文摘

数学模型是重要的方法在估算疾病的流行病学模式和预测疾病的传播的后果。调查风险因素的运输模式和控制运输风险运输系统将有助于防止疾病传播,保护人们的健康。本文建立了一种多通道交通分配模型来估计病毒的传播。分析是基于经验证据从真正的交通网络,连接武汉和其他城市。我们考虑五个主流旅游模式,即自动模式,高速铁路模式,普通铁路模式,教练模式、飞行模式。Logit模型的经济学是用来预测旅行的分布和相应的疾病。验证了模型的有效性与大数据的分布COVID-19病毒。我们也进行基于模型的测试分析锁定的作用在不同的旅游模式。此外,实现灵敏度分析,协助决策的结果,通过交通包含感染传播。

1。介绍

尽管巨大的努力减少和控制传染病,感染继续成为全球威胁全球公共卫生。了解病毒传播杀毒方法的实现是非常必要的。而对杀毒政策都进行了广泛的调查研究,观点从传播的角度运输情态动词相对忽视。考虑风险因素的交通模式和控制交通运输系统的接触将有助于防止疾病传播,保护人们的健康。传染病的情况发生在一个位置时,调查人员需要了解疾病传播机制的交通网络。

2019年12月31日,新型冠状病毒的爆发在中国首次报道。COVID-19主要是由于传播的全球疫情通过不同的交通模式。阻止病毒的蔓延,所有的交通系统从武汉到外面被关闭在1月23日上午,2020年。2020年1月30日,世界卫生组织(世界卫生组织)宣布全球进入紧急状态。3月11日,世卫组织宣布COVID-19爆发全球大流行。几周后的第一个报告COVID-19神秘的新病毒,数以百万计的人涌出中国中部城市,挤上公共汽车、火车、飞机的第一波中国农历新年大迁徙打破了全国各地,其中一些是病毒携带者。早期的旅游模式广泛跟踪病毒的传播。大多数确诊病例和死亡发生在中国,在湖北省,紧随其后的是大量的情况下在中国中部,口袋的感染在重庆、上海和北京。旅行者的初始传播在中国中部省份与大量的农民工。之间可能有一个“高度的相关性”冠状病毒的早期传播病例和旅游目的地的分布。 The atmosphere in the transportation vessels is closed, and it is easy for the virus to spread. And the transmission speed is different in different traffic modals, due to the different air fluency in the traffic vessels.

数学模型已成为流行病学的重要工具在理解疾病的流行病学模式和预测的后果的引入公共卫生干预措施控制疾病的传播。有两行研究流行病蔓延。第一行是传播的微分方程模型,第二行是复杂网络理论。在文献中,有三个传播模型广泛应用于建模病毒传播,即模型爵士SIS模型,SI模型(缩写,如M、S、E,我,和R通常用于流行病学课程。被动免疫的类M代表个人。类S代表易感个体可以被感染。类E代表暴露个人在潜伏期,但尚未感染传染性。类我代表了个人的感染性,传染病,他们可以传播的感染。类R代表恢复患者永久感染免疫力。选择哪一种流行病学类包括在模型取决于特定疾病的特征建模和模型)的目的1- - - - - -4]。解决模型,三种算法开发了基于渗流理论(5,6),平均场理论(7,8[],马尔可夫链理论9,10]。

研究者还开发模型来研究不同种类的病毒的传播包括一些非生物病毒,如计算机病毒、闪存盘病毒,蓝牙手机病毒,和电子邮件病毒。Otero-Muras等人提出了一个系统的生化网络动态分析和控制方法基于热力学和控制理论工具(11]。基于在害虫生物防治策略管理,彭日成和陈构造pest-epidemic模型与冲动控制,即。,定期喷洒微生物农药和释放感染害虫在不同固定时刻(12]。晋王,开发了一种新的动态FD-SEIR的传播模型,即病毒susceptible-exposed-infectious-recovered闪存盘,这是体现了通过引入FD状态和新传播率(13]。黄等人开发了一种流行病模型的蓝牙手机病毒(14]。李等人制定一个新颖的确定性检波器电子邮件病毒的传播模型在日益增长的通信网络15]。杰克逊和Chen-Charpentier呈现两种植物病毒传播模型,一个没有延迟,另两个延迟(16]。贾和Lv建立了一个随机的谣言传播模型。充分条件灭绝和毅力在谣言的均值检验(17]。张等人建立了一个基于接触传播模型强度和SI模型和加权网络社区结构提出的基于网络模型Barrat et al。18]。

