去超市還是網(wǎng)購,哪個更安全?

由此也開啟了全民“宅”家模式,那些我們無處安放的青春則變成了朋友圈中一場場花式家庭娛樂、烹飪大賽。對于普通人來說,勤洗手、少出門,就是對疫情最大的貢獻。當然,對于那些有愛心、有技術(shù)、有能力的小伙伴來說,所能做出的貢獻還遠不止如此。

出門買菜與取快遞,哪個更安全?

自疫情發(fā)生之日起,作為家里唯一的青壯年男性,我就主動承擔(dān)起了出門買菜的“重任”。不過在選擇買菜地點的時候,我和老婆卻發(fā)生了分歧——老婆青睞小區(qū)附近大超市,附近還未出現(xiàn)確診病例,“咱們這里還是很安全的”;而我更希望去距離較遠、但采用會員制的某連鎖超市,理由是會員制的超市人少……

究竟是去聽起來更安全的附近超市,還是去人流量更少卻更遠的超市呢?在這個問題上,我和老婆各執(zhí)一詞并爭論不休。最終,雖然并不認同老婆的那套“理論”,但為了家庭和諧我還是選擇了距離更近的超市,正所謂“大丈夫能屈能伸”。

(全民居家隔離,老爺們兒肩負超市買菜重任)

或許你覺得這個問題像是個笑話,但在疫情之下類似的事情并不少見。比如,最近許多餐館陸續(xù)營業(yè),外賣小哥也開始忙碌起來。那么問題來了,叫外賣與取快遞,究竟哪個更安全呢?再比如,3月份有許多企業(yè)都開始正式復(fù)工了,那么坐公共交通和騎自行車,哪一項更安全呢?

從感性來說,我們都知道,盡可能減少出門和接觸是最安全的。但是“宅在家”總不是生活的常態(tài),一旦我們外出,除了戴好口罩做好防護之外,如何最大限度降低自身染病的風(fēng)險?或者說,我們是否可以通過模擬病毒傳播路徑進行有效的分析和推測,并對病毒的傳播方式進行量化呢?

答案是肯定的,而且從學(xué)術(shù)界到IT界許多專家們正在進行這樣的嘗試。今天我們要介紹的,就是這樣一款有趣的“病毒模擬器”。

用科技模型助力疫情防控

這款精確的應(yīng)用程序是由一位來自微軟中國、“有情懷”的程序員小哥開發(fā)的,用于推導(dǎo)病毒在人群中的傳播路徑,

基于有狀態(tài)粒子機來開發(fā),主要體現(xiàn)基于POI的人物移動效果。該程序內(nèi)核基于NETCore開發(fā),支持跨平臺運行,跨平臺導(dǎo)出GIF,圖形界面為Windows WPF。

在邏輯層面上,這款“病毒模擬器”采用的是“接觸即有幾率傳播”的模型——假設(shè)病毒有一個感染半徑X,對于半徑內(nèi)的人每次有Y%的幾率傳感給對方。如此,就可以在系統(tǒng)中隨機設(shè)置N個興趣點(POI),人員會在興趣點之間隨機流動,借此觀察一定人數(shù)和范圍內(nèi)病毒的傳播曲線。

原本按照微軟小哥的設(shè)想,原有模型采用“健康人”、“傳染者”、“康復(fù)者”概念,它假定每個傳染者在特定時間內(nèi)會傳染給N個健康人。但是因為病毒傳播的速度太快,沒過幾天疫情確診人數(shù)就從幾百人達到了上萬人,原有的模型沒有考慮空間因素,所以它無法計算隔離與非隔離的情況,而且無法處理不同地圖下人員行為的差異。

隨著疫情的發(fā)展,模擬器也歷經(jīng)不斷的迭代與升級,總體模擬人數(shù)從最初的1000人擴大到了70萬人,實時模擬量也從最初的1000人增加到了4萬人,從而可以模擬縣市級別的人員流動與活動范圍軌跡,對于疫情的防控也起到了很大幫助。

升級的版本中采用了改良版模型——采用“毒圈”概念,每個傳染者會傳感給附近特定范圍內(nèi)的N個人,傳染方式采用“毒圈疊加”算法,既每個傳染者單位時間會向健康人添加“感染度”,當感染度滿的時候,這個健康人會變成傳染者。傳染度會疊加,以模擬多個傳染者在附近的時候感染概率的增加;當附近沒有傳染者的時候,傳染度會歸0。

這樣就解決了疫情感染人數(shù)爆發(fā)的問題,也讓模型更趨近于真實的場景表現(xiàn)。這也讓我們對于病毒傳播方式從感性的認知上升到了理性的量化數(shù)字——從實際模擬情況來看,即便在目前隔離(出門概率很低)情況下,受感染的概率也和人群的出門距離以及時間呈平方比上升。

不僅如此,模擬器還可以模擬在有限醫(yī)療資源情況下,床位狀況對于疫情擴散的影響。采用改良型POI可以支持從圖片加載POI,并支持CSV文件導(dǎo)出,在表現(xiàn)界面上也有大幅度變化。這樣形成的數(shù)據(jù)有助于我們更方便的借助分析工具進行虛擬疫情分析。雖然模擬器本身不能指導(dǎo)我們下決策,但是它可以用于決策推演。

