国匠城工作台

当前：新闻编辑 | 格式化工具 | 查看本文

标题

分类

（编号：1116）

链接

作者

时间

政策

省

市

年

月

直播

主办：
协办：
时间：
会议室：
直播链接：

/h1

/h2

strong

/strong

<br />

<section style="display: none;" data-tools="gulangu" data-label="powered by gulangu"><br  /></section><p style="text-align: center;"><img class="rich_pages" data-backh="246" data-backw="578" data-ratio="0.425" data-s="300,640" src="http://mmbiz.qpic.cn/mmbiz_jpg/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdUlFnCMO6aibmGicHDePkEfRqkZUU5oMAV8BgiaG0Bq21O233AkPhqBFOSA/640?wx_fmt=jpeg" data-type="jpeg" data-w="1280" style="width: 100%;height: auto;"></p><p style="line-height: 1.5em;"><br  /></p><section style="line-height: 1.5em;"><strong><span style="font-size: 15px;"></span></strong></section><section style="line-height: 1.5em;"><strong><span style="font-size: 15px;">本期看点：</span></strong><span style="font-size: 15px;"><span style="font-size: 15px;">新型冠状病毒</span>肆虐，引发了大家对各个领域的反思和思考，也在引导我们更加注重人与自然的关系，探寻其中的深层规律。由于新冠病毒传播与城市的密度相关，因此大家比较关注这方面的内容。本文<span style="font-size: 15px;">基于智能体的建模方法（Agent-Based Modeling，ABM）</span>对传播规律进行了模拟与解析，认为城市的“大小”不是影响流行病传播强度的核心因素，“密度”才是，同时强大的公共卫生和城市治理，是我们安心“享用”大都市“集聚红利”的重要保障。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"></span></section><p><br  /></p><section draggable="true" data-tools="" data-id="97610" style="visibility: visible;"><section style="margin: 10px auto;text-align: center;visibility: visible;"><section style="display: inline-block;visibility: visible;"><section class="js_darkmode__pos__0 js_darkmode__0" data-darkmode-bgimage-15863220237526="1" data-darkmode-color-15863220237526="rgba(0,0,0,0.9)" data-style="background: url("https://static.gulangu/img/f0fe850b4316401789a31ca69d24037d.png") center bottom / 100% no-repeat;" style="background: url("http://mmbiz.qpic.cn/mmbiz_gif/cmQT69AZLZJDPPEbXM4RoOeWicITPLdZ7v0KBeD2q1MkO4OnHjLib4sL7WWKz2ELHNzLpW3iaichcP3uricUFU16ibkA/640?wx_fmt=gif") center bottom / 100% no-repeat;visibility: visible;"><section class="js_darkmode__pos__1 js_darkmode__1" data-darkmode-bgimage-15863220237526="1" data-darkmode-color-15863220237526="rgba(0,0,0,0.9)" data-style="background: url("https://static.gulangu/img/45b986b758034645ad831ea734516d1f.png") center top / 100% no-repeat; padding: 6px 0px;" style="padding-top: 6px;padding-bottom: 6px;background: url("http://mmbiz.qpic.cn/mmbiz_gif/cmQT69AZLZJDPPEbXM4RoOeWicITPLdZ7PYw0ZFfMRdswBJYgY8Uwloxf7hNPCcQCCEaGmQQP6LibnpYUELK71ibw/640?wx_fmt=gif") center top / 100% no-repeat;visibility: visible;"><section data-brushtype="text" data-darkmode-color-15863220237526="rgb(255, 255, 255)" data-darkmode-bgcolor-15863220237526="rgb(32, 125, 217)" data-darkmode-original-bgcolor-15863220237526="rgb(32, 125, 217)" class="js_darkmode__pos__2" data-darkmode-original-color-15863220237526="rgb(255, 255, 255)" style="padding: 8px 1em;letter-spacing: 2px;font-size: 18px;font-weight: bold;visibility: visible;background-image: -webkit-linear-gradient(left, rgb(0, 80, 179), rgb(64, 169, 255));color: rgb(255, 255, 255);"><span style="color:rgb(255, 255, 255);"><strong style="color: rgb(255, 255, 255);font-size: 17px;text-align: justify;">城市空间特征对流行病传播的影响</strong></span></section></section></section></section></section></section><section data-id="13289" data-style-type=""><section><section><section><section><p><br  /></p></section></section></section></section></section><p style="text-align: justify;"><strong style="font-size: 15px;text-align: center;">作者：</strong><span style="font-size: 15px;">叶锺楠，博士，华东建筑设计研究总院城市规划院，副院长，高级工程师、注册规划师</span></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;"><span style="font-size: 15px;"><strong><br  /></strong></span></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"></span></section><section data-tools="新媒体排版" data-id="3129043" data-style-type="undefined"><section style="margin-top: 20px;max-width: 100%;"><section style="border-width: 3px;border-style: solid;padding: 5px;max-width: 100%;border-color:rgb(48, 72, 128);"><section style="border-width: 1px;border-style: solid;padding: 15px;text-align: center;max-width: 100%;border-color:rgb(48, 72, 128);"><p><span style="color: rgb(48, 72, 128);"><strong>一、引言</strong></span><span style="color: rgb(121, 121, 121);font-size: 16px;font-weight: bold;"></span></p></section></section></section></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"></span><br  /></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">2019年底以来，新型冠状病毒(COVID-19)感染的肺炎在全球多地先后暴发，感染了数以百万计的人群，震惊世界的同时，也引发了又一轮关于城市规模和密度的思考。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">怎样的规模和密度才是城市发展的最优解？城市究竟应该走向高度集聚的繁华大都市还是适度分散的宜居小城镇？这些问题一直以来都是城市规划和研究领域争议的热点，从经济、产业、生态、生活等不同的视角可以得到不同的结论，新型冠状病毒疫情的全球暴发，似乎在争议的天平上又增加了一颗“小规模、低密度”的砝码。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="291" data-backw="578" data-ratio="0.5042117930204573" data-s="300,640" src="http://mmbiz.qpic.cn/mmbiz_png/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdUnyHhib1PvBtP5Gb1JMgFiaiajyxLNRVSarvLs7jMlrzgxXIgZsXvsrcBQ/640?wx_fmt=png" data-type="png" data-w="1662" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">“大城市”与“小城镇”的空间对比</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">在直觉上，人人都能感受到大城市高密度高集聚的环境是疾病传播的温床，但城市的密度和规模等空间特征具体是如何影响流行病传播的呢?为了搞明白这个问题，我们通过构建以社群单元节点和长短程连接组成的城市空间网络，并采用基于智能体的建模技术（Agent-Based Modeling）对不同规模、密度和空间结构的理想城市单元进行了大量模拟，以考察三者对疫情持续时间以及最终感染人数的影响，之后还以新冠疫情期间的武汉主城区为例，进一步进行了模拟、分析和验证。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">考虑到现实生活中，无论是城市政府还是人群个体，都会采取相应的防治措施来应对疾病的传播，我们还在模型中增加了不同类型公共卫生干预措施的模拟，以考察在充足的公共卫生干预下，流行病在不同特征的城市空间中又是怎样传播的。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"></span></section><section data-tools="新媒体排版" data-id="3129043" data-style-type="undefined"><section style="margin-top: 20px;max-width: 100%;"><section style="border-width: 3px;border-style: solid;padding: 5px;max-width: 100%;border-color:rgb(48, 72, 128);"><section style="border-width: 1px;border-style: solid;padding: 15px;text-align: center;max-width: 100%;border-color:rgb(48, 72, 128);"><p><span style="color: rgb(48, 72, 128);"><strong>二、基于智能体的城市流行病传播社群单元模型构建思路</strong></span></p></section></section></section></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"></span><br  /></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">基于智能体的建模方法（Agent-Based Modeling，ABM）是分布式人工智能的一种，其运作方式是建立一系列有自主分析和决策能力的智能体（agent），并通过这些智能体的行为和互动来模拟真实世界的运行（Uri Wilensky，William Rand，2016）。</span><span style="font-size: 15px;">ABM 在模拟复杂系统方面具有独特的优势，在社会研究、宏观经济、系统控制、军事和城市研究等领域都有着广泛的应用。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">流行病在城市中传播的过程是一个由传播要素（疾病）、大量自主性主体（人）和他们的交互行为综合作用下的结果，具有典型的复杂系统的特征，传统的观察和研究方法很难对其运行规律进行量化和总结，而基于智能体的模型则能够通过对主体及其交互活动的分布式模拟来实现对疫情整体传播和扩散情况的描述和预测。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">下图是模型网络生成和疫情扩散的单次模拟示意，蓝色节点表示易感、红色表示被潜伏和感染且未隔离、灰色表示退出。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="351" data-backw="578" data-ratio="0.6071987480438185" src="http://mmbiz.qpic.cn/mmbiz_gif/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdUuT5RJjQwlC2TeXEv5OsLuiaroO70qeOgHyQtc38JNoqJtT6V1rUHnqQ/640?wx_fmt=gif" data-type="gif" data-w="639" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">网络构建及疫情扩散的单次模拟过程</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 16px;color: rgb(48, 72, 128);"><strong>1、节点：社群单元</strong></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">从对象单元来看，传染病传播模型的构建思路可以分为单一群体方法、微观个体方法和复合群体方法。