基于人流模擬方法的高校疫情防控研究
——以華南理工大學(xué)為例＊

鄧巧明 李曉峰 劉宇波

1 研究背景

高校人員密度大，師生日常上下課、食堂用餐等行為具有較高的聚集性，一旦校內(nèi)出現(xiàn)病例，極有可能出現(xiàn)暴發(fā)性疫情。同時(shí)，不斷增強(qiáng)的病毒傳染力和隱匿性，大大提高了校園聚集性疫情風(fēng)險(xiǎn)，為特殊時(shí)期高校的日常教學(xué)與管理工作帶來(lái)巨大挑戰(zhàn)。

目前，醫(yī)學(xué)界對(duì)于新冠疫情仿真模擬研究已取得較多成果，如“復(fù)雜人流網(wǎng)絡(luò)下的COVID-19傳播模型”[1]、“極限IR實(shí)時(shí)預(yù)測(cè)模型”[2]，以及“優(yōu)化SEIR動(dòng)力學(xué)模型”[3]等。這些仿真模擬采用傳染病動(dòng)力學(xué)模型對(duì)疫情的發(fā)展趨勢(shì)、患病人數(shù)以及轉(zhuǎn)折時(shí)間點(diǎn)進(jìn)行預(yù)測(cè)，較少關(guān)注空間對(duì)疫情傳播的影響。然而，不同的功能分布與空間形態(tài)對(duì)于人的行為軌跡、人流密度有著重要影響，也將直接關(guān)系到疫情的傳播與防控效果。高校校園人群活動(dòng)模式相對(duì)固定，采用人流仿真模擬方法能夠較好地預(yù)測(cè)師生日?；顒?dòng)軌跡，并能通過(guò)對(duì)當(dāng)前校園空間人流狀況的模擬，對(duì)比不同實(shí)驗(yàn)參數(shù)條件下校園人流的分布與密度。本文以華南理工大學(xué)為例，采用不同的仿真模擬平臺(tái)對(duì)校園空間尺度、單體建筑尺度的人群密度進(jìn)行時(shí)空分布情況預(yù)測(cè)與分析，據(jù)此量化評(píng)估不同管控措施的有效性，為學(xué)校制定科學(xué)有效的防疫政策提供依據(jù)，進(jìn)而提高大學(xué)校園面對(duì)疫情等突發(fā)狀況的空間韌性。

2 基于校園尺度人流仿真模擬的疫情防控措施效果評(píng)估

對(duì)于整體校園尺度的人流模擬采用基于GAMA（GIS &Agent-based Modeling Architecture）平臺(tái)的宏觀仿真模型。GAMA代理建模和仿真平臺(tái)作為常用的人流模擬工具，具有免費(fèi)開(kāi)源、與GIS無(wú)縫集成、可以通過(guò)簡(jiǎn)易代碼編寫(xiě)自定義模擬內(nèi)容等優(yōu)勢(shì)。目前主要應(yīng)用在交通模擬[4]、災(zāi)害響應(yīng)[5]和流行病學(xué)[6]等領(lǐng)域。

本文采用團(tuán)隊(duì)前期完成的以GAMA平臺(tái)為基礎(chǔ)，結(jié)合校園人群活動(dòng)大數(shù)據(jù)與學(xué)生日常作息規(guī)律構(gòu)建的校園人流仿真模型GTSMC[7]（GAMAbased Traffic Simulation Model of Campus）進(jìn)行實(shí)驗(yàn)。在仿真模擬實(shí)驗(yàn)中，所有代理行人在調(diào)度信息表（包括目的地、出發(fā)時(shí)間、下課時(shí)間、就餐時(shí)間等）和最短路徑的驅(qū)動(dòng)下，向著目的地前進(jìn)。通過(guò)計(jì)算道路人流密度來(lái)判斷不同時(shí)段、不同區(qū)域的人群聚集程度，評(píng)估發(fā)生疫情傳播的風(fēng)險(xiǎn)與防控措施的有效性。

