假如核弹在身旁爆炸……

五月的一个星期一上午11点15分，一辆看似普通的卡车驶入华盛顿市中心第16街和k街的交叉口，就在白宫以北几个街区的地方。在车里，自杀炸弹手打开了开关。

当核弹爆炸时，整个街区立即被摧毁，一英里内的建筑被摧毁，成千上万的人在废墟中死亡或正在死亡。一个电磁脉冲导致一部手机在5公里内爆炸，切断了整个城市的电网。风把炸弹上的蘑菇云变成了放射性尘埃，并向东传播到了马里兰州的郊区。

这条路很快就挤满了人。一些人试图逃跑，但更多的人在寻找失踪的家庭成员或寻求医疗帮助。

灾难模拟

当然，这一切都是虚构的，但它有一个严肃的目的。这一核打击故事系列被称为国家计划场景1(NPS1)，起源于20世纪50年代，是美国国家安全官员和应急管理人员在面对真实事件之前测试其应对计划的一种安全方式。

60年后，官员们仍在反思核灾难的后果。直到现在，他们还没有固定的故事线和预测，只是使用计算机来“假设”一个完整的人工社会——一个基于主体的高级计算机模拟。

今天的NPS1模型包括受炸弹影响地区的每栋建筑的数字模拟，以及道路、电线、医院甚至输电塔。该模型包括模拟放射性尘埃流的天气数据。现场由大约730，000人组成——从统计数据来看，就年龄、性别和职业而言，与受影响地区的实际人口相同。每个人都是一个独立的子程序，可以通过切换多种行为模式，以合理的人类方式对其他人和不断演变的灾难做出反应。

这个模型的目的是避免使用固定的方程来描述人类事务。事实上，金融崩溃或疾病传播等事件的影响是从底层开始的，通过许多人的互动，现实世界中丰富而自发的事件就产生了，这是很难模拟的。

弗吉尼亚理工大学生物复杂性研究所所长、计算机科学家克里斯托弗·巴雷特说，细节正是应急管理人员所需要的。该研究所为*开发了NPS1模型。例如，NPS1模型可以提醒管理人员电源故障点X可能导致意外的交通堵塞点Y；如果他们决定在清晨部署移动发射塔来恢复通信，国家公共电台1可以告诉他们有多少平民涌向道路。“基于主题的模型是如何整理出所有这些部分并观察它们的相互作用的？”巴雷特说。

缺点是像NPS1这样的模型通常非常大，迫使参与者相对简单。“在个体的复杂性和模拟的规模之间有一个根本性的权衡。”国防高级研究计划局的项目经理乔纳森·普法茨(Jonathan Pfautz)说。

基于主题的模型

然而，随着计算机变得越来越强大，越来越多的决策者在经济、交通、公共卫生和城市规划等许多领域认真对待基于主题的模型。"它们是最灵活、最详细的模型."“这使得它在理解和指导政策方面最有效，”佛罗里达大学的流行病学家伊拉·朗吉尼说。

基于主体的建模至少可以追溯到20世纪40年代，当时像图灵这样的计算机先驱尝试用本地交互软件来模拟物理和生物学中的复杂行为。然而，目前的发展浪潮只是在1990年代中期才开始。

早期的成功故事是弗吉尼亚州乔治梅森大学的经济学家罗伯特·阿克塞尔和纽约大学的约书亚·爱泼斯坦共同开发的“糖域”。因为他们的目标是在普通台式电脑上模拟社会现象，所以基于主题的模型被简化了:一组简单的主题在网格中移动，寻找“糖”——一种类似食物的资源，在某些地方很丰富，但在其他地方却很少。虽然很简单，但这种模式已经产生了令人惊讶的复杂群体行为，如迁移、争斗和邻里隔离。

