傳染病傳播模擬
基於個體的 SEIR 疫情傳播模型——透過社交距離、隔離、口罩與疫苗平抑疫情曲線。
- Susceptible
- Exposed
- Infected
- Recovered
Blue people can catch the disease, orange have caught it but aren't contagious yet, red are infectious, gray have recovered and purple are vaccinated. Click to start an outbreak there, an event in time that Restart and share links leave out; then try the measures to flatten the curve.
傳染病傳播模擬 的使用體驗如何?
關於 傳染病傳播模擬
適用於: 觀察學習
傳染病傳播模擬是一個以個體為基礎的模擬器,呈現傳染病在城鎮中的傳播歷程。每個圓點代表一位居民,狀態分為 Susceptible(易感者)、Exposed(暴露者,已感染但尚未具傳染性)、Infectious(具傳染性者)、Recovered(康復者)或 Vaccinated(已接種疫苗者)——這正是流行病學家自 1927 年 William Kermack 與 Anderson McKendrick 的研究以來沿用至今的 SEIR 模型,在此以獨立個體的方式逐步展現。人們在城鎮中遊走,或在住家社區與熱鬧的市集間通勤,與具傳染性者共處的每小時都有一定機率染病。
堆疊的 Epidemic curve(疫情曲線)展示了疫情的快速爆發、達到高峰,並隨著人們康復、易感人口減少而逐漸平息。第二張圖表則根據實際感染關聯,估算傳染數 Estimated R(平均每位感染者傳染的人數)。當數值高於 1 的虛線時疫情會持續擴散;低於 1 時疫情則會逐漸萎縮。
嘗試公共衛生機構常用的各種干預手段:Distancing(社交距離)可讓部分居民留在家中;Quarantine(隔離)會在個體具傳染性的一至兩天後將其隔離;Masks(口罩)能讓配戴者減少一半的傳播機會;疫苗接種則能在初期或每日逐步建立免疫防護。切換至免疫衰退模式可觀察週期性的疫情浪潮,隨時點擊畫布即可觸發新疫情,並能匯出高畫質 PNG、影片或 GIF 動畫。
如何使用 傳染病傳播模擬
- 點擊 Play. 少數初始病例 First cases(紅色)會出現在易感人群 Susceptible(藍色)之中。在每個模擬小時中,個體會移動,而與具傳染性者近距離接觸的人可能會轉為暴露狀態 Exposed(橘色)。
- 解讀圖表數據. Epidemic curve(疫情曲線)會即時堆疊展示各狀態的人數變化。Estimated R 則顯示平均每位病例傳染的人數;虛線標記為 1。
- 改變人員移動方式. Wander 模式會讓居民在城鎮內隨機漫遊;Commute to market 模式則會在白天將大部分人吸引至中央市集,進而大幅加快病毒傳播速度。
- 調整疾病參數. Infectiousness 為每小時密切接觸的傳播機率;Contact distance 決定接觸的判定範圍;Incubation 與 Infectious for 設定各階段的持續時間;Immunity 則控制康復者是否會再次感染。
- 測試防疫干預措施. 調高 Distancing(社交距離)、Quarantine(隔離)、Masks(口罩)或疫苗接種參數,然後按 Restart 重新模擬。社交距離與口罩效果即時生效;初期疫苗接種則在重置後套用。
- 手動觸發疫情. 點擊畫布任意位置,即可立即讓距離點擊處最近的五名易感者染病。
- 匯出結果. 儲存高畫質 PNG 圖檔,或錄製疫情傳播的動態影片與 GIF。
常見問題
什麼是 SEIR 模型?
該模型將群體劃分為 Susceptible(易感者)、Exposed(暴露者)、Infectious(具傳染性者)與 Recovered(康復者)。個體受到感染時會從 S 轉為 E,具傳染性時轉為 I,康復後則進入 R。傳統 SEIR 模型使用微積分方程式計算各族群數量;本工具則模擬每個獨立個體的動態,讓您直觀觀察局部群聚與機率性事件。
什麼是傳染數 R?
R 代表平均每位感染者傳播的新病例數。當 R 大於 1 時病例持續增加;小於 1 時疫情逐漸消退。基本傳染數 R₀ 描述完全易感人群中的傳播力;有效傳染數 R 則會隨著人們康復、接種疫苗或減少接觸而下降。本工具是依據最近幾天內康復個體的實際感染歷程推算 R 值。
「壓平曲線」是什麼意思?
減緩傳播速度的干預手段能夠壓低並延後疫情曲線的高峰。即使最終染病的人數相近,較平緩的高峰也能確保同時間生病的人數減少,避免醫療體系崩潰。您可以對比採取與未採取 Distancing(社交距離)的高峰差異以觀察其成效。
什麼是群體免疫?
當具備免疫力的人口比例足夠高時,每位病例平均感染的人數會小於一人,疫情便會自然消退。對於 R₀ 約為 2 的疾病,該門檻約為半數人口。您可以嘗試將 Vaccinated at start(初始接種比例)設為 0.5,並與未施打疫苗的情境進行比較。
這是對真實疾病的預測嗎?
不是。這是一個簡化行為模式與設定參數的教育性質模型。真實世界的流行病學建模需要結合接觸網絡、年齡分層、篩檢能量等多重數據。本模擬旨在幫助使用者建立直觀概念,理解疾病傳播與公共衛生干預措施之間的相互作用。
參考文獻
- Kermack, W. O., & McKendrick, A. G. (1927). A contribution to the mathematical theory of epidemics. Proceedings of the Royal Society A 115, 700–721.
- Lloyd-Smith, J. O., Schreiber, S. J., Kopp, P. E., & Getz, W. M. (2005). Superspreading and the effect of individual variation on disease emergence. Nature 438, 355–359.
- Ferretti, L., Wymant, C., Kendall, M., et al. (2020). Quantifying SARS-CoV-2 transmission suggests epidemic control with digital contact tracing. Science 368, eabb6936.





