一、仿真目的

自新冠疫情出现以来，国际社会对于疫情防控发出了不同的声音，如躺平、戴口罩、接种疫苗、隔离治疗等等。那么我们究竟应该采取什么样的防疫政策，戴口罩以及消耗大量财力物力的接种疫苗与隔离治疗是否有必要，躺平最终会让人类走向全民免疫还是全军覆没？我想通过本次并不是那么准确的仿真，在一定程度上反映出防疫政策的意义所在。（注：本次仿真做不到与真实世界防疫政策一直，只能在一定程度上反映问题）。

二、参数设置

2.1 场景设置

本次场景设置为一个校区，校区内有一个教室、两个宿舍。一个餐厅以及一个隔离区。各部分的分布及面积如下图所示。

2.2 参数设置

本次仿真共建立四个模型，公共参数为四个模型的共享参数，模型参数为各个模型私有参数。

2.2.1 公共参数

人数：300，教室与餐厅的距离?step1=5；教室与宿舍的距离step2=10；密切接触距离<1.5 m；运行时间：20天；初始阳性人数：1

2.2.2 模型参数

（1）模型1：躺平（密接人员感染概率为10%）

（2）模型2：戴口罩（密接人员感染概率5%）

（3）模型3：接种疫苗（密接人员感染概率1%）

（4）模型4：隔离并治疗（密接人员感染概率为20%，阳性病人被隔离概率20%，隔离人员治愈率20%）

三、代码

首先将每一天的感染状况存为图片并记录人数，最后用图片生成仿真视频，用记录的人数生成感染人数曲线图。

3.1 疫情仿真

import torch
import numpy as np
import matplotlib.pyplot as plt
import os
import time
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
import argparse
'变量定义'
parser=argparse.ArgumentParser(description='Train the individual Transformer model')
parser.add_argument('--people',type=int,default=300,help='the number of people')
parser.add_argument('--step1',type=int,default=5,help='the steps between classroom and dining room')
parser.add_argument('--step2',type=int,default=10,help='the steps between classroom and dormitory')
parser.add_argument('--prob_infected',type=int,default=20,help='the probability of being infected')
parser.add_argument('--prob_iso',type=int,default=20,help='the probability of being isolated')
parser.add_argument('--prob_recover',type=int,default=20,help='the probability of recovering')
parser.add_argument('--dis',type=int,default=1.5,help='the distance of being infected')
args=parser.parse_args()


def Background():
    plt.figure(figsize=(100,70))
    plt.xlim(0,100)
    plt.ylim(0,70)
    ##横线
    plt.hlines(y=20, xmin=30, xmax=70,colors='g',linewidth=10.0)
    plt.hlines(y=30, xmin=0, xmax=10,colors='g',linewidth=10.0)
    plt.hlines(y=30, xmin=30, xmax=70,colors='g',linewidth=10.0)
    plt.hlines(y=30, xmin=90, xmax=100,colors='g',linewidth=10.0)
    plt.hlines(y=50, xmin=0, xmax=10,colors='g',linewidth=10.0)
    plt.hlines(y=50, xmin=30, xmax=70,colors='g',linewidth=10.0)
    plt.hlines(y=50, xmin=90, xmax=100,colors='g',linewidth=10.0)
    plt.hlines(y=60, xmin=40, xmax=60,colors='r',linewidth=10.0)
    ##竖线
    plt.vlines(x=10,ymin=30,ymax=50,colors='g',linewidth=10.0)
    plt.vlines(x=30,ymin=30,ymax=50,colors='g',linewidth=10.0)
    plt.vlines(x=30,ymin=0,ymax=20,colors='g',linewidth=10.0)
    plt.vlines(x=40,ymin=60,ymax=70,colors='r',linewidth=10.0)
    plt.vlines(x=60,ymin=60,ymax=70,colors='r',linewidth=10.0)
    plt.vlines(x=70,ymin=30,ymax=50,colors='g',linewidth=10.0)
    plt.vlines(x=70,ymin=0,ymax=20,colors='g',linewidth=10.0)
    plt.vlines(x=90,ymin=30,ymax=50,colors='g',linewidth=10.0)


'绘图函数'
frame=0
def Show(Now):
    global frame
    Background()
    plt.scatter(Now[Now[:,2]==0][:,0],Now[Now[:,2]==0][:,1],s=180,c='b') # 画阴性
    plt.scatter(Now[Now[:,2]==1][:,0],Now[Now[:,2]==1][:, 1],s=180,c='r')  # 画阳性
    plt.savefig('picture/picture4/{0}.jpg'.format(frame), dpi=100)
    plt.close('all')
    frame += 1
    print(frame)

'随机位置函数'
def Generate_posi(num,x_min,x_max,y_min,y_max):
    X=[np.random.randint(x_min,x_max) for _ in range(num)]
    Y=[np.random.randint(y_min,y_max) for _ in range(num)]
    X,Y=torch.tensor(X,dtype=float).unsqueeze(1),torch.tensor(Y,dtype=float).unsqueeze(1)
    loc=torch.cat((X,Y),1)
    return loc

'移动函数:（移动步，起点X，起点Y，终点X，终点Y）'

def Move(flag,step,Now,End):
    if flag==1: #食堂与其他地方间往返
        #（1）隔离人员内部震动
        Now[Now[:,3]==1,0:2]=iso()[Now[:, 3]==1]

