CN114582522A - 基于高斯扩散的传染病气溶胶传播建模仿真方法及系统 - Google Patents
基于高斯扩散的传染病气溶胶传播建模仿真方法及系统 Download PDFInfo
- Publication number
- CN114582522A CN114582522A CN202210213144.XA CN202210213144A CN114582522A CN 114582522 A CN114582522 A CN 114582522A CN 202210213144 A CN202210213144 A CN 202210213144A CN 114582522 A CN114582522 A CN 114582522A
- Authority
- CN
- China
- Prior art keywords
- aerosol
- diffusion
- gridding
- population
- calculating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000000443 aerosol Substances 0.000 title claims abstract description 101
- 238000009792 diffusion process Methods 0.000 title claims abstract description 81
- 208000015181 infectious disease Diseases 0.000 title claims abstract description 68
- 238000004088 simulation Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 43
- 208000035473 Communicable disease Diseases 0.000 title claims abstract description 42
- 244000052769 pathogen Species 0.000 claims abstract description 45
- 230000005541 medical transmission Effects 0.000 claims abstract description 15
- 238000009826 distribution Methods 0.000 claims abstract description 12
- 201000010099 disease Diseases 0.000 claims description 19
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 19
- 230000005540 biological transmission Effects 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 11
- 239000000779 smoke Substances 0.000 claims description 7
- 238000004138 cluster model Methods 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 4
- 208000031504 Asymptomatic Infections Diseases 0.000 claims description 3
- 208000034048 Asymptomatic disease Diseases 0.000 claims description 3
- 208000034657 Convalescence Diseases 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000001900 immune effect Effects 0.000 claims description 2
- 230000002265 prevention Effects 0.000 abstract description 8
- 230000000644 propagated effect Effects 0.000 abstract description 2
- 230000005180 public health Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 17
- 238000004590 computer program Methods 0.000 description 11
- 239000003795 chemical substances by application Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 241000282414 Homo sapiens Species 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 239000006185 dispersion Substances 0.000 description 5