后,建立了一种多通道交通分配模型来估计病毒的传播。分析是基于经验证据从真正的交通网络,连接武汉和其他城市。五个旅游模式被认为是,即自动模式,高速铁路模式,普通铁路模式,教练模式、飞行模式。Logit模型的经济学是用来预测旅行的分布和相应的疾病。验证了模型的有效性与大数据的分布COVID-19病毒。论文的主要贡献是在四个方面。首先,我们提出一种多模式交通分布模型使用数据的实际交通系统。第二,我们研究疾病传播的状态之间的关系和交通流分布的基础上,提出了模型的数值结果和大数据的分布COVID-19病毒。第三,我们使用模型来预测锁定的作用在不同的运输方式和分析其对疾病传播的影响。第四,我们现在提出的灵敏度分析模型和推导各种交通改善策略来控制大规模运输风险。

本文的其余部分组织如下。部分2建立一个多通道交通分布模型来估计病毒的传播。该模型进行了验证3,使用一个真正的交通分布从武汉到COVID-19爆发期间在中国其他地区。结论部分4。

2。多通道用户平衡模型

2.1。多模旅行成本函数

多模旅行成本函数是基于经验证据从武汉真正的交通网络连接到其他城市。我们考虑五个主流旅游模式,即自动模式,高速铁路模式,普通铁路模式,教练模式、飞行模式(表1和2)。让代表了旅行成本的交通方式( )到目的地区域索引的区域名称( ,D={孝感、黄冈、荆州、咸宁、E 'zhou,向阳,黄石,荆门,随州,仙桃、宜昌,天门,十堰,恩施,钱江、河南、湖南、安徽、江西、广东、江苏、重庆、四川、山东、浙江、河北、福建、北京、广西、山西、上海、山西、贵州、云南、海南、甘肃、辽宁、黑龙江、新疆、内蒙古、吉林、天津、宁夏、青海、西藏、香港、澳门、台湾})。目标区域的集合D包括15个城市在湖北省和33个省级地区在中国。我们进一步定义的集合在湖北省的15个城市(={孝感、黄冈、荆州、咸宁、E 'zhou,向阳,黄石,荆门,随州,仙桃、宜昌,天门,十堰,恩施,钱江})和其他33个省级区域的集合(={河南、湖南、安徽、江西、广东、江苏、重庆、四川、山东、浙江、河北、福建、北京、广西、山西、上海、山西、贵州、云南、海南、甘肃、辽宁、黑龙江、新疆、内蒙古、吉林、天津、宁夏、青海、西藏、香港、澳门、台湾})D= 。

旅行成本为每个模式的功能从武汉到目的地区域索引描述如下:(1)自动模式: 在哪里代表汽油每公里消耗和成本表示汽车旅行时间。成本函数包括三个方面。第一个代表旅行时间的货币成本被车载旅行时间的价值的产物和旅行时间 ;第二个是汽油的成本被这次旅行;第三个是沿着高速公路高速公路通行费收取被高速公路收费的产品每公里收费公路和总长度。车辆平均入住率在车辆使用者的平均数量。我们设置了n块汽车效用函数的实际交通状况的考虑。武汉交通统计局宣布的平均车辆占用私人汽车在武汉是1.8人/车。此外,据报道,春节运输湖北省的办公室,旅行成本等优势共享的几个亲戚和朋友,更大的行李空间,不需要转移正吸引着越来越多的个人旅行回家春节旅游旺季期间,私人小汽车。因此合理假设乘客在车辆的数量在春节旅游旺季应该不少于平均车辆占用,即。1.8人/车。考虑到这一点,的价值是设置为2。(2)高速铁路模式: 在哪里高速铁路旅行时间和吗的值是高速铁路的时间。旅游费用包括两项:第一项是旅行的花费时间和第二项代表了高速铁路票价。(3)常见的铁路模式: 在哪里常见的铁路旅行时间和吗的值是在普通铁路时间。旅游费用包括两项:第一项是旅行时间的成本,第二部分代表普通铁路票价。(4)教练模式: 在哪里是旅游时间和教练时间的价值是一个教练。旅游费用包括两项:第一项是旅行时间的成本,第二部分代表教练票价。(5)飞行模式: 在哪里旅行时间的飞机吗的值是在飞行时间。旅游费用包括两项:第一项是旅行时间的成本,第二项是机票价格。

