张春成

V2

2022/06/27阅读:16主题:默认主题

人群模拟

人群模拟

好像人类真的对 COVID-19 没什么办法,它真的是太烦人了。

所以我们不妨换个思路,想想如何将它的危害降到最小。


计算模拟

手头有个前端工具,称为 ATOMIC AGENTS

Atomic Agents Spatial agent-based modeling in JavaScript Docs Examples This module was written for the Visualising Contact Networks in Response to COVID-19 UKRI-funded project (University of Warwick and Swansea University). It is still under active development — contributions are welcome.

Atomic Agents

Untitled
Untitled

它的优点是高效和简洁,特别适合进行可重复和可交互的流行病学分析模拟。我在官方样例的基础上,构造了自己的分析程序。代码可见我的前端仓库

Atomic Agents: Simulitis

这是主程序的图示

Untitled
Untitled

下半部分代表一个模拟场景,场景中有 1000 个成员,其中红色代表感染人员(Infect),绿色代表康复(Recover)人员,蓝色代表未感染人员。这些人员有的可以自由行动(Move),有的则需要静止在家(Still)。

上半部分则是各种指标的实时统计,也就是说我们能实时地知道

  • 有多少人处于感染状态;
  • 其中有多少人是静止的,有多少人是运动的;
  • 在整个传播过程中,各个数值的峰值是多少。

这样就能得到一个流行病学的动态的模拟,即感染是如何在社会面进行传播的。如视频所示。

【】

分析结果

接下来,我们对结果进行简单的统计和解析。

首先来看居家隔离政策有多少效果,我们通过调整 Move 和 Still 之间的比例来做到

  • 当居家隔离的比例在 0.8 时,同时感染人群占总人群的比例分别为 0.04 和 0.12;
  • 当居家隔离的比例在 0.6 时,同时感染人群占总人群的比例分别为 0.21 和 0.27;
  • 当居家隔离的比例在 0.2 时,同时感染人群占总人群的比例分别为 0.34 和 0.35。

这说明居家隔离政策即使最终无法永远阻挡病毒感染,但它至少有一个效果,那就是将同时感染的人数降到很低,这样从功利的角度上讲,它可以最大程度地避免过多人同时感染导致的医疗资源挤兑。

StillProb0.8
StillProb0.8

StillProb0.8

StillProb0.6
StillProb0.6

StillProb0.6

StillProb0.2
StillProb0.2

StillProb0.2

接下来我们再考察区域隔离的方式,之前区域隔离的参数较大。表现在图上就是左、右两个区域之间的通道较宽。我们接下来将它变窄,

  • 居家隔离的比例还定在 0.2,代表不怎么需要人员静止,将左、右区域间的通道变窄之后,同时感染的人员的峰值比例提升为 0.48 和 0.49;
  • 另外我们将居家隔离比例定在 0.8,代表需要人员静止,变窄之后,同时感染人员的峰值比例仍旧是 0.06 和 0.12。

这可能是由于区域内部行动增多,而容易导致交叉感染;而在大部分人员静止的情况下,区域隔离几乎起不到额外的效果。

StillProb0.2Narrow
StillProb0.2Narrow

StillProb0.2Narrow

StillProb0.8Narrow
StillProb0.8Narrow

StillProb0.8Narrow

分类:

后端

标签:

后端

作者介绍

张春成
V2