2.1 GTSMC校園人流仿真模型

GTSMC校園人流仿真模型主要包含3個(gè)代理族設(shè)計(jì)：人群族、道路族、建筑族。首先在人群族設(shè)計(jì)方面，以華南理工大學(xué)五山校區(qū)為例，GTSMC模型利用騰訊宜出行熱力圖抓取校園內(nèi)人群分布的實(shí)時(shí)數(shù)據(jù)，結(jié)合ArcGIS空間分析和學(xué)生作息時(shí)間表，為代理人設(shè)置速度、作息時(shí)間、住宿地點(diǎn)、學(xué)習(xí)辦公地點(diǎn)、運(yùn)動(dòng)地點(diǎn)、餐飲地點(diǎn)等基本屬性。代理人遵循調(diào)度信息表和行走速度，以最短路徑原則模擬學(xué)生的出行行為。在道路族設(shè)計(jì)方面，將GIS中已經(jīng)編輯好的校園路網(wǎng)形態(tài)信息導(dǎo)入基礎(chǔ)模型，統(tǒng)計(jì)各道路的人流量信息。在建筑族設(shè)計(jì)方面，根據(jù)建筑功能將校園劃分為住宿區(qū)、教學(xué)區(qū)、餐飲區(qū)、體育區(qū)、其他區(qū)5種類型，與人群族中調(diào)度信息表的5種活動(dòng)相對(duì)應(yīng)。

2.2 針對(duì)疫情防控特點(diǎn)進(jìn)行模型調(diào)整與細(xì)化

校園疫情防控更加關(guān)注日常人群聚集的瞬時(shí)情況，因此需要對(duì)活動(dòng)地點(diǎn)（空間上的聚集）和出發(fā)時(shí)間（時(shí)間上的聚集）進(jìn)行相應(yīng)調(diào)整和細(xì)化。

在活動(dòng)地點(diǎn)的選擇上，將“教學(xué)區(qū)”進(jìn)一步細(xì)化為“公共教學(xué)區(qū)”和“專業(yè)教學(xué)區(qū)”。大一、大二、大三、研一等4個(gè)年級(jí)的學(xué)生按照公共教學(xué)樓（31號(hào)樓、32～34號(hào)樓、博學(xué)樓）的空間容量進(jìn)行分配，其余學(xué)生則選擇專業(yè)教學(xué)區(qū)作為日常學(xué)習(xí)地點(diǎn)。在出發(fā)時(shí)間的選擇上，結(jié)合代理人群的調(diào)度信息表，通過(guò)控制代理人的“到達(dá)時(shí)間”反推其出發(fā)時(shí)間段。

在進(jìn)行道路人流密度計(jì)算時(shí)，分別統(tǒng)計(jì)不同方向的人流。同時(shí)，通過(guò)增加模擬天數(shù)取平均值、提高統(tǒng)計(jì)計(jì)算頻率等方式，減少因目的地選擇、出發(fā)時(shí)間等因素的隨機(jī)性而帶來(lái)的模擬結(jié)果誤差。在相關(guān)疫情防控措施里多次提到至少保持1m的社交距離，因此，仿真模擬中將“1人/m”作為判斷道路人流密度是否超標(biāo)的臨界值。

2.3 不同防控措施的仿真模擬與效果評(píng)估

按照以下三種措施進(jìn)行仿真模擬與效果評(píng)估（表1）。

（1）減少面授公共課程

由于大中型公共課程會(huì)將大量師生聚集于密閉空間，增加了聚集性感染的可能性，同時(shí)也提高了上下課時(shí)段公共教學(xué)樓附近道路的人流量與人流密度。因此，在疫情期間建議部分學(xué)生數(shù)量較多的公共課程改為線上授課。將仿真模型中出門上課學(xué)生人數(shù)降低為總?cè)藬?shù)的一半，其他活動(dòng)維持不變，模擬該項(xiàng)措施的防控效果。結(jié)果顯示，減少面授課程使得道路人流密度明顯下降，有效緩解了上下課和就餐時(shí)間人流過(guò)于聚集的情況。