2.2。多通道用户平衡模型

满足两种模式选择和目标选择的考虑,我们建议一个多通道网络用户平衡模型如下: 受 在哪里是与旅游相关的阻抗参数模式选择目的地区域d,是与目的地相关的阻抗参数的选择,是外生的吸引力旅游模式米到目的地d,目标地区的外生吸引力吗d。 表明旅游需求的旅游模式米从武汉到目标区域d。表明旅游需求从武汉到目标区域d。至于 ,我们制定以下加权目的地吸引力措施量化每个目的地的吸引力武汉: 在哪里规范化的历史需求分配比目的地区域d;规范化的目标地区的人口吗d;归一化距离目的地吗和武汉;是权重参数的参数 ; 是权重参数的参数 ; 是权重参数的参数 。权重参数 , ,和反映历史需求分布的影响程度,人口,距离目的地区域的吸引力 。从现实生活的经历,目的地的历史需求分配比( )与面对面的旅行距离武汉( )。此外,指的是方程(2 l),对目标地区 ,旅客广义出行费用的武汉( )不断变化的旅行时间是由旅游距离( )。以减少之间的相互关系和 ,这个词乘以这个词吗 。

我们表示原始数据的历史需求分配比,人口和旅游目的地地区的距离作为 , ,和 。作为 , ,和是不能比较的,即所有的单位是不同的,它们不能直接添加,需要规范化之前使用加权和的方法。为此,我们定义的 , ,和如下: 在哪里是一个函数来获取最低列表中的一个项目,例如,获得列表中的最小项吗 。 是一个函数来获取最大的列表中的一个项目,例如,获得最大的项目列表中吗 。根据方程(2我),很容易得到 ,由此我们可以推断,加权距离参数的值范围从0到1的( )。除此之外,它可以从经验得知旅客旅行成本更敏感比长途旅行一个短期的旅行。这种现象一直在研究随机交通流分布的面积(19]。在这个工作中,乘客在湖北省的旅游成本比旅行更敏感的湖北省,因为短的旅行距离。也就是说,旅行成本的大小需要对目的地的吸引力更大影响区域内部湖北湖北以外,意义的价值应该更大 比 。已知条件 ,它因此需要旅游distance-related权重参数在一个较小的值 比 。此外,湖北的省会武汉吸引了许多农民工和学生工作或学习,每年为其丰富的就业机会和多元化的教育资源。流动人口构成了大部分的旅游要求春节旅游旺季在武汉。没有意外中断,武汉最近的历史交通分配春节旅游季节将提供高质量的证据预测今年的交通分布。反映历史的重大影响交通分布的评估一个目的地的吸引力,我们建议历史流量分布与权重参数需要更大的值比一直权重参数 。详细的值设置各种参数定义在这一部分可以在表中找到3。

目标函数(2)是一个两级嵌套分对数选择模型来处理相关的决策在一个多通道网络。第一级关注目的地选择和二级模式的选择。方程(2 b)确保流的数量分配到不同的目的地区域从武汉总旅游需求在这工作,达5000000。方程(2摄氏度)代表模式流守恒约束。方程(二维)和(2 e)目的地的nonnegativity条件要求和流动模式,分别。

通过推导的一阶最优性条件提出的计划,我们有以下嵌套logit模型对目的地的选择和模式选择,分别是: 在哪里 是用户的感知的广义成本从原点城市武汉到目的地吗d计算,这是作为一个“σ”的旅游成本的模式,也就是说,

解决嵌套logit模型问题,可以第一个计算广义成本 根据方程(2 l),然后执行multiproportional交通分配(2 j)- (2 k)获得目的地分布和模态分离相结合,也就是说,和 。

3所示。案例研究

COVID-19爆发,去年12月开始,以武汉为中心,很快蔓延到中国所有地区(包括香港、澳门和台湾)。早在1月22日上午,湖北省启动二级应急响应突发公共卫生事件,然后在湖北城市先后停止了公共交通。11:00 1月24日,湖北12个城市的公共交通已经关闭了,包括武汉、E 'zhou,仙桃、芷江,钱江,黄冈,赤壁荆门,咸宁,黄石,Dangyang,恩施,其中武汉交通枢纽的1000万多人,暂时关闭了机场、铁路站,和所有主要道路的城镇,以及暂停公共汽车和地铁。政府宣布公民不应该离开武汉没有特殊原因,并解除封锁将另行公布。1月26日,湖北省人民政府的信息办公室召开新闻发布会,指出从春节的开始到武汉的关闭,离开武汉,500万多人,900万多人留在这个城市。

