全球疫情实时监控——约翰斯·霍普金斯大学数据大屏实现方案

简介: 全球疫情实时监控——约翰斯·霍普金斯大学数据大屏实现方案

霍普金斯大学的全球疫情分布图

微信图片_20220526225435.jpg

根据约翰斯·霍普金斯大学的最新数据显示,截止北京时间4月7号9时,全球累计报告确诊病例已达 134万+,死亡74000+ 。

在霍普金斯大学的全球疫情分布图中,非常直观的呈现了全球疫情的分布情况,数据也非常的实时准确。最近一段时间约翰斯·霍普金斯大学发布的数据也经常出现在各媒体报道中,那么这些数据来源是哪里呢?这么炫酷的实时监控大屏又是如何实现的呢?


一、数据来源


约翰斯·霍普金斯大学 (官网地址: https://systems.jhu.edu/

为了应对这种持续不断的公共卫生紧急情况,约翰斯·霍普金斯大学系统科学与工程中心就制作了“全球新冠病毒扩散地图”,用于实时可视化和跟踪报告的病例。并与1月22日首次公开。

在地图开放之初,从1月22日至31日,整个数据收集和处理都是手动进行的。在此期间,通常每天早上和晚上进行两次更新。

随着疫情的发展,手动录入已经不能实现,于是在2月1日的时候采取了半自动化的实时数据流策略,这个阶段主要对接的数据是丁香园的数据(丁香园疫情数据:https://ncov.dxy.cn/ncovh5/view/pneumonia) 结合了丁香园和国外的一些数据基本可以做到数据的实时更新。

而这些数据来源于包括对于在线新闻服务发布的消息的实时监控,也有仪表盘的直接通信,根据疫情地图首页介绍,数据主要来自世界卫生组织、美国疾控中心、欧洲疾控中心、Worldometers.info网站、BNO通讯社、美国各州各地区卫生部门以及中国卫健委、“丁香园”网站等等。

对于收集到的数据都是免费提供的,目前这些数据已经开源在Github中:https://github.com/CSSEGISandData/COVID-19

已有近两万Star。

微信图片_20220526225439.jpg


二、可视化方案


得益于手动收集与自动更新相结合的发布方式,相较于美国疾控中心官方和部分媒体每日公布一次的方式,约翰斯·霍普金斯大学的数据基本实现了实时更新。

数据的来源通过手动和自动获取的方式已经基本可以做到实时更新了,接下来就是数据展示的问题了。

将这些数据可视化的方案有很多,下图就是我们经常会见到的

微信图片_20220526225441.jpg

全球疫情监控大屏

具体网址:https://www.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6

据该网站统计,每天都有十几亿的访问量,这也看到了大家对于实时的数据重视。

这个大屏其实是一个交互式的仪表盘,有着不同维度的统计展示,也可以做一些简单的筛选。

这套仪表盘是由美国环境系统研究所公司(esri)开发研制的一套ArcGIS系统。

GIS是地理信息系统,基于地图做一些统计分析。而这套ArcGIS系统就是一个GIS平台,ArcObjects包含了许多的可编程组件,从细粒度的对象(例如单个的几何对象)到粗粒度的对象(例如与现有ArcMap文档交互的地图对象)涉及面极广,这些对象为开发者集成了全面的GIS功能。

官网地址:https://www.esri.com/zh-cn/home 这其实是一套商业化软件。

不过为了帮助公共卫生机构和其他组织快速响应COVID-19,Esri通过免费订阅六个月的ArcGIS Online和ArcGIS Hub Basic,免费提供了ArcGIS Hub冠状病毒响应模板。该模板包括用于快速部署ArcGIS Hub环境的示例,材料和配置。ArcGIS Hub是一个框架,可用来构建您自己的网站,可视化疫情分布情况,有兴趣的同学可以关注一下:https://www.esri.com/en-us/disaster-response/request-assistance

以下是官网给出的集成方案:

1、如何获取数据

因为约翰·霍普金斯大学系统科学与工程中心(CSSE)已在下方发布了仪表盘,我们可以参照其在首页的说明获取数据源

微信图片_20220526225445.png

2、展示数据

首先启动webmap图层 网址如下 https://www.arcgis.com/home/webmap/viewer.html?layers=628578697fb24d8ea4c32fa0c5ae1843 打开上方的链接后,点击右上角的“修改地图”。放大以使地图看起来像这样:

