群组仿真驱动的疫情传播风险推演方法——以新冠疫情防控为例.pdf

突发公共卫生事件下,疫情传播风险可以理解为人群流动过程中人员与人员之间直接/间接接触引起的关联人员之间的疫情传播风险.针对现有基于人群流动的疫情传播风险推演方法简化了人员内部流动对疫情扩散的影响,难以直接用于城市精细化管控方案制定的问题,提出一种群组仿真驱动的疫情传播风险推演方法.首先将人群流动造成的疫情传播风险抽象为人群流动和飞沫扩散运动综合作用造成的疫情传播风险;然后采用融合人群运动建模、车流运动建模的群组仿真方法以及飞沫扩散行为建模方法,实现疫情传播风险的仿真推演;最后采用分层级可视化方法对地理环境、飞沫传播、个体人群流动以及疫情传播风险态势等进行三维可视呈现及交互式管控推演.园区级单位版和城市级政府版的新冠疫情防控平台应用实例结果表明,所提方法可以为决策者制定精细化管控方案提供科学指导.关键词:疫情传播风险;群组仿真;飞沫扩散;三维可视呈现 中图法分类号:TP391.9 DOI:10.3724/SP.J.1089.2023.19495 Crowd Simulation-Based Epidemic Spread Modeling Method Take the COVID-19 Prevention as an Example Wang Hua1,2),He Yifan2),Xu Mingliang1)*,Li Chaochao1),Xue Junxiao1),Li Yafei1),and Zhang Hongpo1)1)(School of Computers and Artificial Intelligence,Zhengzhou University,Zhengzhou 450001)2)(School of Computer and Communication Engineering,Zhengzhou University of Light Industry,Zhengzhou 450001)Abstract:The risk of the epidemic spreading in public health emergency can be understood as the epidemic spreading risk among persons when they touch each other during the movement.Existing methods simplify the effect of persons movement on the risk of the epidemic spreading and cannot give detail advices to de-cision-makers.In order to address the above problem,this paper introduces a crowd simulation-based epi-demic spread modeling method.Firstly,it describes the epidemic spreading as the crowd moving and the droplet transmission.Secondly,it simulates the epidemic spreading using crowd simulations,traffic simula-tions and droplet transmission simulations.Finally,it gives three-dimensional virtualizations of the geo-graphical environment,droplet transmission,crowd moving,rich situation and so on according to the level of detail method.The example results of the COVID-19 prevention and control platform of the campus-level