在本节中,我们将使用交通模型提出了部分2分析交通流分布的500万人从武汉出站,然后估计基于需求的疫情分布结果。我们主要关注人们在湖北省的分布以及在湖北省。图1显示了湖北省的地图和35中国其它地区和图2显示了武汉的地图和其他16个城市在湖北。

促进旅游效用的计算到目的地湖北省之外,而不是计算每个城市的旅游效用目标,我们只计算旅游效用省会城市。归一化的历史需求分配比的计算参数在方程(2 f),我们从武汉收集的数据迁移到其他目的地区域的2017年春节在腾讯社交网络的地理定位数据平台。数据显示,除了几个省份包括河南、湖南、安徽、江苏、广东,其他省,大部分的武汉交通流入他们的省会城市。因此,我们更换一个省的人口人口的省会的计算参数在方程(2 f)。其他五个省,即。,Henan, Hunan, Anhui, Jiangsu, and Guangdong, we use the sum of population of cities which occupied the most amount of immigration from Wuhan in 2017 instead of the population of the province. Besides, to obtain the travel distance parameter在方程(2 f),我们使用道路的长度从武汉到其他地区距离来衡量旅游目的地。历史需求的数据分布,省市的人口,武汉到其他目的地区域的距离可以在表中找到4。基于模型参数的计算嵌套分对数交通分配表中列出3。从真正的旅行经历,参数设置如下: 。此外,在这项研究中,我们考虑不同旅客旅行成本敏感性大小不同规模的旅游道路。相关研究成果(19]表明,短途旅行的乘客更敏感的旅行距离或旅行成本比在长途旅行中,造成的价值为 是5倍 。

3.1。需求分配

基于该模型提出了部分2我们计算流量从武汉到其他48个目的地区域包括15个城市在湖北,湖北外和33个目的地区域。注意,我们排除一些地区包括湖北神农架森林地区,钓鱼岛和南海诸岛目的地计算的需求分布,这些地区的交通流量非常小。此外,分布在现实条件的需求收集的百度大数据平台迁移。估计的误差比率被定义为估计误差的比值,结果在现实条件。数据估计的需求分布,分布的需求在现实条件中,和评估表中列出的错误5和6在湖北省和目的地城市以外地区的湖北、分别。

表7提供聚合需求分配比的结果,这表明,在现实和估计条件,交通流在湖北省的占总数的大部分(约70%)的要求。这也是表所示7需求评估城市的聚合误差率在湖北(6.99%)小于,湖北以外的目的地(15.73%),这意味着它执行更好的估计在湖北省的需求,和需求的聚合误差率估计目标地区是18.60%。需求分布结果,减少顺序如图3。目的地名称带星号表示在湖北省的一个城市。注意,在图3,我们把需求分布结果,香港,澳门,台湾为简洁一项名叫“他人”。结果显示在图3,真正的和估计条件,孝感,黄冈,荆州,咸宁,和E 'zhou前五名的城市在湖北省的分布最多的人,和河南、湖南、安徽、湖北和江西四大目标区域之外最大的分布。结果表明,在可容忍的误差范围内,我们的模型提供了一个理想的交通流分布的估计性能。

3.2。数值估计发病率情况

中国卫生当局发布的统计数据显示,3月18日之后,所有确诊病例的增加在中国从海外进口。因此,我们使用统计,3月18日,获得确诊病例的数量导致武汉的旅客。平均发病率( )人离开武汉定义如下: 在哪里是确诊病例的数量在全国除了武汉。与 ,我们有 。然后我们进一步估计入射情况下不同的目的地区域的数量等于 , 。结果实数入射情况下,估计入射情况下,发病病例数的估计误差以及误差比率估计发病率的数量情况下表中列出8和9分别为目的地内外湖北。

图4记忆呈现在表9和10。它可以看到从图4我们估计高估了发病率的数量情况下大多数城市在湖北,以及两个省。、河南和湖南。根据结果部分3.1,这些城市/省份目的地地区最大的交通流分布。事实上这些目的地区域的低发病率最多的移民从武汉比平均发病率意味着中国政府采取的措施发挥了有效作用防止更严重的形势发展。在艾滋病的预防和控制措施包括锁定在湖北12个城市的公共交通,为期两周的强制性self-quarantine人们移民从武汉、住宅社区管理,建设临时治疗中心,集中安排医务人员和物资的匮乏地区,等等。同时,结果在图4中还透露,基于模型结果低估的发生率几个目的地区域包括广东、重庆、四川、山东、浙江、北京、上海、黑龙江、和香港。这是因为高频繁的商业活动涉及面对面或与他人密切接触导致高发病率的经济发达省份,如广东、浙江、北京、上海和香港。它也是有趣的省份黑龙江,离武汉很远,不像上面提到的省份,商业活动,其高发病率。黑龙江的高发病率可能归因于大众接触病毒的传播在收集活动。据新闻报道,在黑龙江,2月7日的日期,有48个家庭聚集活动的集群194例感染的来源。