- 230000001717 pathogenic effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012800 visualization Methods 0.000 description 3
- 241000711573 Coronaviridae Species 0.000 description 2
- 206010061818 Disease progression Diseases 0.000 description 2
- 241000282412 Homo Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005750 disease progression Effects 0.000 description 2
- 230000002458 infectious effect Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000036391 respiratory frequency Effects 0.000 description 2
- 206010035664 Pneumonia Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000001524 infective effect Effects 0.000 description 1
- 206010022000 influenza Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于高斯扩散的传染病气溶胶传播建模仿真方法及系统,其包括:创建人工人口,以所述人工人口的地理信息为依据构建接触网络;对所述接触网络中的目标区域进行网格化,计算携带病原体的气溶胶扩散,并匹配人口和网格;基于气溶胶扩散结果以及人员在网格中的分布,计算各个人工人口的感染状况,进行人与人之间的疾病传播仿真。本发明能满足针对气溶胶传播扩散的传染病的防控需求,可以广泛在突发公共卫生事件应急处理技术领域中应用。
Description
技术领域
本发明涉及一种突发公共卫生事件应急处理技术领域,特别是关于一种基于高斯扩散的传染病气溶胶传播建模仿真方法及系统。
背景技术
传染性疾病的暴发给人类的健康社会的稳定发展带来了巨大的威胁。为保障全体人类的健康和社会的正常发展,研究传染性疾病的传播模式具有重要的意义。通过气溶胶扩散进行传播是传染性疾病病原体的一种普遍传播模式。比如:新冠肺炎、流感等都可以通过气溶胶进行传播。但是目前缺乏针对大范围气溶胶传播的传染病建模仿真方法的研究。
气溶胶在科学上的广义概念是指悬浮在气体(如空气)中所有固体和液体颗粒(直径0.001~100微米)。其液态粒子称为雾,小于1微米的粒子称尘。自然界中,人类赖以生存的空气中微粒无处不在,构成一个宏大的“气溶胶世界”。气溶胶传播是指飞沫混合在空气中,形成气溶胶,吸入后导致感染。致病病原体通过气溶胶的形式在城市中的传播极具危害。人体吸入空气中悬浮的足量病原体后,具有感染疾病的风险。一旦人感染了疾病,就会进入疾病的病程,从感染到发病,再到死亡或者康复。在这期间,传染性疾病还具有人传人的传播模式。在城市范围中,这通过气溶胶传播的传染性疾病具有重大的危害。针对上述传染性疾病的防控需求,急需构建一种针对气溶胶传播的传染病仿真模拟系统。通过这个系统可以开展基于气溶胶传播的传染病扩散传播实验,从而研究传染病特点并研究相应的处置决策方案。
然而,目前传染性疾病仿真中,主要通过人与人的接触网络实现传染病的传播。人与人之间的疾病传播主要基于疾病传播模型,比如经典的SI模型、SIS模型和SIR模型等。这些模型其中主要的思想是基于马尔科夫随机过程。在SIR模型中,每个人员任意时刻处于三种状态之一:易感状态、感染状态、免疫状态。SEIR模型在SIR模型的基础上新增了潜伏者。
发明内容
针对上述如何对大范围气溶胶扩散的传染性疾病进行建模仿真问题,本发明的目的是提供一种基于高斯扩散的传染病气溶胶传播建模仿真方法及系统,以满足针对气溶胶传播扩散的传染病的防控需求。
为实现上述目的,本发明采取以下技术方案:一种基于高斯扩散的传染病气溶胶传播建模仿真方法,其包括:创建人工人口,以所述人工人口的地理信息为依据构建接触网络;对所述接触网络中的目标区域进行网格化,计算携带病原体的气溶胶扩散,并匹配人口和网格;基于气溶胶扩散结果以及人员在网格中的分布,计算各个人工人口的感染状况,进行人与人之间的疾病传播仿真。
进一步,所述创建人工人口包括:
依靠人口普查数据和官方统计的年度数据定义每个人在家庭中的角色;
根据真实的人口统计信息生成虚拟Agent,每个Agent包含多个属性,每个人口Agent具有异质性。
进一步,所述构建接触网络包括:
以所述人工人口的地理信息为依据,以复杂网络建模为基础,建立人员的接触网络;
接触网络中,节点代表人员Agent,连边代表人员的接触关系。
进一步,所述对所述接触网络中的目标区域进行网格化,包括:
基于所在地区的经纬度,按照预先设定的网格化尺度,对目标区域进行网格化;
网格化的区域需要完全覆盖目标区域。
进一步,所述计算携带病原体的气溶胶扩散,包括:
通过预先给定的气溶胶扩散源信息、网格化信息及气象信息,采用高斯烟团模型计算气溶胶扩散状况,得到不同时刻各个网格点上的气溶胶浓度,通过可视化的方式将高斯烟团模型计算的二维矩阵进行展示;
