COVID-19在城市轨道交通系统内的传播建模与预测
发布时间：2021-08-17 03:20
考虑城市轨道交通出行特征,将新冠疫情下城市轨道交通系统内的乘客分为易感者、感染者、暴露者;假设病毒自由传播,以疫情发生初期的病例为研究对象,结合相关研究,选择病毒传染概率为0.41;将感染者乘坐城市轨道交通的过程分为出入站阶段和乘车阶段,考虑病毒有效传播范围、人群分布特征、人群流动特征,建立新冠疫情在城市轨道交通系统内部的传播模型;以某市地铁为模拟案例,假如有13个感染者乘坐地铁,结合历史客运数据确定模型参数的取值,预测不同载运水平下可能造成的感染人数,同时研究与可能感染人数相关的各类要素。研究结果表明:当载运水平降低至平均水平的10%时,多数案例的可能感染人数降低至1人以下,证明了城市轨道交通客流管控强度的有效性,起终点站内人数折减引起的感染人数变化（小于20%）低于车厢人数折减引起的变化（60%～80%）,说明相比起终点站内人数,车厢内的人群密集程度对可能感染人数的影响更加显著;在经停时,假如上下车人数之比不大于1,则能有效控制可能感染人数的升高;当经停站数与可能感染人数非线性正相关时,载运水平、经停站数、可能感染人数之间的函数关系具有较高的拟合优度（决定系数为0.700 1）。
【文章来源】：交通运输工程学报. 2020,20(03)北大核心EICSCD
【文章页数】：11 页
【部分图文】：
城市轨道交通站内人员分布
假设乘车过程中,感染者和周围人群在车厢内保持静止,只在停车上下乘客期间产生人员的流动,其过程如图2所示。在每次停车过程中,乘客的出入造成人群的重组,因此,可以近似认为有效范围内的乘客在每次停站时均经历一次更新。如图2所示,停车过程中进入和离开车厢的人员为更新人员,但这些人员中并非所有都会进入有效范围,只有进入有效范围的人员才可能成为暴露者,因此,停车过程中有效范围内的人员更新和整个车厢的人员流动是同步的,在假设车厢内部人员分布均匀的条件下,可以认为有效范围内的人员更新率和车厢的人员更新率相同。假设感染者乘车初始时车厢内部人数为q,车厢面积为S′,则此时的暴露者人数n 2 0 为
已知模拟病例出入站时的站内人数和乘车时的车厢人数是反映实时载运水平的2个关键参数,基于模拟的COVID-19感染者13个地铁出行行程信息及地铁客运数据,预测高峰客运水平、平均客运水平、模拟客运水平以及10%～60%(相比平均客运水平)载运强度折减下的COVID-19可能感染人数,如图3所示,其中:模拟水平表示在模拟病例乘坐地铁时刻的载运水平下,按式(6)测算出的可能感染人数;高峰水平、平均水平分别表示该模拟病例在高峰、平均载运水平下乘坐地铁,在行程不变的情况下测算出的可能感染人数;其余结果为各案例下载运水平均匀折减(站内人数、车厢人数等比例缩减)时测算出的可能感染人数。总体上来看,随着城市轨道交通载运水平的不断降低,各案例中可能感染人数也随之降低,且载运水平与可能感染人数呈线性正相关关系。Troko等[20]的研究结论表明,急性呼吸道传染病扩散速度与公共交通使用强度之间有显著的线性正相关关系,与图3所得结论相符,这在一定程度上证明了COVID-19在城市轨道交通系统内传播模型的合理性和准确度。根据某市城市轨道交通历史客运数据可知,该市地铁载运水平在COVID-19防疫期间下降至往期水平的1/10以下。由图3可知:当载运水平降低至平均水平的10%时,绝大多数案例的可能感染人数均降低至1人以下,该结论可以支持防疫期间某市地铁所采取的载运水平管控强度,但需要注意的是,该结论是基于本文建立的模型得到的,且模型对模拟病例的出行过程进行了相应处理;其次,部分模拟病例在出行中很可能出现咳嗽和打喷嚏的现象;第三,即使将运力控制在10%以下,由于地铁站内人群分布存在不均匀性,也无法保证人群之间间隔足够的距离,因此,实际情况下新感染人数可能大于模型预测的理论值。
【参考文献】：
期刊论文
[1]基于时变参数-SIR模型的COVID-19疫情评估和预测[J]. 喻孜,张贵清,刘庆珍,吕忠全. 电子科技大学学报. 2020(03)
[2]基于SEIR的新冠肺炎传播模型及拐点预测分析[J]. 范如国,王奕博,罗明,张应青,朱超平. 电子科技大学学报. 2020(03)
[3]新型冠状病毒肺炎流行病学特点和治疗药物研究进展[J]. 孙晨,江亚南,赵继敏. 中国现代医学杂志. 2020(06)
[4]修正SEIR传染病动力学模型应用于湖北省2019冠状病毒病（COVID-19）疫情预测和评估[J]. 曹盛力,冯沛华,时朋朋. 浙江大学学报(医学版). 2020(02)
