👩🏾‍🤝‍👨🏽 💪🏿 🌶️ पूरे रूस में लोगों के आवागमन के डेटासेट के आधार पर विशिष्ट शहरों में संक्रमण के दृश्य 🤱🏾 👍🏽 💍

^{मॉस्को के आंकड़ों में "लोग घर पर बैठने की कोशिश करते हैं, कोई हवाई यातायात नहीं है" - नवंबर तक, मॉडल में 5 मिलियन रोगियों को दिखाया गया है। यह अपूर्ण डेटा पर आधारित एक सीमित पूर्वानुमान है, नीचे विवरण हैं। 22 मार्च को शून्य पर सेट करें।}

दुनिया में संक्रमण के प्रसार के कई मॉडल बनाए गए थे, लेकिन उनमें से कोई भी रूस के लिए उपयुक्त नहीं था, या लोगों के आंदोलनों के सही ग्राफ के बिना जनसंख्या घनत्व पर निर्भर था। क्यों? क्योंकि या तो यह इतना मुश्किल हो जाता है कि आप इसे समन्वय करने के लिए ठीक हैं, या बस इस जगह में कोई भी इस डेटासेट के पास नहीं है।

हमें छोड़कर।

Tutu.ru 16 वर्षों के लिए पत्रकारों के साथ डेटा साझा करने के लिए खुश है ("एंटाल्या के लिए विसंगतिपूर्ण मांग ध्यान देने योग्य है" की जानकारी में विशाल बहुमत हमारी सूचना खिड़कियों का एक कट है)। लेकिन हमने कभी भी ऐतिहासिक रूप से पूरे ब्लॉकों में लोगों के आंदोलनों के आंकड़ों का खुलासा नहीं किया है।

हमने अप्रैल 2019 में रूस में घूम रहे लोगों के डेटासेट को एकत्र किया और इसे ओपन डेटा साइंस समुदाय में स्थानांतरित कर दिया । यदि आप उन्हें नहीं जानते हैं, तो यह मुख्य रूप से रूसी डेटा-वैज्ञानिकों (लेकिन दुनिया भर से) का एक संघ है जो डेटा को उपयोगिता मॉडल में खोलने की प्रक्रिया करता है। गैर लाभ।

नीचे निष्कर्ष दिए गए हैं, प्रत्येक बड़े शहर के लिए पूर्वानुमान के साथ एक तालिका, खुद को डाटासेट (यदि आप इसके साथ कुछ करने की कोशिश करना चाहते हैं)। मॉडल कैसे काम करता है और गणित और सीमाएं अंदर क्या हैं, इस बारे में ओडीएस आपको कुछ घंटों में बताएगा। और स्रोत बाहर रखना। UPD: यहाँ ।

Datacet

इस तरह से लोगों ने पिछले अप्रैल -2019 (कुछ त्रुटियों के साथ) में देश भर में यात्रा की। डेटासेट शहर से शहर तक वैक्टर का एक सेट है (पहला शहर जहां इंगित किया गया है, दूसरा जहां है), परिवहन का प्रकार और यात्रियों की संख्या 100% तक सीमित है। डेटासेट अनाम सांख्यिकीय डेटा है जो लोगों के समूहों से संबंधित है।

यहाँ सेट का दृश्य है । उसके लिए फिर से धन्यवादसाफ्रोनोव।

डेटा सीमाएँ : बस डेटासेट का सबसे गलत हिस्सा हैं। तथाकथित "ग्रे" वाहकों के कारण हम यह नहीं जान सकते कि कितने लोगों ने बस से यात्रा की, जिसका हम मंच पर समर्थन नहीं करते हैं। लेकिन हमने ज्ञात मार्गों पर इस डेटा को पुनर्स्थापित करने का प्रयास किया। हवा और रेलवे डेटा में बहुत अधिक सटीक हैं, लेकिन 100% नहीं। हम सैन्य, रेलवे कर्मियों, बच्चों की कारों और अन्य असामान्य टिकटों की आवाजाही नहीं देखते हैं। सुदूर पूर्व के शहरों के बीच हेलिकॉप्टर मार्गों और याकुतिया के प्रणोदन विमानों जैसे कई जहाज हैं। विमानन में, रूस के यूरोपीय हिस्से में हमारा बाजार कवरेज बहुत अच्छा है और पूर्व की ओर (व्लादिवोस्तोक, नोवोसिबिर्स्क और खाबरोवस्क में) देश के पूर्वी हिस्से में डेटा सबसे सटीक है। ट्रेन टिकट पर, त्रुटि काफी छोटी है।

अगर कोई व्यक्ति मॉस्को-पीटर्सबर्ग ट्रेन में यात्रा कर रहा था और टावर्स से बाहर निकल रहा था, तो उसे मॉस्को-टवेर यात्री माना जाता है।

विभिन्न वाहक, विभागों और आधिकारिक आंकड़ों के माध्यम से अधिक सटीक डेटा प्राप्त किया जा सकता है, लेकिन थोड़े समय में यह लगभग असंभव है। हमारे डेटा मूल्यांकन के लिए पर्याप्त हैं, लेकिन बस याद रखें कि वे भी एकत्र किए जाते हैं और कुछ त्रुटि के साथ बहाल किए जाते हैं।

आप इसे यहां उठा सकते हैं । कुछ घंटों में, इस बारे में एक प्रकाशन होगा कि मॉडल कैसे काम करता है और इसके हुड के नीचे क्या है, और ओडीएस स्रोत खोल देगा। पहले से इंस्टॉल किए गए इस डेटासेट और अन्य के साथ एक रिपॉजिटरी होगी (जैसे निर्देशांक और मामलों की संख्या के साथ एक मिलान शहर का नक्शा)।

यदि आप इसके साथ कुछ करते हैं, तो कृपया मुझे एक व्यक्तिगत ईमेल या मेरे मेल में बताएं noreply@tutu.ru।

