Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Le modèle neuf offre des voies de réduire à un minimum le risque de coronavirus pendant les transports aériens

Juste ou pas, les avions ont une réputation pour des germes. Cependant, il y a des voies de réduire à un minimum les risques.

La recherche historique basée sur des mouvements de groupe des êtres humains et les animaux proposent trois règles simples :

  • éloignez-vous de ceux qui sont trop proches.
  • déménagez vers ceux qui sont loin.
  • appariez le sens du mouvement de leurs voisins.

Cette recherche est particulièrement employée pour des transports aériens où il y a un risque accru pour l'infection ou la maladie contagieuse, telle que la manifestation mondiale récente du coronavirus, qui entraîne la maladie COVID-19.

Les compagnies aériennes emploient plusieurs zones dans l'embarquement. En montant à bord d'un avion, les gens sont bloqués et forcés de rester près de la personne mettant le bagage dans le coffre -- les gens sont très proches entre eux. Ce problème est aggravé quand beaucoup de zones sont employées. Descendre d'avion est beaucoup plus lisse et plus vite --il n'y a pas autant l'heure de devenir infecté. »

Ashok Srinivasan, professeur, service de l'informatique, université de la Floride occidentale

Srinivasan est l'investigateur principal de la recherche neuve sur les modèles piétonniers de dynamique qui a été récent employée dans l'analyse des procédures pour réduire le risque de la maladie étendu dans des avions. La recherche était publiée dans le tourillon PLOS UN en mars 2020.

Depuis de nombreuses années les scientifiques ont compté sur le modèle ACCÉLÉRÉ (de dynamique autotractée d'entité), un modèle de force sociale qui traite chacun individuel comme particule de remarque, analogue à un atome dans des simulations de dynamique moléculaire.

Dans de telles simulations, les forces attrayantes et répulsives entre les atomes régissent le mouvement des atomes. Le modèle ACCÉLÉRÉ modifie l'indicatif et remplace des atomes par des êtres humains.

« [Le modèle ACCÉLÉRÉ] change les valeurs des paramètres qui régissent des interactions entre les atomes de sorte qu'elles réfléchissent des interactions entre les êtres humains, tout en maintenant la forme fonctionnelle les mêmes, » Srinivasan a dit.

Srinivasan et ses collègues ont employé le modèle ACCÉLÉRÉ pour analyser le risque d'une manifestation d'Ebola en 2015, qui a été largement couverte en prises de nouvelles autour du monde. Cependant, une limitation du modèle ACCÉLÉRÉ est qu'elle est lente -- ce qui le rend difficile de prendre des décisions opportunes. Les réponses sont nécessaires rapidement dans les situations telles qu'une manifestation comme COVID-19.

Les chercheurs décidés il y avait un besoin de modèle qui pourrait simuler les mêmes applications qu'ACCÉLÉRÉES, tout en étant beaucoup plus rapide.

Ils proposés le modèle CALME (pour le mouvement linéaire contraint des personnes dans une foule). Le CALME produit des résultats similaires à ACCÉLÉRÉ, mais n'est pas basé sur l'indicatif de DM. En d'autres termes, le CALME a été conçu pour fonctionner rapidement.

Comme ACCÉLÉRÉ, le CALME a été conçu pour simuler le mouvement dans l'étroit, coursives linéaires. Les résultats de leur recherche prouve que le CALME exécute presque 60 fois plus rapidement que le modèle ACCÉLÉRÉ. Indépendamment du gain de performances, les chercheurs ont également modélisé des comportements piétonniers complémentaires.

« Le modèle CALME a surmonté les limitations SPED où des décisions en temps réel sont exigées, » Srinivasan a dit.

Travail de calcul utilisant Frontera

Les scientifiques ont conçu le modèle CALME à partir de zéro ainsi il pourrait fonctionner efficacement sur des ordinateurs, particulièrement sur GPUs (unités de traitement graphiques.

Pour leur recherche, Srinivasan et collègues ont employé Frontera, le #5 la plupart de superordinateur puissant dans le monde et superordinateur scolaire le plus rapide, selon les hiérarchies de novembre 2019 de l'organisme Top500. Frontera est situé à calculer avancé par Texas central et supporté par le National Science Foundation.

« Une fois que les eaux bleues commençaient à être éliminée, Frontera était le choix naturel, que c'était la machine financée par le NSF neuve de navire amiral, » Srinivasan donné a dit. « Une question que vous avez est si vous avez produit d'un numéro suffisant des scénarios pour couvrir la gamme des possibilités. Nous vérifions ceci en produisant des histogrammes des quantités d'intérêt et en voyant si l'histogramme converge. Utilisant Frontera, nous pouvions exécuter les simulations suffisamment grandes que nous savons maintenant à ce que ressemble une réponse précise. »

Dans la pratique, il n'est pas faisable de rendre des prévisions précises dues aux incertitudes inhérentes, particulièrement aux stades précoces d'une épidémie -- c'est ce qui effectue l'aspect de calcul de cette remise en question de recherches.

