毕业设计（论文）-基于仿真模拟的传染病在航站楼内的传播扩散研究.docx

毕业设计（论文）报告纸编号 南京航空航天大学毕业设计题 目基于仿真模拟的传染病在航站楼内的传播扩散研究学生姓名唐志星学 号090730119学 院民航/飞行学院专 业机场运行控制与管理班 级0707701指导教师邵荃 助教二一一年六月南京航空航天大学本科毕业设计（论文）诚信承诺书本人郑重声明：所呈交的毕业设计（论文）（题目：基于仿真模拟的传染病在航站楼内的传播扩散研究）是本人在导师的指导下独立进行研究所取得的成果。尽本人所知，除了毕业设计（论文）中特别加以标注引用的内容外，本毕业设计（论文）不包含任何其他个人或集体已经发表或撰写的成果作品。作者签名： 年 月 日 （学号）：基于仿真模拟的传染病在航站楼内的传播扩散研究摘要本文根据首都机场t2航站楼旅客进出港的过程，实现了航站楼旅客流程的仿真，并根据人员接触特征和传染病传播特点，提出适用于民用机场航站楼的传染病传播扩散动力学模型，同时运用anylogic仿真软件将其与航站楼旅客进出港流程结合起来，实现了特定传染病在t2航站楼内的扩散仿真。此外，通过此仿真研究传染病在航站楼内的传播情况，根据仓室模型的相关理论，结合所学民航知识和在首都机场的实习经历，提出了适用于t2航站楼的防控措施，定量分析各防控措施对传染病在航站楼内扩散的抑制作用，仿真结果表明开放全部窗口和隔离措施等防控措施可以有效抑制传染病的扩散。关键字：传染病，航站楼，seir，anylogicresearch on the spread of epidemic in terminal using simulationabstract the simulation about passengers process, based on the passengers process of departure and arrive in t2, bcia, is conducted. i present a dynamic model, which is applicable for the spread of epidemic in terminal. a certain epidemic spreading in t2 is simulated, via anylogic. besides, i proposed prevention and control measures, in the light of the simulation, what i learned in cca and my internship in bcia, and that turns out to be capable for t2. quantitative analysis about these measures negative effectiveness in the diseases spreading is also produced, and it shows these precautions could effectively restrain the spread of epidemic.key words：epidemic, terminal, seir, anylogiciii目录摘要iabstractii第一章 传染病在航站楼内传播的研究意义1第二章 国内外研究现状12.1国内外关于传染病传播的研究现状12.3 国内外关于传染病抑制措施的研究现状62.3 国内外关于机场的仿真研究现状216第三章 技术路线83.1 模型的选择及改进83.2 旅客进出港流程93.3 防控措施133.4 anylogic仿真软件及pedestrian library简介153.4.1 anylogic简介153.4.2 pedestrian library简介153.5 旅客流程的实现173.5.1 旅客流程假设173.5.2 进港流程的实现173.5.3 离港流程的实现18第四章 仿真模拟结果和讨论19第五章 总结与展望235.1 总结235.2 展望24参考文献25致谢27附录28第一章 传染病在航站楼内传播的研究意义 随着民航业的发展和在民众中的影响普及，航空运输越来越也成为人们中长途出行的主要选择方式。但是由于旅客流量大、人群来源复杂以及国际影响力大等的特性，作为特殊公共场所的机场使得传染病通过某种方式快速地波及全球的机会越来越大，传染病流行的全球化越发明显。单是2003年的sars，疫情通过航空网络传播到全球25个国家，共有8000人被感染，775人死亡，经济损失400亿美元。