unit version and the city-level government version show that the method can give detail advices to deci-882 计算机辅助设计与图形学学报 第 35 卷 sion-makers.Key words:the risk of the epidemic spreading;crowd simulation;droplet transmission;three-dimensional virtu-alization 近年来,SARS 疫情、H1N1 猪流感、埃博拉疫情、新型冠状病毒等突发公共卫生事件屡有发生.突发公共卫生事件下,人员流动和聚集是疫情传播的核心风险1.系统、深入地对人员流动和聚集引起的疫情传播风险进行仿真推演和评估,有利于直观分析和深入认识突发公共卫生事件下人群易感性及疾病流行规律,是制定复工复产、交通管控方案的关键科学依据,对疫情防控工作精细化落实具有重要指导作用2.目前,研发人员已提出大量人员流动和聚集风险推演评估方法.根据建模力度不同,大致可分为宏观方法和微观方法 2 类.宏观方法从密度、流量等粗粒度上模拟人群流动对风险传播的影响,不考虑单个个体每一时刻的运动行为.Saad-Roy 等2利用春运人群流动数据对疫情传播的时空演变风险进行了推算;Tian 等3对城市之间人员流动历史数据,以及武汉封城管控措施影响下的疫情传播风险进行了推演分析;刘亚岚等4对人口空间迁徙和汇流态势进行分析,用于疫情防控监控.由于现有人员流动开源数据和疫情传播开源数据都是粗粒度数据5,因此宏观方法成为目前疫情传播风险推演采用的主要方法;但是,该类方法简化人员内部流动对疫情扩散的影响,无法用于城市内部复工复产、错峰出行等人员流动精细化管控方案制定.微观方法对每个个体的运动行为进行精细建模,实现人群流动仿真推演和评估.Wagner 等6提出一个基于原型仿真和决策支持的人群疏散建模系统,允许对安全措施进行多种场景测试和评估;Tsiftsis 等7设计一个允许用户对拥堵进行动态编辑和管理的人群撤离疏散平台,可以对动态环境进行快速评估;Duives 等8提出一种基准数据驱动的人群移动预测方法;Georgoudas 等9提出一个中密度人群应急疏散仿真平台,用于预测人群疏散过程中的拥堵情况,提高逃生率;Prazak 等10提出一个基于层次扁平化和线性矩阵插值的混合模型,实现具有中等细节的人群运动仿真;杜晴晴等11提出一种面向应急撤离人员的疏运管控方案.微观方法致力于人群流动本身的建模,单个个体仅作为另一个体的障碍物存在,突发公共卫生事件下,室外、室内、交通工具等各类场景中,个体之间通过接触或飞沫传染等途径直接、间接地关联到一起,疫情在相互关联的个体之间传播、蔓延,该类方法无法模拟上述关联导致的人群流动风险加剧的问题.事实上,公共卫生事件下人群流动风险可以抽象为“人-人”“人-物”接触交互行为引起的风险,在一定程度上可以理解为经过相同地点导致场景中个体与个体之间、个体呼出飞沫与另一个体之间在时空轨迹上存在交集,从而引起疫情传播扩散导致的风险,其本质是人群流动和飞沫扩散运动综合作用的结果.本文提出一种群组仿真驱动的疫情传播风险推演方法,目的是为制定城市防控预案提供科学参考.本文方法在真实地理信息系统(geographic information system,GIS)环境数据、视频/移动端捕获数据基础上,对环境内每个个体呼出飞沫的扩散行为进行建模,将人员流动分解为步行产生的流动和乘坐交通工具产生的流动,采用融合人群运动仿真和车流运动仿真的群组仿真技术对人群流动进行建模,实现了人群流动过程中接触传染、飞沫传染等引起的疫情风险传播态势的推演;在此基础上,采用分层级可视化方法对地理环境、飞沫传播、个体人群流动以及疫情传播风险态势等进行三维呈现及交互式可视推演.1 本文方法 本文通过融合地理环境、人群运动、车流运动等信息实现区域内疫情传播风险的推演.为了便于后续描述上述信息之间的关系,先给出一些基本的定义和假设,然后介绍本文方法的具体框架及建模方案.1.1 基本定义与假设 本文将疫情传播系统抽象表示为一个五元组,E P C S R;其中,表示疫情传播系统,E表示系统环境,P表示人员集合,C表示交通工具集合,S表示飞沫集合,R表示系统中疫情状态.