单一群体方法将具有共同特征的人群视为一个整体，考察不同特征人群之间的交互，最常见的有以 SIR 模型为代表的各种仓室模型；微观个体方法以单个个体为模拟对象，在最大程度上体现个体的异质性；复合群体方法介于上述两者之间，通过建立一系列的社群单元来代表在地理或社会关系等方面具有同质性的各类群体，社群单元之间的交互通过网络实现。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">单一群体方法一般难以体现空间特征，而微观个体方法多用于小尺度研究，其表达的细节在城市整体尺度意义不大，因此本研究主要采用复合群体方法，根据地理相近原则建立社群单元，一个社群单元可以代表街坊、社区、楼宇或家庭。每个社群单元即为网络的一个节点，通过社群单元的数量和分布来表达城市的密度和空间结构。在城市总体尺度观察和分析模型时，把每个社群单元视为一个点，其内部的互动和疾病传播情况简化为一组动力学方程或者一个概率常数。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 16px;color: rgb(48, 72, 128);"><strong>2、网络：短程连接和长程连接</strong></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">传播动力学研究通常以复杂网络为基础开展研究，常见的复杂网络包括随机网络（random network）、无标度网络（scale-free network）、小世界网络（small-world network）等，一般认为人类社交网络具有无标度网络的特征，而地理空间更接近小世界网络的结构（Melanie Mitchell，2009）。为此，研究以小世界网络为基础，通过建立短程和长程两种连接实现节点之间的交互，短程连接在节点周围一定距离随机建立，用来模拟城市个体在社区影响范围内（如15分钟生活圈等）的日常活动；长程连接则在外围节点和中心节点之间建立，用以模拟城市个体的工作通勤以及较为大型的消费休闲活动，为了使模型更符合城市空间结构特点，在建立长程连接时增加了偏好依附法则，以增大其连接到城市中心或邻近副中心的概率。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 16px;color: rgb(48, 72, 128);"><strong>3、传播机制：基于SEIR分类的网络传播</strong></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">模型对疾病特征的表达以本次新型冠状病毒感染的肺炎（COVID-19）为基础，体现传染性、潜伏性、自限性等特征，采用流行病常用预测模型 SEIR 模型的分类方法，将节点的感染状态分为易感（Susceptible）、潜伏（Exposed）、感染（Infective）、退出（Removal）四类，基本再生数R<span style="color: rgb(119, 119, 119);font-family: "Microsoft Yahei", "Helvetica Neue", Helvetica, Arial, sans-serif;font-size: 14px;text-align: start;background-color: rgb(255, 255, 255);"></span></span><span style="font-size: 15px;">取 2.68。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">在模型中，疾病沿着两种不同的连接在节点之间传播，处于潜伏期和感染期的节点与易感</span><span style="font-size: 15px;">节点的每一次交互都有一定概率将疾病传染给后者，长程连接和短程连接拥有不同的传染率 β? 和 β?，感染者具有康复概率 γ ，潜伏期中位数 e 取 4.8 天，疾病在潜伏期具有传染性。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 16px;color: rgb(48, 72, 128);"><strong>4、公共卫生干预：各类防控措施的表达</strong></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">从本次新型冠状病毒疫情来看，政府主要采取的防控措施主要包括 3 大类：第一类是宣传教育类，主要包括疫情的及时通报和防护方法的普及，目的是引导市民调整个体行为（如配戴口罩，减少聚会等）；第二类是监测类，主要包括在社区、公共设施和交通枢纽等地区进行体征指标监测（如体温测量）、要求市民定期上报健康状况等；第三类是隔离控制类，包括关闭城际交通、隔离疑似患者、小区封闭管理等，隔离控制具有显著的防控效果，但相应的经济和社会成本也比较高。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">从模型表达来看，宣传教育类措施主要起到减少人际接触和降低传染概率的作用；监测类措施主要起到提前发现病患，从而缩短潜伏时间，加快感染者退出传播的作用；隔离控制类措施主要作用在于使节点间的长程连接和短程连接失效或减效，从而减少传染途径，不同类型干预措施的合理组合，能够高效而低成本地抑制流行病的传播扩散。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="303" data-backw="578" data-ratio="0.5244072524407253" data-s="300,640" src="http://mmbiz.qpic.cn/mmbiz_png/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdUrQTRpaLgTOIKQ4XOxStsicfLuwByGb9vWnT4grgNTqgQ8AoKSClrI8A/640?wx_fmt=png" data-type="png" data-w="1434" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;"></span></section><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">公共卫生干预措施在模型中的效果</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section data-tools="新媒体排版" data-id="3129043" data-style-type="undefined"><section style="margin-top: 20px;max-width: 100%;"><section style="border-width: 3px;border-style: solid;padding: 5px;max-width: 100%;border-color:rgb(48, 72, 128);"><section style="border-width: 1px;border-style: solid;padding: 15px;text-align: center;max-width: 100%;border-color:rgb(48, 72, 128);"><p><span style="color: rgb(48, 72, 128);"><strong>三、流行病在不同空间特征的城市模型中的传播</strong></span></p></section></section></section></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"></span><br  /></section><section style="line-height: 1.5em;"><span style="font-size: 16px;color: rgb(48, 72, 128);"><strong>1、实验说明</strong></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">我们通常用“大城市”来指代市区面积大、人口多、高度集聚的城市，但严格来讲，“规模”和“密度”是两个不同的概念，为此，我们对不同规模和密度条件下的理想社群单元网络分别进行了控制变量模拟，其中“规模组”在控制密度（单位空间节点数量）不变的条件下比较了20 组数据，“密度组”在控制规模（网络总体尺度）不变的条件下比较了 16 组数据。