مدلسازی فضایی انتشار ویروس کرونا بر اثر تحرک و جابجایی افراد (مطالعه موردی: کلانشهر تهران)

تاثیرجابه جایی برانتشار ویروسها مسئله ای بسیار مهم است که توسط جوامع مختلف به منظور شناسایی عوامل تاثیرگذاردر انتشار بیماری مورد بررسی قرار گرفته است. استفاده از مدلهای آمار فضایی یکی از روش های مدلسازی چگونگی انتشار ویروس در سطح نواحی یک شهربراساس داده های مکان مبنا میباشدکه ازمهمترین ویژگی این مدلها بومی سازی براساس ارتباط بین داده های مکانی افراد مبتلا به ویروس ومتغیرهای توضیحی محلی تاثیرگذاربرانتشارویروس است.دراین مطالعه درگام اول ازبین 12 متغیرتوضیحی دردسترس با استفاده از روش رگرسیون اکتشافی 1795 مدل فضایی ساخته شدتا براساس آن وابستگی مکانی، همخطی متغیرهای توضیحی درنظرگرفته شودودرنهایت 5 متغیرکه کمترین همبستگی خطی و مکانی و همچنین بیشترین اثرگذاری درانتشار بیماری داشتند جهت ادامه مدلسازی انتخاب گردید.در گام دوم به منظور مدلسازی اثرمتغیرهای شناسایی شده بر انتشار ویروس کرونا از 3 مدل آماری مکان مبنا رگرسیون وزن دارجغرافیایی( gwr) و رگرسیون پوآسن وزن دار جغرافیایی( gwpr) استفاده گردید. نتایج مطالعه نشان داد میزان جا به جایی، جمعیت افراد سالخورده در هر ناحیه ترافیکی و سپس تعداد خودرو هر خانوار بیشترین تاثیردر انتشارویروس کرونادارد همچنین با ایجاد محدودیت شدید جا به جایی در نواحی ترافیکی آلوده به منظور قطع زنجیره انتقال به سایر نواحی و همچنین کاهش میزان جا به جایی در سایرنواحی مانند آموزش مجازی مدارس ودانشگاهها و دورکاری در ادارات می تواند در بازه 6 ماهه تاثیر چشمگیری بر کنتزل انتشار ویروس کرونا داشته باشد.در انتهای مطالعه 3 سناریو پیشنهادی جهت جلوگیری از انتشار ویروس در شرایط بحرانی برای مناطق 22 گانه شهر تهران و همچنین 603 ناحیه ترافیکی ارائه گردید.

spatial modeling of the spread of the coronavirus due to the mobility and displacement of people (case study: tehran metropolis)

the effect of displacement on the spread of viruses is a very important issue that has been studied by different societies in order to identify the factors influencing the spread of the disease. the use of spatial statistical models is one of the most recent modeling of how the virus spreads in the regions of a city or country based on location data, and one of the most important features of these models is localization based on the relationship between data. the location of people infected with the virus and local explanatory variables affecting the spread of the virus. in this study, in the first step, among the 12 available explanatory variables, 1795 spatial models were built using the exploratory regression method, so based on that spatial dependence, collinearity of the explanatory variables are considered, and finally, 5 variables that have the least linear and spatial correlation and also, they had the most effect on the spread of the disease and were selected to continue the modeling. in the second step, in order to model the effect of the identified variables on the spread of the coronavirus, three location-based statistical models, geographically weighted regression (gwr) and geographically weighted poisson regression (gwpr) were used. the results of the study showed that the amount of movement, the population of elderly people in each traffic area and then the number of cars per household has the greatest impact on the spread of the coronavirus. also, by creating severe restrictions on travel in polluted traffic areas in order to cut off the chain of transmission to other areas, as well as reducing the amount of travel in other areas, such as virtual education in schools and universities and remote work in offices, it can have a significant impact in 6 months. to prevent the spread of the coronavirus. at the end of the study, 3 scenarios were proposed to prevent the spread of the virus in critical conditions for 22 areas of tehran and 603 traffic areas.