定义 1.123=,123,分别表示路网、建筑和步行区域.第 6 期 王华,等:群组仿真驱动的疫情传播风险推演方法以新冠疫情防控为例 883 定义 2.ipP表示系统内单个人,jCC表示系统内单个交通工具,则jjiC=CP,即交通工具承载若干个人.定义 3.iS tS表示系统内单个飞沫粒子在t时刻的状态,则 0ijSf P t,即飞沫粒子初始时刻的状态由系统内某个人的状态唯一确定.定义 4.P=PPP,P P P 分别表示正常人员、感染人员和潜伏期人员,则RP,即系统中疫情状态由感染人员数量决定.假设 1.C仅能在区域1内行进,P仅能在3区域内行进,即行人、车辆各行其道.假设 2.在13空间内,若 13tt ,则P优先级高于C,即非信号灯位置处行人优先.假设 3.本文中交通工具指车辆,即C表示车辆的集合.1.2 本文方法概述 基于上述定义和假设,本文提出的疫情传播风险推演方法框架如图 1 所示.本文方法中,输入数据为开源影像/路网/建筑物等场景数据、移动端捕获的用户出行线路数据、摄像头捕获视频数据以及管控方案数据等;包含环境建模、人群流动风险态势建模和三维交互式可视管控 3 个模块.其中,环境建模是对环境矢量数据进行语义化定义、对三维可视化场景进行构建等;人群流动风险态势建模以大规模三维虚拟现实(virtual reality,VR)场景为载体,对流动风险管控涉及的人群运动、车辆运动、飞沫扩散等核心要素进行多粒度建模;三维交互式可视管控模块基于管控预案对人群流动风险进行三维可视化呈现与可视分析,并且支持用户的交互式编辑.图 1 本文方法框架图 1.3 环境建模 路网指环境中人群和车辆可行进线路的集合.路网是环境的重要组成部分,也是人群流动的重要载体.本文采用如图2所示层次语义结构刻画路网拓扑耦合关系.层次语义结构由车道线、交叉路口、路段、连接点以及路网组成.其中,车道线表示车辆可运行轨迹;交叉路口表示路口处空间相交车道线的集合;路段表示具有相同几何线形的车道线的集合;连接点根据交叉路口处车道线的空间冲突关系自动生成,表示交叉路口处空间非冲突车道线的集合.考虑难以直接获得交叉路口处车道线,本文采用符号网络的思想对交叉路口语义进行细化:交叉路口=流经车道线和该车道线与交叉路口的关系.车道线和交叉路口的关系用“+”和“”,分别表 图 2 刻画路网拓扑耦合关系的层次语义结构示意图 示积极的关系和消极的关系.其中,+指当前车道车流流入路口,指路口车流流入当前车道.根据该定义,结合非路口处的车道线数据,采用合理的曲线拟合方法即可生成交叉路口处的车道线集合.基于上述路网层次语义结构,采用 Wang 等12提出的大规模场景自动生成方法可以生成真实的884 计算机辅助设计与图形学学报 第 35 卷 三维场景.对于人员可行进区域,基于第 1.1 节的定义和假设,除路网内非交叉路口区域和建筑占用区域外,其他所有区域都初始化为人员可行进区域.1.4 人群流动风险态势建模 为实现人-人和人-物交互行为影响下的风险态势推演,本文对人员行走、车辆运动等人群流动行为进行建模,并融合疫情传播载体飞沫的扩散行为模拟.在此基础上,对人员接触造成的疫情传播风险时空演化态势进行模拟.1.4.1 人群流动建模 基于第 1.1 节的定义和假设可以得出,步行和乘坐车辆交通工具组合产生了人群的流动.本文采用人群运动建模方法模拟步行产生的人群流动,用车流运动建模方法模拟交通工具运动造成的人群流动,采用人车混行建模方法模拟部分空间区域内人员步行和车辆运动交织的场景.(1)人群运动建模 与普通环境不同,突发公共卫生环境中个体普遍具有恐慌情绪,会尽量避免外出.个体在不得已外出的情况下通常会事先规划好线路,然后尽可能快速地完成出行.本文采用 Xu 等13提出的基于恐慌情绪人群仿真模型,对出行人员ip的运动速度大小actualiv进行求解 actualNORMAXMAXmin(1),)iiiivEvE vv.其中,NORiv和MAXiv分别表示正常环境下(恐慌值为 0)ip的期望速度和最大速度,默认取值分别为1.4 m/s 和 2 m/s;表示ip体力衰减系数,取值为常量=0.9;E表示ip的情绪值,假定所有高危险区域皆为危险源.