परिदृश्य

तीन बुनियादी परिदृश्य हैं: "हम कुछ भी नहीं छूते हैं, सब कुछ हमेशा की तरह होता है" - फिर संक्रमण के संदर्भ में सब कुछ अनुमानित रूप से खराब है। दूसरा परिदृश्य है, "हम सभी हवाई यातायात को अवरुद्ध करते हैं और लोग घर पर रहने की कोशिश करते हैं, लेकिन कारों और ट्रेनों की सवारी जारी रहती है।" तीसरा परिदृश्य मुख्य परिवहन हब का बंद होना है। हाल के परिवर्तनों को ध्यान में रखते हुए, हमने पहले एक की गणना की (CSV में निष्कर्ष हैं), लेकिन चौथे का निष्कर्ष भी लिया, जहां हमने देश में यातायात में कमी को सामान्य रूप से 10% तक सीमित किया। CSV स्क्रिप्टिंग के लिए उसी लिंक

का अनुसरण करें । यह पहली बार नहीं है जब विश्व समुदाय ने महामारी का सामना किया है और यह पहली बार नहीं है जब मैटमॉडल की मदद से उनके विकास की भविष्यवाणी की गई है। गणित स्थानों में जटिल है, तंत्रिका नेटवर्क की आवश्यकता नहीं है। लेकिन एक ग्राफ के कोने के बीच बहने वाला मॉडल गणितीय रूप से बहुत करीब है

तंत्रिका नेटवर्क की सबसे आधुनिक वास्तुकला के लिए। महामारी फैलाने वाले एल्गोरिदम लंबे समय से ज्ञात हैं, आपको बस संक्रामकता जैसे मापदंडों को निर्धारित करने की आवश्यकता है। जो हमारे लिए चीनी, इटालियंस और अन्य लोगों द्वारा गणना की गई थीं जिन्होंने पहले समस्या का सामना किया था। डॉक्टरों द्वारा सत्यापित अनुसंधान के लिए लिंक का एक गुच्छा के साथ अंतिम पोस्ट , मोटे तौर पर मॉडल के लिए प्रारंभिक डेटा का एक संग्रह था। फिर भी, मैं आपको फिर से चेतावनी देता हूं: मॉडल बहुत सटीक प्रारंभिक डेटा का उपयोग नहीं करता है, डेवलपर्स के बीच कोई पेशेवर महामारी विशेषज्ञ नहीं हैं (लेकिन हम उनके एल्गोरिदम का उपयोग करते हैं), मॉडल की अपनी सीमाएं हैं। एसआईआर पर विवरण ओडीएस पद पर होगा। अनुमानित सटीकता - ऑर्डर करने के लिए।

मॉडल का काम इस तरह दिखता है:

हम प्रति दिन बीमारी के प्रसार पर विचार करते हैं।
हम गिनते हैं कि कितने लोग भारित परिवहन वैक्टर के आधार पर दूसरे शहर में चले गए।
हम शहरों में संक्रमितों की संख्या का ब्योरा देते हैं।
हम अगला उपाय शुरू करते हैं।

मॉडल की शुरुआत में शोर इस तथ्य के कारण होता है कि शुरुआती बिंदु 22 मार्च, 2020 है, और यह उन लोगों को ध्यान में नहीं रखता है जो पहले विदेश में कहीं संक्रमित हो गए थे और अगले दिनों में परीक्षण से पहले खुद को नहीं दिखाया था। यह भी महत्वपूर्ण है कि मॉडल का संदर्भ डेटा रोगियों की वास्तविक संख्या नहीं है, लेकिन COVID-19 के लिए सकारात्मक परीक्षण के साथ परीक्षण किया गया नंबर है। यही है, वास्तव में अधिक वाहक हो सकते हैं, और संक्रमण चक्र कम हो जाएगा। मॉडल के अंदर वाहन के संक्रमण का अभी तक ध्यान नहीं रखा गया है।

परिणाम

मैं दो गणना की गई चरम सीमाओं को दिखाता हूं - यदि आप कुछ नहीं करते हैं तो क्या होगा (विकल्प 1) और अधिकतम उपाय करें, लेकिन त्रैमासिक सीमाओं (विकल्प 2) के साथ कुल संगरोध मोड को चालू न करें।

सभी एक ही CSV डाउनलोड लिंक पर , नीचे दिए गए तालिका प्रारूप में।

परिदृश्य 1: सबसे तेज़

परिदृश्य 1 संक्रमण के प्रसार के दृष्टिकोण से सबसे खराब है, जब शहरों के बीच 100% यातायात रहता है (अब यह पहले से ही कम है), और लोग खुद को अलग करने की कोशिश नहीं करते हैं, उदाहरण के लिए, ऐसे मेलों के लिए बसों और मेट्रो की सवारी करें , लेकिन साथ ही साथ वे सिफारिशों के लिए अनुपालन करते हैं। हाथ धोना और एक दूरी बनाए रखने की कोशिश (अलग सफलता के साथ)। यह छह महीने के लिए सिम्युलेटेड है, इसलिए, उदाहरण के लिए, मॉस्को को मॉडल की विकास अवधि के हिस्से के रूप में "एक ही समय में एक हजार से कम संक्रमित" की स्थिति में ठीक नहीं किया जाएगा।

कॉलम पैरामीटर - एक ही समय में संक्रमित रोगियों की संख्या (जो बरामद किए गए हैं वे शामिल नहीं हैं)। पहली दहलीज "एक हजार से अधिक" से शुरू होती है (यह वह दिन है जब शहर में संक्रमित लोगों की संख्या 1,000 से अधिक हो जाती है), फिर 10 और 100 हजार। चौथा स्तंभ वह क्षण होता है जब आप व्यक्ति को छिपाना बंद कर सकते हैं, एक ही समय में 1000 से कम संक्रमित। कॉलम की संख्या वह दिन है जिस दिन सीमा समाप्त हो जाती है। उदाहरण के लिए, मॉस्को 13 दिनों में इस परिदृश्य में अनुमानित पहले हजार संक्रमित मॉडल प्राप्त कर रहा है।

