疫情模拟——计算机仿真设计

最新推荐文章于 2022-06-01 20:50:55 发布

一只黍离

最新推荐文章于 2022-06-01 20:50:55 发布

阅读量1.6k

点赞数

分类专栏：艺工交叉

本文链接：https://blog.csdn.net/weixin_42201701/article/details/105771936

版权

艺工交叉专栏收录该内容

2 篇文章 0 订阅

订阅专栏

仿真思路

为了对疫情进行模拟，我们需要从实际情况出发，考虑病毒、人、社会等多方面因素对疫情的影响。

病毒的传播途径：
病毒的传播途径为疫情发展的根本，若传播途径受到阻碍则疫情现状会逐渐向人为可控的方向发展，反之疫情将逐步恶化。

患者喷嚏、咳嗽、说话的飞沫，呼出的气体近距离直接吸入导致的感染；
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；
接触传播是指飞沫沉积在物品表面，接触污染手后，再接触口腔、鼻腔、眼睛等粘膜，导致的感染。

病毒的性质：
病毒的性质将影响人们感染后的状况。

病毒的平均潜伏期是 14 天
它可以在物体-如金属，玻璃或塑料-的表面存活长达9天

有效的阻断病毒传播物资：
充足的物资可以提升当前的医疗状况，使得医院能够正常运行；同时充足的物资可以给人们带来保障，有效预防病毒通过部分传播途径的传播。

口罩
酒精
消毒液
防护服

人自身：

免疫力
人的免疫力通常与人的年龄等因素直接关联，一般幼儿与老龄人群的免疫力较差。
身份
这里的身份指的是社会身份，在这里可分为两种，包括医生、警察等因工作需求必须外出的人与学生，白领等工作非必须外出者。
同时考虑到家庭因素，在此也许考虑到家庭中需要去菜场或超市中买菜的人。
习惯
洗手、戴口罩等个人习惯直接对病毒的传播产生影响，若是没有好的习惯则可能恶化疫情，随着疫情的发展，这些习惯可能会被广泛普及，因而习惯逐渐变好。
是否患病状态
患病状态是每个人的个人属性，作为标记。
是否发现患病
若在患病情况发现自己已经患病则有可能会减少自身与他人的接触，并做好自己的防护工作避免传染给他人。

社会：
目前我们看到的一些措施

测体温
推荐自我隔离
社会资助
封城
通行证
医护资源调度
谣言
企业学校延迟开工、线上会议教学等

类图设计

在思路的基础上进行类设计：
在这里插入图片描述

全局设定

restrainRate表示对人出行的抑制率，抑制率越高表示人们出门工作、买菜的次数与概率越小。
nationState表示当前的国家状态，包括1）返乡高峰；2）返工高峰；3）正常工作。
若为返乡高峰则人们更有可能从GDP高城市向GDP低城市流动，若为返工高峰则人们更有可能从GDP低城市向GDP高城市流动。
medicalResource表示医疗资源情况
cities存放City对象所有城市的信息
hospitals存放Hospital对象所有城市的信息
stations存放Station对象所有城市的信息
crosses存放Cross对象所有城市的信息
markets存放Market对象所有城市的信息
people存放People对象所有人的信息
safeDis表示人与人之间的安全距离
若感染者与健康人在安全距离以内则有更大概率感染。
incubationProb与diseaseProb分别表示潜伏未发现"IIU"-潜伏发现"IIF"概率与发病未发现"IAU"-发病发现"IAF"概率
hospitalCureProb表示发病去过医院治愈概率
deHospitalCureProb表示发病没去过医院治愈概率
dead记录死亡人数
timeRate表示时间倍数
dayTime表示时间循环

人的模拟移动

在仿真模拟中我们构建规划了由6个城市组成的网状结构。
在这里插入图片描述

人的模拟运动通过People类与一些关键类实现，其中Hospital Station Cross Market Home分别表示医院、车站、路口、市场、家，均继承自Place地点类。为了使模拟更加贴合实际情况，医院、车站、路口、市场、家在模拟中代表着一些关键地标，用于模拟人的工作、看病、居住、生活情况。

由于人会在特定时期进行城间移动，因此通过车站将城市相连。

人的状态转换

在这里我们选用SIRD作为基础模型，并在此基础上进行扩展。

“SH”:未患病且完全健康（绿）
“SI”:未患病有疑似状况（黄）
“IIU”:感染者潜伏期未发现（黄）
“IIF”:感染者潜伏期发现（红）
“IAU”:感染者发病期未发现（黄）
“IAF”:感染者发病期发现（红）
“R”:移出者：不会二次感染（绿）
“D”:死亡

def state_s(self):
    """
    未患病者状态转换,包含：
        # "SH":未患病且完全健康（绿）
        # "SI":未患病有疑似状况（黄）
    未患病"SH""SI"到感染"IIU"：此时剩余发病天数self.restDay随机更新[7,13]间一个值
        在距离条件self.omg，根据健康指数self.health，医疗资源(全局)和接触的患病者是否发现self.whetherFind是否发现（发现则概率低，未发现则概率高）等判断是否感染，感染就到潜伏期未发现。
    完全健康"SH"到疑似状况"SI"：
        根据健康指数计算容易生病概率。
    :return:None
    """
    pass

def state_ii(self):
    """
    感染者状态转换,包含：
        # "IIU":感染者潜伏期未发现（黄）
        # "IIF":感染者潜伏期发现（红）
    潜伏到发病变化：根据剩余天数self.restDay转换
        潜伏未发现"IIU"-发病未发现"IAU"
        潜伏发现"IIF"-发病发现"IAF"
    :return:None
    """
    pass

def state_iu(self):
    """
    感染者状态转换,包含：
        # "IIU":感染者潜伏期未发现（黄）
        # "IAU":感染者发病期未发现（黄）
    未发现到发现变化：通过全局概率计算（每隔一定时间计算一次）
        潜伏未发现"IIU"-潜伏发现"IIF"
        发病未发现"IAU"-发病发现"IAF"
        全局incubationProb = None  # float:潜伏未发现"IIU"-潜伏发现"IIF"概率
        全局diseaseProb = None     # float:发病未发现"IAU"-发病发现"IAF"概率
    :return: None
    """


def state_l(self):
    """
    发病者到移出转换,可死亡包含：
    # "IAU":感染者发病期未发现（黄）
    # "IAF":感染者发病期发现（红）
    根据未去医院情况治愈天数self.cureDay与是否去过医院self.whetherHospital进行更新

    # "R":移出者：不会二次感染（绿）
    # "D":死亡

    :return:None
    """
    pass


def state_switch(self):
    """
    状态转换总控制函数，结合state_s，state_ii，state_iu，state_l
    :return:None
    """
    pass

一只黍离

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
疫情模拟——计算机仿真设计

仿真思路为了对疫情进行模拟，我们需要从实际情况出发，考虑病毒、人、社会等多方面因素对疫情的影响。病毒的传播途径：病毒的传播途径为疫情发展的根本，若传播途径受到阻碍则疫情现状会逐渐向人为可控的方向发展，反之疫情将逐步恶化。患者喷嚏、咳嗽、说话的飞沫，呼出的气体近距离直接吸入导致的感染；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；接触传播是指飞沫沉积在物品表面，接触污染手后...
复制链接

扫一扫

专栏目录