疫情期间上班风险预估

简介: 目前抗疫到了关键时期,而来自各方面复工的呼声也不断涌出 这两天,甚至有朋友圈里的老板,认为感染的风险不过是千万分之几 作为上班族,最关心的也是自身的复工感染风险,毕竟每个人背后都是一个家庭,一人感染全家感染 所以,我以自己为例简单做了一个出行风险分析,希望对大家也有帮助 1.

目前抗疫到了关键时期,而来自各方面复工的呼声也不断涌出

这两天,甚至有朋友圈里的老板,认为传染的风险不过是千万分之几

作为上班族,最关心的也是自身的复工传染风险,毕竟每个人背后都是一个家庭,一人感染全家传染

所以,我以自己为例简单做了一个出行风险分析,希望对大家也有帮助

1.出行现状

我住在顺义石门地铁站附近,而公司在三元桥附近,而我没有车,所以可用的出行方案只有:

1.[石门] 地铁15号线 -> [望京西] 换乘13号线 -> [芍药居] 换乘10号线 [三元桥];
2.[石门] 地铁15号线 -> [望京] 换乘14号线 -> [望京南] 换乘 101 104 359 647 等公交 [三元桥];
3.[石门] 915快 -> [三元桥];
4.[石门] 915 -> [三元桥];
5.[石门] 空港5路 -> [二号航站楼] 换乘机场快轨 -> [三元桥];
6.[石门] 拼车(顺风车)等 -> [三元桥];

image

2.风险点分析

我们可以通过疫情地图,发现目前存在的确诊病例小区,而在我的出行路线附近一共有下面确诊小区:

1.义宾南区,发现时间 2020-2-8,距离[石门]地铁约600米
image
2.芳园里小区,发现时间 2020-2-7,距离[将台]160米,[望京南]地铁1300米
image
3.剩下就是东直门附近的几个小区,距离[三元桥]超过3000米,所以暂不考虑了

3.出行方案选择

首先排除坐地铁和去机场的方案,两个方案人流量都太大,并且出现病例的小区距地铁站都很近

其次,排除沿途停靠站点较多的公交方案,最后选择 915快 或者 拼车

915快的经停站点:
image

4.传染风险预估

剩下的两个方案 915快 和 拼车 只剩下来自 义宾南区 的威胁

那我们重点分析下义宾南区的风险:

这个小区周围的商圈有:国泰商城、鑫海韵通百货等
image

这些百货商城的生活物质供应应该大部分来自石门市场
image

所以,在生活物质的供应链上,存在共同关系

我与人员新冠病人之间的最短连接也就是1-2人,

新冠病毒想要传染到我身上,最少只需要两次传染即可,传播路径分别是:

义宾南区 -> 915快 -> 我
义宾南区 -> 石门市场 -> 我

从目前的数据可知,1个新冠病人平均传染2-3人

从网上资料可知,胜利街道2010年常住人口约:34858,现在应该会有增长,但考虑到春节部分人员外出,所以以4万人口计算

百度百科:https://baike.baidu.com/item/%E8%83%9C%E5%88%A9%E8%A1%97%E9%81%93/27994?fr=aladdin

第一次传染,导致产生可自由活动的潜伏者概率

义宾南区一共有30栋楼,考虑到马路的隔离,所以暂不考虑马路西侧的几栋楼,则一共有18栋楼
image

顺义的小区一般都是每栋6层左右,一层两户,所以可以得知一共 18 6 2 = 216 户

按每户人口4人计算,则为 864 人

那么发生漏网之鱼传染的可能性就会是(假设潜伏者是3):

i1 = 3/864 = 0.347%

第二次传染,流向915公交线路或石门市场等生活物质供应链上人的概率

石门市场,相对人流比较大,按2000商户计算,平均每个商户2人

石门市场资料:https://1000txl.kuaizhan.com/63/4/p6290445330f8a5

915公交,按准乘人数50人计算(早晚高峰)

i2 = (2000 * 2)/40000 + 2 * 50/40000 = 10.25% 

P(1) = i1 * i2 = 0.03557%

这里解释下公式含义,如果顺义区常住人口为4万,则:
石门市场商户的传染概率是:(2000 * 2)/40000
乘坐915路公交乘客的传染概率是:2 * 50/40000

当然,这么计算有点过于简单粗放,而我们实际也只需要一个初步评估

这也就意味着,在目前情况下,我如果去一次市场,上一次班,被传染的概率约为 万分之三 - 万分之四

比所谓的 千万分之几 确实高出不少,但也没有高到要引起恐慌的地步

那么如果连续上班和连续出入石门市场呢?