（2）分批錯(cuò)峰上下課

通過(guò)改變不同年級(jí)學(xué)生上下課的時(shí)間段，降低校園內(nèi)瞬時(shí)人群聚集程度。仿真實(shí)驗(yàn)中將學(xué)生人群分為兩批，上下課時(shí)間錯(cuò)開(kāi)90min，對(duì)應(yīng)人群的食堂就餐時(shí)間同樣順延。結(jié)果顯示，錯(cuò)峰上下課能夠有效降低以往人群集中路段的人流密度，同時(shí)兼顧面授課程進(jìn)行，是一種較為理想的疫情防控措施。

（3）食堂送餐

在校園中，就餐時(shí)間段會(huì)有大量人群短時(shí)間內(nèi)向食堂聚集。相關(guān)疫情防控措施建議采用“打包就餐”方式，最大限度降低交叉感染風(fēng)險(xiǎn)。雖然該方式可以一定程度降低感染風(fēng)險(xiǎn)，但是仍然無(wú)法解決食堂周圍道路短時(shí)人群聚集的問(wèn)題，這對(duì)校園疫情防控來(lái)說(shuō)仍然是一個(gè)不穩(wěn)定因素。

為了解決這一問(wèn)題，本文模擬了食堂送餐措施下校園空間的人流分布情況。根據(jù)各個(gè)食堂位置關(guān)系確定服務(wù)的學(xué)生宿舍范圍，送餐時(shí)間分別設(shè)定為7:15、11:15、17:15。同時(shí)仿真模型將學(xué)生流線變?yōu)閮牲c(diǎn)一線，不再到公共食堂就餐，將送餐人員納入道路人流量密度統(tǒng)計(jì)中。結(jié)果顯示，該措施有效降低了道路上的人流密度，緩解了去食堂用餐帶來(lái)的人群聚集風(fēng)險(xiǎn)。但由于五山校區(qū)公共教學(xué)樓到北區(qū)學(xué)生宿舍的道路數(shù)量較少，導(dǎo)致下課期間從公共教學(xué)樓（31號(hào)樓、32～34號(hào)樓）回北區(qū)的道路人流密度較高?？梢酝ㄟ^(guò)食堂送餐與錯(cuò)峰下課相組合的方式緩解這一問(wèn)題。

3 基于建筑尺度人流仿真模擬的疫情防控措施效果評(píng)估

建筑尺度人流模擬采用基于Anylogic平臺(tái)的微觀仿真模型。該平臺(tái)以社會(huì)力模型為核心算法，可以更精確地模擬人的心理對(duì)于活動(dòng)的影響，是目前最能體現(xiàn)人群真實(shí)運(yùn)動(dòng)情況的仿真模型。智能體基于社會(huì)力模型移動(dòng)，通過(guò)分析當(dāng)前環(huán)境，選擇最短路徑，避免與其他物體相撞，并決定下一步的運(yùn)動(dòng)。該模型的缺點(diǎn)在于計(jì)算量過(guò)大，進(jìn)行大規(guī)模仿真模擬對(duì)于計(jì)算機(jī)算力要求較高。因此，對(duì)于單體建筑尺度的人流仿真模擬，Anylogic具有更好的適用性。

3.1 建立Anylogic仿真模型

本文采用Anylogic仿真模型針對(duì)公共教學(xué)區(qū)的其中一棟建筑（34號(hào)樓）進(jìn)行模擬，基于本次模擬實(shí)驗(yàn)的特點(diǎn)采用離散事件建模方式。離散事件建模是指大多數(shù)事務(wù)流程可以描述為一系列獨(dú)立的離散事件，具有一定隨機(jī)性，因此需要運(yùn)行一定時(shí)間或反復(fù)運(yùn)行多次才能得出有意義的結(jié)果。在本實(shí)驗(yàn)中，首先根據(jù)模擬學(xué)生的調(diào)度信息表來(lái)確定出發(fā)地、出發(fā)時(shí)間、目的地，以及到達(dá)時(shí)間等，并將這些信息整合到Anylogic對(duì)應(yīng)的模塊中，依據(jù)前后關(guān)系構(gòu)建模塊之間的聯(lián)系，形成該事件最終的建模流程圖（圖1）。依據(jù)34號(hào)樓平面圖建模教室、走廊和樓梯，并設(shè)置教室可容納學(xué)生數(shù)量、等候時(shí)間等參數(shù)。

