contact_tracing

基于行为数据快速追踪密切接触者的脚本方案

运行环境

python3

依赖安装

pip3 install -r requirement.txt

配置

数据库和密接参数

修改 settings.py 配置文件，配置基本参数

# 数据库配置
database_type="sqlite" #支持三种数据库类型：mysql、oracle、sqlite
user = "" # 会进行特殊字符转义
password = "" # 会进行特殊字符转义
host = "" # 会进行特殊字符转义
port="" #数据库连接端口
database="" # 会进行特殊字符转义，当连接 oracle 时，等价于 oracle 连接的 service
db_path="./example.db" # 绝对路径，当数据库为sqlite时需要填写，而user、password、host、port、database不需要填写

# 与数据库表相关
table_name = "example" # 表名
user_id_field_name = "USERID" # 表示用户id的字段名
time_field_name = "RECORDTIME" # 表示时间的字段名
location_filed_names = ["XIAOQU","TERMNAME"] # 表示位置的字段，可能是多个，比如有校区字段加位置字段

# 输出结果字段 (与数据库表中定义的字段名称相关，默认应该为：用户id的字段、时间的字段名、位置的字段；程序内部在自动加上一个与该用户密接的用户id字段；)
result_filed_names = ["USERID","RECORDTIME","XIAOQU","TERMNAME","TYPE"]


# 时间范围
flow_tone_start_time = "2022-03-01 00:00:00"
flow_tone_end_time = "2022-03-10 00:00:00"

# 密接限制人数
close_contact_people_num = 5

# 密接限制时间 （分钟）
close_contact_time = 30

输入参数

在 USERID.xlsx 表格中填入 userid，每行一个

userid
f4efde7189962a420d41d7dbc6ba570c0c723b47
ad9322aac7896a0479f298541f0bd1f6d48e0220

执行

在 src 目录下执行 main.py

cd src/
python3 main.py

输出

1. 在 result 目录下，以运行时间为命名的文件即为流调输出
2. 其中被标注为黄色的行是输入的流调人员的消费记录

USERID	RECORDTIME	XIAOQU	TERMNAME	TYPE	contact_USERID
dbfe97c4ae7999b6c5bb9cb336f5d1c0a70cedd8	2022-03-01 06:25:18	校区A	A餐厅25#	餐费支出	ad9322aac7896a0479f298541f0bd1f6d48e0220
32bc3dabc33ab9f833ce7e2c7489fd4083f4f6a0	2022-03-01 06:27:20	校区A	A餐厅25#	餐费支出	ad9322aac7896a0479f298541f0bd1f6d48e0220
9e6383e5d1b6106411e0cbb067bddbc37e746a1d	2022-03-01 06:32:28	校区A	A餐厅25#	餐费支出	ad9322aac7896a0479f298541f0bd1f6d48e0220
81c99f0ac92fb7a1463fba6fa50ff27cc78f6f81	2022-03-01 06:35:37	校区A	A餐厅25#	餐费支出	ad9322aac7896a0479f298541f0bd1f6d48e0220
5f56be63bde0e5440c73dc1ae47c1fe6b4eec5c7	2022-03-01 06:35:53	校区A	A餐厅25#	餐费支出	ad9322aac7896a0479f298541f0bd1f6d48e0220
ad9322aac7896a0479f298541f0bd1f6d48e0220	2022-03-01 06:38:33	校区A	A餐厅25#	餐费支出	ad9322aac7896a0479f298541f0bd1f6d48e0220
0fddd8486b12f646b4f9d68516f3aeaf31a07d62	2022-03-01 06:38:43	校区A	A餐厅25#	餐费支出	ad9322aac7896a0479f298541f0bd1f6d48e0220
45cd7842331cfeef729eda739e2f017558d4355c	2022-03-01 06:39:44	校区A	A餐厅25#	餐费支出	ad9322aac7896a0479f298541f0bd1f6d48e0220
a96a4375da92f79fdb30ab44c4a263d9a0fc4000	2022-03-01 06:41:12	校区A	A餐厅25#	餐费支出	ad9322aac7896a0479f298541f0bd1f6d48e0220
9cb31f5177c5adc59fb229fbfe480210194184e8	2022-03-01 06:42:10	校区A	A餐厅25#	餐费支出	ad9322aac7896a0479f298541f0bd1f6d48e0220
784f7a147eb50759fd08b6f407693d8fdb3379f7	2022-03-01 06:42:24	校区A	A餐厅25#	餐费支出	ad9322aac7896a0479f298541f0bd1f6d48e0220

运行逻辑

1. 第一步，读取输入的user_id，一个个进行密接查询
2. 查询某个user_id在流调时间内的消费记录
3. 根据每一条记录进行下游查询，查询在该记录中的同一地点同一时间在前后若干分钟内的消费记录，取限定范围的人数。
4. 将所有记录输出到指定表格并高亮输入人员的单元格

申明

仓库内的 example.db 相关数据均为随机生成的测试数据，仅用于测试验证，没有实际含义。

本项目开发过程中仅使用上述测试数据开发，没有使用任何真实个人信息。

本项目由社区自发开源，不代表官方立场。