全球新冠疫情智能驾驶舱，是一个基于知识的全球新冠疫情险评估和复工辅助决策系统，提供基于知识驱动、全球疫情统计数据和预测模型对世界各地的疫情发展及险状况进行量化评估和预测。跟踪最新各方面疫情进展，包括科学研究、政府动态和社会舆论等各方面；面向地区、机构和个体提供复工复产各方面的辅助决策支持，包括地区疫情险评估、政府政策推荐、个人生理和心理健康自测评估等。
针对新冠肺炎疫情，清华大学AMiner团队联合多个研究团队和机构在其科技大数据挖掘服务平台基础上研发上线“知识疫图”系统，内容包括新冠肺炎开放数据集、疫情智能驾驶舱、高关注度专家学者分析、新冠肺炎学术成果时间线、新冠肺炎惠民惠企政策地图，以及新冠肺炎期间用户在线社交行为研究等，以期从繁杂的信息中客观地梳理出疫情发展脉络，用AI让大众更全面深入的知道新冠疫情深度知识。
系统上线后获得了广泛的关注，帮助社会公众深入了解疫情发展和科普知识，为抗击疫情做出了自己的贡献。
随着现代信息技术特别是互联网的快速发展，搜索引擎成为人们获取医疗相关讯息的重要工具，这些大数据涉及人们对疾病的关注、对自身症状的描述等。利用以搜索日志为基础的用户行为数据，生成额外的特征信息，可以有效协助新冠肺炎传播的预测，以便政府有关部门可以及时采取措施。
对国家和地区的疫情风险指数进行量化评估，能够帮助用户更好的了解疫情的发展态势，同时也能对个人、企业、政府的复产复工作出提供指标参考。在地区风险指数的评估上，我们结合了疫情数据以及预测模型，地区的人口，面积等客观数据，同时参考了约翰霍普金斯大学的全球卫生安全数据。除此之外，我们的风险指数尽可能地做到了细粒度，并且能根据疫情数据实时更新，为用户提供及时、全面的指数参考。
如何将全球的疫情状况呈现在地图上是整个疫图项目的核心问题之一。相较于其他的一些疫情地图项目，我们在数据可视化方面从时空两个维度尽可能地做到细粒度。我们基于Mapbox的地图组件，在集成了多种数据源的疫情实时数据及历史数据后，将它们与地图上的区域进行对齐，进而在不同的层级展现。除此之外，我们的疫情地图还将各类新闻以地图标记的方式放置在疫情地图上，方便读者能够了解全世界在疫情之下各国发生的具体变化。
通过对疫情相关事件和学术论文等信息的收集、整理及分析，来展示疫情的发展变化。首先我们分别从论文、新闻、人工整理的学术事件三个方向入手整理数据源，获取疫情相关数据，依托AMiner平台我们很快收集了论文和学术信息，新闻我们是采集新华网等高质量的新闻媒体平台获得。同时我们接入了同事们构建的疫情知识图谱对所有事件做实体识别，分析出事件之间的关系，并对事件及热门实体关系等数据进行可视化展示。
我们将数据采集、去重、分类、实体链接等流程都做了自动化以实现时间线的实时更新。