表1 不同防控措施的仿真模擬與效果評(píng)估

34號(hào)樓每層4間教室，6層共24間。其中一、二層為300座大課室，三至六層為200座中等課室，全樓滿負(fù)荷使用時(shí)將容納5600人。在模擬開(kāi)始前對(duì)代理人隨機(jī)賦予1～24之間的一個(gè)號(hào)碼，代表其上課教室的編號(hào)。同時(shí)，為保證教室容量不超過(guò)疫情防控上限，每個(gè)隨機(jī)號(hào)碼最多只能賦予45人次。代理人首先經(jīng)過(guò)34號(hào)樓外空地上的“排隊(duì)等候區(qū)”“測(cè)溫口”等位置，然后根據(jù)自己上課教室的位置選擇樓梯間。下課后，代理人根據(jù)宿舍位置選擇就近樓梯間返回宿舍。

3.2 不同防控措施的仿真模擬與效果評(píng)估

以人流進(jìn)出分流和上下課分時(shí)錯(cuò)峰等為主要實(shí)施手段，結(jié)合34號(hào)樓的位置與空間特點(diǎn)，對(duì)比以下3種不同管控方案的有效性。

（1）無(wú)管控狀態(tài)：可以模擬非疫情狀態(tài)下正常上下課時(shí)的情況，根據(jù)代理人的來(lái)源方向，以及與上課教室的位置關(guān)系，來(lái)確定該代理人選擇某樓梯間的概率。

（2）橫向分區(qū)管控：為減少人群流線交叉，根據(jù)樓層劃分樓梯間的使用。二、三層使用4號(hào)樓梯，四層使用3號(hào)樓梯，五層使用2號(hào)樓梯，六層使用1號(hào)樓梯（圖2）。

（3）豎向分區(qū)管控：根據(jù)就近原則分配樓梯間，將24間教室豎向分成4列，每列教室選擇距離最近的樓梯間使用，每個(gè)樓梯間服務(wù)垂直方向上的6間教室。

Anylogic平臺(tái)模擬過(guò)程可以實(shí)時(shí)輸出人流熱力圖，單位為“人/m2”，以此來(lái)反應(yīng)某一時(shí)刻單位面積內(nèi)人的聚集程度，顏色越紅代表該空間人流密度越大，反之密度越小。

1 基于Anylogic 離散事件建模流程圖

2 34 號(hào)樓樓梯位置分布

3 無(wú)管控措施的教學(xué)樓人流模擬分析圖

4 橫向分區(qū)管控的教學(xué)樓人流模擬分析圖

5 豎向分區(qū)管控的教學(xué)樓人流模擬分析圖

6 豎向分區(qū)管控措施各樓梯間人流量實(shí)時(shí)統(tǒng)計(jì)

