这样每个子空间都具备了相应的语义信息；

所述的病毒携带人群的时空轨迹数据和感染发病数据的收集、清洗与加工单元；从疾控中心获得所述的病毒携带人群中每个个体的感染发病数据，即各病毒携带者的感染发病数据，包括手机号码及发病时间和被隔离时间，用该手机号码从通信运营商获得所属的病毒携带者从发病前1天和发病后直至被隔离前以时间间隔t的手机话务数据及其相关基站数据，所述的通信运营商包括中国移动、中国联通和中国电信，所述的病毒携带者的手机话务数据包括用户触发话务的时间、用户通信业务类型和用户ID号；所述相关基站数据包括与所述手机话务数据相关的基站位置区域识别号码和基站扇区位置标识号码；然后将上述数据加工成用户ID、时刻、空间位置并按时间序列写入时空数据库集，即DATASET1；

所述病毒携带者为位置中心的病毒分布密度计算单元，根据所述的DATASET1中所述的用户ID、时刻、空间位置信息，分别计算每个所述用户ID的为位置中心的病毒分布密度，计算公式如下；

t

式中，P(i) 为采样时刻t第i个病毒携带者所处的空间坐标，t(i)为采样时刻t第i个病t

毒携带者在所处的空间坐标所经历的时间，σ为常数，f(P(i) ,t(i))为采样时刻t第i个病毒携带者的病毒分布密度；

进一步，还要考虑到室内外病毒分布密度衰减情况不同，对于室外病毒分布密度不进t

行累加；对于室内，首先判断采样时刻t第i个病毒携带者所处的空间坐标P(i) 和采样时刻t+1t+1第i个病毒携带者所处的空间坐标P(i) 之间的距离ΔD是否小于一个阈值TD，如果满足，就要考虑病毒密度的累加效应；即将采样时刻t+1第i个病毒携带者的残存病毒分布密t+1 t+1度f(P(i) ,t(i)+Δt)与采样时刻t+1第i个病毒携带者的病毒分布密度f(P(i) ,t(i))进行累加；

对于所述的病毒携带者所处的环境是否在室内还是在室外，是根据所述的病毒携带者位置语义信息获取单元所得到的空间语义来实现的；

考虑到经历采样时间间隔Δt的病毒分布密度衰减，将经历采样时间间隔Δt所残存在区域中的病毒分布密度用公式(2)进行衰减计算，t+1

式中，P(i) 为采样时刻t+1第i个病毒携带者所处的空间坐标，t(i)为采样时刻t第it+1个病毒携带者在所处的空间坐标所经历的时间，σ为常数，f(P(i) ,t(i)+Δt)为采样时刻t+1第i个病毒携带者的残存病毒分布密度；

然后将上述数据进一步加工成用户ID、时刻、空间位置、病毒分布密度并按时间序列写入病毒分布时空数据库集，即DATASET2；

所述的时态GIS在传统GIS基础上增加时间维，把GIS由传统的空间、属性两要素拓展为空间、时间、属性三要素；时态GIS既可以描述和表达病毒场在空间中的分布和形状，也可以描述和表达其随时间的变化，进行时态分析；

所述的基于时态GIS的流行传染病病毒场云平台构建单元，面对全国各地每天产生的海量疫情数据的加工处理，就必须采用云计算的方式来实现；各地基层疾病防控中心工作人员通过所述的基于时态GIS的流行传染病病毒场云平台输入病毒携带者感染发病数据；

然后通过所述的病毒携带人群的时空轨迹数据和感染发病数据的收集、清洗与加工单元，所述的病毒携带者位置语义信息获取单元，所述的病毒携带者为位置中心的病毒分布密度计算单元，所述的病毒携带人群的时间、空间和病毒分布密度数据映射单元进行云计算，最后自动生成基于时态GIS的流行传染病病毒场。

2.如权利要求1所述的基于流行传染病病毒场追溯传染源的系统，其特征在于，所述的病毒携带者位置语义信息获取单元，根据所述的病毒携带者的空间位置访问所述的城市区域功能划分及空间位置映射单元，得到所述的病毒携带者的空间位置的语义信息。

3.如权利要求1或2所述的基于流行传染病病毒场追溯传染源的系统，其特征在于，所述病毒携带人群的时间、空间和病毒分布密度数据映射单元，用于将DATASET2中的数据映射到时态GIS上。

4.如权利要求1或2所述的基于流行传染病病毒场追溯传染源的系统，其特征在于，所述病毒携带者在某时某地被病毒感染概率的计算单元，用于计算基于时态GIS的病毒分布密度图追溯每个病毒携带者在何时何地被病毒感染的概率；

病毒携带者在何时何地被病毒感染的概率计算，这里首先追溯病毒携带者出现病状的前7天，若追溯不到就继续追溯前14天，仍然追溯不到就继续追溯到前24天；

这里将追溯时间范围值TBS(i)，计算以天为单位，分别规定如下：TBS(1)＝0～7，TBS(2)＝(7+Δt)～14，TBS(3)＝(14+Δt)～24，Δt为追溯采样时间；

这里首先阐述流行病的传染概率问题，易感个体在访问一个子空间时被传染的概率依赖于：该子空间内同时存在多少具备传染性的个体、每次接触持续多长时间、活动类型、具备传染性个体所属的传染性类别；