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">考虑到不同的城市空间结构可能会对流行病的传播产生较为显著的影响，我们还引入了第三组变量，即空间结构，具体包括单中心、多中心和均质分布三种结构。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">为进一步考察公共卫生干预措施对不同空间特征中流行病传播的影响，我们在模型中增加了前文所述各类干预措施的量化表达，对每一个变量组合都进行了无公共卫生干预和有公共卫生干预两种不同情景下的模拟，结合规模、密度和空间结构的不同组合，总共形成了216组输入条件。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">由于流行病的传播在数量上和方向上都具有随机性，单次模拟结果不具有代表性，因此针对每一组输入条件均进行了 500 次约束条件下的随机模拟，模拟总次数为 10800 次，每组条件的模拟结果经清洗后产生 460-495 组有效数据，最终以平均持续时间 T 和最终感染节点占总节点的平均比例 I 来描述每组条件下的疫情传播情况。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="335" data-backw="578" data-ratio="0.5790309769658459" data-s="300,640" src="http://mmbiz.qpic.cn/mmbiz_png/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdUvQZpJfVwzfl03ib7rR4G3CTSb2ST9L2foyCfUxajs1tY3ZQ6OazQNAQ/640?wx_fmt=png" data-type="png" data-w="1259" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">“规模组”模拟过程框架</span></section><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="336" data-backw="578" data-ratio="0.5805668016194332" data-s="300,640" src="http://mmbiz.qpic.cn/mmbiz_png/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdUciaqECluHbF7AaQsrOVIfxIuSJmyzO9FguTO9iafhf7GHnbWK2sSliaUA/640?wx_fmt=png" data-type="png" data-w="1235" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">“密度组”模拟过程框架</span></section><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="351" data-backw="578" data-ratio="0.6071987480438185" src="http://mmbiz.qpic.cn/mmbiz_gif/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdUzBJEct0icsbgPMxqgsZcGOFbTGlibsvQ3gUKbudGB5xccibDzfPgFtlUQ/640?wx_fmt=gif" data-type="gif" data-w="639" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">单情景的 500 次模拟过程</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 16px;color: rgb(48, 72, 128);"><strong>2、城市规模与疫情传播</strong></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">从模拟结果可以看到，在密度不变的情况下，城市的规模（人口和用地）并不会对疫情的传播和扩散产生显著的影响：空间大、人口多的城市被感染的节点和人数会更多，但占总数的比例基本上是稳定的；而整个传播过程的持续时间随城市规模的增大会有非常少量的增加。从空间结构对传播过程所起的影响来看，均质结构下疫情持续的时间最长，单中心结构次之，多中心结构下疫情爆发最快也结束最快。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">真正影响流行病传播的是城市的密度，模拟结果显示无论是哪种空间结构，感染节点的占比和密度均呈现显著的正相关，当城市总体密度较低时，具有显著中心的空间结构下疫情的影响面较广，而总体密度较高时，均质结构更有助于流行病的扩散。从疫情扩散的持续时间来看，多中心结构和单中心结构下的疫情持续时间受城市密度的影响很小，而均质结构网络中的持续时间受密度影响较为明显，甚至在一定区段上呈现出负相关，这也可以看出疫情影响的节点数量更多取决于暴发的强度而不是持续的时间。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="175" data-backw="578" data-ratio="0.3029932803909591" data-s="300,640" src="http://mmbiz.qpic.cn/mmbiz_png/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdUMBoewNvLZj90mlg6aWHGH5ukmc6QgMicWfp6Q7qIWF8HeoyG8ITYSOg/640?wx_fmt=png" data-type="png" data-w="1637" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">规模与感染节点比例（左）及传播时间（右）的关系</span></section><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="180" data-backw="578" data-ratio="0.3108935128518972" data-s="300,640" src="http://mmbiz.qpic.cn/mmbiz_png/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdUhJ4dxp673kJX7M05zic7GQUeUJ7pGUxOHS4xg6rs2FatZF9jG7lHucw/640?wx_fmt=png" data-type="png" data-w="1634" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">密度与感染节点比例（左）及传播时间（右）的关系</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 16px;color: rgb(48, 72, 128);"><strong>3、公共卫生干预的影响</strong></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">在模型中增加行为引导、测温监控、交通关闭、住区封闭等四类管控措施后，将模拟结果和无干预措施下的结果比较可以发现，在任何规模、密度和空间结构条件下，充分的公共卫生干预措施都能够大幅降低被感染节点的比例。此外，干预措施还会减弱城市密度对疫情传播的正向影响，也就是说，如果公共卫生干预措施被及时、充分地实施，那么高度集聚的大城市并不会拥有比中小城市高得多的暴发强度，这听起来似乎有些不可思议，但事实上，这也正是本次新冠疫情期间，上海、北京等特大城市的实际表现。