假如一枚原子弹落在华盛顿 科学家模拟核弹爆炸

美国国家计划情景1模拟核攻击。图片来源：DANE WEBSTER

　　5月的一个星期一上午11:15，一辆看似普通的货车驶进了美国华盛顿市中心的第16街和K街交汇处，就在白宫北边的几个街区。在里面，自杀式炸弹袭击者打开了一个开关。

　　当核弹爆炸后，整个城市街区瞬间化为乌有，方圆一英里内的建筑物全被摧毁，数十万人在废墟中死亡或垂死挣扎。一种电磁脉冲使5公里内的手机发生爆炸，整个城市的电网变暗。风把炸弹产生的蘑菇云变成了放射性尘埃，并向东蔓延到马里兰州的郊区。

　　路上很快就挤满了人，有些人试图逃离，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，但却有着严肃的目的。这个被称为国家计划情景1（NPS1）的核攻击故事线起源于20世纪50年代，是为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他们的反应计划。

　　60年后的今天，官员仍在反思发生核灾难的后果。直到现在，他们还没有固定的故事线和预测，而是仅仅用计算机来“假设”一个完整的人工社会—— 一种基于主体的高级计算机模拟。

　　今天的NPS1模型包括了对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，甚至是发射塔。该模型包括天气数据，以模拟放射性尘埃流。这个场景是由大约73万名个体组成——从统计上看，在年龄、性别和职业等因素上，与受影响地区的真实人口完全相同。每个个体都是一个独立的子程序，能通过切换多种行为模式，以合理的人类方式响应其他个体和不断演变的灾难。

　　这种模式的目的是避免用固定的方程式描述人类事务。事实上，诸如金融崩溃或疾病传播等事件的影响从底层开始，通过许多人的相互作用，产生了现实世界的丰富和自发的事件，而这很难模拟。

　　而这种细节正是应急管理人员所需要的，弗吉尼亚理工学院生物复杂性研究所所长、计算机科学家Christopher Barrett说。该研究所为政府开发了NPS1模型。例如，NPS1模型可以提醒管理者，一个电源故障点X可能导致意外交通阻塞点Y，如果他们决定在凌晨部署移动发射塔恢复通信，NPS1可以告诉他们有多少平民涌向道路。“基于主体的模型是如何将所有这些部分整理出来，并观察它们之间的相互作用。”Barrett说。

　　缺点是，像NPS1这样的模型往往十分巨大，迫使参与个体相对简单。“个体的复杂性和模拟的规模之间存在着根本性的权衡。”国防高级研究项目局项目经理Jonathan Pfautz说。

　　基于主体的模型

　　但是随着计算机越来越强大，在经济、交通、公共卫生和城市规划等诸多领域，越来越多的决策者正在认真对待基于主体的模型。“它们是最灵活、最详细的模型。”佛罗里达大学流行病专家Ira Longini说，“这使得其在理解和指导政策方面是最有效的。”

　　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们尝试了本地交互软件，模拟物理学和生物学的复杂行为。但目前的发展浪潮是上世纪90年代中期才开始发展起来的。

　　一个早期成功案例是由弗吉尼亚州乔治梅森大学经济学家Robert Axtell和纽约大学Joshua Epstein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，于是将基于主体的模型简化：一组简单的主体，在网格中移动以寻找“糖”—— 一种类似于食物的资源，在某些地方很丰富，而在其他地方则很少见。尽管很简单，这个模型却产生了令人惊讶的复杂群体行为，如迁徙、战斗和邻里隔离等。

　　另一个里程碑是20世纪90年代的交通分析和模拟系统，这是一个由Barrett等人在洛斯阿拉莫斯国家实验室开发的基于主体的交通模型。与传统交通模型不同的是，它使用方程式描述移动车辆作为一种流体，并将每辆车和司机都建模为一个通过城市道路网络的主体。这个模拟实验包括了汽车、卡车和公共汽车，并由具有现实的年龄、能力和目的地的人驾驶。当应用到实际城市的道路网络时，该系统在预测交通拥堵和地方污染水平方面比传统模式要好。

　　流行病学家也在经历类似转变。在过去1个世纪里，他们用一组相对简单的方程式评估疾病暴发，这些方程式将人分为几个类别——如易感、传染性和免疫——并且假定完美混合，这意味着受影响地区的每个人都与其他所有人保持联系。这些基于方程式的模型仍然广泛使用。

　　但是，流行病学家越来越多地求助于基于主体的模型，包括那些方程式忽略的因素，如地理、交通网络、家庭结构和行为变化——所有这些因素都能强烈地影响疾病传播的方式。

　　例如，在2014年西非埃博拉疫情期间，弗吉尼亚理工大学使用了这种模型，帮助美国军方确定战地医院的地点。规划者需要知道当移动设备最终到达时，最高的感染率会是多少，病人在该地区道路上移动速度有多快、距离多远等。

　　在经济学中，基于主体模型是一个理解全球贫困的强大工具。世界银行经济学家Stephane Hallegatte说提到，如果你分析的是标准度量，如国内生产总值和总收入，那么在大多数国家只你看到富人：穷人有这么点钱，他们几乎没有登记。

　　为了得出更好结论，Hallegatte和同事正在研究单个家庭。该团队建立了一个包括全球140万个家庭的模型，并研究了气候变化和灾难如何影响健康、粮食安全和劳动生产率。该模型能估计风暴或干旱会如何影响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难和气候变化的影响。但是Hallegatte团队还看到了其他变化。例如，如果一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。但是，如果这个国家的穷人大部分都挤进了城市，那么粮食价格上涨可能会造成严重伤害。

　　更容易、更方便

　　如果相关模型建模者选择一个优先级，那就是让模拟更容易构建、运行和使用。

　　例如，Epstein设想了一个国家中心，在那里，决策者可以访问他所称的剧本：这里有每个大城市的数字档案，每一个潜在的危险都有预先计算的模型。“然后，如果真的发生了什么事情，比如毒烟弥漫。”他说，“我们可以挑选出最匹配的模型，并进行接近实时计算，比如在适当的庇护所和疏散的最佳组合。”

　　在弗吉尼亚理工大学，计算机科学家Madhav Marathe也在思考同样的问题。他说，当一场五级飓风正在减弱时，像圣胡安市市长这样的人不能等一周时间，才对这场风暴可能对波多黎各电网造成的影响进行分析。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，在很短时间内提供非常复杂的分析”。

　　Marathe称其为“基于主体的建模服务”。他的实验室在过去4年里一直在开发和测试一种基于网络的工具，让公共卫生官员进行大流行病模拟，并自行进行假设分析，而无需雇佣程序员。只需点击几下鼠标，用户就可以指定关键变量，比如感兴趣的区域以及疾病类型。然后，使用该工具的内置地图和图表，用户可以观看模拟过程，并看到他们提出的治疗方案的效果。

　　尽管它是专门针对流行病的，但该工具的基础地理模型和合成人群是通用的，它们可以应用于其他类型的灾难，如化学品溢出、飓风和电力网络级联故障。最终，Marathe说，“我们希望将这些模型应用在个性化的服务中——为你、你的家庭或你的城市服务。”

　　或者，正如Barrett所说，“如果我今天送Jimm去上学，他感染寨卡的概率是多少？我们能像用谷歌地图一样使用这些工具。”