将具备完全传染性的个体和完全易感的个体之间发生在给定时间段t内接触发生传染事件的均值记为λ；为简单起见，假定每个具备传染性的个体都具有相同的传染性；对于随机出现的事件，在给定时间段t内出现的次数服从对于随机出现的事件，在给定时间段t内出现的次数服从泊松分布，参数为λt；

这里将病毒场区域范围值Di，计算以米为单位，分别规定如下：D1＜1高危区域，1≤D2＜

2中危区域，2≤D3＜4低危区域，4≤D4较安全区域；

因此，在时间区间t内处在病毒场不同区域范围内，不发生被感染的概率为 至少发生一次感染的概率为 这些病毒场区域范围值Di针对不同传染病性类别可调；当一个具有传染性的个体A和易感个体D处在同一个子空间的不同区域空间之内一段特定时间TAD，传染发生的概率可以用公式(3)来表达，如果用离散的方式来表达，可以采用公式(4)来进行计算，

式中，λ(Di)为传染性的个体和完全易感的个体之间发生采样时间间隔内处在某一病毒场区域范围值Di中接触发生传染事件的均值， 为j采样的时间内A传染给D的概率；

为了保护个人隐私和客观反映病毒通过空气传播的特性，这里将传染性的个体映射成相对应的病毒场；因此，追溯方法是检测该病毒携带者是否曾经进入到任何病毒场，然后根据其距离病毒场的不同距离用公式(5)计算被感染的概率式中，k表示病毒场的序号，j为采样时间序号，λ(Di(k))为在某一个采样时间内病毒携带者进入某个病毒场k的病毒场区域范围值Di(k)中发生被感染事件的均值， 为j采样的时间间隔内病毒携带者进入某个病毒场k的某一病毒场区域范围值Di(k)中发生被感染事件的概率。

5.如权利要求4所述的基于流行传染病病毒场追溯传染源的系统，其特征在于，所述病毒携带者在某一追溯时间段内被病毒感染概率的计算单元，用于计算基于时态GIS的病毒分布密度图追溯每个病毒携带者在某一追溯时间段内被病毒感染的概率；

被病毒感染的概率是与进入病毒场区域的频次、与病毒场区域的相隔距离和滞留的时间相关的，公式(5)提供了某一采样时间内进入某个病毒场k的某一病毒场区域范围值Di(k)中发生被感染事件的概率，因此，还需要计算在某一追溯时间段内进入某个病毒场k的某一病毒场区域范围值Di(k)中发生被感染事件的概率；如公式(6)所示；

式中， 为追溯时间段TBS(i)内都不发生被感染的概率， 为

追溯时间段TBS(i)内至少发生一次被感染的概率， 为j采样的时间间隔内病毒携带者进入某个病毒场k的某一区域范围值Di(k)中发生被感染事件的概率，k表示病毒场的序号，j为采样时间序号，λ(Di(k))为在某一个采样时间内病毒携带者进入某个病毒场k的某一区域范围值Di(k)中发生被感染事件的均值，n为追溯时间段TBS(i)开始采样时间，TBS(i)/Δt为追溯时间段TBS(i)内的采样总数，Δt为追溯采样时间；

所述病毒携带者被感染时间段和病毒场的筛选单元，用于确定被感染的感染地点和时间段的顺序；

首先，追溯TBS(1)这个期间被感染的病毒场，分别用公式(5)和(6)计算被感染的概率和追溯时间段TBS(1)内至少发生一次被感染的概率 若 就确定该病毒场和时间段为第一感染地点和时间段；否则进一步追溯；

接着，进一步追溯TBS(2)期间被感染的病毒场，分别用公式(5)和(6)计算被感染的概率 和追溯时间段TBS(2)内至少发生一次被感染的概率 若就确定TBS(2)期间追溯到的病毒场和时间段为第一感染

地点和时间段，TBS(1)期间追溯到的病毒场和时间段为第二感染地点和时间段；否则再进一步追溯；

再进一步追溯TBS(3)期间被感染的病毒场，分别用公式(5)和(6)计算被

感染的概率 和追溯时间段TBS(3)内至少发生一次被感染的概率 若

就确定TBS(3)期间追溯到的病毒场和时

间段为第一感染地点和时间段，TBS(2)期间追溯到的病毒场和时间段为第二感染地点和时间段；TBS(1)期间追溯到的病毒场和时间段为第三感染地点和时间段；否则再进一步追溯；

若经过上述追溯筛选处理仍然不能确认被感染的病毒场，作为悬而未决问题保留，有如下几种可能性：①出现了超长潜伏期的病毒携带者；②出现了无症状感染者；③由于什么原因系统没有收集到病毒携带者的信息；

所述的被感染的病毒携带者与产生其被感染的病毒场的病毒携带者关联单元，将追溯到的病毒场和时间段为第一感染地点和时间段与产生该病毒场的病毒携带者进行关联，若存在多个感染地点和时间段的情况，分别计算其对应的感染链；

对于找到所述的产生该病毒场的病毒携带者，首先是系统根据所述的第一感染地点和时间段的信息，然后访问系统平台数据库得到产生所述的第一感染地点的病毒携带者的信息，接着将被感染的病毒携带者与所述的第一感染地点的病毒携带者的信息进行关联，得到病毒第一感染链，以此类推；对于其他被感染的病毒携带者也同样以此类推进行追溯；直到所有的被感染的病毒携带者的追溯处理结束，最后得到所有被感染的病毒携带者与产生该病毒场的病毒携带者传染传播链，并以感染概率大小按顺序列出所有的感染途径。