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="165" data-backw="578" data-ratio="0.2848335388409371" data-s="300,640" src="http://mmbiz.qpic.cn/mmbiz_png/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdUQuS67wMIkgbE4g0LcibSpgHZiasgOSuoTjo08xJuW5orLZZbHBuwmibrw/640?wx_fmt=png" data-type="png" data-w="1622" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">有/无干预条件下城市规模对感染比例的影响</span></section><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">（左：单中心；中：多中心；右：均质结构）</span></section><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="151" data-backw="578" data-ratio="0.26049382716049385" data-s="300,640" src="http://mmbiz.qpic.cn/mmbiz_png/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdUvQjGDAW8YI7Y4zsF71nZIEsjQkVic1nvS8licMvPYSe7L0YviaZ7aEZng/640?wx_fmt=png" data-type="png" data-w="1620" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">有/无干预条件下城市密度对感染比例的影响</span></section><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">（左：单中心；中：多中心；右：均质结构）</span></section><section style="line-height: 1.5em;"><br  /></section><section data-tools="新媒体排版" data-id="3129043" data-style-type="undefined"><section style="margin-top: 20px;max-width: 100%;"><section style="border-width: 3px;border-style: solid;padding: 5px;max-width: 100%;border-color:rgb(48, 72, 128);"><section style="border-width: 1px;border-style: solid;padding: 15px;text-align: center;max-width: 100%;border-color:rgb(48, 72, 128);"><p><strong><span style="color: rgb(48, 72, 128);">四、基于以新冠疫情期间武汉市主城区的模拟</span></strong></p></section></section></section></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"></span><br  /></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"></span><span style="font-size: 15px;">以武汉市主城区（实际为三环线内）为对象构建传播模型，社群单元节点代表居住小区，短程连接代表社区影响范围内的日常活动，长程连接代表居住小区与城市主要中心之间的通勤和商业休闲活动。</span><span style="font-size: 15px;">从武汉市新冠肺炎疫情防控指挥部社区疫情防控组公布的无疫情小区数据可以推算，武汉主城区的小区数量约为 3776 个，根据武汉主城区的百度地图热力图一周平均数据对节点密度进行分配，总计建立 3754 个社群单元节点，近似等于小区数量，并在此基础上按照小世界规则和偏好依附规则构建节点之间的短程连接和长程连接，假设初始感染者位置为武汉华南海鲜批发市场。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="567" data-backw="578" data-ratio="0.9817739975698664" data-s="300,640" src="http://mmbiz.qpic.cn/mmbiz_png/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdUc5OGfyjPicovU6ODWqH2bHTUx5KqxciaqGbY389f68z8bYE86odWxsgw/640?wx_fmt=png" data-type="png" data-w="823" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">武汉市主城区（三环线范围）</span></section><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="265" data-backw="578" data-ratio="0.4592476489028213" src="http://mmbiz.qpic.cn/mmbiz_gif/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdUDicoCeZAmdzcboCaeZAXEnppwU1xiazVs888bCDYJwSiaCmiafHXzqsXTw/640?wx_fmt=gif" data-type="gif" data-w="638" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;"></span><span style="font-size: 15px;">武汉主城区疫情传播模拟（单次）</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 16px;color: rgb(48, 72, 128);"><strong>1、公共卫生干预模拟</strong></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">武汉疫情发展过程中，大量的防控措施对疾病的传播趋势起着重大影响，从公共卫生干预措施的时间分布来看，大致可以分为两个阶段：从发现第一例病患到 2020 年 1 月 23 日武汉“封城”前，受到对新病毒认知和重视程度的限制，主要的防控措施为向公众告知疾病的发展情况和防护方法，引导市民佩戴口罩，勤洗手，远离密集人群等，由于宣传的力度是逐步提升的，而市民对信息的接受也需要时间，因此，这一阶段的公共卫生干预对控制疫情的影响是一个渐进的过程，在模型中表达为疾病通过连接传播的概率在逐日递减。随着疫情的扩散和中央政府的介入，自 2020 年 1 月 23 日起，武汉先后实施了“封城”、“测温”、“隔离”、“住区封闭”等防控政策，公共卫生干预进入第二阶段，城市各节点之间的连接强度和数量、潜伏者被发现的概率都发生了显著的改变。为尽可能真实地模拟外部条件不断变化的情况下武汉疫情的传播情况，模型根据武汉防控政策实施的时间，对相关参数进行了相应的动态调整。