所述气溶胶扩散源信息包括扩散源的位置,即所处网格化后的地理位置(x,y,z),源强q;所述气象信息包括风速u,风向;网格化信息包括网格化经纬度范围,网格化经纬度间隔。
进一步,所述计算各个人工人口的感染状况,包括:
根据气溶胶扩散结果,得到空气中病原体浓度,进而计算单个时间片段内人员吸入的病原体数量;
通过吸入的病原体数量以及病原体的半数感染数量计算人员的感染概率;如果人员感染,则进入相应的病程。
进一步,所述人与人之间的疾病传播仿真包括:
基于SEIR模型并结合无症状感染者的病程特征,采用具有无症状患者的疾病病程模型SEIsIaRD,该疾病病程模型中有易感、潜伏、有症状、无症状、康复和死亡6个状态,开始所有人都处于易感状态;
当一个处于易感状态的人A,与一个具有传播能力的人进行接触后,A有概率ω直接具有免疫能力,从而进入恢复状态;
有概率P进入潜伏状态,有概率1-P-ω还是处于易感状态;
如果进入潜伏状态,潜伏期过后,A会以θ的概率进入无症状感染状态,否则,A将进入有症状的感染状态;
如果进入了有症状状态,A将以概率λ进入死亡;否则,A将完全恢复;
如果进入了无症状状态,A将以概率η恢复;否则,A将死亡。
一种基于高斯扩散的传染病气溶胶传播建模仿真系统,其包括:接触网络构建模块,创建人工人口,以所述人工人口的地理信息为依据构建接触网络;网格化模块,对所述接触网络中的目标区域进行网格化,计算携带病原体的气溶胶扩散,并匹配人口和网格;仿真模块,基于气溶胶扩散结果以及人员在网格中的分布,计算各个人工人口的感染状况,进行人与人之间的疾病传播仿真。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行上述方法中的任一方法。
一种计算设备,其包括:一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行上述方法中的任一方法的指令。
本发明由于采取以上技术方案,其具有以下优点:
本发明针对大范围气溶胶传播的传染病进行建模仿真,通过网格化的方式,计算气溶胶的扩散以及气溶胶对人员的感染情况,然后通过接触网络实现人与人的传播,有效满足针对气溶胶传播扩散的传染病的防控需求。
附图说明
图1是本发明实施例中建模仿真流程图;
图2是本发明实施例中人口模型和接触行为网络示意图;
图3是本发明实施例中网格化及气溶胶扩散示意图;
图4是本发明实施例中传染性疾病模型示意图;
图5是本发明实施例中武汉市地理信息可视化图;
图6是本发明实施例中气溶胶扩散可视化图;
图7是本发明一实施例中的计算设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明提供一种基于高斯扩散的传染病气溶胶传播建模仿真方法及系统,针对传染性疾病病原体通过气溶胶扩散的建模仿真方法。本发明包括:创建人工人口,以人工人口的地理信息为依据构建接触网络;对接触网络中的目标区域进行网格化,计算携带病原体的气溶胶扩散,并匹配人口和网格;基于气溶胶扩散结果以及人员在网格中的分布,计算各个人工人口的感染状况,进行人与人之间的疾病传播仿真。本发明能满足针对气溶胶传播扩散的传染病的防控需求。
在本发明的一个实施例中,提供一种基于高斯扩散的传染病气溶胶传播建模仿真方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,如图1所示,该方法包括以下步骤:
1)创建人工人口,以人工人口的地理信息为依据构建接触网络;
2)对接触网络中的目标区域进行网格化,计算携带病原体的气溶胶扩散,并匹配人口和网格;
3)基于气溶胶扩散结果以及人员在网格中的分布,计算各个人工人口的感染状况,进行人与人之间的疾病传播仿真。
上述步骤1)中,创建人工人口包括以下步骤:
1.1)依靠人口普查数据和官方统计的年度数据定义每个人在家庭中的角色;
在本实施例中,采用Ge等人提出的模型用于生成人工人口,该模型依靠人口普查数据和官方统计的年度数据来定义每个人在家庭中的角色。
1.2)根据真实的人口统计信息生成虚拟Agent,每个Agent包含多个属性,每个人口Agent具有异质性;
在本实施例中,使用上述的详细数据,根据真实的人口统计信息生成虚拟Agent。每个Agent包含多个属性,比如编号、年龄、性别、社会角色、所属街道、居住地、社会关系和工作场所等等。人口示意图如图2所示,每个人口Agent具有异质性。
上述步骤1)中,构建接触网络,具体包括:
以人工人口的地理信息为依据,以复杂网络建模为基础,建立人员的接触网络;
如图2所示,接触网络中,节点代表人员Agent,连边代表人员的接触关系。通过人员的接触网络可以实现传染病在人工人口之间的传播。
上述步骤2)中,对接触网络中的目标区域进行网格化,具体包括:基于所在地区的经纬度,按照预先设定的网格化尺度,对目标区域进行网格化;网格化的区域需要完全覆盖目标区域。
在本实施例中,网格化示意图如图3所示。图3中的网格化为示意图,实际的网格化粒度应该小很多,需要满足合适的气溶胶扩散可视化需求。并且网格化粒度越小,仿真结果越接近实际。
上述步骤2)中,计算携带病原体的气溶胶扩散,具体包括:通过预先给定的气溶胶扩散源信息、网格化信息及气象信息等,采用高斯烟团模型计算气溶胶扩散状况,得到不同时刻各个网格点上的气溶胶浓度,通过可视化的方式将高斯烟团模型计算的二维矩阵进行展示,如图3所示的结果;