公共卫生事件下个体出行时间比较短,并且出行过程中会尽量避免与其他个体接触,因此本文仅考虑危险源对情绪值221e2LE的影响.其中,L表示个体距离危险源的位置,若ip位于高危险区域,则=0L;否则,s=LLR,sL表示当前个体距离最近高危险区域的距离,R表示当前管控区域直径.(2)车流运动建模 突发公共卫生事件下,政府会对交通采取各种动态管制,从而影响车辆驾驶员的心理认知.本文采用开放环境下认知心理学驱动的车辆运动模拟方法12实现驾驶决策操纵下的车辆运动行为模拟.对于当前出行车辆的驾驶决策,令决策集合12=,Qq q.其中,111111234,qyyyy,22212,qyy 23y,11111234,yyyy分别表示加速、减速、匀速和停车,222123,yyy分别表示左侧换道、直行和右侧换道.则 00=1100=11+e()=1+eMNijijijMNijijijpiijpP qy.其中,MN表示环境信息总量;ijp表示驾驶员最终感知得到i类信息中第j条信息的概率;ij表示相应参数,其值根据 Wang 等12的方法确定.根据上述驾驶决策,将车辆的运动模式分为跟车模式、巡航模式和换道模式 3 类,求解相应的加速度,实现车辆运动的模拟.(3)人车混合流建模 人员步行和车辆运动交织场景中,本文基于“行人优先”规则,采用 Wang 等14提出的影子交通概念将行人映射为车辆前方障碍车辆,然后分别根据上述人群运动建模方法和车流运动建模方法求解行人和车辆的运动状态.1.4.2 飞沫扩散行为建模 本文采用描述流体运动的纳斯-斯托克斯方程15模拟飞沫的扩散行为 1 d0,d1.utuuupft 其中,dd=utt,u p t f分别表示密度、速度、压强、时间和外力;表示散度;表示梯度.外力仅考虑重力和风力,车辆内部默认风力为 0.1.4.3 风险传播态势建模 接触行为的异质性会造成单个个体接触传播概率不尽相同.令当前个体被传染的概率 1P (1)Kkkp.其中,kp表示第k次接触时的传播概率;K表示有效接触次数.令个体与已感染个体或已感染个体溅出飞沫的空间距离小于半径R,即一次有效接触.P值根据上述人群流动建模和飞沫扩散行为建模结果计算得出.1.5 三维交互式可视管控 疫情传播风险三维交互式虚拟可视管控包括管控要素归纳、三维虚拟可视呈现和交互式可视编辑3部分.第 6 期 王华,等:群组仿真驱动的疫情传播风险推演方法以新冠疫情防控为例 885 1.5.1 管控要素归纳 结合突发卫生事件的特点,受已有人群、车辆运动管控流程的启发11,16,按照其管控对象不同,将突发公共卫生事件下管控方案包含的要素归纳为环境要素、场景要素、人员要素和风险源要素.(1)环境要素指管控区域内的环境信息,包括全局区域的风向/风力、大气能见度等.(2)场景要素指管控区域内的场景信息,包括建筑、路网交通、封闭区域等.其中,建筑包括内部人员数量、是否通风等属性.路网交通包括道路限行/禁行/限速/风险等级、各类型车辆荷载/行驶最优速度、公共交通工具发车频次/运行时长/路线/站点等;封闭区域指因为生活、工作等需要,内部人员存在各种难以避免、难以溯源的直接/间接接触的区域,如学校、工作区、独立小区、独立办公区域、独立建筑等;封闭区域包括风险等级等属性,分为高风险、中风险和低风险3个等级.(3)人员要素指需要管控的人员信息,不仅包括人员区域分布密度,人员流向,出行时间分布,人员年龄/性别分布等宏观属性,还包括人员初始位置身高,风险等级,是否自我防护(佩戴口罩),是否外出,外出时间,行走速度,出行路线(如出发地、目的地、路径等),出行交通工具类型等微观属性.其中,风险等级分为3级:1级表示已感染,2级表示接触未感染,3级表示未感染.(4)风险源要素指管控区域内的风险源和风险传播半径等,风险源指风险等级为1级的人员.1.5.2 三维虚拟可视呈现 基于第1.4节的人群流动风险态势建模方法以及第1.5.1节的风险管控要素,实现疫情传播风险三维虚拟可视呈现,包括人群流动态势可视呈现和疫情风险可视呈现2部分.(1)人群流动态势可视呈现 根据人群流动风险态势建模结果,基于用户视域大小采用多细节层次(levels of detail,LOD)技术,实现上述管控要素注入后的人群流动可视呈现.