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="258" data-backw="578" data-ratio="0.4465144230769231" data-s="300,640" src="http://mmbiz.qpic.cn/mmbiz_png/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdURyGPvvM0CiaV7nbx2htUmcCe2bSlEQVlMFgc3B5Q7OSDp5qbB7KIFQA/640?wx_fmt=png" data-type="png" data-w="1664" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">武汉公共卫生干预措施对模型的影响</span><br  /></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 16px;color: rgb(48, 72, 128);"><strong>2、模拟结果</strong></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><strong>2.1  持续时间和感染总数</strong></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">根据设定的条件对武汉市 12 月 8 日以来的疫情扩散情况进行模拟，疾病每天沿两种空间连接进行初始概率为?? l 和?? s 的扩散，社群单元内的感染者自愈、收治和死亡情况均退出传播模拟，终止条件为被感染的社群单元数量降为 0。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">从 500 次模拟的结果可以看到由于初始病患的位置是确定的，因此数据总体离散度较小。根据随机模拟结果，疫情的持续时间平均值为 90.8 天，与武汉新增感染者首次清零所用的时间 102 天（2019.12.08-2020.3.19）的偏差度为 11.2% ；受感染的社群单元总数平均值为 2224 个，与根据统计数据所显示推算的感染居住小区数量 2687 个的偏差度为 17.2%，显示基于智能体的城市流行病传播模型在模拟疫情扩散的持续时间和感染节点数量方面具有一定的准确性。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="266" data-backw="578" data-ratio="0.460093896713615" src="http://mmbiz.qpic.cn/mmbiz_gif/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdU5p4q3LKoB0ibuklkTKpUOkK0Rkcr5hywApJ9ENagibGFvCDbAnKTF5gg/640?wx_fmt=gif" data-type="gif" data-w="639" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">武汉主城区疫情传播模拟（500 次）</span></section><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="184" data-backw="578" data-ratio="0.31853629274145173" data-s="300,640" src="http://mmbiz.qpic.cn/mmbiz_png/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdUKqicrcUCsFgmrZdkseq6uAOicDzBSrjq3Vayiba64Hyk9l5I9iaM2pwPDA/640?wx_fmt=png" data-type="png" data-w="1667" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">500 次模拟感染总数结果</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><strong>2.2  感染节点的空间分布</strong></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">流行病在城市中的传播过程作为一个复杂系统，具有很强的随机性特征，从给定的初始条件无法推演出疾病在空间上扩散的唯一准确结果，但是通过统计 500 次模拟结果中各节点的被感染的次数，可以推算整个疫情过程中城市不同空间位置上的社群单元被感染的概率，进一步按照行政区进行分析并与由官方统计数据所推算的疫情中被感染的小区数据进行比较可以发现，模拟结果中感染概率均值最高的是汉阳区，最低的是武昌区（洪山区和青山区由于在模拟范围内的行政边界不完整，故未列入统计），各行政区的预测感染概率均值排序与从统计数据推算的各区疫情小区感染比例排序完全一致，显示模型在对疫情传播空间分布的预测上具有较好的效果。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="495" data-backw="578" data-ratio="0.8571428571428571" data-s="300,640" src="http://mmbiz.qpic.cn/mmbiz_png/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdU3lZKQrlhRJXf02aS7AVVN4LC4Vq89kITbNWJ4PCR3L8GHiaicrbuQ4LA/640?wx_fmt=png" data-type="png" data-w="931" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">城市空间感染概率分布</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><strong>2.3  公共卫生干预效果</strong></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">引入了五类不同的公共卫生干预措施来尽可能真实地表达武汉疫情发展的真实环境，具体包括：防疫宣传、交通停运、患者隔离、住区封闭和测温监控。比较不同干预措施条件下的疫情传播情况可以看到，各项措施在减少感染总数或缩短疫情持续时间方面均起到了相应的效果，总体而言，实施较早的措施，由于措施作用时间更长以及当时干预不足状态下疾病扩散较为严重等原因，对整个疫情发展趋势的影响十分显著；而在总体传播趋势已经得到控制后增加的干预措施对疫情的影响相对较小。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="269" data-backw="578" data-ratio="0.4655894673847995" data-s="300,640" src="http://mmbiz.qpic.cn/mmbiz_png/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdU7icIZeGrKrcics3ZCcpP1rcV7nqqUl1A4daf6pe0alu8axDv5uwjo8UA/640?wx_fmt=png" data-type="png" data-w="1671" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">不同公共卫生干预措施下感染总数曲线</span><br  /></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">为进一步考察公共卫生干预措施对疫情发展的影响，在同一个网络上对无干预措施的情景和所有干预措施提前 10 天实施的情景分别进行了 500 次模拟，结果显示无干预措施情景下感染节点总数的平均值为 3246，而提前 10 天干预情景下感染节点总数的平均值为 905，将这两组数据与实际情景（上文中按照武汉防控措施实际实施时间进行模拟的情景）进行对比可以看到，公共卫生干预措施会对控制流行病的空间传播范围产生巨大的作用，并且越早进行干预，对疫情传播的控制效果越显著。