城市内部传染病的暴发往往发生在人群活动密集的区域,如何有效的反映传染病在地理空间上的传播风险对于传染病的科学防控和预防措施有着重要的意义。本文运用大数据的方法有针对性的对传染病传播的高风险区位进行预测,研究区为美国纽约市曼哈顿岛,实验数据为Crawdad公司提供的已被验证的出租车轨迹数据。从传染病的传播速度入手,运用缓冲区分析的空间分析方法,计算在各个时段出租车遍历研究区的最大速度,称为传染病蔓延危险系数。传染病蔓延危险系数作为传染病传播速度的风险临界值,通过对一天各时段的连续变化的分析,还可在时间序列上用于对传染病数据准确性的判定,从而得出每天不同时段数据的差异性及不同数据类型的敏感程度。传染病传播速度的风险临界值又与影响传播速度的空间密度有关。空间密度既是制约传染病传播速度的主要因素,又是移动人群密集程度的直接反映,依据城市交通可达性与复杂网络的理论知识,构建了针对出租车时空轨迹数据的交通节点全连接网络,在网络中由节点特征长度确定的节点区域面积和节点个数,得出求解实际地点的空间密度的公式。将空间密度作为移动人群是否具备传染病高传播风险的判定因素进行分析。出租车空间密度表示移动人群的时空密度,平均速度表示人群的移动速度。运用统计学方法,建立传播速度与密度的特征空间,由已知的传染病蔓延危险系数和齐夫定律反映的传播速度与密度的变化规律,得出传染病高风险的空间密度值,得出对应节点的传染病高风险区域。由生成的数据得出高风险节点的预测公式,多数时段的预测精度都在80%以上。