就地过年or回家过年？AI帮你算算看

VOL 204

03

本文2604字，阅读约需7分钟

同一个世界，同样的干饭人。大伙现在应该都在烦恼同一件事：今年春节还可以回家干妈妈做的饭吗？

根据中办国办的最新发文：

另外，此前国家卫健委也专门发布了针对“返乡人员”的规定：“返乡人员需持7天内有效新冠病毒核酸检测阴性结果返乡，返乡后实行14天居家健康监测，期间不聚集、不流动，每7天开展一次核酸检测。”

对于已经按照当地政策要求，做好核酸检测决定回家的小伙伴，现在最纠结的大概是……

坐什么交通工具更安全呢？

于是，AI的算法发挥严谨科学的精神，对各个交通工具的感染风险进行了建模推演。先说中心思想：

回家路上的感染风险主要和你在旅途中密切接触的（感染者）人数，以及是否途径中高风险地区相关。

首先选取了具有代表性的高、中、低风险区的三个城市作为出发地，然后根据各种交通工具的密切接触者定义，以及所经地区人员流动数量，进行了建模。

为了便于比较，我们假设春运大部分人回家路途都比较远，至少都要经过11个站点，其中包括2个高风险地区，2个中风险地区，其余为低风险地区。

根据国家卫健委对于密切接触者的定义，我们设定乘坐不同交通工具的密切接触人数。其中，高铁因为乘坐人数多、时间长且车厢密闭，每位乘客的密切接触人数是最高的；普通列车因为可以开窗通风相对低一些。同时，我们还需考虑列车、大巴、自驾旅途中每次停靠站点的人员交换率和密切接触者。而飞机由于是点对点的方式，密切接触人数基本上为前后三排的乘客，是密接人数最少的。

我们假定在{高，中，低}风险地区上车/机的人员是感染者的概率为P{高，中，低}，一路上来自高/中/低风险区域的人员数量为N{高，中，低}，那么该交通工具出行方式受感染概率可粗略估计为：

根据以上公式，我们计算乘坐不同交通工具的方式的感染风险概率，大致如下：

出行选择各种交通工具的被感染风险概率估计

为大家提炼以下结论：

• 从被感染概率上说，封闭式列车 > 非封闭式列车> 大巴 > 自驾 > 飞机 > 不出行。
• 出发/经过/抵达的高中风险地区越多，受感染概率越高。
• 就算飞机相对安全，但和不出行相比，感染的风险还是高很多，不可掉以轻心哦~

总而言之，没有绝对0风险的交通工具。保险起见，今年还是“云过年”吧。

返乡的“乡“为什么是农村？

此前关于“返乡人员”的规定一出，很多人都觉得奇怪。怎么农村地区还要“区别对待”呢？

农村防疫和城市相比，到底难在哪里？

口说无凭，技术证明。基于钟南山院士团队的研究成果搭建了改进版的SEIR传染病模型，模拟春运期间的人员流动与感染者增长的关系。

使用的改进版传染病模型[1]

模型看着有些复杂，

先记住其中比较重要的一个概念吧：

基本再生（传染）数：一名感染者平均能感染的人数，在模型中代表病毒的传染性强弱。越大，传染病的传播就会愈发严重。

在现有的传染病学研究中，一般认为般认为R0由两个因素共同决定：

• 病毒的传播特性；
• 病毒感染者接触到的平均人数k；

所以，归根所有的防疫措施主要都是为了尽可能地降低k值。

好，现在我们来看农村地区到底有什么难点。

• 农村地区春节会有大量流入人口。北上广深的Lisa, Tommy, Vivian转身都变成了村里的翠花、建国和小芳。农村地区人变多了，但监控力度和公共防疫资源却跟不上，k值会变大。
• 春节期间聚会增多，但部分居民防疫意识较为薄弱，喝高兴了也顾不上戴口罩，这也会使k值升高，疫情暴发的风险变大。

在模型中，我们设置两个情形作为对比：分别是情形A（低风险地区的农村），情形B（低风险地区的城市）。

假定两地的防疫政策、风险等级等基本情况一样。数据演算结果显示：农村地区一旦暴发疫情，累计确诊人数会比城市高出一倍，疫情持续时间也比城市要长将近两个月。

当然，这只是一个简单模拟的预估数据，实际数据肯定会因为更多有效的干预、管理措施要小很多。但在“地广人稀”的农村地区，设置与城市一致的管理手段，达到一样迅速的响应速度也是非常有难度的。

我们以简单的面积增长来估算，假定每个检测点可覆盖的面积是固定的（实际上在乡村地区覆盖面积还会因交通不便，人力不足等原因变得更小）。

如果面积为400平方公里的城市需要4个检测点，2000个一线工作者。那么将半径扩大一倍，面积为1600平方公里的乡村地区将需要16个检测点，8000名一线工作者。农村地区一旦暴发疫情，对应的防疫成本将会以平方级别增长。所以，对于春节返乡，更应该慎重对待，防患于未然。

最后，不管你是决定就地过年还是已经订好了回家的票，身体是干饭的本钱，保护自己都是最重要的，祝大家都过个平安幸福年！

以上

That‘s all