        # (2)非隔离人员步进
        d_x = (End[:, 0] - Now[:, 0]) / step
        d_y = (End[:, 1] - Now[:, 1]) / step
        for i in range(step):
            Show(Now) #显示当前状态
            Now[Now[:,3]==0,0]+=d_x[Now[:,3]==0] # 未隔离人员x步进
            Now[Now[:,3]==0,1]+=d_y[Now[:,3]==0] # 未隔离人员y步进
            Now=States(Now) # 更新健康状态与隔离状态


    else: #宿舍与其他地方

        # （1）隔离人员内部震动
        Now[Now[:, 3]==1,0:2] = iso()[Now[:, 3]==1]

        # (2)非隔离人员步进
        d_x1 = (End[0:int(args.people/2),0]-Now[0:int(args.people/2),0]) / step  #宿舍1的人
        d_y1 = (End[0:int(args.people/2),1]-Now[0:int(args.people/2),1]) / step
        d_x2= (End[int(args.people/2):, 0] - Now[int(args.people/2):,0]) / step #宿舍2的人
        d_y2= (End[int(args.people / 2):, 1] - Now[int(args.people / 2):, 1]) / step
        for i in range(step):
            Show(Now)  # 显示当前状态
            Dom1=Now[0:int(args.people/2),:] #宿舍1的人信息
            Dom2=Now[int(args.people/2):,:] #宿舍2的人信息
            Dom1[Dom1[:,3]==0,0]+=d_x1[Dom1[:,3]==0] #宿舍1未隔离人员x步进
            Dom1[Dom1[:,3]==0,1]+=d_y1[Dom1[:,3]==0] #宿舍1未隔离人员y步进
            Dom2[Dom2[:,3]==0,0]+=d_x2[Dom2[:,3]==0] #宿舍2未隔离人员x步进
            Dom2[Dom2[:,3]==0,1]+=d_y2[Dom2[:,3]==0] #宿舍2未隔离人员y步进

            Now[0:int(args.people / 2), :]=Dom1 #整体位置更新
            Now[int(args.people / 2):, :]=Dom2

            Now = States(Now)  # 更新感染与隔离状态

    return Now #返回最新状态

'判断病例函数'
def States(Now):

    ### 新增感染更新
    index=[]
    for i in range(len(Now)):
        self_x=Now[i,0] #i的# 自身位置
        self_y=Now[i,1]
        d=torch.le(torch.sqrt((Now[:,0]-self_x)**2+(Now[:,1]-self_y)**2),args.dis) #其他人跟自己距离小于arg.dis,则为True
        s=torch.eq(Now[:,2],1) #其他人的状态,等于1则为True
        if ((any(d&s)==True) and (int(torch.randint(low=1,high=100,size=(1,1)))<=args.prob_infected)): # 如果既小于1.5又为1，则self以50%的概率被感染
            index.append(i) # i被感染，记录
    Now[index,2]=1 #感染状态更新

    ###新增进隔离
    for i in range(len(Now)):
        ## #如果感染但还未隔离,则以以args.prob_iso的概率被勒
        if ((Now[i,2]==1) and (Now[i,3]==0) and (int(torch.randint(low=1,high=100,size=(1,1)))<args.prob_iso) ):
            Now[i,3]=1

    ###新增治愈出隔离
    for i in range(len(Now)):
        #如被隔离,则以args.prob_recover概率治愈，隔离与感染均为0
        if (Now[i,3]==1) and (int(torch.randint(low=1,high=100,size=(1,1)))<args.prob_recover):
            Now[i,2],Now[i,3]=0,0
    return Now



'初始化各地位置'
def Class():
    return Generate_posi(args.people,30,70,0,20)
def Dining():
    return Generate_posi(args.people,30,70,30,50)
def Dom():
    dom1=Generate_posi(int(args.people/2),0,10,30,50)
    dom2=Generate_posi(int(args.people/2),90,100,30,50)
    Dom=torch.cat((dom1,dom2),0)
    return Dom
def iso():
    return Generate_posi(args.people,40,60,60,70)




'主函数'
inf=[]
Now=Class() #初始位置为教室
Now=torch.cat((Now,torch.zeros((args.people,2)).double()),1) #初始状态(感染及隔离)
Now[0,2]=1 #第一个人感染
for i in range(1,21):
    Now=Move('1',args.step1,Now,Dining()) #教室去食堂
    Now=Move('1',args.step1,Now,Class()) #食堂回教室
    Now=Move('2',args.step2,Now,Dom()) # 教室回宿舍
    Now=Move('2',args.step2,Now,Class()) # 宿舍回教室
    inf.append(int(torch.sum(Now[:,2]==1)))
    print(i/20)
inf1=torch.from_numpy(np.asarray(inf))
torch.save(inf1,'inf/inf4.pt')

3.2 视频生成?

import cv2
img = cv2.imread("picture/picture4/0.jpg")  # 读取彩色图像(BGR)
height, width = img.shape[:2]  # 图片的高度和宽度
img = cv2.resize(img, (int(0.4*width), int(0.4*height)))
size=(int(0.4*width), int(0.4*height))
fourcc = cv2.VideoWriter_fourcc(*"mp4v")
videoWrite = cv2.VideoWriter('video/Video4.mp4',fourcc,10,size)# 写入对象 1 file name
# 2 编码器 3 帧率 4 size
for i in range(0,600):
    fileName = 'picture\\picture4\\'+str(i)+'.jpg'
    img = cv2.imread(fileName)
    img = cv2.resize(img, (int(0.4*width), int(0.4*height)))
    videoWrite.write(img)# 写入方法 1 jpg data
    print((i/599)*100)
print('end!')