为服务社会大众了解疫情走势，并为相关部门提供决策支持，北京航空航天大学北航大数据与脑机智能高精尖创新中心刘旭东教授、胡春明教授、李建欣教授等组织师生，与复杂系统可靠性实验室李大庆研究员联合组成团队，全力投入建模和系统研发，已向决策部门提供疫情数据评估与预警报告、区域物资保障评估专项报告等，并迅速开发“新冠肺炎疫情数据导航服务”平台，数据单日访问量近 5 万次。此外，中心还进行新型冠状病毒的疫情评估与预测报告并开发疫情实时更新系统。中心对疫情现状进行分析和预测，为公众提供及时、准确的疫情态势分析、走势预测、舆情动态和政策措施等智能数据服务，实现全国及重点城市日度传播系数计算、短期确诊人数预测和长期疫情拐点与结束日期预测、疫情缓解系数评估等功能。此外，大数据与脑机智能高精尖创新中心研究团队根据疫情确诊患者相关公开数据，利用自然语言处理等技术，从已公开全国各省市直辖区四千余位确诊患者轨迹中抽取了基本信息(性别、年龄、常住地、工作、接触史等)、轨迹(时间、地点、交通工具、事件)及病患关系形成结构化信息。同时开发确诊患者轨迹可视化查询与分析系统，为疫情传播与防控相关研究提供有效支撑。

南京审计大学研发出疫情监控采集区块链系统，该系统已部署在中国电信、浪潮云等平台上。按照电子政务安全标准及规范对系统与数据进行严格的安全防护，并针对每个院校提供独立的前后台账号权限及数据管理权限，各院校申请开通管理员账号后导入师生信息即可快速完成业务启动和上线。系统可以实时采集在线师生的各种动态信息，达到快速部署、快速统计上报、实时在线监测防控的目标，并结合区块链技术保证疫情数据信息的防篡改和可追溯的能力。具体方案如下：（一）信息提报系统登录快速，使用简单，填报界面简洁明了。师生利用移动终端可以随时在线登录、随时填报自己的最新情况。（二）后台管理后台具有强大的管理功能，可以设定后台管理人员对不同单位、部门的上报信息进行管理，提醒当天尚未填报信息的人员，并进行数据的汇总、分析。系统极大程度提高了疫情监测和管理的效率。1、 信息填报查询能够实现对已隔离、疑似、确诊、接触史、症状等人员的查询；按照日期搜索未填报人员等功能2、 用户信息可以完成对学生、教职工等人员信息的快速导入和权限管理等功能3、 此外还可通过通知公告、基础信息、系统管理等模块完成对界面通知、表单维护、机构角色数据字典等功能，实现对疫情填报信息和数据的管理和定义。（三）链浏览器1、所有用户填报信息全部存储在链上，由Txhash和Block id进行标识。 2、所有链上数据可解密，便于追溯。（四）可视化管理驾驶舱>>>点击查看全文<<<

西南交通大学​​经济管理学院2017级硕士研究生袁韵在导师指导下与国内外多名教授共同合作研究，于伦敦时间2020年4月29日在国际顶级期刊《自然》（Nature）在线发表论文《人口流动驱动新冠肺炎疫情在全国的时空分布》（Population Flow Drives Spatio-Temporal Distribution of COVID-19 in China）。该论文构建了“人口流动-风险源模型”，模型能利用有关人口流动的匿名整合数据准确预测新冠肺炎疫情的扩散时间和地域分布，便于决策者进行有效地风险评估和资源分配。在开发该模型时，研究人员基于匿名移动电话位移数据，对在2020年1月1日至1月24日期间武汉流出或途经武汉的11478484人次进行了分析，这些人口迁移至全国31个省的296个地级市。他们的研究显示，湖北省的封城举措是非常正确的，它能及时控制传染源的传播，有效降低了各地疫情的风险。此外，研究人员发现，根据2020年2月19日武汉外流人口的分布，能够准确预测到全国新冠病毒感染者的相关频率和地理位置分布。此外，通过“人口流动-风险源模型”衍生出的一个疫情发展的基准趋势和一个指数，可以用来评估随着时间的推移不同地区新冠病毒传播的风险。与大多数流行病学预测模型不同的是，他们团队构建的模型基于人口的实际流动情况来预测疫情的地域分布和传播趋势。对于新冠肺炎疫情，该模型至少提前一周预测了全国范围内的病例感染情况和地理分布。团队的研究结果能够对各地疫情风险的大小进行预警，并探测出社区传播严重的地区，在疫情发展的早期为相关部门提供决策依据，以便其能够及时采取应急措施。论文作者在摘要中提到，任何国家的决策者都可以使用这种方法，利用现有的人口流动数据进行快速而准确的风险评估，并在疫情爆发之前规划有限的资源分配。本文的作者之一，美国耶鲁大学教授尼古拉斯·克里斯塔斯基称：“这项研究结果揭示了中国有关新冠病毒案例报告的准确性，从不同来源获得的完全不同的信息（移动通信显示的人口流动）可以很好地预测病例数，这符合流行病学的预期（至少在2月19日之前）。”该项研究发布后，国际上有BBC等30多个新闻媒体报道，国内媒体也有许多报道，其中，央视国际电视CGTN、中国日报、中国科学报、环球时报、文汇报、中新网等政府官方媒体都强调了这项研究对于疫情防控的重要意义。除了文章本身的学术贡献之外，该项研究也表明，中国的疫情研究是国际合作并且是公开透明的：论文于2020年2月18日提交至世界权威学术期刊《自然》并传递给相关的国际机构，第一时间与世界分享了我国抗击疫情的经验。此外，通过论文可以看出，我国武汉以外的疫情数据是有时空规律的，与第三方的手机流动性数据完全契合，以学术证据反驳了国际上的某些谣言和诽谤。