這就好比行軍作戰(zhàn)時候的“參謀長”,能夠在關(guān)鍵時刻提供給我們重要的建議和思考。

我們可以通過4張不同類型的病毒模擬GIF圖片,更清楚地觀察到時間、距離和目標位置所呈現(xiàn)出的差異。這里,我們將病毒傳播分為活躍度和POI兩個維度——活躍度代表了人物出門、逛街的概率,活躍度值越高,出門、逛街的概率越高;而POI則代表了興趣點的數(shù)量,比如超市、菜市場、菜鳥驛站等等,POI的數(shù)字越大說明POI散布越多,意味著出門距離越近(時間越短)。

(低活躍度低POI)

第一張圖代表了大多數(shù)人的情況,比如去每周一次離家很遠的超市或者菜市場買菜。模擬結(jié)果顯示,由于低POI導(dǎo)致出門比較遠,所以我們可以明顯看到病毒從聚集地傳播開,但并不會實現(xiàn)快速傳播,傳播范圍也有限。

(低活躍度高POI)

第二張圖所呈現(xiàn)的場景也是最近很常見的,就是低活躍度高POI,比如一周一次去家門口的便利店,或者時常出門取快遞。模擬結(jié)果顯示,由于人群傾向于呆在家,而且高POI使得出門之后很快就可以回家,所以也沒有造成病毒的大面積傳播,而只是零星的出現(xiàn)。

(高活躍度低POI)

第三張圖是高活躍度高POI,比如時常跑到遠距離的超市,俗稱就是“出去浪”。結(jié)果就是我們很明顯地看到,盡管POI高使得人群出門時間不長,但是高活躍度使得人群仍然會集中在POI附近,導(dǎo)致病毒像煙花一樣爆裂地傳播起來,絕大部分區(qū)域都有感染。

(高活躍度高POI)

最后一張圖是最可怕的,高活躍度低POI,有點類似于現(xiàn)在意大利或者韓國等國外的情況,大家依然在不斷地頻繁出門與社交。模擬的結(jié)果也很觸目驚心,因為兩個關(guān)鍵因素疊加,使得病毒在極短的時間內(nèi)擴散開,全場都呈現(xiàn)出嚴重的感染情況,意味著病毒的發(fā)展不受控制。

其實正如模擬器所呈現(xiàn)的那樣,如果將我們自身比作圖片中的某個小綠點,外出的時間越遠、時間越長,接觸到其他人的幾率越高,受感染的概率也會越高;而且軟件告訴我們,這種概率是呈指數(shù)級提升的,也就是說每增加1分鐘,都會增加成倍的風(fēng)險。

這也就解釋了我們文章最初提到的問題,買菜究竟是去家附近的大超市還是去更遠的會員制超市?答案很明顯——就近購買,因為越短時間風(fēng)險越低,也讓我再次感慨老婆大人的“明智”。其他出行方式也是一樣。如果不是自駕車出行,那么我們還是盡可能選擇接觸少、時間短的交通工具。

(老婆大人最英明!)

這個病毒模擬器軟件雖然看似簡單,但是在邏輯設(shè)計和模型推理上卻是嚴謹?shù)靡唤z不茍,同時圖形化的界面讓我這樣的文科生也能夠一目了然。目前,模擬器已經(jīng)迭代到了V3版本,該版本重寫了界面系統(tǒng),并采用DirectX硬件加速渲染,使得圖形性能提升了10倍以上,這樣也就大大增強了可視化效果。在模擬規(guī)模上,V3版本如今可以支持2-4萬人實時模擬顯示,因為性能更高,可以實時觀測到人群像水流一樣流動。

精益求精的微軟小哥表示還會對模擬器做進一步的升級,接下來的V4版本中將引入GPU加速、改良POI引擎,并優(yōu)化界面設(shè)計,使其更符合科研應(yīng)用的需求;而在談到未來更長遠的計劃時,包括分布式計算引擎、Webassembly、嵌入瀏覽器等許多功能也將不斷加入其中,讓軟件日趨完善。

很顯然,隨著軟件的不斷升級與迭代,功能的不斷豐富與完善,尤其是覆蓋范圍和模擬人數(shù)的不斷提升,僅靠微軟小哥一人已經(jīng)越來越難適應(yīng)復(fù)雜的需求,畢竟個人的業(yè)余時間也是有限的。為此,小哥也將所有程序開源在GitHub托管平臺上,任何有興趣的小伙伴都可以點擊下面這個鏈接了解更多信息或者貢獻自己的力量:https://github.com/JohnMasen/VirusSimulator

對于大多數(shù)人來說,我們對于病毒的認知來源于媒體的報道,來源于朋友間的道聽途說,我們看著每天疫情通報的數(shù)據(jù)不斷變化,卻并不了解病毒的傳播路徑與方式。而這款病毒模擬器所實現(xiàn)的,則是一種全新的、可視化、具象化的方式,就如同每個人都置身于圖片之中,感受病毒帶來的震撼與威脅。

借助于這個模擬器,我們可以清楚地看到在不同的活躍度與POI維度下模型所呈現(xiàn)出的場景,這些場景也讓我們明確了自身的責(zé)任與義務(wù)。相比于那些奮戰(zhàn)在抗疫一線的醫(yī)生、護士、警察、記者等“逆行者”們,我們都是普通人,但是普通人也可以貢獻自己的力量,也可以借助科學(xué)的技術(shù)手段切身感受到健康的可貴。

幸好,如今的疫情數(shù)字已經(jīng)在一天天減少,我們身邊聽到的好消息也在不斷增多。相信要不了多久,

寒冬就將過去,迎接我們的將是山花爛漫。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。