一个新项目将研究交通运动如何为COVID的传播提供洞察。图像/维基共享
你的车停在了洛杉矶出名繁忙的110号高速公路上。你脑子里的最后一件事是，这种车尾相连的交通堵塞可能是对抗新冠病毒传播的重要线索。然而，这正是南加州大学维特比的丹尼尔·j·爱泼斯坦工业与系统工程系的一个团队希望bob国际首页登录发现的。
随着我们的世界学会了应对和管理流行的COVID，以及Omicron等新变体的出现，孙世川助理教授将与爱泼斯坦系主任Maged Dessouky和Price公共政策学院的Neeraj Sood教授一起研究一种新的国家卫生研究所资助的项目该公司将利用交通数据，看看能证明病毒是如何在洛杉矶传播的。
这将是第一次如此大规模地利用交通数据为疾病控制方法提供信息。
与档案数据管理系统(ADMS)项目团队，Suen将使用从整个洛杉矶县的道路传感器收集的交通模式数据，来了解每天人口在城市中的流动情况。这些信息将为COVID-19传播的数学模型提供信息，然后可用于确定该县哪些卫生区出现不明病例的风险最高。研究人员将与洛杉矶县公共卫生部合作使用这种模型，以便更好地在这些风险地区确定检测点。
“关于传播模式有一个很大的谜团，如果你想准确预测COVID，你需要非常准确地建模。其中一种方法就是观察洛杉矶不同地区的人口流动情况。”“关于人们如何在县里不同地区之间流动的信息很少。这将给我们一些指示，让我们知道哪些领域比其他领域联系更紧密。”
你可能会认为，在洛杉矶这样一个庞大的超大城市里，每天有相当一部分交通流量来自住宅区的人，他们沿着高速公路往返于市中心等中心。
“所以如果这两个地区之间有很大的联系，你可以想象，如果你看到该住宅区的病例激增，你也可能会看到市中心等地区的病例激增，”孙说。“但在下游地区，例如，如果人们去市中心，然后回到另一个居民区，你可能会看到其他居民区的病例激增，因为人们在工作中感染了病毒，然后带回家。”
在大流行早期，当县里大部分地区都被命令待在家里时，我们看到的是高速公路上幸福空荡荡的超现实画面。孙说，这种封锁也可能对交通流量和疾病传播产生影响。该项目的最初目标之一是试图通过交通数据和观察交通运动来确定封锁是否有效，居民是否遵守了待在家里的命令，还是无视建议去海滩和公园。
Suen说，她的项目团队将利用ADMS从当地道路和高速公路上的传感器获得的信息，这些传感器可以跟踪有多少车辆经过传感器，以及它们的行驶速度。
“但它们并没有捕捉到这些车辆来自哪里以及它们要去哪里等信息，所以我们必须从数据本身推断出这些原始目的地。因此，我们正在运行一种优化算法，以帮助我们推断在一天的不同时间，流量从哪里来，流向哪里。”
孙恩说:“我们希望获得模式，并对洛杉矶不同地理区域的COVID病例和住院情况进行预测，这可能有助于告知我们应该在哪里建立疫苗接种点和测试点等事情。”“是否有一些高度优先的地区，我们预计这些地区的病例会激增，我们可能会转移更多的资源，因为我们预计那里会有更多的住院患者?”
她说，之前在交通数据建模领域的工作使用了手机信息、地铁交通量或航班信息，但这将是交通传感器数据首次应用于疾病建模。
“我们希望我们最终在COVID中看到的模式中所做的工作类型可以适用于流感或其他类型的呼吸道疾病，所以这不仅仅是一次性的。我们真的希望把科学转移到这里。”
出版于2022年1月18日
最后更新于2022年1月18日