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="232" data-backw="578" data-ratio="0.40155595451825254" data-s="300,640" src="http://mmbiz.qpic.cn/mmbiz_png/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdUciaRQyCiaiaeOcibWMStX8ibZe8kmpibmmicYszP1hVJrguxFIia9qgIQDDfPg/640?wx_fmt=png" data-type="png" data-w="1671" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">三种情景下感染总数 500 次模拟结果</span><br  /></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><strong>2.4  一些影响结果的因素探讨</strong></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">（1）模型中流行病传播的网络尽管是以真实的城市空间结构和住区、人口数量分布为基础，但还是做了大量的抽象，忽略了不同社群单元的人数差异、各节点间的非日常联系、干预措施在整个网络中执行的不均匀性、整个疫情期间城市内总人数的变化以及超级传播者存在的可能等，因此与实际的城市空间环境还是有着明显的差异。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">（2）基于连接的传播主要模拟的是 A、B 两点之间由于人群交换而产生的疾病传播，但没有考虑两点之间路程中的传播情况，事实上大城市中较为拥挤的公共交通造成的传染对整个城市疫情扩散的速度、规模和复杂程度都会产生重要影响。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">（3）模型对各项公共卫生干预的表达参数置入时间是以相关政策文件的发布时间为准，事实上，有些政策的效果开始显现时间可能更早，因为在正式的政策发布之前，社区和市民就已经陆续开展一些相应的防控行为，如进出社区测量体温、主动减少出行等；而有些政策效果的全面实现时间则可能更晚，因为防控政策发布后不可能立刻生效，需要一定的人力和时间来逐级安排落实。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">（4）模型运行的终止条件为全部感染者退出模拟，其中包括感染人员发病被送往医院救治并隔离的情况，因此模型对疫情结束的实际定义是病毒在医疗系统外的城市空间中消失，而实际情况下，从最后一例病患送达医院到医院中所有的病患全部康复还需要相当一段时间，这期间甚至还可能伴随医护人员的感染而产生新的病患，这些都会导致疫情的实际持续时间比模拟结果更久。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">（5） 2020 年 3 月 6 日发布的武汉第一批无疫情小区数据以 2 月 21 日起无病患为标准，考虑到还存在 2 月 21 日前康复的情况、2 月 21 日后疑似排除的情况以及 3 月 6 日后被感染的情况，由此推算的武汉主城区被感染小区数量与实际情况可能存在一些偏差。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section data-tools="新媒体排版" data-id="3129043" data-style-type="undefined"><section style="margin-top: 20px;max-width: 100%;"><section style="border-width: 3px;border-style: solid;padding: 5px;max-width: 100%;border-color:rgb(48, 72, 128);"><section style="border-width: 1px;border-style: solid;padding: 15px;text-align: center;max-width: 100%;border-color:rgb(48, 72, 128);"><p><strong><span style="color: rgb(48, 72, 128);">五、结论</span></strong></p></section></section></section></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"></span><br  /></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"></span><span style="color: rgb(48, 72, 128);"><strong><span style="color: rgb(48, 72, 128);font-size: 15px;">1、基于智能体和复杂网络的模型能够在一定程度上对城市流行病传播进行预测</span></strong></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">基于智能体的城市流行病传播社群单元模型能够在表现城市空间结构的复杂网络上模拟流行病的自然传播过程以及公共卫生干预措施的实施效果，在预测疫情持续时间、感染节点总数及其空间分布方面表现出较好的精确度。</span><span style="font-size: 15px;">与传统的流行病动力学模型相比，该模型的优势在于考虑了城市空间特征对疾病传播的影响，并且能够预测疫情扩散的空间分布，不足之处在于没有对社群单元内部传播的微观表达，在预测感染人群的具体人数时精确度有限。</span></section><section style="line-height: 1.5em;"><br  /></section><section style="line-height: 1.5em;"><span style="color: rgb(48, 72, 128);"><strong><span style="color: rgb(48, 72, 128);font-size: 15px;">2、城市的“大小”不是影响流行病传播强度的核心因素，“密度”才是</span></strong></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">在密度不变的情况下，城市规模并不会对流行病的传播强度造成明显的影响，但城市的密度的增加则将显著提升疫情中感染节点的比例，具体的影响程度与城市空间结构有关，但总体都呈现增量递减的增长趋势。</span><span style="font-size: 15px;">对于多中心和单中心网络，密度对疫情的持续时间影响较小，但密度对均质网络中的疫情持续时间有较明显的影响，并且随着城市密度的增加，其持续时间是逐渐递减并收敛的。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="color: rgb(48, 72, 128);"><strong><span style="color: rgb(48, 72, 128);font-size: 15px;">3、强大的公共卫生和城市治理，是我们安心“享用”大都市“集聚红利”的重要保障</span></strong></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;">公共卫生干预措施对抑制城市中的流行病传播具有显著作用，及时、充分的防治措施不仅能大幅减少疫情中感染的节点比例，并且还能有效降低城市密度与疫情暴发强度的关联，干预措施介入的时间越早，作用越显著。这也再一次验证了我们常常忽略的一个事实：城市的治理能力，和区位、水资源、生态容量等一样是决定一个城市发展规模和集聚强度的重要因素。