			>1000	>10.000	>100.000 <1000
			13	25	38	-
-		23	33	45	-
			28	40	57	-
 		30	41	55	-
--		30	41	56	-
		32	44	-	172
			32	44	64	174
			33	44	58	-
		33	45	61	-
		34	47	-	171
			35	47	64	-
			35	46	63	-
			35	46	64	-
 ()	36	48	-	178
		37	49	-	177
			37	49	-	-
		37	48	63	-
			37	48	66	-
			37	48	63	-
		37	49	-	175
		38	49	67	-
		38	48	62	-
			38	48	63	-
			38	50	-	-
		38	50	-	-
			38	50	-	171
		39	50	-	176
			39	51	-	174
			40	54	-	152
-	40	54	-	149
			40	52	-	165
		40	52	73	-
			41	59	-	140
 	41	53	-	167
 		41	53	-	165
		42	54	-	160
			42	53	-	174
		42	54	71	-
		42	54	-	170
			42	53	-	-
 	42	59	-	148
			42	54	-	174
			42	60	-	140
			42	53	69	-
		42	54	-	169
		43	55	-	-
		43	63	-	133
		43	55	73	-
			43	54	70	-
			43	55	-	168
 		44	57	-	149
			44	62	-	134
-	44	68	-	131
			44	55	72	-
			44	61	-	136
 		45	66	-	132
-		45	57	-	171
		45	67	-	130
		45	58	-	161
			45	57	-	164
			45	56	-	-
			45	61	-	138
			46	62	-	136
			46	-	-	126
			46	-	-	124
			46	-	-	127
		46	58	-	176
			46	59	-	152
		46	57	75	-
		46	58	-	174
			46	-	-	123
			46	58	80	-
		46	58	75	-
			47	64	-	143
		47	-	-	124
			47	61	-	146
			47	61	-	156
			47	61	-	146
		47	60	81	-
			47	59	77	-
		47	59	81	-
			47	59	-	177
 		47	61	-	151
			47	60	-	-
			47	-	-	126
		47	58	78	-
			47	61	-	154
			47	60	-	169
		48	61	-	176
			48	62	-	145
		48	60	-	-
			48	-	-	123
			48	-	-	115
		48	-	-	122
			48	60	-	158
		48	62	-	152
			48	61	-	150
			48	-	-	115
		48	67	-	131
		48	64	-	135
		48	66	-	131
			48	65	-	132
			49	-	-	126
			49	71	-	129
			49	63	-	147
		49	-	-	122
			49	-	-	118
			49	62	-	159
		49	-	-	115
		49	-	-	129
		49	-	-	127
		49	63	-	149
			49	-	-	123
			49	69	-	130
			49	64	-	149
		49	-	-	118
		49	62	-	-
 		49	-	-	116
		49	61	-	-
			49	62	-	151
		50	-	-	117
		50	65	-	142
			50	65	-	151
			50	63	-	160
			50	-	-	119
		50	-	-	124
		50	-	-	127
			50	-	-	115
		50	-	-	130
		50	64	-	150
			50	66	-	137
			50	65	-	147
			51	64	-	156
			51	65	-	154
			51	64	-	170
		51	66	-	140
		51	64	94	-
		51	65	-	160
			51	65	-	163
 	51	64	-	-
			51	-	-	115
		51	-	-	118
		51	-	-	115
		51	64	-	165
			51	67	-	140
 		51	-	-	122
			51	67	-	140
		51	65	-	160
 		51	-	-	123
		51	63	84	-
		51	66	-	143
		51	64	92	-
-		51	-	-	113
		52	-	-	128
		52	-	-	134
		52	-	-	109
		52	68	-	142
			52	69	-	143
			52	-	-	111
 		52	-	-	130
 		52	-	-	114
		52	69	-	140
		52	-	-	120
		52	65	-	177
 		52	67	-	164
		52	-	-	115
			52	-	-	105
			52	66	-	155
			52	69	-	143
			52	65	-	-
			53	-	-	102
			53	-	-	127
			53	69	-	143
			53	71	-	139
			53	67	-	-
			53	73	-	133
			53	66	-	-
			53	74	-	135
		53	-	-	111
			53	70	-	142
			53	66	-	178
		53	66	-	157
		53	-	-	112
-		53	67	-	161
			54	68	102	-
			54	-	-	98
		54	-	-	110
			54	-	-	116
			54	-	-	131
			54	72	-	143
		54	-	-	132
		54	69	-	149
			54	-	-	99
		54	-	-	102
			54	-	-	104
		54	-	-	118
		54	-	-	127
		54	-	-	114
		54	-	-	104
		55	74	-	141
			55	-	-	108
		55	71	-	161
		55	70	-	-
		55	72	-	155
--		55	-	-	121
		55	74	-	135
			55	-	-	119
			55	-	-	127
			55	77	-	140
			55	-	-	108
		55	68	-	-
			55	-	-	101
			55	70	-	-
			55	-	-	97
		55	-	-	102
		55	68	-	-
			55	-	-	106
			56	74	-	143
		56	-	-	143
		56	69	-	-
			56	72	-	152
		56	74	-	140
			56	73	-	161
		56	71	-	158
		56	-	-	107
 		56	-	-	98
		56	-	-	97
			56	-	-	121
			56	-	-	106
			56	70	-	-
			56	73	-	164
			56	73	-	142
			56	-	-	99
			56	-	-	100
		56	-	-	109
			56	-	-	122
			56	-	-	137
		57	75	-	145
		57	-	-	94
		57	-	-	133
		57	72	-	-
			57	76	-	143
		57	-	-	126
		57	-	-	124
		57	-	-	112
		57	-	-	130
		57	-	-	142
		57	-	-	132
		57	-	-	114
		57	-	-	102
			57	72	-	-
		57	-	-	90
-		57	75	-	166
			57	-	-	108
		58	-	-	129
			58	-	-	91