[5]中国新冠肺炎疫情预测建模与理性评估[J]. 金启轩. 统计与决策. 2020(05)
[6]基于一类时滞动力学系统对新型冠状病毒肺炎疫情的建模和预测[J]. 严阅,陈瑜,刘可伋,罗心悦,许伯熹,江渝,程晋. 中国科学:数学. 2020(03)
[7]多主体仿真在公共卫生事件应急管理中的应用——以一个传染病政策仿真系统为例[J]. 李璐,宣慧玉. 西安交通大学学报(社会科学版). 2010(01)
本文编号：3346953
【文章来源】：交通运输工程学报. 2020,20(03)北大核心EICSCD
【文章页数】：11 页
【部分图文】：
城市轨道交通站内人员分布
假设乘车过程中,感染者和周围人群在车厢内保持静止,只在停车上下乘客期间产生人员的流动,其过程如图2所示。在每次停车过程中,乘客的出入造成人群的重组,因此,可以近似认为有效范围内的乘客在每次停站时均经历一次更新。如图2所示,停车过程中进入和离开车厢的人员为更新人员,但这些人员中并非所有都会进入有效范围,只有进入有效范围的人员才可能成为暴露者,因此,停车过程中有效范围内的人员更新和整个车厢的人员流动是同步的,在假设车厢内部人员分布均匀的条件下,可以认为有效范围内的人员更新率和车厢的人员更新率相同。假设感染者乘车初始时车厢内部人数为q,车厢面积为S′,则此时的暴露者人数n 2 0 为
已知模拟病例出入站时的站内人数和乘车时的车厢人数是反映实时载运水平的2个关键参数,基于模拟的COVID-19感染者13个地铁出行行程信息及地铁客运数据,预测高峰客运水平、平均客运水平、模拟客运水平以及10%～60%(相比平均客运水平)载运强度折减下的COVID-19可能感染人数,如图3所示,其中:模拟水平表示在模拟病例乘坐地铁时刻的载运水平下,按式(6)测算出的可能感染人数;高峰水平、平均水平分别表示该模拟病例在高峰、平均载运水平下乘坐地铁,在行程不变的情况下测算出的可能感染人数;其余结果为各案例下载运水平均匀折减(站内人数、车厢人数等比例缩减)时测算出的可能感染人数。总体上来看,随着城市轨道交通载运水平的不断降低,各案例中可能感染人数也随之降低,且载运水平与可能感染人数呈线性正相关关系。Troko等[20]的研究结论表明,急性呼吸道传染病扩散速度与公共交通使用强度之间有显著的线性正相关关系,与图3所得结论相符,这在一定程度上证明了COVID-19在城市轨道交通系统内传播模型的合理性和准确度。根据某市城市轨道交通历史客运数据可知,该市地铁载运水平在COVID-19防疫期间下降至往期水平的1/10以下。由图3可知:当载运水平降低至平均水平的10%时,绝大多数案例的可能感染人数均降低至1人以下,该结论可以支持防疫期间某市地铁所采取的载运水平管控强度,但需要注意的是,该结论是基于本文建立的模型得到的,且模型对模拟病例的出行过程进行了相应处理;其次,部分模拟病例在出行中很可能出现咳嗽和打喷嚏的现象;第三,即使将运力控制在10%以下,由于地铁站内人群分布存在不均匀性,也无法保证人群之间间隔足够的距离,因此,实际情况下新感染人数可能大于模型预测的理论值。
【参考文献】：
期刊论文
[1]基于时变参数-SIR模型的COVID-19疫情评估和预测[J]. 喻孜,张贵清,刘庆珍,吕忠全. 电子科技大学学报. 2020(03)
[2]基于SEIR的新冠肺炎传播模型及拐点预测分析[J]. 范如国,王奕博,罗明,张应青,朱超平. 电子科技大学学报. 2020(03)
[3]新型冠状病毒肺炎流行病学特点和治疗药物研究进展[J]. 孙晨,江亚南,赵继敏. 中国现代医学杂志. 2020(06)
[4]修正SEIR传染病动力学模型应用于湖北省2019冠状病毒病（COVID-19）疫情预测和评估[J]. 曹盛力,冯沛华,时朋朋. 浙江大学学报(医学版). 2020(02)
[5]中国新冠肺炎疫情预测建模与理性评估[J]. 金启轩. 统计与决策. 2020(05)
[6]基于一类时滞动力学系统对新型冠状病毒肺炎疫情的建模和预测[J]. 严阅,陈瑜,刘可伋,罗心悦,许伯熹,江渝,程晋. 中国科学:数学. 2020(03)
[7]多主体仿真在公共卫生事件应急管理中的应用——以一个传染病政策仿真系统为例[J]. 李璐,宣慧玉. 西安交通大学学报(社会科学版). 2010(01)
本文编号：3346953
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3346953.html
