问答:COVID-19大规模疫苗接种——模拟、人工智能应用和现实实施

横幅- 1200 - 200. - jpg

阿里·阿斯加里博士在AnyLogic的本次网络研讨会上展示的工作也在彭博CTV新闻渥太华.这两个来源都为模拟和基于人工智能的开发如何在实践中使用提供了良好的背景。


随着COVID-19疫苗的出现,许多挑战需要解决。重要的是确保充足的供应和有效的分配。

在我们2021年3月的网络研讨会上,嘉宾演讲者阿里博士Asgary来自加拿大约克大学的研究人员分享了利用模拟、机器学习及其在线应用开发免下车COVID-19大规模疫苗的见解。网络研讨会展示了公共当局如何使用该模型。

继续阅读更多细节、网络研讨会记录以及与Ali Asgary博士的问答。

COVID-19免下车疫苗接种模式和AI

在COVID-19大流行期间,需要使用不同的方法来快速和安全地为数百万人接种疫苗。“免下车”是广泛适用的大规模疫苗接种方案之一。为了规划、设计和实施免下车疫苗接种设施,公共卫生机构正在使用模拟技术。

在网络研讨会期间,Ali Asgary博士介绍免下车接种模拟模型从他的研究“免下车接种模拟人工智能模型”.他还解释了模型的核心结构:筛选、注册、接种和观察。为了在模型中准确反映这些步骤和免下车疫苗接种过程背后的逻辑,并加快模型构建过程,Ali Asgary博士的研究团队使用了道路交通行人,流程建模AnyLogic附带的库。


大规模疫苗接种模拟


模拟显示等待时间和不同模拟输入设置可能的接种数量,包括接种通道的数量、工作人员的数量和程序所需的时间。

使用AnyLogic云API为了加快运行时间,研究团队运行模拟超过十万次,并从广泛的输入参数创建了一个大数据集。从该数据集开发的机器学习模型可以准确预测输出值,并已部署为在线人工智能应用(试一试!)

如果你对Asgary博士的研究感兴趣,他和他的研究团队很乐意为应用案例合作。你可以通过以下方式联系他们:asgary@yorku.ca



阿里·阿斯加里博士在网络研讨会上提出的问题的答案

该模型是否模拟了任何罕见但具有潜在破坏性的事件,如病人出现过敏反应、汽车紧急情况等?

该模型具有包含此类事件的潜力,但它们并没有被直接考虑。然而,由于这种紧急情况是在免下车设计(额外注意隔间或紧急间隔)中考虑的,因此这些事件应该很容易处理,只需将有问题的病人从过程中带走。


参数的范围是如何确定的?

筛查、登记、疫苗接种和回收率的参数值用于以前的一些大规模疫苗接种和免下车设施病例以及现有方案。然而,由于可能性的差异,这些度量标准被专门设置为参数,以便模型可以在已知更精确的数据时轻松地进行调整。


汽车代理商如何选择去哪条车道?如果它是随机的或基于最短的队列,可以使用启发式来改善结果吗?

汽车进入排队最短的车道。这在载有多名乘客的汽车随机进入系统的情况下很重要。

但是,用户可以通过改变模型的参数来改变这一点。“HOV专用车道”和“动态调整HOV车道”复选框将使模拟能够根据HOV队列和非HOV队列过去一小时的平均值动态分配足够的HOV车道。此外,“面向lov的并行服务”将允许在服务摊位有足够的工作人员时,向搭载一名或两名乘客的车辆同时提供服务。


在这个仿真模型中使用了AnyLogic的哪些特性是其他仿真软件无法解决的?

使用AnyLogic是因为它提供了机会有效的二维和三维可视化,它具有执行场景分析和优化的内置方法,并具有智能体的属性和行为结合在一起离散事件模型。AnyLogic云及其API还提供了一种精简的方式,可以快速执行数千个模拟,并轻松地从实验中检索数据。


这种模拟已经应用了还是还没有应用?

我们的模拟和人工智能版本的云版本,以及我们的出版物,自从它们公开以来,已经被访问了很多次。我们可以有把握地假设,其中一些是由实际的大规模疫苗接种计划人员完成的,其中一些人找到了我们。该模拟模型在科罗拉多州丹佛市的一个接种点和加拿大安大略省阿恩普莱尔的一个接种点使用。第三个地点位于伊利诺伊州芝加哥,目前正在规划阶段。


人工智能在这个模型中扮演什么角色?

AI不用于驱动模型中的任何内部组件或逻辑。相反,它被用作模拟结果的近似器。由于所有可能的输入组合,运行几十万次模拟运行可能会花费大量的时间和计算成本。

在中运行仿真,可以生成一个大的数据集AnyLogic云然后输入人工智能,学习如何根据输入预测输出。这使得用户能够非常快速地配置输入并检索结果。


你的神经网络模型的输入/输出是什么?你想要预测的是什么?

人工智能应用允许用户配置模拟模型中使用的相同输入——包括服务时间、班次信息、每条车道的开放车道和工作人员数量,以及其他设置。输出包括通过的汽车数量,通过的乘客和平均等待时间,以及描述等待时间分布的直方图。阅读更多> >


这里使用了什么样的人工智能算法?

采用监督学习算法,利用ReLU激活函数训练由5个完全连接的前馈层组成的神经网络。阅读更多> >


其他相关资源:18luck新利网页版


相关的帖子

Baidu