另外，当国际性的传染病爆发时，由于航空运输时间较短，极大的增加了潜在传播传染病的机率从而使得干预准备的时间减少，因此机场作为航空运输节点，肩负着口岸的传染病防制工作，对防止传染病的传入传出意义重大，同时人们也对传染病监控的模式、重点、反应时限等均提出了特殊的要求。本文的选题就是基于这样的背景，旨在通过建立机场中传染病传播扩散的动力学模型，探索如何在机场中科学有效地防控传染病的扩散。第二章 国内外研究现状2.1国内外关于传染病传播的研究现状国外对传染病动力学建模的研究历史最早可追溯至1926 年，kermack 与mckendrick 为研究1665-1666 年黑死病在伦敦的流行规律以及1906 年瘟疫在孟买的流行规律，提出了著名的sir 仓室模型（compartment model）1。仓室模型的主要思想是将人群划分为若干个类（仓室），分别代表处于不同疾病状态的人群，如易感者、感染者和移出者，然后采用数学手段建立这些变量的动力学方程，进而研究疾病的传播动力学过程。sir 仓室模型这一简洁的建模思想获得了研究者的青睐，很快就被发展成各种具有更多复杂仓室结构的模型2，在20 世纪此后的几十年中，一直占据着传染病动力学建模的主流地位。在国内，这方面的研究也有一定的基础，比较有代表性的是马知恩、周义仓等人合著的传染病动力学的数学建模与研究3，书中系统地介绍了传染病动力学的数学建模的各个方面，包括免疫、隔离、生理结构、年龄和病程、时滞、种群迁移等。然而，研究者们也发现，这种建模方法有其自身的缺陷4。它假设同一个仓室中的个体间是均匀混合的（完全接触），即每个易感者被任何一个感染者感染的概率都是相同的。这对于小规模人群来说是适用的，而当人群规模较大时，人与人的接触具有明显的个体倾向性，比如家人、同事和朋友之间、或者医生与患者之间的接触频率明显高于其他人，则这一假设就会失效。在2003 年sars 传播中发现，相当一部分的感染发生在医院，一个感染者就可以感染一大群人，即所谓的“超级传播者”现象，这与自由环境中的传播过程具有明显不同5-6。为了弥补这一缺陷，研究者引入多种群模型（metapopulation model）（又称分区模型，patch model）的概念，从而将模型中每个仓室的规模严格限制在较小的范围，在单个种群内部依然采用sir 或者sis 等仓室模型模拟内部的传播过程。根据种群结构的不同，这类模型可以表现出多种形式，如colliza等人7提出的单一层次的多种群模型，而watts 等人8提出了一种嵌套（多层次）模型，即种群内部还可以再划分子种群等。通过控制种群大小及其分布，多种群模型可以在一定程度上克服仓室模型的完全混合假设的缺陷，同时它也较好地反映了人群结构的层次特征。但是这类模型仍然是一类较为粗糙的宏观模型，不能描述对传染病传播具有重要影响的个体间的接触过程、个体在空间移动的时空规律以及个体对疾病的行为反应等因素。到了世纪之交，对个体行为的研究开始得到一些研究者的关注，基于个体模拟的微观模拟模型，如基于元胞自动机或者自主体理论的传染病模型被相继提出9-10。但是，由于这类模型过多的关注对个体自身行为的描述，而对个体间的接触过程的刻画过于简单11，使得研究者们的兴趣很快被转移到了网络模型（network model）上。24模型条件算法特点sir模型在不考虑出生与死亡等种群动力学因素的情况下，传染病若无潜伏期si模型患病后难以治愈将人群划分为若干个类（仓室），分别代表处于不同疾病状态的人群，然后采用数学手段建立这些变量的动力学方程，进而研究疾病的传播动力学过程1. 建模简单，容易实现模拟2. 假设人群接触概率均等，只能适用于小规模人群、sis模型患病后可以治愈，恢复者不具有免疫力sir模型患病者治愈后获利终身免疫力sirs模型病人康复后只有暂时免疫力，单位时间内将有部分康复者丧失免疫力而可能再次被感染考虑传染病的潜伏期在三类人群中增加一类，感染而未发病者(exposed)，可在sir或sirs模型的基础上得到更复杂的seir或seirs模型多种群模型将人群分为整个人群分为几个空间上相互独立并有一定互动活动的组群，每个仓室的规模严格限制在较小的范围在单个组群内部依然采用仓室模型模拟内部的传播过程1. 一定程度上克服仓室模型接触概率均等的缺陷2. 没有考虑个体因素，不适合模拟下列问题：个体接触过程；个体行为的影响；流行病传播的空间问题；混合模式个体的影响。基于元胞自动机或者自主体理论的传染病模型假定个体分布在元胞空间，每个元胞代表一个人群中的个体，由与目标同样大小有限个的元胞组成离散的动力系统，这些元胞均匀分布在一个二维元胞空间中。特别是一个二维ca是由一个同样大小的二维矩阵构成，称为元胞，这些元胞表示一个在不同离散时间步根据局部规则确定的状态。随着ca的发展，转移函数决定着局部规则如何影响系统的全局行为。