在城市级大范围人群流动呈现时,采用热力图展示人群、车流等个体的分布密度.其中,单位区域内个体的密度等于当前区域内个体的总数量;在小型社区、室内等小范围内人群流动态势呈现时,采用三维群组动画绘制技术实现人群流动可视呈现;在视域聚焦至单个或者相邻若干个个体时,采用糅合飞沫扩散行为动画和人体运动行为动画仿真的方法实现个体呼吸、朝向、运动等行为的可视化呈现.(2)疫情风险可视呈现 采用热力图方法对任意封闭区域单位时间内风险源数量和风险等级分别进行可视化,实现流动风险的可视化呈现.a.风险源数量.通过场景内接触感染和管控预案输入2方面产生或者消失.落到风险源周边风险传播半径范围内或落到风险源呼出的飞沫周边风险传播半径范围内的个体,成为新增风险源.风险源作为场景内人员自身属性存在,若要将风险源个体变更为非风险源个体,需用户手工调整人员(个体)自身属性.b.风险等级.由于管控区域内的风险源不停运动导致的封闭区域风险等级动态变化,其通过场景内流动传播和管控预案输入2方面改变.风险源个体途径区域全部为高风险区域,落入高风险区域内未变为风险源的人员,其风险等级转变为2级.具有2级风险等级的人员途径区域为中风险区域,其他区域为低风险区域.1.5.3 交互式可视编辑 交互可视编辑以管控要素数据为基础,基于呈现的疫情传播风险三维虚拟可视仿真效果进行管控方案的交互式编辑,是数据-仿真-交互可视化闭环迭代优化的直观呈现,是制定管控方案的核心.用户可以对环境、场景、人员、风险源等要素涉及的相关参数进行交互式可视编辑,达到逐步完善方案的需求.2 平台实现 基于本文方法实现了突发公共卫生事件下人群流动风险管控平台,其架构如图3所示.该平台以GIS数据、人员分布数据、交通管控数据等为基础,结合大数据处理、场景建模、群组仿真、可视分析等技术手段,搭建流动数据采集系统、疫情筛查评估系统、人群聚集行为分析系统、三维场景建模引擎、群组仿真引擎、流体仿真引擎、VR引擎、界面设计组件以及交互式编辑组件等,揭示人群流动风险演化趋势和规律,实现了区域内人员时空关联分析与轨迹管理,重点人员的溯源追踪、轨迹分析等动态疫情防控一张图.该平台可广泛应用于区域级疫情管控、人员信息采集、三维场景生成、人群流动管控、人群密度分析、城市交通管控、决策支持管理、影视游戏娱乐特效等.886 计算机辅助设计与图形学学报 第 35 卷 图 3 本文平台架构 (1)流动数据采集系统 用于移动端采集以及用户输入出行线路数据的预处理,包括人员运动轨迹数据和交通工具(这里仅考虑车辆)运行轨迹数据.这些数据存在数据缺失、数据逻辑错误(如轨迹不连通)、数据越界(轨迹数据超出场景区域范围)等问题.该系统后台处理模块基于第1.3节的环境建模方法与Dijkstra寻径算法自主研发实现.系统前端采用微信小程序的形式开放给用户.后台首先对用户输入的时空轨迹数据进行连通性和可达性处理,再对问题轨迹进行局部修正和补全,直接将数据越界问题进行等比例裁剪,使其活动范围限定在场景区域范围内;然后对比轨迹涉及的区域风险时间轴,给出用户出行风险预警;最后根据用户意愿对用户输入的轨迹进行保存,实现众包信息汇聚.图4所示为区域风险提示与公众轨迹风险评估功能可视化示意图,用户可以查询周围环境的风险情况.a.区域风险提示 b.公众风险评估 图 4 区域风险提示与公众风险评估功能示意图 (2)疫情筛查评估系统 以国家卫健委发布的防控方案为依据,与同乘交通工具的高危感染源信息数据进行实时交互,作为基于疫情传播风险推演的输入数据,并在微信小程序端发布基于突发公共卫生事件下人员感染智能自检筛查评估工具(如图5所示),使人 http:/ 第 6 期 王华,等:群组仿真驱动的疫情传播风险推演方法以新冠疫情防控为例 887 图 5 疫情筛查评估流程图 员自测后能够第一时间得到初步的风险评估反馈和个性化的科学防控建议.(3)群聚集数据捕获系统 集成Wang等17提供的多目标跟踪方法及开源代码实现面向视频数据的人群聚集数据捕获系统,可以计算得到局部区域内人群密度分布.该系统既为群组仿真提供边界数据,又可以用来做人群密度预警等.图6所示为人群聚集行为分析系统示意图.