按照条件概率公式,如果还没有发现潜伏者,每上一次班,我被传染的概率将会逐步增加:

# 第2天
P(2) = P(中招|昨天未中招) = P(昨天未中今天中)/P(昨天未中) = P(1)/(1-P(1)) = 0.03688%
# 第3天
P(3) = P(2)/(1-P(2)) = 0.03829%
# 第4天
P(4) = P(3)/(1-P(3)) = 0.03981%
# 第5天
P(5) = P(4)/(1-P(4)) = 0.04146%
# 第6天
P(6) = P(5)/(1-P(5)) = 0.04325%

可以发现,如果在目前条件下,疫情传播源和传播速度不变的前提下,连续上班传染的风险增长是很微小的

上面没有考虑潜伏者的扩散,如果持续有未发现的潜伏者,假设潜伏者初始值为3
并能自由出行(上班),潜伏者的传播速度是2:

# 第2天
Pi(2) = P(1) * 3 * (2 ** 1) = 0.2134%
# 第3天
Pi(3) = P(1) * 3 * (2 ** 2) = 0.4268%
# 第4天
Pi(4) = P(1) * 3 * (2 ** 3) = 0.8536%
# 第5天
Pi(5) = P(1) * 3 * (2 ** 4) = 1.7072%
# 第6天
Pi(6) = P(1) * 3 * (2 ** 5) = 3.4144%

从这个假设角度下,可以看出风险增长的就比较快了,

如果平均7天的潜伏期,上了一周班以后,传染风险就到了3%

这个传染概率还是比较高的!

所以,防疫的重点和难点就在于缩小检测的潜伏期,潜伏期越长越棘手

未知问题

当然,公司是一个聚集性场所,这里仅仅只考虑了我上班路上的风险,却并未考虑其他员工上班后一起传染的风险

且传染源也是在不断增长变化的,潜伏者也在不断变化

如果再考虑这些条件,那么这个风险就不好估算了

总结

所以目前最稳妥的做法还是耐心等待潜伏期结束,当确诊出现连续0增长时,也就意味着前提条件趋于稳定,即真正进入了安全期。

如果大家还是希望上班,那么折中的办法就是自我评估下:

1.上班途中的风险点;
2.同事间传播的风险;
3.当前城市传染源控制的风险;

通过科学的估算和权衡后,相信大家都能做出理性的抉择

相关文章
|
存储 数据采集 运维
业务系统故障率居高不下:有哪些非常有效的治理大招?
业务系统故障率居高不下:有哪些非常有效的治理大招?
347 0
|
消息中间件 NoSQL JavaScript
P0级事故,项目组慌的一批! 下
P0级事故,项目组慌的一批! 下
|
NoSQL JavaScript 前端开发
P0级事故,项目组慌的一批! 上
P0级事故,项目组慌的一批! 上
2023年春运(春节)舆情风险点研判提示分析
随着农历春节临近,根据国务院《2023年综合运输春运疫情防控和运输服务保障总体工作方案》通知,2023年综合运输春运从1月7日开始,至2月15日结束,共40天。
2023年春运(春节)舆情风险点研判提示分析
|
程序员 开发者
项目外包:时间不够、能力不够、钱不够
一般我们找外包有几个原因:时间不够、能力不够、钱不够。或者几种兼有。
183 0
项目外包:时间不够、能力不够、钱不够
程序人生 - 疫情期间外出购物防护指南
程序人生 - 疫情期间外出购物防护指南
104 0
程序人生 - 疫情期间外出购物防护指南
|
前端开发 JavaScript
疫情期间,写的两个场景
落笔前,先期望疫情快快过去,都要生锈了都~
疫情期间,写的两个场景
|
存储 Serverless 网络安全
疫情期间,如何远程办公?
因受到新型冠状病毒疫情的影响,如您需要了解远程办公协作系统/套件/架构/应用等相关问题,可参考以下解决方案进行处理。
1899 0
疫情期间,如何远程办公?
|
运维 关系型数据库 MySQL
疫情期间,遇到业务问题该怎么办?
因受到新型冠状病毒疫情的影响,如您在业务方面遇到相关问题,可参考以下解决方案进行处理。
1734 0
疫情期间,遇到业务问题该怎么办?