每个元胞被赋予一个状态（属于一个有限的状态集q），这些状态根据局部转换规则在每个时间步变化1. 模型考虑了个体行为的影响，更接近现实传染过程2. 忽略了个体间的接触过程及其影响网络模型通过追踪和个案调查结果按网络生成规则构建一个小型人群网络由许多节点与连接两个节点之间的一些边组成，其中每个节点代表真实系统中不同的个体，而边则代表个体间的关系，如果两个节点之间具有某种关联就在两节点之间连一条边，反之则不连边1. 考虑了网络拓扑结构对疾病传播的影响，并强调传染源初始节点位置对传播的影响，还通过改变参数数值，利用模拟仿真更好地为传染病预防控制决策提供理论支持2. 其研究前提是针对具体人群，构建的模型的普及性需进一步证实3. 复杂网络理论在传染病控制方面的应用主要限于人与人之间直接接触传播的疾病，其他类型的传染病不太适用2.3 国内外关于传染病抑制措施的研究现状 针对流感大流行，许多干预措施，如关闭学校、工厂、禁止大型集会、旅行限制、边界检疫、病例诊断和治疗、隔离患者、密接者追踪与管理、接种疫苗、风险沟通、加强公共卫生和个人卫生等，都被广泛采用。通过传染病传播动力学模型，可以研究这些干预措施对传染病传播的影响，进而评估各种干预措施，及围堵策略的效率。ferguson 等人在nature 上发表文章，利用一些统计数据，人口密度、家庭成员人数、年龄结构、学校人数与分布、工厂人数与分布等，建立随机性模型，研究东南亚12，以及美国和英国13发生流感大流行时采取上述干预措施，及其围堵策略的有效性。cauchemez 等人利用法国的流感历史监测数据，分析关闭学校对流感传播的影响14。ginsberg 等人利用历史流感季节时的互联网搜索引擎数据，进行相关性分析，并提出围堵策略的建议15。上述的这些研究中，有的是利用随机模型，有的利用历史监测数据等。近年来，网络模型在传染病控制策略研究中逐渐体现出它的优势，但目前的研究主要是基于理想网络。例如，在无标度网络中，随机免疫是无效的16，在随机网络和小世界网络中，可以获得临界免疫密度17；也有进行优先免疫和目标免疫18，以及熟识人免疫19等，这些免疫措施均比随机免疫有效，但需要事先知道网络的拓扑结构，这对于现实来说无法做到。有研究表明20，网络结构和免疫措施均对传染病传播造成很大影响，因此网络结构构建的准确性某种程度上决定了传染病传播动力学模型的准确性。2.3 国内外关于机场的仿真研究现状21国外（如美国的联邦航空管理局faa等）对机场系统的计算机仿真技术研究开展得比较早，并取得了一批研究成果，机场仿真技术涌现了许多优秀模型22。 simmod模型simmod是机场飞行区和航站空域的仿真模型（airport and airspace simulation model）。它主要应用于机场飞行区的跑道、滑行道、停机位等；机场飞行区和航站空域，以及整个机场系统及其空域。它的输入数据是对机场地面空域的详细说明及空中交通情况的描述，它的输出是航空器的航行时间、单位时间的流量和吞吐量、延误和油耗等。simmod模型可以提供任意粒度的仿真，成本低。它的缺点是系统特别复杂，对使用者的要求较高，需要专业知识和实际经验。 taam模型taam（total airspace and airport modeler）是一个尖端的全空域和机场的仿真系统，这个仿真工具可以虚拟多个机场和航线空域环境，无限制地模拟和分析空中交通管制情况，能够设计出与空域相符的仿真三维彩色模型，可以通过分析空域结构、飞行程序、地面滑行路线、各系统容量等进行容量与延误分析，还可以通过仿真模拟对规划设计的机场的安全性进行分析和评估。taam将空中交通时间表、环境、飞行计划、管理规则等作为模型的输入，有助于做出决策、规划和分析。 其它机场仿真模型和软件airfield capacity model是用来计算机场跑道系统饱和容量的计算机分析模型；delays模型主要用来计算跑道系统拥挤而引起的机场延误；and（approximate network delays）模型主要分析国家或地区的航线网络以及航班计划时，机场容量等变化对航班延误的影响；lmi runway capacity model是计算单跑道容量的模型；mermes（heuristic runway movement event simulation）是计算平行跑道容量的软件和评估塔台管制员工作量的工具；the airport machine可以详细模拟机场飞行区。 国内仿真模型与发达国家相比，我国的民航业发展相对落后,仿真技术的应用没有普及，仿真模型的功能不完善，开发的仿真模型仅仅集中在容量评估方面。我国还没有一个功能相对成熟、完善的机场仿真软件，但已经有许多学者在机场仿真方面做了些研究，如：航站楼旅客流程仿真，跑道容量评估模型。 