疫情期间寻找最佳路线：最小感染概率路径模型

本文提出了一种数学模型，用于通过最小疾病感染风险来识别疫情期间最安全的旅行路线。我们将该问题表述为最小感染概率路径（LIPP）问题，该问题基于最小疾病传播概率优化交通网络中两个节点之间的路线。我们的模型评估了包括环境密度、接触携带者的可能性以及多种交通方式（步行、地铁、BRT、公交车和汽车）下的暴露时长等风险因素。概率框架纳入了通风质量、活动水平和人际距离等额外变量来估计传播风险。将该模型应用于德黑兰交通网络（使用 Neshan 和 Balad 路由应用程序），我们的模型表明，结合步行-地铁-BRT 的路线相比汽车或公交车路线具有显著更低的感染风险，如我们在 Sadeghiyeh 广场与 Amirkabir 大学之间高峰时段出行的案例研究所示。我们开发了一种适合集成到现有导航软件中的实用路由算法，以提供疫情感知路径推荐。潜在的未来扩展包括纳入等待时间和线路变更等额外变量，以及将该模型适配用于其他传染病。这项研究为疫情期间寻求降低感染风险的都市旅行者提供了一个有价值的工具。