從無(wú)管控狀態(tài)模擬實(shí)驗(yàn)結(jié)果可知（圖3），由于代理人可以選擇任意樓梯上下，導(dǎo)致樓梯間和走廊人流都較為集中，多處人流量密度超過(guò)了1.5人/m2，屬于疫情防控的薄弱區(qū)域，部分樓梯間因?yàn)槲恢帽憷肆髅芏壬踔脸^(guò)2人/m2，需要重點(diǎn)關(guān)注。橫向分區(qū)管控實(shí)驗(yàn)?zāi)M結(jié)果顯示（圖4），該方式有效降低了樓梯間人流量密度，但由于同層所有教室的學(xué)生都要前往同一個(gè)樓梯間下樓，因此走廊的人流量密度高于其他管控方案。從豎向分區(qū)管控模擬實(shí)驗(yàn)結(jié)果可知（圖5），由于樓梯間就近分配，豎向分區(qū)管控方案人流量密度在走廊和樓梯間都較為均衡，幾乎都在疫情防控的可控區(qū)間內(nèi)。此外，Anylogic模型還可以對(duì)一到六層樓梯間等重點(diǎn)位置進(jìn)行人流量實(shí)時(shí)統(tǒng)計(jì)（圖6），從而比較不同防控措施在重點(diǎn)區(qū)域的效果。

可見(jiàn)，對(duì)于單體建筑來(lái)說(shuō)，樓梯間的分區(qū)使用使得學(xué)生產(chǎn)生不同的行為路徑軌跡，進(jìn)而改變了路徑上的人流密度，影響著防控效果。分區(qū)管控在有效降低人流密度的同時(shí)，還區(qū)分了不同班級(jí)人群的日常上下課路徑，降低了人群混合帶來(lái)的交叉感染風(fēng)險(xiǎn)，一旦發(fā)現(xiàn)病例也便于明確密接和次密接人群范圍。除了對(duì)空間進(jìn)行分區(qū)管控外，還可以結(jié)合分時(shí)管控（各班錯(cuò)峰上下課）進(jìn)一步提高防控效果。

4 總結(jié)與展望

本文基于人流模擬方法，針對(duì)不同校園空間尺度的特點(diǎn)分別構(gòu)建人流仿真模型，模擬預(yù)測(cè)人群密度的空間與時(shí)間分布情況。仿真模型可以結(jié)合不同管控措施反復(fù)調(diào)整模擬參數(shù)，通過(guò)對(duì)比實(shí)驗(yàn)與直觀數(shù)據(jù)輸出，量化評(píng)估不同管控措施的效果，為制定科學(xué)有效的管控措施提供數(shù)據(jù)支撐。

然而本文構(gòu)建的仿真模型仍有其局限性，模型以華南理工大學(xué)的有限數(shù)據(jù)進(jìn)行建模，不具有普適性。代理人的行動(dòng)受自身調(diào)度信息表以及最短路徑原則約束，忽略了日常路徑選擇的其他影響因素，以及代理人調(diào)度信息仍存在部分假設(shè)情況等。盡管如此，模型模擬的大部分結(jié)果基本上與我們的直觀經(jīng)驗(yàn)相符，可信度較高。未來(lái)結(jié)合特定實(shí)驗(yàn)?zāi)康恼{(diào)整參數(shù)后，校園空間仿真模型還可以適用于如共享單車停放點(diǎn)、大批人流聚集的校招會(huì)選址等應(yīng)用場(chǎng)景的輔助決策過(guò)程中。

仿真模擬過(guò)程與結(jié)果也讓我們對(duì)于提升大學(xué)校園韌性有了新的認(rèn)識(shí)與思考：通過(guò)分區(qū)規(guī)劃與功能建筑的均衡布置，可以方便師生的日常學(xué)習(xí)與生活，在特殊時(shí)期便于獨(dú)立管理；增加校園路網(wǎng)密度有利于提供多種路線選擇，可以起到分散主要道路人流壓力的作用；對(duì)于人流密度大的道路，可以采用在其他步行路線上設(shè)置遮陽(yáng)棚等提升空間品質(zhì)的微改造方法，將一部分人流分散到其他路線等。這些校園規(guī)劃設(shè)計(jì)的改進(jìn)措施使得校園空間的整體使用效率得到提高，加之科學(xué)有效的管理措施，可以幫助我們更好地提升大學(xué)校園面對(duì)疫情等突發(fā)狀況的調(diào)整與應(yīng)對(duì)能力。

圖片來(lái)源

1-6作者自繪

表格來(lái)源

1作者自繪