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 JavaScriptDocsExamples 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

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

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

StillProb0.6

StillProb0.6

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

StillProb0.8Narrow

StillProb0.8Narrow