综合国内外的研究情况机场系统的计算机仿真研究随着航空运输业的发展，已取得了一定的成果，特别是在国外航空运输业较发达的国家。但是，仔细分析这些已取得的研究成果，还存在一些不足，表现为研究内容不全面。机场系统是由许多子系统组成的复杂系统，包括了跑道系统、滑行道系统、停机坪系统、候机楼、停车场、连接机场的专用道路等各子系统，因此，机场系统仿真研究内容也是相当广泛的，主要研究内容应包括：机场系统飞行区仿真；机场系统航站区仿真；进出机场地面交通系统仿真。目前国内外所作的机场系统计算机仿真内容还不全面，有些内容的研究比较薄弱，对于机场系统的飞行区仿真，国内外对此研究较多，研究成果已在实际中得到广泛应用，而对于机场系统航站区的计算机仿真研究还比较薄弱，实际应用也比较少。第三章 技术路线3.1 模型的选择及改进图 1 仓室转移框图据调查，2009年我国民航2234岁年龄段的旅客占民航旅客的比例最高，为46.08%；其次是3544岁年龄段的旅客，所占比例为30.98%。除2007年以外，2234岁旅客比例均位居第一位，3544岁旅客次之。这两个年龄段的旅客是民航客源的主要组成部分，两组合计比例超过70% 24，由此可见民航旅客人口年龄结构相对简单，结合国内外关于传染病的传播和防控措施研究现状，本文选择仓室模型以研究传染病在航站楼内的扩散传播情况。又考虑到大多数通过空气传播的传染病潜伏期、染病期和免疫期至少12天，而旅客在机场停留时间多以小时计，旅客在此期间几乎不可能发病，也不可能痊愈，故本文将典型的seir仓室模型加以改进：将人群划分为4个仓室，代表处于4种疾病状态的人群，分别为易感者（susceptible，绿色，不具备感染能力，只可能被感染成潜伏者）、潜伏者（e，紫色，已被感染，但尚未发病，没有传染能力）、感染者（infected，红色，具备感染能力，可将易感者感染成潜伏者）、移出者（recovered，蓝色，不具备感染能力，也不可以被感染），只允许疾病在s和e两个仓室间传播，不允许疾病在e和i及i和r之间传播，仓室转移框图1所示。传染病在仓室间的传播由旅客在航站楼内的活动和传染病传播规律所共同决定：每个旅客按照正常的流程进入、离开航站楼，在此过程中如果易感者与感染者接触距离小于0.2米，易感者就可能被感染。3.2 旅客进出港流程实验中模拟的航站楼为首都机场t2航站楼，t2航站楼的1层和3层为旅客进港服务，2层用于旅客离港。图2所示为模拟实验中旅客到达流程示意图。图中的左半边区域，即浅蓝色区域，为国内隔离区；右半边区域，即深蓝色区域，为国际隔离区。国内旅客从绿色区域进入航站楼，其中矩形绿色区域为远机位旅客到达口；非远机位旅客沿绿色箭头所指方向前往白色线条矩形表示的扶梯或者电梯下至一楼行李提取大厅，在此过程中旅客可以选择搭乘白色矩形表示的水平滑行步道以代步；远机位旅客和到达一楼行李提取大厅的非远机位旅客根据提示前往紫色矩形内相应的深蓝色行李转盘提取行李；提取完行李的旅客和不需要提取行李的旅客沿绿色箭头所示的方向前往深蓝色矩形内的8个门，离开航站楼。国际旅客从橘黄色区域进入航站楼，其中矩形橘黄色区域为远机位旅客到达口；之后前往青色区域接受检验检疫部门的检查，而后前往浅黄色区域接受边防检查，在此过程中旅客可以选择搭乘白色矩形表示的水平滑行步道以代步；接受完边检的旅客通过白色线条矩形表示的扶梯或者电梯下至一楼行李提取大厅；需要提取行李的旅客根据提示前往紫色矩形内相应的浅蓝色行李转盘提取各自的行李；提取完行李的旅客和不需要提取行李的旅客前往黄色矩形所围的区域办理入关手续；而后前往深蓝色矩形内的8个门，离开航站楼。图 2 旅客到达流程示意图 图3展示的是模拟实验中旅客出发流程示意图。黑色矩形内的8扇门为旅客进入航站楼的通道。国内旅客根据所持机票前往f岛、g岛、h岛和q岛中相应的值机岛办理值机手续；办理完值机手续的旅客前往黄色区域接受安全检查；之后旅客进入国内隔离区，前往相应的登机门进行登机，在此过程中旅客可搭乘白色区域表示的水平滑行不到以代步；前往4149号登机门的旅客需搭乘紫色区域内的扶梯到达远机位候机厅。国际旅客首先在黄色线条所围的区域办理出关手续，之后根据所持机票前往白色框图内的a岛、b岛、c岛、d岛和e岛中相应的值机岛办理值机手续，而后前往绿色区域内接受检验检疫和边防部门的检查，之后前往黄色区域接受安检部门的安全检查，办理完上诉手续的旅客进入国际隔离区，前往相应的区域候机，直至登机，旅客在此过程中可以搭乘白色矩形表示的水平滑行步道以代步。图 3 旅客出发流程示意图图4展示的t2航站楼内旅客流程逻辑图，将上述流程抽象为逻辑图便于仿真模拟的实现。从图中可以看出，旅客流程设计的主要流程有：值机、安全检查、海关检查、边防检查。 