Колонки

«Если в Москве заболеет один человек по конкретному адресу, за 30 дней заразятся 5084» — модель распространения коронавируса

Колонки
Денис Струков
Денис Струков

Основатель Geointellect.com, генеральный директор Центра про...

Софья Федосеева

С новыми вирусами в среде эпидемиологов появляются новые предметы изучения. Многие исследователи визуализируют фактические случаи, некоторые — «продолжают» график зараженных и делают общие прогнозы по городам «на фоне» стран. Но как быстро распространится заболевание с учетом особенностей города?

Узнать это можно, если построить имитационную модель распространению вируса, что и сделал Центр пространственных исследований совместно с НИИ эпидемиологии и микробиологии Н.Ф. Гамалеи. О том, как работает эта модель и как можно использовать полученные данные, рассказывает директор Центра и основатель геоинформационной системы Geointellect Денис Струков. 

«Если в Москве заболеет один человек по конкретному адресу, за 30 дней заразятся 5084» — модель распространения коронавируса

На каких данных основана модель?

Прежде чем построить имитационную модель распространения любого вируса в пределах города, нужно смоделировать основное поведение людей: где они живут, как перемещаются пешком и общественном транспорте (с пересадкой в метро или без), куда едут на работу утром или в вуз днем. 

Делается это на базе геомоделей мест скопления людей в городе (модели притяжения населения). Всего мы заложили в модель порядка 70 геофакторов: особенности транспортного перемещения, нагрузка на остановки, число работников в бизнес-центрах, число проживающих в домах, наличие продуктовых магазинов.


Фото: Unsplash

Мы применили геоданные, которые уже 17 лет используем в основном бизнесе — геомаркетинговых сервисах для оценки потенциала локации. 

Затем нужно было учесть вероятность заражения, в том числе вероятность посещения этих мест той или иной группой населения. С помощью специалистов НИИ им. Гамалеи мы постарались описать вирус на базе открытых данных из разных источников: восприимчивость к вирусу определенных возрастных групп, латентный и продромальный периоды, а также ряд других изученных особенностей. 


Что получилось? 

Теперь можно относительно легко «взять» имитацию населения и, при правильно описанных вирусах, попробовать сымитировать пространственно-временное распространение любого вируса, передающегося воздушно-капельным или контактным путем от человека к человеку. 

Мы сымитировали миллионы взаимодействий жителей Москвы разных возрастов на базе мультиагентной модели. Затем мы внедрили модель в виде отдельного модуля в российском ПО «Геоинтеллект» в пределах Москвы. В специальном отдельном интерфейсе удалось визуализировать распространение коронавируса при помощи «бегунка» (таймлайна): от момента появления и обращения к врачу и до момента излечения. Пока что имитация не предполагает карантинных мероприятий (учитывает только изоляцию самих больных) и показывает, что будет, если в столице не введут карантин. 

Согласно модели, если в Москве заболеет один человек по конкретному адресу, за 30 дней заразятся 5084 человека. На карте красным цветом видны очаги возникновения и распространения коронавируса. Зеленым цветом показано население, которое оправилось от болезни. 


Смоделированная заболеваемость по Москве за первые 30 дней распространения инфекции от одного человека по конкретному адресу

Имитация пути распространения вируса от домохозяйства по месту работы, учебы и так далее 

Порядки цифр зараженных через 30 дней соответствуют динамике распространения болезни в городе Ухань «с самого начала регистрации». Если считать Ухань «похожим» (по крайней мере, по населению) на Москву, можно сделать первые выводы о работоспособности математической модели в случае, если не прибегать к ограничительным мерам. 


График динамики случаев заражения коронавирусом в провинции Хубей (г. Ухань), источник

Конечно, у модели есть ограничения. Городские геоданные по Москве, а также места массового скопления и проживания людей — реальные, но вот люди — имитация на основе половозрастного состава проживающих в районах Москвы. 

Вот более подробное видео, что будет, если обнаружится больной по конкретному адресу и если ничего не делать.



А это карта распространения ОРВИ и гриппа, сделанная для НИИ Гриппа Минздрава на основе их данных несколько лет назад. Можно предположить, что коронавирус именно так и будет распространятся по городам, по аналогии с привычными инфекциями.



Что дальше и как можно использовать эти данные?

К сожалению, модель пока не учитывает летальность и мероприятия по карантину, в том числе вакцинации. Это предмет дальнейшей доработки, как и дальнейшее увеличение во времени: рост числа зараженных через 60 и 90 дней. Это требует больших машиноресурсов, ведь имитация идет на больших данных.

Да, это пока эксперимент и пример того, как на стыке разных технологий и с привлечением разных специалистов можно делать прогнозы не только во времени и не только в целом по городам, но и в пространстве определенного мегаполиса. Не только грубо, но и детально. Не только на уровне стран, но и на уровне конкретных адресов. 

Уже теперь можно с уверенностью констатировать (даже на более простых вирусах), что для разработки подсистемы принятия решения программное обеспечение класса Location Intelligence поможет имитировать заражения людей и заранее предпринимать необходимые меры в конкретных локациях, направив усилия в очаги. 

Властям стоит задуматься над такими разработками, так как на кону жизни людей, экономические и другие последствия, которые человечество уже ощущает. 


Фото: Unsplash

Сегодня цифровизация в секторе B2G «на слуху». К сожалению, например, в проектах для умных городов (Smart City), мало внимания уделяется моделированию, прогнозированию различных городских геоданных, их сочетанию и выявлению закономерностей, которые влияют на жизнь города и его жителей. 

Сегодня уже делаются простые инструменты визуализации и сбора информации. И в будущем в РФ люди и компании, умеющие ставить задачи, моделировать, интерпретировать результаты, должны быть востребованы больше, чем сейчас. 


Фото на обложке: Unsplash

Нашли опечатку? Выделите текст и нажмите Ctrl + Enter

Материалы по теме

  1. 1 Как мошенники используют коронавирус для обмана пользователей
  2. 2 «Когда стало понятно, что Италия — это рядом, мы единогласно приняли решение разойтись на удаленку». Опыт IT-компании
  3. 3 Коронавирус: как правильно интерпретировать статистику

Актуальные материалы —
в Telegram-канале @Rusbase