Bevölkerungsdichte = 10% Fall (Großstadt)

Dies ist ein Fall, in dem 10 Personen in 100 Zellen leben. Wie Sie der Abbildung entnehmen können, handelt es sich um ein Bild einer Großstadt. Nach einem Jahr befand sich die Gruppe in einem leuchtend roten Pandemiezustand. Aufgrund der Logik der natürlichen Heilung erreicht die Infektionsrate nicht 100% und ist mit etwa 90% gesättigt, es wird jedoch keine Konvergenz erwartet.

Fall der Bevölkerungsdichte = 4% (60% weniger Kontakt)

Denken Sie nicht, dass Sie davon Abstand nehmen? **Auf keinen Fall! ** ** ** So etwas reicht nicht aus. Die Infektionsrate ist nach einem Jahr auf fast 50% gesunken, aber noch lange nicht konvergiert. In dieser Welt können die Olympischen Spiele nicht stattfinden, selbst wenn sie um ein Jahr verschoben werden.

Fall der Bevölkerungsdichte = 3% (70% weniger Kontakt)

Ist es notwendig, 70% statt 80% zu haben? ** Ja, 70% sind nicht gut. ** ** ** Die Infektionsrate ist sicherlich recht niedrig, steigt jedoch seit fast einem Jahr, wenn auch langsam (gegen Ende leicht an). Obwohl die Infektionsgeschwindigkeit unterdrückt wurde, scheint ein Jahr nicht genug zu sein, um eine natürliche Konvergenz zu erreichen.

Fall der Bevölkerungsdichte = 2% (80% weniger Kontakt)

** Die Anzahl der Neuinfektionen und die Anzahl der Heiler sind nahezu ausgeglichen. ** ** ** Obwohl die neue Infektionsrate und die Heilungsrate angemessen festgelegt wurden, war das Ergebnis ziemlich schön. Ich bin ein absoluter Amateur, aber ist die Anzahl der 80% weniger Kontakt eine Art Faustregel in der Infektionswissenschaft?

Fall der Bevölkerungsdichte = 1% (90% weniger Kontakt)

** Die Anzahl der Infizierten wurde in etwas mehr als 200 Tagen 0. ** ** ** Ich hoffe die reale Welt wird bald so sein ~

Python-Code

Dies ist eine Spezifikation, die eine Animation zeichnet, die sich in Echtzeit ändert. Wenn der Zellenwert 0 ist, gibt es niemanden, -1 zeigt eine gesunde Person an und +1 zeigt eine infizierte Person an.

import numpy as np
from numpy import random
import seaborn as sns
import matplotlib.pyplot as plt
sns.set()

# parameter
density = 0.03
prob_infect = 0.20
prob_heal = 0.02
infected_initial = 0.05

# initialize earth
earth = np.where((random.random(10000) > (1 - density)), -1, 0).reshape(100, 100)
for i in range(int(10000 * density * infected_initial)):
    earth[random.randint(0, 100), random.randint(0, 100)] = 1

time = 0
infection_ratio = np.zeros(10 ** 6) * np.nan
infection_ratio[time] = 0
plt.close()
fig, ax = plt.subplots(figsize=(12, 6), nrows=1, ncols=2)

no_end = True
while no_end:
    for (x, y) in [(x, y) for x in range(100) for y in range(100)]:
        if earth[x, y] != 0:
            # infection
            (x_min, x_max) = (max(x - 1, 0), min(x + 1, 98) + 1)
            (y_min, y_max) = (max(y - 1, 0), min(y + 1, 98) + 1)
            if np.any(earth[x_min: x_max, y_min: y_max] == 1):
                earth[x, y] = 1 if random.rand() < prob_infect else earth[x, y]
            # healing
            earth[x, y] = -1 if random.rand() < prob_heal else earth[x, y]
            # random walk around
            x_next = min(max(x + random.randint(-1, 2), 0), 99)
            y_next = min(max(y + random.randint(-1, 2), 0), 99)
            if ((x_next, y_next) != (x, y)) & (earth[x_next, y_next] == 0):
                earth[x_next, y_next] = earth[x, y]
                earth[x, y] = 0
    time += 1
    infection_ratio[time] = np.sum(np.where(earth == 1, 1, 0)) / (10000 * density) * 100
    try:
        subplot0.cla()
        subplot1.cla()
    except:
        print('no need to refresh figure')
    plt.suptitle('time: {}'.format(time))
    subplot0 = sns.heatmap(earth, vmin=-1, vmax=1, center=0, cmap='coolwarm', ax=ax[0], cbar=False)
    ax[0].axis('off')
    ax[0].set_title('density: {}%'.format(int(density * 100)))
    subplot1 = sns.lineplot(data=infection_ratio)
    ax[1].set_title('time series of infection')
    ax[1].set_xlabel('time')
    ax[1].set_ylabel('infection ratio %')
    ax[1].set_ylim([0, 100])
    ax[1].set_xlim([0, time + 10])
    plt.tight_layout()
    plt.draw()
    plt.pause(0.01)