 		58	78	-	141
		58	-	-	110
			58	77	-	139
		58	74	-	-
			58	-	-	93
		58	-	-	111
			58	-	-	143
		58	-	-	88
		58	74	-	168
		58	-	-	142
			58	-	-	90
			58	75	-	146
-		58	74	-	-
-		58	74	-	-
			58	-	-	90
			58	73	-	-
			59	-	-	123
			59	-	-	116
 		59	-	-	87
		59	-	-	97
-	59	78	-	148
		59	75	-	167
			59	-	-	97
			59	-	-	90
		59	-	-	111
		59	-	-	139
			59	-	-	96
-59	76	-	-
			59	-	-	98
		59	-	-	114
			59	-	-	88
			60	-	-	123
			60	-	-	100
		60	-	-	107
		60	-	-	100
		60	-	-	112
		60	-	-	139
			60	81	-	151
		60	-	-	111
			60	-	-	120
	60	-	-	125
		60	74	-	-
		60	-	-	104
		60	-	-	118
			60	77	-	163
			60	-	-	127
-		60	-	-	85
			60	-	-	140
			60	-	-	125
			60	-	-	97
		61	-	-	127
		61	-	-	125
			61	-	-	82
			61	-	-	138
		61	78	-	164
		61	79	-	179
			61	-	-	103
			61	-	-	87
			61	-	-	121
			61	-	-	134
			62	82	-	167
			62	-	-	143
		62	-	-	93
		62	83	-	173
 		62	-	-	138
			62	-	-	91
		62	79	-	175
			62	-	-	96
			62	85	-	160
			62	-	-	84
			62	-	-	96
		62	-	-	123
		62	-	-	139
			62	-	-	122
 		62	77	-	-
		62	-	-	103
		62	-	-	116
		62	-	-	99
			62	-	-	104
			62	-	-	142
		62	-	-	111
			62	80	-	-
			62	-	-	135
			63	81	-	-
			63	-	-	142
			63	85	-	171
		63	-	-	133
			63	-	-	148
			63	-	-	85
			63	89	-	155
		63	-	-	135
			63	-	-	144
			63	-	-	86
		63	86	-	158
			63	-	-	108
		64	79	-	-
			64	-	-	127
			64	85	-	-
		64	85	-	-
		64	83	-	-
			64	-	-	132
--	64	88	-	160
		64	81	-	172
			64	-	-	118
			65	-	-	129
			65	81	-	-
		65	-	-	117
			65	91	-	164
			65	-	-	154
		65	-	-	147
			65	-	-	149
			65	-	-	129
			65	-	-	117
			65	82	-	-
			65	-	-	150
-		65	-	-	125
			65	-	-	116
			65	-	-	120
			65	-	-	105
		65	-	-	78
			65	-	-	97
			65	-	-	92
			65	-	-	93
		65	-	-	146
		65	82	-	-
			65	-	-	146
		65	-	-	144
		66	88	-	176
			66	91	-	170
			66	-	-	76
		66	89	-	-
		66	82	-	-
 		66	-	-	110
		66	-	-	115
			66	-	-	102
			66	-	-	101
			66	-	-	134
			66	-	-	84
			67	-	-	136
		67	85	-	-
 		67	-	-	137
		67	-	-	76
			67	-	-	125
		67	-	-	92
			67	-	-	163
			67	88	-	-
		67	-	-	119
			67	-	-	144
		67	-	-	75
			67	-	-	131
			67	-	-	125
		67	96	-	162
			67	-	-	116
		67	-	-	160
			68	-	-	115
			68	-	-	167
			68	-	-	110
		68	93	-	172
			68	-	-	142
			68	95	-	-
		68	-	-	135
		68	-	-	107
		68	-	-	100
 	68	100	-	173
			68	-	-	152
-		68	-	-	157
		68	88	-	169
			68	-	-	145
			68	-	-	139
		69	-	-	152
		69	-	-	73
			69	97	-	179
			69	-	-	129
		69	-	-	97
			69	-	-	161
		69	96	-	164
		69	-	-	162
		69	-	-	159
		69	-	-	174
 		69	-	-	128
			69	-	-	153
			69	-	-	127
			69	90	-	-
			69	-	-	153
			69	95	-	-
		69	-	-	117
			70	87	-	-
			70	-	-	159
			70	-	-	122
		70	-	-	156
 		70	-	-	89
		70	-	-	95
 			70	-	-	144
			70	-	-	156
		70	-	-	141
 		70	-	-	139
		70	-	-	100
			70	-	-	103
		70	-	-	160
			70	-	-	105
			70	-	-	100
			70	-	-	136
			71	92	-	-
		71	98	-	-
		71	-	-	153
		71	-	-	171
			71	-	-	178
		71	-	-	100
			71	-	-	101
		71	-	-	99
		71	-	-	137
		71	93	-	-
			71	105	-	177
		72	100	-	-
-	72	93	-	-
			72	94	-	-
		72	99	-	-
		72	-	-	144
			72	-	-	148
			72	-	-	138
			72	-	-	148
			72	-	-	136
			72	-	-	150
			72	-	-	156
			73	-	-	144
			73	-	-	116
			73	-	-	131
			73	-	-	124
 ()	73	105	-	175
			73	-	-	136
		73	-	-	138
		73	-	-	145
		73	-	-	115
		73	-	-	115
-		73	-	-	-
			73	-	-	141
			73	-	-	127
		73	-	-	126
		73	-	-	130
-			73	-	-	155
			73	-	-	140
			73	96	-	-
			73	-	-	159
		73	-	-	175
			73	-	-	161
			73	-	-	138
		74	-	-	104
			74	-	-	148
 		74	-	-	122
-		74	-	-	131
		74	-	-	129
			74	-	-	155
		74	-	-	149
		74	-	-	-
		74	-	-	148
			74	-	-	123
		74	-	-	120
		75	-	-	131
			75	-	-	143
			75	-	-	164
 		75	-	-	155
			75	-	-	111
-		75	-	-	174
		75	-	-	162
			75	101	-	-
			75	-	-	113