图 6 人群聚集行为分析系统示意图 (4)三维场景建模引擎 根据遥感影像数据、高程数据、交通路网数据以及建筑形状数据等开源GIS数据,在ARCGIS引擎上实现大规模场景的三维自动重建,生成的场景数据可以直接用于人群、车流等运动行为的仿真.此外,场景支持用户对路网、园区、交通管控等数据的动态编辑和修改.路网数据动态编辑和修改包括区域内的路段数据、连接关系数据等的动态编辑和修改;园区数据动态编辑和修改包括生活区/工作区等封闭区域内人口数量的动态编辑和修改;交通管控动态编辑和修改包括信号灯数据、车辆限速、公共交通工具数量/类型/线路/发车频次动态编辑和修改.图7所示为三维场景重建效果,其中,上图为源影像数据,下图为重建后的效果,浅黄色表示建筑物,绿色表示路段,紫色表示路口.可以看出,该方法不仅可以对路网、建筑物形状等语义数据进行较好的重建,还可以很好地重建三维高程效果.图 7 三维场景重建效果 (5)群组仿真引擎 结合上述三维场景,基于第1.4.1节的人群运动建模、车流运动建模、人车混合流建模等方法自主研发了群组仿真引擎.通过注入疫情大数据实现场景内人员自身流动、人员之间接触、区域人群密度等的仿真推演、智能分析,以及区域内人员运动轨迹的追踪与回溯;支持用户设置场景内人员出行线路、人员出行交通方式、车辆限速、车辆轨迹等参数,对管控预案进行精细化推演验证.图8所示为高速公路上匝道场景中车辆群组仿真效果截图.图9所示为市政道路中人车混合群组仿真效果截图.https:/ http:/ 888 计算机辅助设计与图形学学报 第 35 卷 图 8 车辆群组仿真效果截图 图 9 人车混行群组仿真效果截图 (6)流体仿真引擎 在群组仿真引擎研发基础上,基于第1.4.2节飞沫扩散行为建模方法,进一步自主研发了流体仿真引擎,支持用户设置环境(风向/风力)、场景(室内/室外)和宿主信息(身高、打喷嚏频次)等属性.对于环境属性,风向和风力直接影响飞沫流体在场景内的生存周期.对于场景属性,室外场景中使用环境属性参数;室内场景分为室内通风场景和室内不通风场景,室内通风场景中使用环境属性参数,室内不通风场景中飞沫水平方向上不受任何力的影响.宿主指飞沫的呼出源个体,个体的身高决定了飞沫的初始位置,打喷嚏频次决定了飞沫的喷射频次.图10所示为飞沫流体运动仿真效果示意图.图 10 飞沫流体运动仿真效果示意图 (7)VR分布式仿真引擎 为了提升仿真模块的复用性,提高仿真系统的开发效率,采用基于高层体系结构(high level architecture,HLA)的分布式仿真架构实现群组运动虚拟仿真.该引擎由仿真导演控制联邦成员、人群运动仿真联邦成员、车辆运动仿真联邦成员、流体扩散仿真联邦成员、三维VR视景、仿真数据记录和回放联邦成员组合而成.其中,仿真导演控制联邦成员功能制定仿真计划,通过创建联邦执行、发送初始化指令和控制指令等,决定其他联邦成员的创建和加载顺序、协调其他联邦成员之间的工作;人群运动仿真联邦成员、车辆运动仿真联邦成员和流体扩散仿真联邦成员分别通过载入配置信息完成各自仿真的初始化并进行仿真,也可以直接导入仿真结果数据;三维VR视景通过接收仿真数据完成三维VR场景的LOD渲染和绘制,将场景进行实时动态三维虚拟可视呈现;仿真数据记录和回放联邦成员通过对仿真数据进行收集,实现仿真过程的再现和分析统计.(8)界面设计组件 人群流动风险管控交互界面基于DirectX设计实现,包括疫情预案设置、模拟仿真、可视化动画推演以及统计分析模块.其中,疫情预案设置模块对通用的疫情传播源、传播情况等进行编制,如传染源数量、轨迹;模拟仿真模块实现人群流动风险管控下的人群、车流等的运动态势仿真;可视化动画推演模块实现人群流动风险管控下的人群、车流等的密度分布、流向等的可视化LOD展示;统计分析模块实现仿真参数、仿真结果的可视分析和统计.用户可以在上述模块的基础上进行定制化个性化开发.(9)交互式编辑组件 交互式编辑组件提供对路网车道宽度/车道数量/是否允许通行、人员出发地/出发时间/所经关键点、车辆出发地/出发时间/行驶速度/路径、风险源数量/分布/轨迹溯源、风险传播半径等所有管控要素的交互式编辑.