微信图片_20220526225448.jpg

接下来,将底图更改为中性,例如“浅灰色画布”底图或“深灰色画布”底图。暗色的底图在操作中心或其他带有很多监视器的房间中效果更好。

微信图片_20220526225452.jpg

3、数据选择器

该地图使用点符号显示了COVID-19病例,该点的大小基于已确认病例的数量。单击图层上的“更改样式”选项,其中九个不同大小中的每个都有可能表示的值范围。

图例为已确认病例的分级符号分类

微信图片_20220526225455.jpg

4、设置颜色

许多COVID-19病例的地图都将一种颜色(红色)用于已确诊的病例,另一种颜色用于恢复期(绿色或其他更积极的颜色),而第三种颜色用于死亡(例如白色或黑色)。

微信图片_20220526225458.jpg

5、保存地图

最后我们在网络地图上点击“另存为”,就可以将设置好的地图保存,我们可以设置更多的交互方案让我们的地图变得更有意义。

微信图片_20220526225501.jpg

相关文章
|
弹性计算 监控 关系型数据库
《云上大型赛事保障白皮书》——第四章 监控告警与应急预案——4.1 云上大型赛事监控告警——4.1.2 北京冬奥监控告警体系介绍(3)
《云上大型赛事保障白皮书》——第四章 监控告警与应急预案——4.1 云上大型赛事监控告警——4.1.2 北京冬奥监控告警体系介绍(3)
|
机器学习/深度学习 消息中间件 存储
携程实时智能检测平台建设实践
Prophet基本覆盖了携程所有业务线,监控指标的数量达到10K+,覆盖了携程所有订单、支付等重要的业务指标。
携程实时智能检测平台建设实践
|
消息中间件 存储 运维
城市危险源(化粪池)监测管理平台的技术实践分享
基于钉钉+阿里云AIoT平台的城市危险源(化粪池)监测管理平台实践解析
542 0
城市危险源(化粪池)监测管理平台的技术实践分享
|
Arthas 监控 Cloud Native
工商银行打造在线诊断平台的探索与实践
在信息系统建设方面,工商银行一直积极探索,以开放的姿态借鉴行业先进经验,旨在为客户提供更优质的金融服务和用户体验。随着分布式架构和云计算平台在工行的广泛应用,如何高效排查程序错误或性能瓶颈,是个棘手的问题。 为此,我们基于 Arthas 建设了在线诊断平台,在保护客户信息安全的原则基础上,对相关能力做了剪裁和整合,通过 Web 方式支持更复杂的交互场景,在实际线上问题分析中发挥关键作用。
工商银行打造在线诊断平台的探索与实践
|
存储 弹性计算 运维
【云栖号案例 | 教育与科研机构】得到APP上云 全链路压测让业务爆发更稳着陆
罗辑思维采用阿里双11备战核武器 - 全链路压测规划系统容量,不到三个月进行约七百次的单链路压测、十六轮完整形态全链路压测,吞吐量提升百倍。
【云栖号案例 | 教育与科研机构】得到APP上云 全链路压测让业务爆发更稳着陆
|
存储 编解码 分布式计算
【云栖号案例 | 医疗健康】华大基因上云 打造精准医疗应用云平台日志方案
基因数据产生的体量越来越大,超出了原有计算能力所能支持的范围。通过使用Maxcompute加速对人群结构的分析速度的进展,计算成本大幅降低至1000美金以内。
【云栖号案例 | 医疗健康】华大基因上云 打造精准医疗应用云平台日志方案
|
机器学习/深度学习 分布式计算 监控
【云栖号案例 | 医疗健康】美甲帮通过数加搭建大数据平台 针对百万用户的精细运营
美甲帮希望更好的提升客户使用体验,为业务赋能,提升业务洞察能力。通过数加平台业务更敏捷、智能、具洞察力,快速响应新业务的数据及分析需求。
【云栖号案例 | 医疗健康】美甲帮通过数加搭建大数据平台 针对百万用户的精细运营
|
存储 弹性计算 分布式计算
【云栖号案例 | 互联网】墨迹天气上云 分析日志大数据 洞察用户需求
墨迹天气运营团队数据分析成本高、网络带宽不足急需解决。迁移MaxCompute后,优化流程,工作效率提升5倍以上,更节省存储空间,性能和稳定性有很大提升。
【云栖号案例 | 互联网】墨迹天气上云 分析日志大数据 洞察用户需求
|
数据可视化
DataV特别推出疫情态势可视化免费模板
DataV上线疫情态势可视化模板为疫情地理化发展趋势提供更直观的工具,帮助一线工作人员和决策者获得更全面更准确的信息和决策参考。
1258 0
DataV特别推出疫情态势可视化免费模板
|
消息中间件 大数据 关系型数据库
实时计算在「阿里影业实时报表业务」技术解读
阿里影业实时报表开始做法也是按照传统型报表做法一样,直接从阿里云rds写sql查询,随着数据量越来越大,这种做法已经没有办法满足业务扩张,带来的问题响应时间变慢,吞吐量低,我们急需要一种技术方案能满足未来2-3年随着影院增加,数据增长,而报表功能还能很好的满足客户需求技术方案。
4835 0