			76	-	-	152
			76	-	-	160
		76	-	-	138
			76	-	-	107
			76	-	-	-
			76	-	-	119
		76	-	-	151
			76	-	-	158
			76	-	-	104
		76	100	-	-
		76	106	-	-
		76	108	-	-
		76	-	-	149
		76	-	-	-
		76	-	-	153
			77	-	-	142
			77	117	-	-
		77	-	-	146
		77	-	-	-
		77	-	-	-
			77	-	-	175
		77	-	-	-
		77	-	-	173
		77	110	-	-
		77	-	-	131
		77	-	-	172
		77	-	-	141
		77	-	-	131
			77	-	-	174
			77	-	-	141
		77	-	-	144
			78	-	-	115
			78	-	-	122
		78	-	-	146
 		78	-	-	168
			78	-	-	138
		78	-	-	139
		78	-	-	123
			78	-	-	-
			78	-	-	134
		78	-	-	153
			78	-	-	131
			78	-	-	178
			78	-	-	123
			78	-	-	136
			78	-	-	121
			79	-	-	169
-		79	-	-	-
		79	-	-	142
		79	-	-	128
		79	-	-	164
			79	-	-	152
			79	-	-	132
			79	-	-	139
			79	-	-	109
		79	-	-	132
		79	108	-	-
		79	-	-	158
			79	-	-	119
			79	-	-	162
		80	-	-	130
		80	-	-	161
		80	117	-	-
			80	-	-	-
			80	-	-	147
			80	-	-	167
		80	-	-	128
		80	-	-	153
		80	-	-	148
		80	-	-	151
			80	-	-	-
		80	-	-	160
			80	-	-	-
			80	-	-	139
		80	-	-	-
			80	116	-	-
		81	-	-	145
		81	-	-	126
-		81	-	-	138
			81	-	-	-
			81	-	-	146
		81	-	-	137
		81	108	-	-
		81	-	-	125
-		81	-	-	121
		81	-	-	167
			82	-	-	132
			82	130	-	-
		82	-	-	140
			82	-	-	176
 		82	-	-	159
 		82	-	-	119
		82	-	-	159
		82	-	-	176
		82	-	-	-
			82	-	-	129
		83	-	-	-
		83	-	-	-
			83	-	-	170
		83	-	-	-
			83	-	-	134
		83	-	-	-
			83	-	-	177
			83	-	-	140
		83	-	-	156
			83	-	-	140
		84	-	-	143
		84	-	-	161
			84	-	-	131
		84	-	-	116
		84	-	-	166
			84	-	-	95
		84	132	-	-
  ()	85	-	-	174
			85	135	-	-
--	85	117	-	-
	85	-	-	127
			85	-	-	141
			85	-	-	172
			85	-	-	122
-		86	-	-	-
			86	-	-	134
		86	-	-	179
		86	-	-	-
 		86	-	-	128
 		86	-	-	142
			86	-	-	178
		86	-	-	145
			87	117	-	-
		87	-	-	-
			87	-	-	147
			87	-	-	140
			87	-	-	-
		87	-	-	99
			87	-	-	137
		87	126	-	-
		87	-	-	176
			88	-	-	-
		88	-	-	129
-	88	-	-	114
		88	-	-	133
		88	-	-	144
			88	-	-	174
		88	-	-	122
			88	131	-	-
 		88	-	-	133
		88	-	-	149
			88	-	-	148
		88	-	-	156
			88	-	-	163
			88	-	-	144
			88	-	-	179
		89	-	-	124
			89	-	-	137
-	89	-	-	-
		90	-	-	179
		90	-	-	-
		90	-	-	153
		90	-	-	140
		90	148	-	-
		90	-	-	174
		90	-	-	-
-		90	-	-	161
		91	-	-	175
		91	-	-	-
		91	-	-	170
		91	-	-	124
			91	-	-	145
		91	-	-	170
-	91	-	-	-
			91	-	-	154
		92	-	-	-
			92	-	-	-
 		92	-	-	148
		92	-	-	149
			92	-	-	178
		92	-	-	168
			92	-	-	129
		92	-	-	-
 		92	-	-	140
		92	-	-	134
		93	-	-	153
		93	-	-	104
			93	-	-	-
			93	-	-	-
			93	-	-	139
		94	-	-	-
		94	-	-	138
		94	143	-	-
			95	-	-	155
		95	-	-	-
		95	-	-	152
		95	-	-	145
		95	-	-	112
		95	-	-	-
			95	-	-	129
			95	-	-	-
		95	-	-	129
			95	-	-	-
		96	-	-	-
			96	-	-	150
		96	-	-	178
		96	-	-	-
			97	-	-	168
			97	-	-	-
			97	-	-	115
			97	-	-	-
			98	-	-	179
		98	-	-	-
		98	-	-	-
		98	-	-	137
			98	-	-	172
		98	-	-	-
		99	-	-	159
		99	-	-	-
			99	-	-	174
			99	-	-	158
			100	-	-	113
			100	-	-	-
		100	-	-	-
--	100	-	-	175
			100	-	-	144
		101	-	-	-
		102	-	-	162
		102	-	-	-
			102	-	-	132
			103	-	-	147
			103	-	-	-
		103	-	-	-
		103	-	-	-
 ()		103	-	-	-
		104	-	-	-
		104	-	-	-
		105	-	-	112
		105	-	-	-
			105	-	-	-
			105	-	-	135
			105	-	-	-
		106	-	-	147
			106	-	-	174
			107	-	-	-
		107	-	-	-
		107	-	-	-
		109	-	-	-
 	109	-	-	-
		109	-	-	-
		110	-	-	140
			110	-	-	-
			111	-	-	160
--		111	-	-	-
			112	-	-	-
			114	-	-	172
		115	-	-	-
		117	-	-	137
		117	-	-	-
		121	-	-	-
		122	-	-	-
			122	-	-	-
-		123	-	-	-
-		123	-	-	-
		124	-	-	144
			125	-	-	-
-	131	-	-	-
		133	-	-	-
		133	-	-	-
			134	-	-	-
			135	-	-	155
			136	-	-	-
-	141	-	-	-
		156	-	-	-
		163	-	-	-
			168	-	-	-
			172	-	-	-
		173	-	-	-

मॉडल में एल्डन, आर्गन, आर्स्क, अर्टिष्ट, आर्टीओम, एर्टोमोव्स्क, अयान, बबुस्किन, बगडरीन, बाकलस्क, बायकिट, बटगाय, बेला गोरा, बेली, बर्च, बोगोरोडास्कॉय, बोलोटनॉय, ब्यूइन, वेनवारा, वेनिनो, वेनिनो, वेलिनो, वेलिन भी हैं। वेरखोटुरि विलीयुस्क व्यज़ेमस्कीज, ग्रेमैचिन्स्क, गूसिनोजोसेकाया, डेवलेकनोवो, डेपुतत्स्की, डिक्सन, डॉल्किंस, एर्बोगाचेन, ज़िगस्कान, ज़ुवित्का ज़ाबयाल्स्क, ज़ैवित्स्क, ज़ालैस्कोव, ज़ालिन्स्क, ज़ेरिन्स्क, ज़र्लिन, ज़ेन्चिन काज़ाचिन्कोए, कालाचिन्स्क, कालेवाले, कारागेस्की, करसुक, करगासोक, कारगाट, कारगेट, केपरवेम, किनेल, किरेंस्क, कोला, कोसलन, लाल चोकोय, कुपिनो, कुरीलस्क, लेनिन, लोबना, लुजाना, ल्योबाना, मकारोबा, मकारोवो, मकारोव, , मेश्चोव्स्क, मिनियार, मोगोचा, मुरशी, म्य्स्की, माय्टिशी, नाज़ीवेक, नर्तकला, निझेनगार्स्क, नोवोब्ज़ाकोवो, नोवोरज़ेव, नोवोसिल, न्युरबा, ओब्लुचिये,ओब, लेक करैचिन्कोए, ओज़ेर्स्क, ओलेन्योक, ओलेकमिन्स्क, ओमोलन, ओम्सुचन, ओव्यूस्क, पेवलेट्स, पेवेक, पेनो, पेटुकोवो, प्लायोस, पोरोनसेक, प्रेज़ेवल्सकोएय, यार्न, सक्युक्री, सल्स्की, सास्कलासाख, श्वेतस्लाव, श्वेतार्क। सीमचन, सिमीज़, ब्लू सेज, स्लीयुड्यंका, सोल-इलेट्स, सोनकोवो, सोरको, सोसनोव्का, स्पा-डेमेन्स्क, श्रीडेनकोलॉमसक, स्व्रेन्सेक, सुनतार, सुसुमान, तकसिमो, तलकान, तेरेक, त्रेसी, टोगोचिन, टोलका, टोल्का, टोल्का, टोल्का, टोल्का , तुरुकांस्क, उस्त-काचका, उस्त-कोकसा, उस्त-कुएगा, उस्त-नेरा, उस्त-त्सिल्मा, खांड्यगा, खटंगा, खिल्लोक, हिल, होनोरू, खोटिनेट्स, चारा, चेमाल, चेरामेकोवो, चेरेन्नोवो, चेरपनोव, चेरूचाई, चोउचिये, चोइच। , चुमिकन, चर्मोज़, शिल्का, एवेन्सक, यज़्नो-कुरील्स्क - ये शहर या तो नकली काल की तुलना में बाद में संक्रमित हो जाते हैं, या 1000 संक्रमित नहीं होते हैं।पेनो, पेटुकोवो, प्लेज़, पोरोनसेक, प्रेज़ेवल्सकोए, यार्न, साक्रीयर, सल्मी, सास्किलख, श्वेतोलोगोरस्क (क्रास्नोयार्स्क।), सेवरो-यनिसोर्स्क, सीमचन, सिमीज़, ब्लू ओसोका, स्लीयुडायंका, सोल-इयोलस्क, सॉल्त्स्क। , श्रीदनेकोलॉमसक, स्रेन्सेन्क, सुनतार, सुसुमान, तकसिमो, तराकान, तेरकी, टोगुचिन, ओनली, टॉमोट, फायरबॉक्स, टूर, तुरान, तुरुकस्क, उस्ट-कच्का, उस्ट-कोक्स, उस्त-कुएगा, उस्तेरा-नेस्तेरा। , खांड्यगा, खटंगा, खिल्लोक, हिल, होनू, खोतिनेट्स, चारा, चेमाल, चेरामेखोव, चेरपेनोवो, चेरन्युची, चर्सकी, चोकर्डाह, चुलिम, चुमीकान, चेरमोज़, शिल्का, एवेन्सक, येज़नो-कुरीलस्क - ये शहर हैं। 1000 संक्रमित मत बनो।पेनो, पेटुकोवो, प्लेज़, पोरोनसेक, प्रेज़ेवल्सकोए, यार्न, साक्रीयर, सल्मी, सास्किलख, श्वेतोलोगोरस्क (क्रास्नोयार्स्क।), सेवरो-यनिसोर्स्क, सीमचन, सिमीज़, ब्लू ओसोका, स्लीयुडायंका, सोल-इयोलस्क, सॉल्त्स्क। , श्रीदनेकोलॉमसक, स्रेन्सेन्क, सुनतार, सुसुमान, तकसिमो, तराकान, तेरकी, टोगुचिन, ओनली, टॉमोट, फायरबॉक्स, टूर, तुरान, तुरुकस्क, उस्ट-कच्का, उस्ट-कोक्स, उस्त-कुएगा, उस्तेरा-नेस्तेरा। , खांड्यगा, खटंगा, खिल्लोक, हिल, होनू, खोतिनेट्स, चारा, चेमल, चेरेमोनोवो, चेरेपानोवो, चेर्नस्की, चर्सकी, चोकुर्दा, चुलिमन, चुमीकान, चेरमोज़, शिल्का, एवेन्स्क, येज़नो-कुरीलस्क - ये शहर हैं। 1000 संक्रमित मत बनो।सोनकोवो, सोरको, सोस्नोव्का, स्पास-डेमेन्स्क, श्रीडनेकोलॉम्स्क, स्रेतेन्स्क, सुनार, सुसुमान, तक्सिमो, तराकान, तेरेक, टक्सी, टोगिन, टोल्का, टॉमोट, फायरबॉक्स, टूर, ट्यूरन, तुरकांस्क, उस्त-काचका, उस्का-काचका कुएगा, उस्त-नेरा, उस्त-तिलामा, खांड्यगा, खटंगा, खिल्लोक, हिल, होनु, खोटिनेट्स, चारा, चेमल, चेरामेखोव, चेरेपानोवो, चेर्नोलुची, चर्सकी, चोकर्डाह, च्युलम, चुमिकान, चर्मोज़ो, शेरमोज़, शिलोज़, शिल्पी। ये शहर या तो नकली अवधि की तुलना में बाद में संक्रमित हो जाते हैं, या 1000 संक्रमित नहीं होते हैं।सोनकोवो, सोरको, सोस्नोव्का, स्पास-डेमेन्स्क, श्रीडनेकोलॉम्स्क, स्रेन्सेक, सुनार, सुसुमान, तक्सिमो, तराकान, तेरेक, टक्सी, टोगिन, टोलका, टॉमोट, फायरबॉक्स, टूर, ट्यूरन, तुरकांस्क, उस्ता-काचका, उस्का-काचका कुएगा, उस्त-नेरा, उस्त-तिलामा, खांड्यगा, खटंगा, खिल्लोक, हिल, होनु, खोटिनेट्स, चारा, चेमल, चेरामेखोव, चेरेपानोवो, चेरनोलुची, चर्सकी, चोकर्डी, चुलिम, चूमिकान, चर्मोज़, शिलोज़, शिलोज़, शिलोज़ा। ये शहर या तो नकली अवधि की तुलना में बाद में संक्रमित हो जाते हैं, या 1000 संक्रमित नहीं होते हैं।शिल्का, एवेन्स्क, यज़्नो-कुरील्स्क - ये शहर या तो नकली काल की तुलना में बाद में संक्रमित हो जाते हैं, या 1000 संक्रमित नहीं होते हैं।शिल्का, एवेन्स्क, यज़्नो-कुरील्स्क - ये शहर या तो नकली काल की तुलना में बाद में संक्रमित हो जाते हैं, या 1000 संक्रमित नहीं होते हैं।

दृश्य २

सबसे "पृथक" परिदृश्य। इसमें केवल 10% यातायात बचा है, यानी एक बिंदु से दूसरे बिंदु तक पहुंचना बहुत कठिन है, लेकिन संभव है। यह पूर्ण संगरोध नहीं है, लेकिन कनेक्टिविटी में एक महत्वपूर्ण कमी है। शहरों के अंदर के लोग मेलों में नहीं जाते हैं और खुद को अलग करने की कोशिश करते हैं, लेकिन वे ऐसा आदर्श रूप से नहीं, बल्कि अपनी समझ के अनुसार करते हैं। 180 दिनों की अवधि का अनुकरण किया जाता है (तदनुसार, बरनौल, मॉडल के 174 वें दिन एक हजार मरीज बनाए गए, "महामारी" को कुचलने की प्रक्रिया में एक हजार से कम रोगियों को स्कोर करने का समय नहीं होगा)। वे शहर जो तालिका में नहीं हैं, 1000 से अधिक रोगियों को भर्ती नहीं करते हैं या संक्रमित नहीं होते हैं।

			>1000	>10.000	>100.000 <1000
			18	33	51	-
			40	60	-	-
			42	-	-	158
 		45	66	-	-
		46	68	-	-
			46	67	-	-
-		46	62	88	-
--		56	76	-	-
		61	91	-	-
			62	86	-	-
		63	88	-	-
-	65	-	-	172
			65	91	-	-
			66	94	-	-
			66	93	-	-
 ()	68	99	-	-
			69	-	-	-
			69	108	-	-
			69	-	-	160
		70	103	-	-
			70	103	-	-
			70	104	-	-
			71	105	-	-
		71	104	-	-
			71	105	-	-
		72	109	-	-
-	72	-	-	-
		72	110	-	-
			72	109	-	-
			72	112	-	-
		73	108	-	-
			73	-	-	-
		74	113	-	-
		75	118	-	-
			75	-	-	-
		77	-	-	-
 	77	-	-	-
		77	128	-	-
 		78	-	-	-
		80	-	-	-
			81	-	-	-
		81	-	-	-
			81	-	-	-
			82	-	-	-
		82	-	-	-
			82	-	-	-
		83	166	-	-
			83	-	-	168
			84	-	-	-
			84	-	-	173
		84	-	-	-
			84	-	-	149
			84	178	-	-
 		85	-	-	-
		85	-	-	157
			85	-	-	-
			85	-	-	-
 		86	-	-	-
		86	-	-	-
			86	-	-	-
		87	-	-	-
		88	-	-	175
			89	-	-	-
			90	-	-	155
-		90	-	-	-
			91	-	-	-
		91	-	-	-
			92	-	-	141
			92	-	-	-
			92	-	-	117
			92	-	-	-
 		93	-	-	160
		94	-	-	175
		94	-	-	126
			94	-	-	-
 	94	-	-	-
		94	-	-	-
		94	-	-	147
			94	-	-	-
		95	-	-	157
		96	-	-	-
			96	-	-	-
		96	-	-	-
			97	-	-	-
			97	-	-	-
		97	-	-	-
			98	-	-	-
			98	-	-	-
		98	-	-	178
			98	-	-	-
			99	-	-	-
			99	-	-	167
			99	-	-	-
		99	-	-	-
			99	-	-	-
			99	-	-	-
			99	-	-	-
		99	-	-	-
			99	-	-	135
			99	-	-	-
		100	-	-	-
		100	-	-	-
		100	-	-	-
			100	-	-	-
		101	-	-	-
		101	-	-	-
			102	-	-	171
			102	-	-	-
		103	-	-	-
			103	-	-	161
			103	-	-	-
			104	-	-	128
			104	-	-	-
			104	-	-	-
			104	-	-	-
		104	-	-	-
			104	-	-	-
		105	-	-	165
			105	-	-	-
 		105	-	-	-
			105	-	-	-
-		105	-	-	154
		107	-	-	-
		107	-	-	-
			107	-	-	-
		108	-	-	-
			108	-	-	-
			109	-	-	-
		110	-	-	-
		111	-	-	-
			111	-	-	-
		111	-	-	-
		112	-	-	-
			113	-	-	-
		113	-	-	169
		114	-	-	-
 		114	-	-	-
			116	-	-	-
			117	-	-	-
		118	-	-	-
			118	-	-	-
		118	-	-	-
		119	-	-	-
		119	-	-	-
		120	-	-	174
			122	-	-	-
		124	-	-	-
			125	-	-	-
		126	-	-	-
			126	-	-	-
 		127	-	-	-
			127	-	-	-
		128	-	-	-
		128	-	-	-
		128	-	-	-
		129	-	-	-
		130	-	-	-
			131	-	-	-
			131	-	-	-
		133	-	-	-
 		133	-	-	-
			135	-	-	-
		135	-	-	-
-		137	-	-	-
			141	-	-	-
			141	-	-	-
			145	-	-	-
		148	-	-	-
			150	-	-	-
			151	-	-	-
			157	-	-	-
		161	-	-	176
			164	-	-	-
			164	-	-	-
 	173	-	-	-
			174	-	-	-

मैं आपको एक बार फिर याद दिलाता हूं कि यह शहरों के बीच संक्रमण के प्रसार का अनुकरण है, न कि मृत्यु दर और बाकी चीजों पर विचार। आप व्यक्तिगत रूप से लिखकर ओडीएस की मदद कर सकते हैंmephistopheies।

अधिक महत्वपूर्ण: स्कोलेटेक केंद्र ने उन कार्यों को अनुकरण करने के लिए ज़ोएर्स सुपर कंप्यूटर पर कंप्यूटिंग समय आवंटित करने का निर्णय लिया जो किसी भी तरह महामारी से संबंधित हैं। उनके पास सीपीयू-नोड्स (एक छोटा सा हिस्सा है, लेकिन वहां हैं) और जीपीयू-नोड्स (नोड्स में 4 टेस्ला -100 हैं)। यदि आपके पास एमपीआई सीपीयू के लिए समानांतर एक कोड है या एक GPU पर समानांतर में मॉडल की गणना करने की आवश्यकता है, तो यह उपयुक्त है। आप किसी भी कार्य को ला सकते हैं जो किसी भी तरह महामारी के खिलाफ लड़ाई से संबंधित है, उदाहरण के लिए, आणविक मॉडलिंग, यातायात प्रवाह मॉडलिंग, आदि। संपर्क: sergey.sosnin@skoltech.ru या आप सीधे आवेदन कर सकते हैं ।

इसका क्या मतलब है?

रूसी रसद दुनिया में सबसे जटिल में से एक है। हमारे पास बहुत से अलग-थलग शहर हैं, आबादी काफी हद तक ग्रह के चारों ओर बिखरी हुई है, विशाल खाली प्रदेश हैं। पश्चिम में कसकर जुड़े होने से, गिनती पूर्व में शिथिल रूप से बदल जाती है।

इसका मतलब यह हो सकता है कि मुख्य foci से ग्राफ के महत्वपूर्ण हिस्सों को काट देना संभव है (लेकिन विदेशों से अलग-अलग बड़े शहरों में लौटने के कारण बहुत देर लगती है)।

इस तरह के वितरण को ध्यान में रखते हुए मॉडल आवश्यक डेटा की कमी से बहुत सीमित हैं।

अब जनसंख्या असमानता का कारक यह है कि आप नाटकीय रूप से महामारी के मार्ग को बदल सकते हैं, परिवहन लिंक को अवरुद्ध कर सकते हैं।

मुख्य वाणिज्यिक निष्कर्ष यह है कि लॉकडाउन अब आगे के परिणामों की तुलना में सस्ता है।

मैं आपको इसके लिए अपना शब्द नहीं लेने के लिए आमंत्रित करता हूं, लेकिन एक मॉडल को क्रैक करने के लिए, सीएसवी और कोड में गहराई से खुदाई करें, उस परिणाम को सुधारें और सुधारें जो ओडीएस प्रदान करता है। दरअसल, समुदाय वर्तमान में मॉडल को परिष्कृत करने पर काम कर रहा है।

और मैं इस तथ्य पर जोर देता हूं कि समुदाय ने परियोजना को लिया, उसे बनाया और परिणाम खोला इस तथ्य के पक्ष में एक बड़ी मिसाल है कि डेटा को स्वयं खोलने की आवश्यकता है। क्योंकि कभी-कभी वे बेहद उपयोगी होते हैं, भले ही आपके पास समय न हो या उनके साथ कुछ करने की क्षमता न हो।

एक जगह लिंक , विभिन्न अध्ययनों के लिए लिंक का एक गुच्छा के साथ एक बड़ी पोस्ट ,mephistopheies- यदि आप मदद करना चाहते हैं तो आपका ओडीएस में प्रवेश। ODS द्वारा पोस्टgrismeमॉडल इंटर्नल और मान्यताओं के साथ, भंडार का एक लिंक ।