值机旅客到值机岛办理值机手续时，递交相应证件后提取登机卡。有托运行李则放到运输带送往x光机扫描检查，合格后旅客离开值机柜台。若没有托运行李，便可以直接前往无行李值机柜台。旅客等待办票的排队方式一般可分为单列排队和“s”型排队两种。值机方式有两形式：非开放式值机和开放式值机。非开放式值机要求旅客在规定的时间内，在规定的柜台办理值机手续。开放式值机的开始时间无限制，每个柜台都可以办理不同的航班，做到旅客随到随办23。 安全检查旅客通过安检通道时，需将全部手提行李、个人物品及外套放在x光机的运输带扫描检查。其后步行通过金属探测器，如果探测器发出报警声，旅客则需进一步接受人身检查。需人身检查的旅客会被要求站在小站台上，由安检人员进行手工检查。之后，旅客在x光机的运输带末端取回所属物品。若发现手提行李内有可疑物品，旅客会被要求开包检查怀疑物品，检查合格后离开安检通道。旅客等待安检的排队方式有单列排队和“s”型排队两种。 海关检查旅客通过海关通道前需在通道旁的柜台上填写填好海关申报表。体温检查是一个自动流程，除体温超标旅客会被扣查外，其它旅客只须经过体温检查仪器便可。 边防检查接受边防检查时，旅客在边检柜台前排成单行，每个边检柜台只处理一个单行队列。旅客到柜台旁时，提交护照查验，办理出入境手续。图 4 航站楼内旅客流程逻辑图3.3 防控措施由文献3知，要防止传染病流行，必须减少r0（r0 = s0 = s0，s0为初始时刻的易感者数量，为疾病的传染能力，1疾病染病期），使它小于1，这可以通过加强治疗以缩短1或采取杀菌等措施以减少疾病的传染力，或通过隔离措施以减少与患病者可能接触的人数即这里的s0来实现。由于旅客在机场的停留时间相对于染病期而言相对较短，缩短染病期并不能有效降低疾病的机场范围内的扩散，故据此我们提出了以下的防控措施： 尽可能开放多的行李提取转盘、值机柜台、安检通道和采取杀菌措施等，减少疾病的传染力； 给从疫区到达本场的旅客划出专用区域，或者采取其他措施减少旅客在机场的接触机会，尽可能将感染者同易感人群分开，减少s0。实验过程设定了若干组隔离措施，本文仅选取了其中隔离效果最好的一组进行展示。图5展示的是对旅客进港流程采取隔离措施的示意图。来自疫区的国际旅客从远机位到达航站楼，之后沿白色箭头所代表的路径前往黄色线条所示的边检部门接受检查并办理入境手续，而后继续沿白色线条到达扶梯，经此扶梯到达2楼行李提取大厅，在黄色矩形内的行李转盘提取各自行李，提取完行李的旅客和不需提取行李的旅客沿白色箭头方向经由1号门或者3号门离开航站楼。来自疫区的国内旅客从远机位到达航站楼，之后沿白色线条前往黄色矩形内的行李转盘提取各自行李，提取完行李的旅客和不需提取行李的旅客沿白色箭头方向经由13号门或者15号门离开航站楼。不对非疫区旅客的入港流程添加任何限制，其流程与服务窗口全部开放组一致。使用红线所示的隔离带将疫区旅客和非疫区旅客隔离开来，不允许他们之间有任何的接触，减少有效的易感人群。对于离港旅客而言，采取指定路径的措施，以减少人与人的接触机会。图6 展示的是离港旅客“隔离”措施示意图。对于国内旅客，为在f岛值机的旅客划定路径，引导其值机过后沿白色箭头前往黄色矩形所示的安检通道接受安全检查，减少其同从红色矩形入口进入值机区的旅客和在其他值机岛值机的旅客发生接触的机会。对于在d岛和e岛两个值机岛值机的国际旅客，值机过后沿着白色箭头前往黄色矩形内的边防检验检疫窗口接受检查、办理处境手续并接受安全检查，以减少其同从红色矩形入口进入值机区的旅客和在其他值机岛值机的旅客发生接触的机会。图 5 旅客进港“隔离”措施示意图图 6 旅客离港“隔离”措施示意图3.4 anylogic仿真软件及pedestrian library简介3.4.1 anylogic简介anylogic是唯一支持当今所有最常用模拟方法的工具：系统动力学、流程导向型（又叫离散事件）以及基于主体的建模。其建模语言独特的灵活性能让用户详细捕捉到纷繁复杂的商业、经济和社会系统。anylogic的图形界面、工具和对象库能让用户快速实现不同领域的建模，如制造业和物流业、业务流程、人力资源、消费者或病人的行为。anylogic支持面向对象的模型设计范式，此范式为大型模型提供模块化、层次化和增量的构造。anylogic所有的建模技术都是以uml-rt、java和微分方程（若用户想要为连续行为建模）为基础的，这些也是目前大多数先进用户所熟悉的技术。它允许用户以“拖拉”方式快速地建模，也提供一系列针对不同领域的专业库：the enterprise library、the pedestrian library、the rail library等。