其中,轨迹溯源指人员轨迹的追踪与回放,输入人员ID,即可在地图上显示出该人员的出行路径、起始区域以及终止区域.3 应用实例 利用本文平台实现了面向园区级单位版和城市级政府版的新冠疫情防控平台.3.1 园区级单位版 本文以郑州大学为例,对分批复学、入校车流管控、校园内部错峰管控等方案进行仿真推演.图第 6 期 王华,等:群组仿真驱动的疫情传播风险推演方法以新冠疫情防控为例 889 11所示为用户界面(user interface,UI),包括交通管控、区域隔离、患病人数设置等功能.图 11 郑州大学疫情防控推演平台 UI 首先模拟分批次入校管控下,学校南门外的交通压力情况.学生通过扫描场景码获得个人码进入园区,如图12所示.a.场景码 b.个人码 图 12 出入校区通行授权二维码 图13所示为进入园区人员数据管理后台,超级管理员用户可以对数据进行增、删、改、查.图 13 园区内人员数据管理界面示意图 图14所示为3台入校匝机口,单次检测时长为2 s情况下南门外侧车流及人群集聚三维可视化效果截图.其中,场景内中间广场是热力图表示的人群密度情况,水平道路上红色和黄色方块表示运动中的交通流,红色表示公交车,黄色表示私家车.平台根据场景区域大小以及用户手工选择结果自动选择相应的LOD级别,以及相应的人群、车流显示模型(热力图/各类精度三维模型).图 14 南门外侧车流及人群集聚三维可视化效果截图 图15所示为学生入校后疫情扩散行为推演三维效果示意图.其中,场景内黄色圆点表示非感染个体,红色圆点表示已感染个体.可以看出,在生活区和教学区等人员密集区域,一旦存在感染个体,疫情将会迅速蔓延.图16所示为上述人员流动对应的人群密度分布效果图.图 15 疫情扩散行为推演效果示意图 图 16 园区内人员流动密度仿真示意图 园区级单位版辅助公司、学校、生活区等小范围内人员流动管控预案编制.郑州大学作为全国学生规模最大的高校之一,对其进行疫情防控仿真推演,可为全国其他高校、工业园区等场所的疫情防控提供科学参考.890 计算机辅助设计与图形学学报 第 35 卷 3.2 城市级政府版 以郑州高新区为例,本文模拟分区域复工复产情形下的疫情扩散行为.图17所示为政府决策模块UI,包括工作区/生活区/风险源管理、道路限行管控、人员分布管理等功能.图 17 政府决策模块 UI 用户可以对场景内复工复产区域的人员运动轨迹进行交互式选取和设置,图18所示为交互式复工区域设置功能示意图.用户可以点击场景内任意位置区域,并对区域内的复工属性进行设置;蓝色高亮多边形表示用户选取的编辑区域.图19所示为人员出行轨迹交互式设置结果示意图,其中,红框表示人员的起始和终点位置,蓝色折线表 图 18 交互式复工区域选择 图 19 人员出行轨迹交互式设置结果示意图 示人员的出行轨迹,弹出框为轨迹的详细信息;用户可以交互式地编辑轨迹数据,可视化模块实时地对编辑效果进行可视化.图20所示为VR仿真引擎中实现的大范围人群运动仿真热力图可视化效果截图,其中,红色表示人群密度大,蓝色表示人群浓密度小.图 20 大范围人群运动仿真热力图可视化效果截图 城市级政府版用于辅助制定城市级复工复产决策.4 局限性 本文方法在具体实施过程中尚存在如下问题.(1)数据源是最大的问题和挑战.现有的公开数据集中,疫情传播数据几乎全是粗粒度数据,如著名的霍普金斯大学系统科学与工程中心数据5和世界卫生组织数据18.因为涉及个人隐私,尚未发现开源人员流动数据,现有对人员流动估计通常都是通过航班信息3等侧面计算估计城市间的人员流动.高精度的人员分布数据、详细的公共交通数据等是提升仿真推演真实性的重要支撑,这需要政府支持推动,科学决策.(2)本文方法认为区域内人员的流动仅由步行和乘坐车辆产生,并未考虑非机动车、地铁等造成的人群流动,这显然与实际不符合.综合考虑非机动车、机动车、地铁等交通工具产生的人员流动,才有可能实现疫情传播风险的更精准模拟.(3)受计算能力限制,城市级政府版中仅对郑州市高新区不足10 km2范围内进行了仿真推演.城市级的仿真推演需要强大的计算资源支撑,并行化方案设计是本文方法后续推广应用过程中需要解决的首要问题.5 结 语 突发公共卫生事件下,群组仿真驱动的疫情第 6 期 王华,等:群组仿真驱动的疫情传播风险推演方法以新冠疫情防控为例 891 传播风险推演平台建设具有重要的现实意义.