在表11,我们计算出聚合错误的比率估计入射情况下的数量等于39.52%,几乎两倍的聚合估计的误差比交通流分布(18.60%),表明疫情的传播不是线性的基于模型的交通流分布。城市在湖北,聚合的发病率情况分配比在现实条件(56.40%)远低于评估(74.08%)以外的省份湖北,入射情况下的聚合数量分配比在现实条件(43.60%)远高于估计(25.92%)。这是因为疾病的传播在湖北是由运输工具限制,医疗救助和其他有效的方法而高经济活动频率以及大规模集会发生在湖北以外的一些省份湖北外可能会增加发病率。

3.3。模式流分布

公共交通在大城市为主要运输方式的传播感染风险最高的原因很多。乘客在相对较小的空间的高密度是主要原因。此外,车载空调系统的通风率低使病毒更容易传播。和间接感染污染公共设施的运输船只也是危险的一个主要来源。此外,为乘客长途旅行,往往涉及多个公共交通转移,实际上可能增加发病率。相比之下,无人驾驶或乘坐私人汽车有几个优点在包含公共交通的传播感染。首先,乘客由车辆。空间隔离降低交叉感染的风险。第二,在自动驾驶的交通方式,乘客直接开车到目的地没有任何转移大部分时间。第三,朋友或熟悉的人彼此经常一起旅行在一个私有车辆。 It is easy for them to learn the health condition of each other which helps to raise their awareness of health security and as a result mitigates the risk of infection. Comparisons of different transportation means’ impacts on the virus spreading reveal that it is important to enhance the epidemic prevention from the perspective of public transport control.

在本节中,我们首先计算模式流分布基于提出的模型。每个目的地区域的流动分布模式在表中列出10和12。聚合模式流率的结果以外的目的地在湖北以及湖北图所示5。从图可以看出5,对于目的地湖北、内外公共运输的主流交通工具约占总需求的80%。除此之外,公共交通的最受欢迎的交通方式是高速铁路旅行湖北内外,这表明提高测量,如消毒和疾病检测,应采用高速铁路运输系统。此外,聚合模式流的比例比常见的铁路在湖北(29.63%)远高于湖北以外(13.55%),表明,城市在湖北武汉旅行,也应该支付额外的努力在流行病控制常见的铁路运输系统。

包含COVID-19爆发,许多国家已经实现了飞行限制中国。与此同时,中国实施了封锁的武汉的交通系统以及整个湖北省。在这种情况下,它是合理的调查模式如何流分布变化与不同出站在武汉交通限制。我们将使用该嵌套logit模型来分析锁定的角色在每个交通意味着以下内容。

3.3.1。锁定测试

表13显示了聚合的结果要求比在湖北下情况下应用锁定在不同的旅游方式,它表明,锁定在任何旅游模式将导致增加聚合的要求比在湖北,其中关闭高速铁路将导致内聚合的要求比湖北的最大上升从73.87%降至78.15%。这表明封锁任何旅游模式不会有很大影响聚合的需求分布的变化之间的内部和外部目的地湖北。然后我们检查运输限制的影响模式流分布的变化,以及相关的结果列在表中14和15分别以外的目的地在湖北和湖北。从表14和15可以看出,目的地湖北、内外锁定在某种运输方式导致其他旅游交通流量的增长模式,特别是锁定在高速铁路最突出的影响交通流量增加的其他旅游模式,表明在高速铁路上的一个封锁的情况下,执行的控制运输风险应进行的所有其他公共交通系统。它还表明,锁定在某旅游模式可能会导致不同程度的聚合模式流增加其他旅游模式。例如,普通铁路限制影响最显著的增加聚合模式流在湖北汽车(63.65%)的目的地。和汽车限制导致更高的教练聚合流增长模式(42.98%)在湖北比其他任何目的地聚合模式流增量。这表明测量相关性的大小是很重要的锁定在某旅游模式和其他旅游模式的交通流量增加,和公共交通模式具有高度的相关性与锁定需求加剧通过交通管理控制病毒的传播。