3.4.2 pedestrian library简介the pedestrian library（行人数据库）是在一个 “物理”环境模拟行人的专业库。可以让用户在一个建筑物内(如：机场，安全检查等等)或街道上(大量的行人)建立一个行人流。模型支持统计收集不同区域的行人密度，估算行人待在特定区域的时间，及检查潜在内部几何的问题，如新增障碍物的影响等。行人可以在连续空间移动，反映不同形式的障碍物(如墙壁，不同的区域)。行人的模拟互动是复杂行为之代理人，但是anylogic的行人库提供了一个高阶使用接口，可以很快实现行人模型的流程。表 7 行人库主要组件简介pedconfiguration行人库的主要组件，提供行人移动引擎和行人动画，任何使用行人库的anylogic模型都必须使用此组件pedground定义仿真实验中行人所处的环境，比如，地板、墙等pedarea划定的、对行人速度有所限制的区域pedservices根据指定的策略定义那些为行人提供服务的物理实体pedsource可产生任何继承自ped类型的行人流pedsink移除从input端口输入的行人流pedexit接受从input端口输入的行人流，将其从模拟实验中移除，并通过output端口输出pedenter接受从input端口输入的行人流，重置他们的各种参数，将其输送至指定的地点pedservice通过pedservices组件指引行人流通过指定的服务队列群接受服务窗口群的服务pedgoto引导行人到达指定的目的地pedselectoutput根据指定的比率或者条件分流input端口输入的行人流selectoutput根据指定的比率或者条件分流input端口输入的行人流3.5 旅客流程的实现3.5.1 旅客流程假设1) 对于进港的旅客而言，60%的国内旅客需要提取行李，90%的国际旅客需要提取行李。2) 对于离港的旅客而言，60%的旅客为国内旅客，40%的旅客为国际旅客。3) 旅客值机、安检及办理通关和边检手续排队时选取最短的队列进行单列式排队，一个柜台或通道仅服务于一个队列，其服务方式为先到先服务。4) 旅客值机和安检时不考虑舱位和是否为vip，所有的值机柜台均可托运行李。5) 不考虑旅客在公共区和非航业务区的逗留。6) 所有旅客都熟悉登机流程，旅客都能正常办理各项手续。7) 模型中没有中转航班。3.5.2 进港流程的实现图 8 旅客进港组件图以服务窗口全部开放实验组为例，遵照图4 航站楼内旅客流程逻辑图，利用anylogic仿真软件将旅客进港流程实现图8所示。红色矩形内的组件功能是实现模拟实验中的环境，黄色框图内的“pedservices”组件提供行李提取服务，蓝色框图内的“pedarea”完成水平滑行步道的功能，紫色框图内的函数完成选择行李转盘和航站楼出口的功能，绿色框图内的日程表提供的是旅客到达的时刻信息。红色菱形所在框图内的“pedsource”组件与日程表相配合，在不同时刻产生不同数量的行人流；黄色菱形所在框图内的组件引导三层的国内旅客前往一楼行李提取大厅；绿色菱形所在框图内的组件与函数及黄色框图内的“pedservices”组件配合，引导旅客前往相应的行李提取转盘提取行李；黄色五角星所在框图内的组件引导国际旅客前往边检部门介绍检查和办理入境手续；绿色五角星所在框图内的组件引导旅客前往一楼行李提取大厅；紫色五角星所在框图内的“pedservices”组件为旅客提供行李提取服务和海关服务；紫色菱形内的“pedsink”组件完成旅客离开航站楼的功能。3.5.3 离港流程的实现图 9 旅客离港组件图以服务窗口全部开放实验组为例，遵照图4 航站楼内旅客流程逻辑图，利用anylogic仿真软件将旅客进港流程实现图9所示。红色矩形内的组件功能是实现模拟实验中的环境，黄色框图内的“pedservices”组件为旅客提供值机服务，蓝色框图内的“pedarea”完成水平滑行步道的功能，紫色框图内的函数完成选择值机岛和登机门的功能。红色菱形所在框图内的“pedsource”组件产生行人流；黄色菱形所在框图内的组件引导旅客前往值机柜台值机和前往安检通道接受安全检查；绿色菱形所在框图内的组件引导旅客前往相应的登机门登机；黄色五角星所在框图内的“pedservices”组件引导国际旅客前往海关部门办理出关手续、到达相应的值机岛值机以及前往边检部门介绍检查和办理入境手续；绿色五角星所在框图内的组件引导旅客前往相应的登机门登机；紫色菱形内的“pedsink”组件完成旅客上飞机的功能，将旅客带出航站楼。第四章 仿真模拟结果和讨论本文比较准确地实现了对航站楼旅客流程的仿真模拟，并成功地根据机场人员分布特征改进seir模型，将其与旅客流程仿真结合，定量地得出了特定传染病在机场范围内的扩散情况。