其中,气溶胶扩散源信息包括扩散源的位置,即所处网格化后的地理位置(x,y,z),源强q;气象信息包括风速u,风向;网格化信息包括网格化经纬度范围,网格化经纬度间隔。
在本实施例中,高斯烟团模型为:
其中,σx、σy与σz分别表示x方向、y方向与z方向的高斯扩散参数,Hr表示扩散源高度,q为扩散速率,假设风沿x正方向以风速u移动,x,y,z分别表示空间中的坐标,该坐标点在扩散开始后t时刻的危害物质浓度为c(x,y,z,t)。
上述步骤3)中,计算各个人工人口的感染状况,包括以下步骤:
3.1.1)根据气溶胶扩散结果,得到空气中病原体浓度,进而计算单个时间片段内人员吸入的病原体数量;
其中,气溶胶的扩散结果即为病原体浓度,单位是:病原体数量/立方米。通过人类平均呼吸频率及肺活量,计算单个时间片段内吸入的气体。通过吸入的气体体积计算人员吸入的病原体数量。
3.1.2)通过吸入的病原体数量以及病原体的半数感染数量ID50计算人员的感染概率;如果人员感染,则进入相应的病程;
在本实施例中,半数感染数量ID50指让一半人数感染疾病的病原体数量。从气溶胶扩散开始,计算人员累计吸入的病原体数量。并通过和半数感染数量ID50进行比较,计算人员感染概率。
上述步骤3)中,人与人之间的疾病传播仿真包括以下步骤:
3.2.1)基于SEIR模型并结合无症状感染者的病程特征,采用具有无症状患者的疾病病程模型SEIsIaRD,如图4所示,该疾病病程模型中有易感、潜伏、有症状、无症状、康复和死亡6个状态,开始所有人都处于易感状态;
3.2.2)当一个处于易感状态的人A,与一个具有传播能力的人(E、Is或Ia)进行接触后,A有概率ω直接具有免疫能力,从而进入恢复状态;
3.2.3)有概率P进入潜伏状态E,有概率1-P-ω还是处于易感状态;
3.2.4)如果进入潜伏状态,潜伏期过后,A会以θ的概率进入无症状感染状态Ia,否则,A将进入有症状的感染状态Is;
3.2.5)如果进入了有症状状态,A将以概率λ进入死亡;否则,A将完全恢复;
3.2.6)如果进入了无症状状态,A将以概率η恢复;否则,A将死亡。
以上是人与人之间疾病仿真传播以及个人染病后的病程状态的变化。相应的参数可以通过参考文献或者统计数据得到。
实施例
本实施例给出了针对武汉市一次突发气溶胶传播的传染病传播仿真。本实施例基于生物危害模拟评估与处置决策信息系统。
首先构造武汉市人工社会,其中的统计数据的来源为全国人口普查数据。通过统计数据可以得到,武汉市常住人口为978.5392万人,均属于172个街道。如图5所示,图中展示的是武汉市街道办划分图。根据统计数据,将人员分配到172个街道。
接触网络的构建采用基于地理信息的社团网络生成方法。由于网络生成不是本发明的重点,因此此处不再赘述。
地图网格化范围为东经113°41'-115°05',北纬29°58'-31°22'之间。网格宽度为0.001',网格高度为0.001'。同时按照人员的经纬度信息,将人员匹配到各个网格中。
对地图进行网格化后,开始设置传染病类型。本实施例中以新冠为例,对照图4中的疾病传播模型,其中P=0.05942,ω=0.002,θ=0.31,λ=0.03,η=1。这些参数都是通过相关的研究得到。
当设置完传染病的相关参数后,需要设置疾病的气溶胶扩散参数。在本实施例中,只设置了一个气溶胶扩散源。气溶胶源位置为x=114°30′,y=30°40′,z=0。源强为60000单位/s。在实际的应用中,可以设置多个气溶胶扩散源。在“源列表”下方点击“添加”按钮,然后在地图上选择一个点后,在右侧框中填入源的参数后,即可完成一个源的设定;在“源列表”中选择一个源项,然后在下方点击“删除”按钮,即可完成源的删除操作;如需要设定多个源,重复以上动作即可完成多个源的添加和设置或删除操作。
设置气象参数。系统中可以设置多个位置的气象参数。首先可以选择气象的位置。通过在界面点击一个点,即可设置此点的气象参数。然后在此点设置某一时刻的风速风向。在同一个气象点,可以设置多个时刻的风速风向。这些气象参数会在不同的时刻对气溶胶的扩散产生影响。此外,还可以重复上面的操作,添加多个位置的气象参数。在本实验例中,设置两个点的气象参数,各个气象点的气象在仿真过程中是相同的。参数设置为,开始时间第0天,风速:5m/s,风向:140°(此处的风向以正东方向为0°)。
设置防控策略,在本实验例中,防控策略不是本发明的重点,因此没有设置相应的防控。但是在实际应用过程中,可以根据需要设置不同的防控策略。
当设置完以上参数,即可开展仿真实验。
首先计算气溶胶扩散情况,得到目标区域中,各个网格的新冠病毒浓度。气溶胶扩散可视化如图6所示。在图6中,灰度越深代表空气中新冠病毒的浓度越高。
根据扩散的结果,计算人员受气溶胶影响所致的感染情况。通过计算得到的空气中病原体的密度,结合人体呼吸特征,计算人员的感染。此处采用半数人员感染剂量(ID50)为5000开展计算。半数人员感染剂量(ID50)表示使得半数人员被感染的病原体的数量。在仿真的过程中,依据人体在气溶胶空间中所处的时间,计算吸入的病原体数量,并依据病原体数量计算人员的感染概率。如果人员被感染,则进行相应的病程状态,进行人与人之间的传播。
通过气溶胶受感染的人员可以将病毒传播给其他人,由仿真系统中统计得到的传播关系网络,可以得到已经出现了人传人的情况。
图6中给出了仿真系统中当前时刻武汉市新冠的感染情况。可以看到总感染人数是37人。并且通过对各个街道办感染情况的统计,可以知道武汉市不同街道办的累计感染人数,新增感染人数等信息。
