复工潮过后，回国人员、外来务工人员、跨省通勤者等将全市各区县的人流流动，会影响疫情的控制，因此各区县的差异化治理需要更细致的数据分析和趋势研判。
为了解决这一问题，政企公安事业部联手城安集团产品研发团队，推出了72小时内城市地区流动人员疫情控制趋势研判模型。
该模型根据各地实际情况，运用机器学习、病毒传播动力学、时间序列分析、非线性数值逼近等方法，准确预测未来两天疫情发展情况。
结果与实际数据对比误差小于0.5%。
目前，公安产业已在各市、区县推广应用。
三大模型科学预测未来疫情趋势。
判断城市流动人员疫情控制趋势的模型以境外旅客和撤离人员中发现病例的比例为基础，利用统计模型对初始感染人数进行高置信度的回溯处理。
然后利用传染病动力学模型、数值拟合等方法分析疫情未来趋势。
同时结合数据统计和参数搜索，给出优化的模型参数。
最终利用机器学习集成学习思想为人们提供确诊病例的最优预测。
据了解，该统计模型根据前期从武汉飞往海外的人数估算了nCov感染病例向海外流动的概率。
通过回顾海外发现的病例数，我们可以最大程度地评估武汉疫情的初步规模。
SEIR是传染病动力学模型中应用最广泛的模型。
它将传染病流行范围内的人群分为四类：易感人群（Susceptible）、潜伏人群（Enfective）、隔离（确诊）人群（Infective）和移除人群（Infective）。
通过以微分方程的形式描述这四个变量的相互影响，可以得到一个简单的动态系统。
SEIR的传染病模型 在SEIR的模型中，不同状态下的人数随时间变化的曲线的数值拟合模型，利用数值拟合来预测感染人数。
常用的有逻辑增长模型、类伽马分布等。
逻辑增长模型在感染人数随时间变化的曲线上具有较高的准确性，帮助企业安全复工复产。
这种分析研判城市流动人口疫情控制趋势的模型一经提出就投入实践。
在两天的拟合预测中，模型对除湖北以外的全国疫情确诊病例数实现了小于0.5%的预测误差。
下面两张图分别是某城市及其辖区确诊病例的预测曲线。
预测曲线比实际曲线误差更小。
某市新型冠状病毒肺炎确诊病例预测曲线。
某市辖区新型冠状病毒肺炎确诊病例预测曲线。
从图中还可以看出，该市及其所辖区的预测曲线仍存在一定差异。
如今，大多数模型只能预测省、直辖市的情况，但城市流动人口疫情控制趋势研判模型可以到达各个地级市，预测结果更加准确。
专家指出，预测模型对疫情防控具有一定指导意义。
一方面，预测可以帮助政府了解疫情高峰时间和最终报告患者人数，为解决未来需要多少病房、需要多少医护人员等问题提供重要参考价值。
以及如何分配医疗用品。
另一方面，为政府提供专业的分析判断支持，帮助政府引导企业科学复工复产，从而实现经济平稳运行。
武汉疫情发生以来，集团不仅第一时间向灾区送去医疗物资，还在周董事长兼首席执行官的带领下组织了“百城抗疫”公益活动弘毅。
未来，集团将努力推出更多优质产品，助力我国早日战胜疫情，共同迎接美好明天。