在服务窗口部分开放的实验中，开放3/4的值机柜台、安检通道和行李提取转盘，这接近于机场的实际运营情况。图10展示的是此组实验离港模型中的人数变化时间点线图，90分钟的模拟实验中分别到达1936名易感者、251名感染者和432名移出者，实验结束后，共有143名易感者被感染者感染为潜伏者；图11展示的是此组实验进港模型中的人数变化时间点线图，90分钟的模拟实验中分别到达2689名易感者、385感染者和594名移出者，实验结束后，共有385名易感者被感染者感染为潜伏者。图 10 服务窗口部分开放实验组离港人数变化时间点线图图 11 服务窗口部分开放实验组进港人数变化时间点线图在服务窗口全部开放实验组中，值机柜台、安检通道和行李提取转盘全部开放。图12展示的是此组实验离港模型中的人数变化时间点线图，90分钟的模拟实验中分别到达2012名易感者、284名感染者和466名移出者，实验结束后，共有119名易感者被感染者感染为潜伏者。图13展示的是此组实验进港模型中的人数变化时间点线图，90分钟的模拟实验中分别到达2707名易感者、375名感染者和609名移出者，实验结束后，共有253名易感者被感染者感染为潜伏者。图 12 服务窗口全部开放实验组离港人数变化时间点线图图 13 服务窗口全部开放实验组进港人数变化时间点线图在采取抑制措施实验组中，值机柜台、安检通道和行李提取转盘全部开放，并采取上述抑制措施。图14展示的是此组实验离港模型中的人数变化时间点线图，90分钟的模拟实验中分别到达1999名易感者、272名感染者和433名移出者，实验结束后，共有116名易感者被感染者感染为潜伏者。图15展示的是此组实验进港模型中的人数变化时间点线图，90分钟的模拟实验中分别到达2747名易感者、365名感染者和629名移出者，实验结束后，共有159名易感者被感染者感染为潜伏者。图 14 采取隔离措施实验组离港人数变化时间点线图图 15 采取隔离措施实验组进港人数变化时间点线图表 16 各实验组人数对比表16给出了各组实验的人数汇总，从表中可以看出，3组模拟实验中的离港总人数都在2000左右，进港总人数都在2700左右，这为组间对比提供了条件。窗口部分开放实验组与窗口全部开放实验组对比表明，通过开放全部窗口的措施，可以使离港流程中潜伏者比例减少约1.15%，这一数字约为窗口部分开放实验组中的潜伏者比例（5.46%）的21.1%，说明开放全部窗口可以有效抑制离港流程中传染病在机场范围内的传播；对进港流程而言，开放全部窗口的措施仅使潜伏者比例减少约0.10%，这一数字仅为窗口部分开放实验组中的潜伏者比例（6.95%）的1.4%，可以看出这一措施抑制进港流程中传染病在机场范围内的传播的效果确实存在，但效果基本可以忽略。将采取隔离措施实验组与窗口全部开放实验组进行对比，可以看出隔离措施可以使离港流程中的潜伏者感染比例减少0.02%，这一数字仅为窗口全部开放实验组中的潜伏者比例（4.31%）的0.4%，说明采取隔离措施可以抑制离港流程中传染病在机场范围内的传播；对进港流程而言，采取隔离措施可使潜伏者比例减少约2.6%，这一数字为窗口全部开放实验组中的潜伏者比例（6.85%）的38.0%，可以看出这一措施可以非常有效抑制进港流程中传染病在机场范围内的传播。第五章 总结与展望5.1 总结本文以期建立机场中传染病传播扩散的动力学模型，研究机场中科学有效地传染病防控措施以及定量地评价各种防控措施对传染病传播扩散的抑制作用。主要研究成果有：1) 综述了国内外传染病研究情况、机场仿真技术研究及其应用情况，并介绍了仿真软件anylogic及其行人库。2) 研究并改进了seir仓室模型，使之适用于机场的旅客流程。3) 以北京首都机场t2航站楼为基础，使用anylogic开发了首都机场t2航站楼旅客流程仿真模型，并实现了seir仓室模型与旅客流程的结合。4) 对传染病在首都机场t2航站的传播扩散进行仿真试验，并提出相关传染病防控措施，同时定量分析了各个防控措施的效果。5) 采取开放全部服务窗口的措施后，进港流程中的潜伏者百分比由5.46%降低至4.31%，离港流程中潜伏者百分比从6.95%降低至6.85%。6) 采取如图5和图6所示的“隔离”措施后，进港流程中的潜伏者百分比从5.46%降低至4.29%，离港流程中潜伏者百分比从6.95%降低至4.25%。5.2 展望 本文对传染病在航站楼内扩散传播进行了初步的研究和探讨。扩散仿真还有很多问题值得进一步探讨，旅客流程还有待进一步完善：1) 未实现旅客在公共区和非航业务区的逗留，没有加入前往机场接送旅客的人员，旅客流程的仿真也没有考虑包括航站楼室内温度和通风情况在内的实际情况。2) 没有加入机场的工作人员，即，未考虑所谓的“超级传播者”现象。