在本发明的一个实施例中,提供一种基于高斯扩散的传染病气溶胶传播建模仿真系统,其包括:
接触网络构建模块,创建人工人口,以人工人口的地理信息为依据构建接触网络;
网格化模块,对接触网络中的目标区域进行网格化,计算携带病原体的气溶胶扩散,并匹配人口和网格;
仿真模块,基于气溶胶扩散结果以及人员在网格中的分布,计算各个人工人口的感染状况,进行人与人之间的疾病传播仿真。
本实施例提供的系统是用于执行上述各方法实施例的,具体流程和详细内容请参照上述实施例,此处不再赘述。
综上,本发明基于网格化方法,计算气溶胶扩散状态,并匹配人口和网格。将地图进行网格化。基于所在地区的经纬度,并按照合适的网格化尺度,对目标区域进行网格化。网格化的区域需要完全覆盖目标区域。基于高斯烟团模型,计算气溶胶扩散源的扩散状态。气溶胶的扩散需要依靠气溶胶扩散源信息,气象信息,网格化信息。基于网格化后的结果以及生成的人工人口(Agent)的地理信息,将人工人口分配到网格中。本发明中采用Ge等人提出的模型用于生成人工人口。基于气溶胶扩散结果以及人员在网格中的分布,计算各个人工人口的感染状况。根据气溶胶扩散结果,得到空气中病原体浓度,从而计算单个时间片段内,人员吸入的病原体数量。气溶胶的扩散结果即为病原体浓度,单位是:病原体数量/立方米。通过人类平均呼吸频率及肺活量,计算单个时间片段内吸入的气体。通过吸入的气体体积计算人员吸入的病原体数量。通过吸入的病原体数量以及病原体的半数感染数量(ID50)计算人员的感染概率。半数感染数量(ID50)指让一半人数感染疾病的病原体数量。从气溶胶扩散开始,计算人员累计吸入的病原体数量。并通过和半数感染数量(ID50)进行比较,计算人员感染概率。
如图7所示,为本发明一实施例中提供的计算设备结构示意图,该计算设备可以是终端,其可以包括:处理器(processor)、通信接口(Communications Interface)、存储器(memory)、显示屏和输入装置。其中,处理器、通信接口、存储器通过通信总线完成相互间的通信。该处理器用于提供计算和控制能力。该存储器包括非易失性存储介质、内存储器,该非易失性存储介质存储有操作系统和计算机程序,该计算机程序被处理器执行时以实现一种仿真方法;该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、管理商网络、NFC(近场通信)或其他技术实现。该显示屏可以是液晶显示屏或者电子墨水显示屏,该输入装置可以是显示屏上覆盖的触摸层,也可以是计算设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。处理器可以调用存储器中的逻辑指令,以执行如下方法:创建人工人口,以人工人口的地理信息为依据构建接触网络;对接触网络中的目标区域进行网格化,计算携带病原体的气溶胶扩散,并匹配人口和网格;基于气溶胶扩散结果以及人员在网格中的分布,计算各个人工人口的感染状况,进行人与人之间的疾病传播仿真。
此外,上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算设备的限定,具体的计算设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在本发明的一个实施例中,提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:创建人工人口,以人工人口的地理信息为依据构建接触网络;对接触网络中的目标区域进行网格化,计算携带病原体的气溶胶扩散,并匹配人口和网格;基于气溶胶扩散结果以及人员在网格中的分布,计算各个人工人口的感染状况,进行人与人之间的疾病传播仿真。
在本发明的一个实施例中,提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储服务器指令,该计算机指令使计算机执行上述各实施例提供的方法,例如包括:创建人工人口,以人工人口的地理信息为依据构建接触网络;对接触网络中的目标区域进行网格化,计算携带病原体的气溶胶扩散,并匹配人口和网格;基于气溶胶扩散结果以及人员在网格中的分布,计算各个人工人口的感染状况,进行人与人之间的疾病传播仿真。
上述实施例提供的一种计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于高斯扩散的传染病气溶胶传播建模仿真方法,其特征在于,包括:
创建人工人口,以所述人工人口的地理信息为依据构建接触网络;
对所述接触网络中的目标区域进行网格化,计算携带病原体的气溶胶扩散,并匹配人口和网格;
基于气溶胶扩散结果以及人员在网格中的分布,计算各个人工人口的感染状况,进行人与人之间的疾病传播仿真。
2.如权利要求1所述基于高斯扩散的传染病气溶胶传播建模仿真方法,其特征在于,所述创建人工人口包括:
依靠人口普查数据和官方统计的年度数据定义每个人在家庭中的角色;
根据真实的人口统计信息生成虚拟Agent,每个Agent包含多个属性,每个人口Agent具有异质性。
3.如权利要求1所述基于高斯扩散的传染病气溶胶传播建模仿真方法,其特征在于,所述构建接触网络包括:
以所述人工人口的地理信息为依据,以复杂网络建模为基础,建立人员的接触网络;
接触网络中,节点代表人员Agent,连边代表人员的接触关系。