2025年4月2日，央广网以《天津市特色化示范性软件学院协同发展联盟成立》为题对我校进行了报道。

上海交通大学公共卫生学院蔡泳团队和上海交通大学医学院附属瑞金医院张欣欣团队合作完成了一项最新研究结果，分阶段估计了武汉市的新型冠状病毒感染的流行趋势，并提出在各项防控措施的有序开展下，二月下旬疫情有望得到有效控制。该研究成果2月17日已被Cell Discovery接收。 该研究采用了在学界较为认可的传染病动力学SEIR模型（Susceptible，Exposed，Infectious and Removed model；SEIR model），这是一种常用于对病毒流行趋势进行分析的模型，其参数包括感染者（S）-暴露者（E）-感染者（I）-康复者（R）、传播率、感染率、治愈率、基本再生数（R0）和有效再生数（Rt）等。 研究表明面对疫情的发生，中国采取的措施，特别是1月23日做出的武汉“封城”等断然决定，是非常有效的，这一决定和后续的一系列措施从根本上改变了疫情演变的格局。通过四个阶段的多阶段模型拟合，研究最终计算得到武汉地区感染人数可能在2月下旬出现流行高峰和拐点（两种不同暴露者E与感染者I的比例估计），高峰感染人数估计为55869-84520人。估计感染人数指的是模型中在某一时刻现存的感染人数，这些估值中包括了有明显症状的患者和潜在的无症状或症状很轻的感染者。 

2月1日，清华大学深圳国际研究生院马兆远课题组首次公布基于AI技术的对全国疫情扩散情况及高峰期预测模型。根据后续一周内国家卫计委公布的疫情实时数据反馈，该模型在一周（2月1日至2月7日）之内的预测结果与真实情况吻合度较高，平均准确率达98%以上。团队比较早地对疫情高峰期及拐点出现时间做出“2月7-12日内达到峰值，疫情拐点最迟于2月16日前后出现，总感染人数或达7万”的预判，该预测与钟南山院士的判断互相印证。虽然预测结果的准确度得到验证，课题组团队并没有因此松懈，而是不断根据最新的数据变化调整参数、优化拟合结果，同时积极联络政府相关科技、数据信息等部门，让预测结果成为施策者有力的决策参考。2月1日，清华大学深圳国际研究生院马兆远课题组首次公布基于AI技术的对全国疫情扩散情况及高峰期预测模型。根据后续一周内国家卫计委公布的疫情实时数据反馈，该模型在一周（2月1日至2月7日）之内的预测结果与真实情况吻合度较高，平均准确率达98%以上。团队比较早地对疫情高峰期及拐点出现时间做出“2月7-12日内达到峰值，疫情拐点最迟于2月16日前后出现，总感染人数或达7万”的预判。

南京工业大学计算机科学与技术学院史本云教授团队联合香港浸会大学计算机科学系与中国疾病预防控制中心寄生虫病预防控制所（国家热带病研究中心）共建的智能化疾病监控联合实验室，及时搜集疫情相关信息，追踪相关数据，运用多源异构数据驱动的传染病学模型和分析方法，针对武汉（新冠肺炎发源地）、北京、天津（京津冀地区）、深圳（粤港澳大湾区）、杭州和苏州（长三角经济区）6座典型城市，开展了新冠肺炎疫情的回顾性分析和趋势预判，精准评估了不同复工场景下的疫情风险和经济损失。该研究针对新冠肺炎疫情发展期、控制期和恢复期的不同阶段，以及不同城市的传播特点（本地传播为主/输入病例为主），综合考虑了各个城市内不同年龄段的人口分布和不同人群（如学生、上班族和老人）的接触强度、接触时长等，设计了居家场所、学校场所、工作场所和公共场所4种主要接触场景。通过结合城市间的人口流动数据，构建了数据驱动的传染病动力学模型，对不同城市不同干预手段下的疫情走势进行了评估。在此基础上，研究人员结合不同城市的GDP增长预期和产业结构，基于对未来数日各城市疫情走势的研判，对下一阶段有序推动恢复正常生产提出了若干建议并进行了相应的经济损失评估。据悉，该研究成果和建议已经通过国务院参事提交国家相关部门。

　　广州盈可视电子科技有限公司(以下简称 Ncast)，成立于2007年，是一家专注于多媒体通信、视音频编解码、智能图像处理三大领域的产品研发以及优秀互联网服务的高新科技企业。自成立以来，Ncast坚持自主创新，已开发出多项具有自主知识产权的创新性产品，包括：班班通全自动录播系统(两款)、精品课全自动录播系统(两款)、常态化全自动录播系统、分布式教育录播系统、教育资源云平台、视频会议录播系统、图像识别跟踪系统、图像点击跟踪系统等。