基于SEIR模型新冠状病毒在返工潮下传播扩散模拟推演

背景

2月10号是很多企业开始复工的第一天，很多员工在接下来的一段时间内会陆续回到企业所在地的城市，由于新型冠状病毒的潜伏期长，人口跨城市的流动，客观上增加了病毒传播的概率。以笔者所在的S市为例，大量人口的回流，给疫情的防治工作和城市治理带来了一定的挑战，本文旨在通过基于SEIR模型的模拟推演，研究不同参数的选择所带来的不同结果，进一步明确了减少不必要出行、降低整个城市人员流动性的重要性。

模型概览

下图展示了返工潮下的S市的病毒传播仿真模型，感兴趣的读者可以访问http://10.116.217.11:7081/demo3.html，调节不同参数的取值，比较不同场景下的仿真结果。

目前S市已采取非常严格的措施，返工人群中有明显症状的会在第一时间被隔离，显著降低进一步传播病毒的概率。因此本文中的模型主要考虑返工人群中已感染新型冠状病毒，但无明显症状的情形。在模拟的不同时间节点下，人群状态可分为：

• Susceptible：居住在S市的人群
• Exposed：潜伏期人群，此人群没有症状，易传染与他距离较近的人群
• Infected：确诊患者，依据S市现状，假设所有患者都会得到充分的隔离治疗，因此其他人会远离该患者，降低感染的风险
• Recovered：康复患者
• Dead：治疗无效去世的患者

在模型中，每一个人初始都是Susceptible状态，易受感染。病毒以一定的概率传播给周围的人，所以有部分人的状态会变为Exposed，受到感染但是没有表现出症状。经过特定时段（潜伏期）后，发现症状，进入Infected状态。Infected状态下，患者会得到治疗，经过一定时段Treatment time （可调节参数） 后，患者会康复，也有一定的概率会死亡。患者康复后，会继续循环到Susceptible状态，也有一定的概率会复发。

其余状态解释：

• Away：发现确诊患者(Infected)后，Susceptible 的人群会逐渐远离这些患者。
• Random Move：描述在以个人原点为中心的正态分布区域内随机移动，受Activity Probability的影响，若人们降低出行概率，则移动的人群减少。
• Die & Recovery：患者被医疗后，死亡与康复的概率（可调）。

模型操作

本文主要模拟2月9号后，人口逐步回流S市后，对病毒扩散传播所带来的影响，因此人口流入是较重要的输入，下图展现了实现这一功能的具体方法。用户也可以参考百度地图迁徙数据，修改每天的回流人数。

点击People Flow的等号处，可在此编辑每天流入的人口数（由于算力问题，总人口最好控制在100以内，可按照比例缩减）。

出行概率、康复率、死亡率、复发概率、治疗时间、潜伏期等参数在滚动条上都可调节。

模型模拟

选定参数，点击“模拟仿真”按钮后，进行仿真，如下图所示，图为100*100单位的平面空间中， x、y轴代表空间的坐标信息，圆点为人，整体代表，人在这个位置后的活动与患病的模拟仿真过程：

红色为患者，橘黄色为潜伏期人群，黄色为已在S市的人群，浅绿色为未归S市的人群，绿色为康复人群，深红色为死亡患者。

下图为不同人群占比：

红色为正在医治的患者人数，绿色为康复人数，深红色为死亡人数，黄色为总人数，橘黄色为潜伏期人数。可观测出，此次模拟仿真结果为，在第25天时会达到峰值后逐渐下降。

模型对比

• Activity Probability为0.15时的情况如下：

• Activity Probability为0.6时的情况如下：

复工的风险在于人员的流动过程接触了未知病患，使自己成为2B人员，但目前的疫情已经给一季度乃至上半年造成了巨大的经济下行压力，全社会各行业需要陆续有序地恢复就业。上面的模拟结果表明，在陆续复工过程中，作为社会大家庭的一份子，需要严格自我管理，两点一线，周末不外出，少乘坐公共交通，减少不必要的出行，即可减少感染风险。

其它参数模拟结果的对比，可在平台上完成，另，由于算例限制，agent数量仅为100，因此存在随机性导致的差异，建议多模拟几次，取个平均结果进行对比。(by: 华为AI平台部模拟仿真组)

End