本文首先对管控区域内人群运动、车辆运动、人车混合流运动、飞沫扩散等行为作用下的疫情传播风险进行建模;以此为基础,实现了三维交互式流动风险管控的可视化推演验证,为管控方案迭代更新提供了实时可视反馈;最后给出基于该方法的平台实现,为决策者提供真实、可信、可控的优化管控方案.本文将群组仿真技术用于疫情传播风险时空演化态势的推演,实现了人员流动和聚集引起的疫情传播风险的细粒度模拟,提高了仿真结果的可信度;对地理环境、飞沫、个体人群以及疫情风险等多元时空数据进行有机关联融合与三维可视呈现,实现了疫情传播风险态势的跨时空、多层次、多尺度呈现;构建数据-仿真-交互可视化的闭环管控推演方案,可以组合呈现不同时刻、不同方案下的疫情传播风险趋势,加速仿真推演的迭代优化速度,有利于快速获得最优管控决策.当前,随着场所二维码的广泛推广,捕获精细化的人员流动数据成为可能.下一步,计划与地市大数据管理局合作,在社区、街道、县区等范围内逐步对本文平台进行示范应用,一方面对本文方法进行迭代验证评估,另一方面希望能够对城市精细化管控方案制定提供技术指导;将平台集成至城市大脑,打造“数据驱动、城市仿真、超级计算、智能推演、人机融合”的城市大脑创新特色优势,为黄河生态文明保护提供大数据驱动的智能可视分析和科学决策支持.参考文献(References):1 Xinhua News Agency.The Standing Committee of the Political Bureau of the Central Committee of the Party held a meeting to study the key work of preventing and controlling the current COVID-19 and stabilizing the economic and social operation,Xi Jinping presided over the meetingOL.2021-11-11.http:/ Chinese)(新华社.中共中央政治局常务委员会召开会议研究当前新冠肺炎疫情防控和稳定经济社会运行重点工作 习近平主持会议OL.2021-11-11.http:/ Saad-Roy C M,Wagner C E,Baker R E,et al.Immune life history,vaccination,and the dynamics of SARS-CoV-2 over the next 5 yearsJ.Science,2020,370(6518):811-818 3 Tian H Y,Liu Y H,Li Y D,et al.An investigation of transmis-sion control measures during the first 50 days of the COVID-19 epidemic in ChinaJ.Science,2020,368(6491):638-642 4 Liu Yalan,Yan Shouyong,Li Xiaowen,et al.Study on popula-tion migration characteristics in Chinas mainland and its ap-plications to decision-making for SARS controlJ.Journal of Remote Sensing,2003,7(4):273-276+338(in Chinese)(刘亚岚,阎守邕,李小文,等.中国内地人口流动空间规律研究及其在 SARS 控制宏观决策中的应用J.遥感学报,2003,7(4):273-276+338)5 Dong E S,Du H R,Gardner L.An interactive web-based dashboard to track COVID-19 in real timeJ.The Lancet In-fectious Diseases,2020,20(5):533-534 6 Wagner N,Agrawal V.An agent-based simulation system for concert venue