4.如权利要求1所述基于高斯扩散的传染病气溶胶传播建模仿真方法,其特征在于,所述对所述接触网络中的目标区域进行网格化,包括:
基于所在地区的经纬度,按照预先设定的网格化尺度,对目标区域进行网格化;
网格化的区域需要完全覆盖目标区域。
5.如权利要求1所述基于高斯扩散的传染病气溶胶传播建模仿真方法,其特征在于,所述计算携带病原体的气溶胶扩散,包括:
通过预先给定的气溶胶扩散源信息、网格化信息及气象信息,采用高斯烟团模型计算气溶胶扩散状况,得到不同时刻各个网格点上的气溶胶浓度,通过可视化的方式将高斯烟团模型计算的二维矩阵进行展示;
所述气溶胶扩散源信息包括扩散源的位置,即所处网格化后的地理位置(x,y,z),源强q;所述气象信息包括风速u,风向;网格化信息包括网格化经纬度范围,网格化经纬度间隔。
6.如权利要求1所述基于高斯扩散的传染病气溶胶传播建模仿真方法,其特征在于,所述计算各个人工人口的感染状况,包括:
根据气溶胶扩散结果,得到空气中病原体浓度,进而计算单个时间片段内人员吸入的病原体数量;
通过吸入的病原体数量以及病原体的半数感染数量计算人员的感染概率;如果人员感染,则进入相应的病程。
7.如权利要求1所述基于高斯扩散的传染病气溶胶传播建模仿真方法,其特征在于,所述人与人之间的疾病传播仿真包括:
基于SEIR模型并结合无症状感染者的病程特征,采用具有无症状患者的疾病病程模型SEIsIaRD,该疾病病程模型中有易感、潜伏、有症状、无症状、康复和死亡6个状态,开始所有人都处于易感状态;
当一个处于易感状态的人A,与一个具有传播能力的人进行接触后,A有概率ω直接具有免疫能力,从而进入恢复状态;
有概率P进入潜伏状态,有概率1-P-ω还是处于易感状态;
如果进入潜伏状态,潜伏期过后,A会以θ的概率进入无症状感染状态,否则,A将进入有症状的感染状态;
如果进入了有症状状态,A将以概率λ进入死亡;否则,A将完全恢复;
如果进入了无症状状态,A将以概率η恢复;否则,A将死亡。
8.一种基于高斯扩散的传染病气溶胶传播建模仿真系统,其特征在于,包括:
接触网络构建模块,创建人工人口,以所述人工人口的地理信息为依据构建接触网络;
网格化模块,对所述接触网络中的目标区域进行网格化,计算携带病原体的气溶胶扩散,并匹配人口和网格;
仿真模块,基于气溶胶扩散结果以及人员在网格中的分布,计算各个人工人口的感染状况,进行人与人之间的疾病传播仿真。
9.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行如权利要求1至7所述方法中的任一方法。
10.一种计算设备,其特征在于,包括:一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行如权利要求1至7所述方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210213144.XA CN114582522A (zh) | 2022-03-04 | 2022-03-04 | 基于高斯扩散的传染病气溶胶传播建模仿真方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210213144.XA CN114582522A (zh) | 2022-03-04 | 2022-03-04 | 基于高斯扩散的传染病气溶胶传播建模仿真方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114582522A true CN114582522A (zh) | 2022-06-03 |
Family
ID=81774424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210213144.XA Pending CN114582522A (zh) | 2022-03-04 | 2022-03-04 | 基于高斯扩散的传染病气溶胶传播建模仿真方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114582522A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115831388A (zh) * | 2023-02-17 | 2023-03-21 | 南京市疾病预防控制中心 | 一种基于大数据的传染病仿真模拟预警方法及系统 |
CN116911214A (zh) * | 2023-08-31 | 2023-10-20 | 中国科学院大气物理研究所 | 一种街区尺度气溶胶扩散模拟方法及装置 |
CN118072977A (zh) * | 2024-04-24 | 2024-05-24 | 四川省电子信息产业技术研究院有限公司 | 一种疫情防控下城市风险评估方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793591A (zh) * | 2013-01-27 | 2014-05-14 | 辽宁工程技术大学 | 一种基于网格化毒气扩散模拟的方法 |
CN107526908A (zh) * | 2016-06-21 | 2017-12-29 | 中国辐射防护研究院 | 核事故场外后果评价中拉格朗日烟团大气扩散模拟方法 |
CN112749478A (zh) * | 2020-12-11 | 2021-05-04 | 江苏汇环环保科技有限公司 | 一种基于高斯扩散模型大气污染溯源扩散分析系统及方法 |
