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:
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:
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。
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
本文分享自 ITester软件测试小栈 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!