传染病是能够通过多种途径在人与人之间（或者人与动物之间）相互传播并广泛流行的疾病,例如,鼠疫、天花、SARS（Severe Acute Respiratory Syndrome）、COVID-19（Corona Virus Disease 2019）等。目前,各种传染病给全球各地都带来了巨大的影响。传染病对地区的影响主要体现在两个方面,首先,传染病使地区内大量的人民失去了宝贵的生命,其次,传染病对地区的经济也会产生重大的负面影响。由于传染病在多数情况下通过相互接触才能够传播,因此隔离是控制传染病传播的一种有效手段。但是,隔离也会产生很多负面影响,例如,隔离会抑制地区经济的发展,会对部分人民的心理健康产生负面影响,使社会上的罪案发生率升高等。因此,为了控制隔离产生的影响,合理地评估和预测城市的传播风险是很有必要的。评估和预测城市的传播风险有助于帮助人们制定出更合理的医疗资源分配策略,快速控制疫情,并确保公众的生命安全。因此,为了解决评估和预测城市的传播风险问题,本文提出了城市风险指数CRI（City Risk Index）来评估城市的传播风险,提出了STNC（Spatio-Temporal Network with CRI）方法来预测城市的疫情发展。（1）基于CRI的疫情传播评估:本工作分为相关性分析和城市风险评估两个部分。本工作从城市的经济（国内生产总值和经济复杂度）、技术（教育和创新能力）、人口和地理位置四个方面来分析城市的传播风险。首先,基于皮尔逊相关系数证明上述各属性与城市疫情之间的关系强弱。随后,提出了CRI来评估城市的传播风险。最后,基于真实数据对比CRI在不同参数条件下的实验结果,误差函数的结果证明了本工作提出的CRI能够有效地评估城市的传播风险。（2）基于STNC的城市疫情预测:本工作使用CRI、城市医疗能力和城市气候情况作为特征构建城市时空网络,提出了一种基于时空图神经网络和注意力机制的COVID-19病例预测的新方法（STNC）,并基于真实数据将STNC与SIR模型（Susceptible–Infected–Recovered）、回归模型、ARIMA模型（Auto-Regressive Integrated Moving Average）、LSTM模型（Long Short-Term Memory）和STN（Spatio-Temporal Network）的实验结果进行对比,通过比较误差函数的结果可以得知STNC能够有效地预测城市未来的疫情走势,同时,STNC可以对疫情的传播进行长短期预测。