CN113192645A (zh) * | 2021-03-16 | 2021-07-30 | 郑州大学 | 一种基于离散格网的传染病时空扩散演变和人为防控仿真方法 |
CN113450923A (zh) * | 2020-03-27 | 2021-09-28 | 中国科学院深圳先进技术研究院 | 大规模轨迹数据模拟流感时空传播过程的方法及系统 |
CN113496781A (zh) * | 2020-04-01 | 2021-10-12 | 中国科学院深圳先进技术研究院 | 城市内部传染病扩散模拟方法、系统及电子设备 |
CN113611407A (zh) * | 2021-08-16 | 2021-11-05 | 西南交通大学 | 一种针对公交车辆内部的新型冠状病毒感染情况评估方法 |
-
2022
- 2022-03-04 CN CN202210213144.XA patent/CN114582522A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793591A (zh) * | 2013-01-27 | 2014-05-14 | 辽宁工程技术大学 | 一种基于网格化毒气扩散模拟的方法 |
CN107526908A (zh) * | 2016-06-21 | 2017-12-29 | 中国辐射防护研究院 | 核事故场外后果评价中拉格朗日烟团大气扩散模拟方法 |
CN113450923A (zh) * | 2020-03-27 | 2021-09-28 | 中国科学院深圳先进技术研究院 | 大规模轨迹数据模拟流感时空传播过程的方法及系统 |
CN113496781A (zh) * | 2020-04-01 | 2021-10-12 | 中国科学院深圳先进技术研究院 | 城市内部传染病扩散模拟方法、系统及电子设备 |
CN112749478A (zh) * | 2020-12-11 | 2021-05-04 | 江苏汇环环保科技有限公司 | 一种基于高斯扩散模型大气污染溯源扩散分析系统及方法 |
CN113192645A (zh) * | 2021-03-16 | 2021-07-30 | 郑州大学 | 一种基于离散格网的传染病时空扩散演变和人为防控仿真方法 |
CN113611407A (zh) * | 2021-08-16 | 2021-11-05 | 西南交通大学 | 一种针对公交车辆内部的新型冠状病毒感染情况评估方法 |
Non-Patent Citations (2)
Title |
---|
SAPTARSHI CHATTERJEE等: "SEIRD model to study the asymptomatic growth during COVID-19 pandemic in India", 《ARXIV》, pages 2 - 3 * |
朱一凡等: "基于AGENT 建模的重大疾病传染仿真系统分析", 《系统仿真学报》, vol. 23, no. 11, pages 2509 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115831388A (zh) * | 2023-02-17 | 2023-03-21 | 南京市疾病预防控制中心 | 一种基于大数据的传染病仿真模拟预警方法及系统 |
CN116911214A (zh) * | 2023-08-31 | 2023-10-20 | 中国科学院大气物理研究所 | 一种街区尺度气溶胶扩散模拟方法及装置 |
CN116911214B (zh) * | 2023-08-31 | 2023-12-01 | 中国科学院大气物理研究所 | 一种街区尺度气溶胶扩散模拟方法及装置 |
CN118072977A (zh) * | 2024-04-24 | 2024-05-24 | 四川省电子信息产业技术研究院有限公司 | 一种疫情防控下城市风险评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114582522A (zh) | 基于高斯扩散的传染病气溶胶传播建模仿真方法及系统 | |
Song et al. | Crowd evacuation simulation for bioterrorism in micro-spatial environments based on virtual geographic environments | |
Tian et al. | Dual-objective scheduling of rescue vehicles to distinguish forest fires via differential evolution and particle swarm optimization combined algorithm | |
CN113450923B (zh) | 大规模轨迹数据模拟流感时空传播过程的方法及系统 | |
Wang et al. | Use of GIS and agent-based modeling to simulate the spread of influenza | |
CN115394455B (zh) | 基于空间聚类离散格网的传染病时空扩散预测方法及装置 | |