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"></span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section data-tools="新媒体排版" data-id="3129043" data-style-type="undefined"><section style="margin-top: 20px;max-width: 100%;"><section style="border-width: 3px;border-style: solid;padding: 5px;max-width: 100%;border-color:rgb(48, 72, 128);"><section style="border-width: 1px;border-style: solid;padding: 15px;text-align: center;max-width: 100%;border-color:rgb(48, 72, 128);"><p><span style="color: rgb(48, 72, 128);"><strong>六、研究模型的后续扩展</strong></span></p></section></section></section></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"></span><br  /></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"></span><span style="font-size: 15px;">本研究在空间尺度上主要讨论静态条件下的城市内部疫情传播情况，对于更宏观的城市人群流入和流出对疾病传播的影响，以及更微观的社群单元内部的传播机制均未作展开研究，后续拟逐次完善各个尺度层级的传播机制分析和模拟，形成贯穿“全球—全国—区域—城市—社群”各层面的流行病空间传播完整模型。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><p style="text-align: center;"><img class="rich_pages" data-backh="274" data-backw="578" data-ratio="0.4734375" src="http://mmbiz.qpic.cn/mmbiz_gif/cmQT69AZLZJI20RbtHlibw6Kr3ZrLhvdUDYicWUecF0YtJqgJCibQ36ylbspBsBM1STMeUa7Eic2VLDk6nSPHIeFBQ/640?wx_fmt=gif" data-type="gif" data-w="640" style="width: 100%;height: auto;"></p><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">基于三种交通方式（铁路、公路和航空）的区域流行病扩散模型（湖北省）</span><br  /></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;text-align: center;"><span style="font-size: 15px;">- END -</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><section style="line-height: 1.5em;"><strong><span style="font-size: 15px;">作者：</span></strong><span style="font-size: 15px;">叶锺楠，博士，华东建筑设计研究总院城市规划院副院长，高级工程师、注册规划师。</span></section><section style="line-height: 1.5em;"><span style="font-size: 15px;"><br  /></span></section><hr style="border-style: solid;border-width: 1px 0px 0px;border-color: rgba(0, 0, 0, 0.1);transform-origin: 0px 0px 0px;transform: scale(1, 0.5);"  /><section style="line-height: 1.5em;"><span style="font-size: 15px;"></span></section><section><span style="font-size: 12px;"></span></section><section><span style="font-size: 12px;"><strong><br  />注：</strong>欢迎大家分享研究、经验、观点。投稿方式，添加微信（微信号：wwwcaup），备注“投稿”，发送稿件，发送后等待确认及录用发布信息。投稿内容领域可以是城市、规划、数据、设计；内容方向包括但不限于观点、经验、资讯。商业投稿合作请直接联系微信号link912326，备注“商业投稿”。</span></section><section style="line-height: 1.5em;"><br  /></section><p style="max-width: 100%;min-height: 1em;font-family: -apple-system-font, BlinkMacSystemFont, "Helvetica Neue", "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.544px;white-space: normal;background-color: rgb(255, 255, 255);box-sizing: border-box !important;overflow-wrap: break-word !important;"><img class="rich_pages" data-backh="123" data-backw="578" data-ratio="0.21328125" data-s="300,640" src="http://mmbiz.qpic.cn/mmbiz_jpg/cmQT69AZLZIJUYmq9ESA6JxVh8stmNBaNoPw0mXzwkr4hEQTBTKPFxhdgNERo6o6CPeicC6f6t71iasnjvEeHWXQ/640?wx_fmt=jpeg" data-type="jpeg" data-w="1280" style="letter-spacing: 0.544px;text-align: center;width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;visibility: visible !important;height: auto;"></p><p style="max-width: 100%;min-height: 1em;font-family: -apple-system-font, BlinkMacSystemFont, "Helvetica Neue", "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.544px;white-space: normal;background-color: rgb(255, 255, 255);text-align: center;box-sizing: border-box !important;overflow-wrap: break-word !important;"><img class="rich_pages" data-backh="123" data-backw="578" data-ratio="0.21328125" data-s="300,640" src="http://mmbiz.qpic.cn/mmbiz_jpg/cmQT69AZLZIJUYmq9ESA6JxVh8stmNBaGxqojlLdHGhLdgMqtKvUtn6DyprExYleWkhurWWp8JtP9XOGibB7fdg/640?wx_fmt=jpeg" data-type="jpeg" data-w="1280" style="letter-spacing: 0.544px;width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;visibility: visible !important;height: auto;"></p>
				<br />