« Nous avons dû produire d'un grand nombre de scénarios possibles pour couvrir la gamme des possibilités. Ceci la rend comportant de nombreux calculs, » Srinivasan a dit.

L'équipe a validé leurs résultats en examinant des temps de débarquement sur trois types différents d'avions. Puisqu'une simulation unique ne capte pas la variété de configurations humaines de mouvement, ils ont exécuté des simulations avec 1.000 combinaisons différentes des valeurs et comparé il aux caractéristiques empiriques.

Utilisant le sous-système du GPU de Frontera, les chercheurs pouvaient réduire le temps de calcul à 1,5 mn. « Utilisant le GPUs s'est avéré être un choix chanceux parce que nous pouvions déployer ces simulations dans l'urgence COVID-19. Le GPUs sur Frontera sont des moyens de produire des réponses rapidement. »

Mais attente--les modèles ne captent pas des événements extrêmes ?

En termes de préparation générale, Srinivasan veut que les gens comprennent que les modèles scientifiques souvent ne captent pas des événements extrêmes exactement.

Bien qu'il y ait eu des études empiriques complètes sur plusieurs vols pour comprendre le comportement humain et la propreté des surfaces et de l'air, une manifestation importante d'infection est un événement extrême -- les caractéristiques des situations particulières peuvent ne pas la capter.

Il y a environ 100.000 vols un jour moyen. Un événement de probabilité très inférieur pourrait mener aux manifestations d'infection fréquente juste parce que le nombre de vols est si grand.

Bien que les modèles aient prévu la boîte de vitesses d'infection dans des avions comme peu probables, il y a eu plusieurs manifestations connues.

Srinivasan offre un exemple.

« C'est généralement cru que l'infection s'étendre dans des avions se produit deux rangées dans avant et arrière du patient d'index, » lui a dit. « Pendant la manifestation de radar à ouverture synthétique en 2002, sur les quelques vols avec l'écart d'infection, c'était en grande partie vrai. Cependant, une manifestation unique a représenté plus que la moitié des cas, et la moitié de l'infecté ont été posées plus loin que deux rangées loin sur ce vol.

« On pourrait être tenté pour regarder cette manifestation comme massif détaché. Mais le « massif détaché » a eu la plupart de choc, et ainsi des gens plus loin que deux rangées loin ont représenté un nombre important de gens infectés avec le radar à ouverture synthétique sur des vols. »

Actuel, en ce qui concerne COVID-19, la personne infectée typique est censée rendre 2,5 autres malades. Cependant, il y a eu des communautés étaient un « superbe-répartiteur » unique infecté un grand nombre de gens et ont joué le rôle pilotant dans une manifestation.

Le choc de tels événements extrêmes, et la difficulté en les modélisant exactement, rend la prévision difficile, selon Srinivasan.

« Dans notre approche, nous ne visons pas à prévoir exactement le nombre réel de cas, » Srinivasan a dit. « Plutôt, nous jugeons pour recenser des vulnérabilités dans la police différente ou les options procédurales, telles que différentes procédures d'embarquement sur un avion. Nous produisons d'un grand nombre de scénarios possibles qui pourraient se produire et examiner si une option est chronique meilleure que l'autre. Si elle est, alors il peut considérer plus robuste. Dans un réglage de prise de décision, on peut souhaiter choisir l'option plus robuste, plutôt que comptent sur des valeurs prévues des prévisions. »

Du conseil pratique

Srinivasan a du conseil pratique pour des lecteurs aussi bien.

« Vous pouvez encore être soyez en danger [pour un virus] même si vous êtes plus loin à l'opposé que six pieds, » il avez dit. « Dans la discussion avec les modeleurs qui la préconisent, il s'avère que ces modèles ne prennent pas en considération le flux d'air. Juste comme une bille va plus loin si vous la projetez avec le vent, les gouttelettes étant porteur des virus iront plus loin en direction du flux d'air. »

Ce ne sont pas simplement des considérations théoriques. À Singapour, ils ont observé qu'une mise à l'air libre d'échappement d'une toilette employée par un patient a vérifié le positif pour le coronavirus neuf et l'ont attribué au flux d'air.

Les « modèles ne représentent pas tous les facteurs influençant la réalité. Quand les investissementx sont élevés, on peut souhaiter errer du côté de l'attention, » Srinivasan conclut.