3) 未根据t2航站楼的实际进港和离港人数进行仿真。4) 只是提出了适用于通过空气传播的一般传染病的传染模型，没有根据特定传染病的传播情况进行仿真情况的验证。参考文献1 kermack, w.o. and mckendrick, a.g. contributions to the mathematical theory of epidemics. proceedings of the royal society of london, series a, 1927, (115): 700-721.2 hethcote, h. w. (2000). the mathematics of infectious diseases. siam review 42(4):599-653.3 马知恩等.传染病动力学的数学建模与研究. 北京：科学出版社，20044 ferguson, n. m., keeling, m.j. et al. planning for smallpox outbreaks. nature, 2003, 425(6959): 681-685.5 lloyd-smith, j.o., schreiber, s.j. et al. superspreading and the effect of individual variation on disease emergence. nature, 2005, 438(7066): 355-359.6 galvani, a.p. and may, r.m. epidemiology - dimensions of superspreading. nature, 2005, 438(7066): 293-295.7 colizza, v., pastor-satorras, r. et al. reaction-diffusion processes and metapopulation models in heterogeneous networks, nature physics 2007, 3(4): 276-282.8 watts, d. j., muhamad, r. et al. multiscale, resurgent epidemics in a hierarchical metapopulation model. proceedings of the national academy of sciences of the united states of america, 2005, 102(32): 11157-11162.9 simoes, j. m. an agent-based approach to spatial epidemics through gis. university college london ph.d thesis, 2006.10 james, a., pitchford, j.m. et al. an event-based model of super spreading in epidemics. proceedings of the royal society b-biological sciences, 2007, 274(1610): 741-747.11 frasca, m., buscarino, a. et al. dynamical network model of infective mobile agents. physical review e, 2006, 74(3): 036110.12 ferguson, n.m., et al. strategies for containing an emerging influenza pandemic in southeast asia. nature, 2005, 437: 209-214.13 ferguson, n.m., et al. strategies for mitigating an influenza pandemic. nature, 2006, 442: 448-452.14 cauchemez, s., et al. estimating the impact of school closure on influenza transmission from sentinel data. nature, 2008, 452: 750-754.15 ginsberg, j, et al. detecting influenza epidemics using search engine query data. nature, 200