另一个里程碑是20世纪90年代的交通分析和模拟系统，它是由Barrett等人在洛斯阿拉莫斯国家实验室开发的基于主题的交通模型。不同于传统的交通模型，它使用方程式将移动车辆描述为流体，并且将每辆车和驾驶员建模为穿过城市道路网络的主体。这个模拟实验包括汽车、卡车和公共汽车，由具有现实年龄、能力和目的地的人驾驶。当应用于真实的城市道路网络时，该系统在预测交通拥堵和局部污染水平方面优于传统模型。

流行病学家正在经历类似的变化。在过去的一个世纪里，他们使用了一套相对简单的方程式来评估疾病的爆发，这些方程式将人们分为几类——如易感性、传染性和免疫力——并假设完美的混合，这意味着受影响地区的每个人都与其他人接触。这些基于方程的模型仍然被广泛使用。

然而，流行病学家越来越多地转向基于学科的模型，包括方程忽略的因素，如地理、交通网络、家庭结构和行为变化——所有这些都会强烈影响疾病的传播方式。

例如，在2014年西非埃博拉疫情期间，弗吉尼亚理工大学利用这一模型帮助美国军方定位野战医院。规划者需要知道当移动设备最终到达时最高感染率是多少，病人在该区域的道路上移动的速度有多快和多远，等等。

在经济学中，基于主题的模型是理解全球贫困的有力工具。世界银行的经济学家夏羽·哈勒盖特说，如果你分析国内生产总值和总收入等标准指标，那么在大多数国家你只能看到富人:穷人几乎没有钱，他们也很难注册。

为了得出更好的结论，哈勒盖特和他的同事们正在研究一个单一的家庭。该团队建立了一个全球140万家庭的模型，并研究了气候变化和灾害如何影响健康、食品安全和劳动生产率。该模型可以估计风暴或干旱将如何影响农作物产量和市场价格，或者地震如何通过摧毁汽车、道路甚至工厂来削弱工人的收入。

这个模型显示了一些显而易见的事实:穷人比富人更容易受到灾害和气候变化的影响。但是哈勒盖特的团队也看到了其他变化。例如，如果某个特定国家的穷人大多是农民，那么当全球粮食价格上涨时，他们实际上可能受益于气候变化。然而，如果这个国家的大多数穷人涌入城市，食品价格的上涨可能会造成严重的危害。

更简单、更方便

如果相关模型的建模者选择一个优先级，那就是使模拟更容易构建、运行和使用。

例如，爱泼斯坦设想了一个国家中心，政策制定者可以在这里访问他所说的脚本:每个主要城市都有数字文件，每个潜在危险都有预先计算好的模型。"然后，如果真的发生了什么事，比如有毒烟雾."他说，“我们可以选择最佳匹配模型，并进行近乎实时的计算，例如适当的避难所和疏散的最佳组合。”

在弗吉尼亚理工大学，计算机科学家马达夫·马拉提也在想同样的事情。他说，当5级飓风减弱时，像圣胡安市长这样的人不能等一个星期来分析风暴对波多黎各电网的可能影响。他说，她需要的是可操作的信息，“这意味着需要一个简单的模型在很短的时间内提供非常复杂的分析。”

马拉特称之为“基于主题的建模服务”在过去的四年里，他的实验室一直在开发和测试一种基于网络的工具，供公共卫生官员在不雇佣程序员的情况下进行流行病模拟和假设分析。只需点击几下鼠标，用户就可以指定关键变量，如感兴趣的区域和疾病类型。然后，使用该工具内置的地图和图表，用户可以观看模拟过程，并看到他们提出的治疗计划的效果。

尽管它是特定于流行病的，但该工具的基本地理模型和合成群体是常见的，并且可以应用于其他类型的灾害，例如化学品泄漏、飓风和电网的连锁故障。最后，马拉特说，“我们希望将这些模式应用到个性化服务中——为你、你的家庭或你的城市服务。”

或者，正如巴雷特所说，“如果我今天送吉姆去学校，他感染寨卡的概率是多少？我们可以使用像谷歌地图这样的工具。”返回Guangming.com主页。