CN106447109B (zh) | 一种基于深度学习算法的社区治安巡逻路径优化设计方法 | |
Yu et al. | A dynamic evacuation simulation framework based on geometric algebra | |
Wang et al. | Simulation and forecasting models of COVID-19 taking into account spatio-temporal dynamic characteristics: A review | |
Giacopelli | A full-scale agent-based model to hypothetically explore the impact of lockdown, social distancing, and vaccination during the COVID-19 pandemic in Lombardy, Italy: Model development | |
Zhou et al. | Risk assessment for precise intervention of COVID-19 epidemic based on available big data and spatio-temporal simulation method: Empirical evidence from different public places in Guangzhou, China | |
Jadidi et al. | Targeted vaccination for COVID-19 using mobile communication networks | |
Xue et al. | Modeling the impact of social distancing on the COVID-19 pandemic in a low transmission setting | |
CN115510652A (zh) | 基于数字孪生技术的人群集结疏散仿真系统及方法 | |
Duives et al. | The multi-dimensional challenges of controlling SARS-CoV-2 transmission in indoor spaces: Insights from the linkage of a microscopic pedestrian simulation and virus transmission models | |
Shen et al. | A heterogeneous distributed virtual geographic environment—potential application in spatiotemporal behavior experiments | |
Shahzamal et al. | Airborne disease propagation on large scale social contact networks | |
Deng et al. | Can information sharing among evacuees improve indoor emergency evacuation? An exploration study based on BIM and agent-based simulation | |
Song et al. | A grid-based spatial data model for the simulation and analysis of individual behaviours in micro-spatial environments | |
Liu et al. | Integration of small world networks with multi-agent systems for simulating epidemic spatiotemporal transmission | |
Callejas et al. | COVID-19 transmission during a tsunami evacuation in a lockdown city | |
Xiang et al. | Using SIR model to simulate emotion contagion in dynamic crowd aggregation process | |
Shatnawi et al. | Modeling and simulation of epidemic spread: Recent advances | |
Tse et al. | Modelling and visualizing people flow in smart buildings: A case study in a university campus | |
Yang et al. | The research of multi-resolution modeling and simulation of the emergency evacuation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |