时事建模|什么时间做核酸最快?
The following article is from 北林建模社 Author 北林建模社
什么时间做核酸最快?
摘要
目前疫情形势起伏波动,为了更有效地落实疫情防控,学校增加了对全体师生的核酸检测频率要求。大量的检测对象加上可提供的有限的人力物力资源,带来了核酸检测点位的冗长排队现象。过长的排队时间以及人员聚集,不仅带来了同学们时间和精力的浪费,还有可能增加人员聚集带来的传染风险。
本文利用M/M/c/k经典排队模型和Poisson过程,建立数学模型,为同学们提供科学的排队策略,并且讨论校方如何合理安排核酸监测。
关键词:排队模型;Poisson过程
正文
模型一、如何安排核酸检测策略最优?(江雨萱)
【问题分析】
在短时间内无法快速完善基础建设、补充足量人力物力资源的情况下,对于排队现象进行数学建模可以帮助我们,提高检测效率。
在核酸检测场景中,可以抽象出两个要素,一是系统中的待测人员,二是系统中为待测人员提供的核酸检测服务。在此系统中,待测人员怎样到达,提供服务的系统有多大的运行空间和容量,提供服务的效率都与排队系统的服务能力息息相关(为适应经典排队理论,将待测者等价为顾客,将检测人员等价为服务员,将检测过程等价为待测者排队在服务台接受服务的过程)。
顾客的输入过程
待测者数目是不随着时间变化而变化的齐次Poisson过程。
对顾客的服务过程
服务时间可以认为是核酸检测人员对于待测者进行一次检测的时间
监测资源
短期来说认为监测点是固定的。待测人员数量是无穷的。
服务规则
基于核酸检测的必要性和强制性,我们认为串联结构的排队网络模型,顾客单向流动,
如下图所示:
图表 1 串联结构排队网络
【原理和建模】
计数过程{N(t),t≥0}在区间[t,t+τ]内发生的事件的数目的概率分布为:
称该计数过程为参数为λ的Poisson过程。显然,待测人员到达数量服从Poisson过程,而过程中两次相邻时间发生的时间间隔Tn独立同分布于均值为1/λ的指数分布。
M/M/1/q模型,其含义为:
输入过程{N(t),t≥0}为Poisson流,平均到达速率为λ(单位时间内的顾客数, λ>0),其顾客源的个数为∞;
对每个顾客的服务时间{vn,n=1,2,3···}相互独立且都服从负指数分布,平均服务时间为E(vn)=1/μ,其中μ>0,表示单位时间内服务完的平均顾客数目;
服务台个数为1;
系统容量为q。
将该过程看作生灭过程,通过计算,得到:
系统中顾客排队等待数量的均值LW:
单位时间内平均进入系统的顾客数(有效到达率)为:
根据Little公式得到顾客平均等待时间:
标准400米田径场的足球场宽大约是70米。根据人与人之间间隔1米的要求,取q=70(然而实际上是否存在待测者站得比较紧密的情况);假设单位时间(一分钟)内到达10人,则顾客到达速率取10;假设单位时间(一分钟)内服务完的顾客数目为3,取μ=3;则系统负荷水平或强度ρ=λ/μ=3,顾客平均等待时间:
即平均等待时长为大约22.9分钟。
【小结】
提高单位检测效率,或者增加监测点可以有效降低平均等待时长;
顾客到达效率越小,等待时间越小,即可以采取分区检测策略,安排不同区域的师生就近检测,避免扎堆聚集,降低顾客密度和顾客到达率,降低平均等待时长。
模型二、核酸检测我该怎么排队?(刘昱君、何昕芮)
目前我校正处于疫情攻坚战的关键时刻,根据疾控部门应急管控要求,学校采取连续三天做核酸的防疫策略。相关通知一经发出,朋友圈就被各种排队照片刷屏,“排到博物馆了”“排到图书馆了”,可是有的同学却能错开高峰期,花费较短的时间完成核酸。究竟我们该采取什么样的策略做核酸呢?
【问题分析】
1.检测流量
泊松分布函数为
在时间T内有k位参检人员到达的概率为:
其中,是在时间λT内参检人员到达的平均参检人员数,λ为单位时间内平均到达速率,即泊松强度。
2.核酸检测进行时间
核酸检测进行时间主要分为两部分,分别为身份证识别时间和棉签采样时间。医护人员是一个一个对师生进行识别的,且对参检人员师生的识别时间长短不一。识别时间往往通过概率分布进行描述,而此问题属于简单排队问题,故假设身份证识别时间服从负指数分布,其分布函数为:
其中,μ为常数,代表单位时间内的平均识别率。则平均识别时间可以表示为1/μ:
棉签采样时间通常在30s-2min之中不等,本模型选取1min作为常量。
由此,平均检测时间(5min为单位时长)为(1/μ)+5,则单位时间内的平均检测率为μ/μ+5.
3.检测点设置
图2 检测系统结构图
【原理和建模】
设在任意时刻t系统中有n个参检人员的概率为Pn(t),当系统达到稳定状态后,Pn(t)趋于稳定状态概率为Pn,此时Pn=(1-ω)ωn。
依据排队论及概统知识相关知识可得到如下衡量指标表达式:
(1)处在整个核酸检测系统中的平均参检人员数量As为:
(2)处在队列中等待的平均参检人员数量Aw为:
(3)参检人员的平均逗留时间Ts为:
(4)参检人员在队列中的等待时间Tw为:
【模型实例分析】
我们选择2022年11月9日8:00-12:30的核酸检测数据(当日12:30-13:00后基本无人),选取时间间隔为10分钟,设置一个操场宽度为50人(50米共51个点位减去核酸检测点位),最终量化数据如下:
图3 核酸情况共享表格
经过计算核酸检测平均到达率为:
平均检测率:
拥挤程度:
【小结】
汇集数据整理得到表格如下:
表4 模型数据
结论:
校方:
维持秩序是最重要的,避免大规模人群近距离聚集,严格规范人与人间隔一米。
根据学校操场设置,结合M/M/1模型,队伍一列对应多个检测点位切实可行、高效有序。即管理学生分波进入操场进行核酸检测,每个队伍排队人数以及平均检测时间趋于一致。
可以配置核酸预约系统,效仿体测预约系统。
学生:
在9:00-10:00以及12:00-12:30 两个时间段到达人数较少、拥挤程度轻(见表4)。
在规定核酸开始时间开始后一个小时到一个半小时,以及规定结束时间前一个小时,人较少,建议大家错峰做检测。
- END-
作者:江雨萱 刘昱君 何昕芮
特别感谢:李明谦 唐诚 肖月茗
排版:陈辰
校样:杨文睿 刘倩妃
审核:武晓昱
篇幅限制,只截取了部分论文,论文全文供大家下载学习:
*建模结果为北京林业大学理学院知识产权,可直接转载或引用,但不许删除作者信息。
北林建模社
——————————————
热点话题,建模解答!我们是陪
你用数学看世界的北林建模社。
如果你对生活中的现象感到疑惑,
想培养独立思考的意识,或者想
更多了解建模比赛的话,就扫码
关注我们吧!
——————————————