3.4。敏感性分析

在这部作品中,logit-based概率表达式对目的地和模式选择确保底层编程的解决方案是独一无二的。因此,标准的灵敏度分析方法,可以直接使用非线性规划问题获得敏感信息。详细的推导过程可以称为杨和陈20.和杨et al。21]。在本节中,我们进行敏感性分析,以探讨如何改变输入参数包括道路通行费,高速铁路车票费用,普通铁路车票费用,教练的机票费用,机票费用,车辆的平均入住率影响特定的流量我们感兴趣。来缓解工作的分析,我们研究交通流量的变化对相同数量的一个特定参数的扰动的目的地,而不是为每个目的地,分别。例如,术语的导数 表示交通流的变化关于增加1元人民币(元)在所有目的地的过路费,不同于导数项 ( )代表交通流的变化关于增加1元的道路收费被特定的目的地 。

正如上面提到的,与其他公共交通方式相比,在私有汽车旅行有助于减少交通风险。结果,采取措施鼓励流量从公共交通模式转向自动模式将减少传播风险。我们检查汽车的衍生品的聚合模式流定义为对扰动的输入参数表16。结果显示在表中16,增加最直接的积极影响 ,其次是增加是哪一个 。这表明车辆的平均入住率的提高和高速铁路的机票费用的增加对于所有目的地是最有效的方法来提高汽车的聚合模式流:

正如我们讨论的部分3.2,实际的发病率在经济发达的目的地以及目的地发生高的大型聚会活动比估计发病率高得多。它是一个自然的思想,以防止病毒传播严重发展限制这些目的地的要求。经济发达的聚合要求目的地以及目的地发生高的大聚会活动被定义为在方程(3 b),这是要求多个目的地的总和包括浙江、江苏、广东、北京、上海、香港、和黑龙江。我们检查的敏感性聚合这些目的地的要求( )对不同的参数表16。一个有用的应用程序的衍生品是确定有效措施诱导负增长的 。的负面价值 表明特定参数的增加会导致下降 。在这项研究中,减少将导致最下降 ,和第二大衰退是由增加 。这些结果表明,车辆的平均入住率的下降以及高速铁路定价的增量将是适合使用的控制交通流量从武汉到这些目的地发病率高的风险。记住,减少也将导致减少吗 ,这是对最初的目的是促进汽车流聚合。这种抵触的效果一定参数的调整应考虑周到的措施应进行。目的是增加和减少同时,我们在上面提到的冲突找到妥协,而高速铁路车票的价格大量小改进车辆的平均入住率时或者保持车辆的平均入住率,不会有任何改变。

4所示。结论

在这篇文章中,一个嵌套logit-based多通道交通流分配模型和算法,提出了解决方案。模型是设计考虑的经历从历史数据以及利用从实际交通系统收集的信息。应用程序验证该模型的现实问题的需求分布从武汉到全国其他地区COVID-19爆发期间。估算的结果表明,该模型提出了工作提供一个理想的性能需求分布估计。发病率的数量估计的结果案例显示,流行病的传播不是线性估计交通流分布的结果。和进一步分析结果启发我们,危机不是纯粹的传播依赖于交通情况,一方面也影响的控制方法进行的公共权力,另一方面地方经济活动的频率以及发生crowd-collected活动的数量。锁定的作用的分析不同的旅游模式反映了锁定在高速铁路影响最突出的交通流量增加的其他旅游模式,和一个锁定在某旅游模式会导致不同程度的聚合模式流增量的其他旅游模式。测量相关性的大小是很重要的锁定在某旅游模式和其他旅游模式的交通流量增加。公共交通模式具有高度的相关性与封锁政策需要加强管理交通,防止病毒蔓延。此外,灵敏度分析在这项研究中,实现和结果的基础上,我们妥协的解决方案刺激汽车的交通流量和减少目标地区发病率高的要求在同一时间。

数据可用性

支持本研究使用的数据可以在腾讯社交网络的2017年春节地理定位数据平台,百度迁移大数据平台(https://qianxi.baidu.com/2020/),https://news.qq.com/zt2020/page/feiyan.htm /全球。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作已经大大支持由中国国家自然科学基金(没有通过一些项目。71890970/71890973和71531011)和赞助的一个项目计划上海学术研究的领导者。