Fig. 6. Concert area, 5:00 pm: comp

Fig. 6. Concert area, 5:00 pm: complementary CDF for the infection rate with the enabling radius equal to 100 m.
By comparing this value with the total number of infected nodes (Fig. 5-b), we have that the ratio between the
infected and the enabling nodes is always greater than 10, thus proving that the alarm diffusion is mainly due to ad hoc
communications. However, the results also show that the infected node number is deeply affected by the number of active
nodes and that only a fraction (between 5% and 40%) of the devices are able to receive the alarm in a timely fashion.
To exclude from our analysis nodes that in the considered time interval are far away from the emergency location
(the furthest are roughly 100 km distant), in the following two figures we limit our attention to the infection rate for the
target areas. With regard to the smaller area (Fig. 5-c), we have that, at the beginning of the alarm spread, the infection rates
increase smoothly, while after ten minutes all the curves start exhibiting a steep slope. Although less evident, this behavior
is still present in the results for the larger area (Fig. 5-d). With reference to the smaller target area, the fraction of infected
nodes is remarkable when a significant amount of nodes cooperate in alarm spreading, reaching after 30 min on average
50% of infected nodes when half of the nodes are active and a value greater than 70% in the most favorable case. In most
cases, rates are roughly halved for the larger target area.
Finally, in Fig. 6 we analyze the distribution of the infection rate among the different simulations by means of the
complementary cumulative distribution function (CDF). The complementary CDF for a random variable X denotes the
probability P(X ≥ x). The results show approximate normal distributions. Moreover, they show that when only a fraction of
the nodes are involved in alarm forwarding, the infection rates deeply depend on how these nodes are selected. For instance,
if we consider the scenarios in which roughly half of the nodes cooperate for alarm diffusion (300 and 400 active nodes
respectively), we have that after 30 min the infection rate varies between 20% and 70% for the smaller area and between
10% and 40% for the larger one.
In the second scenario, we consider again an alarm originating at the concert area at 05:00 pm, but with an enabling
radius equal to 200 m. Clearly, the larger the enabling area is, the higher the infection rates are, as shown by Figs. 7 and 8.
However, by comparing Fig. 5 withFigs. 6 and 7 withFig. 8, respectively, it is easy to see that the behavior of the considered
metrics does not change significantly when the enabling radius is doubled.
In the third scenario, we consider an alarm originating at the shopping center at 05:00 pm, and we compare the results
for the infection rates with those obtained for the first scenario. Looking at Fig. 9, we observe that, not only are the infection
rate values after 30 min similar to those obtained for the concert area scenario, but also the behavior of the curves is quite
similar. This behavior is reasonable since the two originating locations are close to each other and thus both the mobility
patterns and the human density are quite similar.
Therefore, in the fourth scenario we consider an alarm originating at the concert area at 09:00 pm. Here we have that
all the infection rate values are higher than those obtained in the previous scenarios (Fig. 10). Moreover, we have that the
infection rates increase rapidly at the beginning of the alarm spread. The main reason for this is that the characteristics of the
mobility patterns of this scenario slightly differ from those of the previous two, mainly because people congregate around
the concert area at 09:00 pm to attend the concert.

Results (Thai) 1:

มะเดื่อ 6 คอนเสิร์ตพื้นที่ 05:00:. เสริม CDF สำหรับอัตราการติดเชื้อที่มีรัศมีการใช้งานเท่ากับ 100 m
โดยการเปรียบเทียบค่านี้มีจำนวนของโหนดที่ติดเชื้อ (รูปที่ 5 ข) เราได้ว่าอัตราส่วนระหว่าง
ติดเชื้อและทำให้ต่อมน้ำสูงกว่าเสมอ 10 จึงพิสูจน์ได้ว่าการแพร่สัญญาณเตือนภัยเป็นหลักเนื่องจากการเฉพาะกิจการสื่อสาร
อย่างไรก็ตามผลลัพธ์ที่ได้ยังแสดงให้เห็นว่าจำนวนโหนดที่ติดเชื้อได้รับผลกระทบอย่างมากจากจำนวนโหนด
ใช้งานและที่เพียงเศษเสี้ยว (ระหว่าง 5% และ 40%) ของอุปกรณ์ที่จะได้รับการเตือนภัยในทันท่วงที.
ที่แยกออกจาก โหนดการวิเคราะห์ของเราว่าในช่วงเวลาที่พิจารณาอยู่ห่างไกลจากสถานที่เกิดเหตุฉุกเฉิน
(ห่างประมาณ 100 กม. ห่างไกล)ในต่อไปนี้สองตัวเลขเรา จำกัด ความสนใจของเราอัตราการติดเชื้อสำหรับพื้นที่เป้าหมาย
ในเรื่องเกี่ยวกับพื้นที่ที่มีขนาดเล็ก (รูปที่ 5-C) เราได้ว่าที่จุดเริ่มต้นของการแพร่กระจายสัญญาณเตือนภัย, อัตราการติดเชื้อเพิ่มขึ้น
ได้อย่างราบรื่นในขณะที่หลังจากผ่านไปสิบนาทีโค้งทั้งหมดเริ่มต้น exhibiting ลาดชัน แม้ว่าจะเห็นได้ชัดน้อยกว่า
พฤติกรรมเช่นนี้ยังคงอยู่ในผลสำหรับพื้นที่ขนาดใหญ่ (รูปที่5-D) มีการอ้างอิงถึงพื้นที่เป้าหมายที่มีขนาดเล็กเพียงเศษเสี้ยวของโหนด
ที่ติดเชื้อได้อย่างน่าทึ่งเมื่อจำนวนเงินที่สำคัญของโหนดความร่วมมือในการเตือนภัยการแพร่กระจายถึงหลังจาก 30 นาทีโดยเฉลี่ย 50%
ของโหนดที่ติดเชื้อเมื่อครึ่งหนึ่งของโหนดมีการใช้งานและมูลค่ามากขึ้น กว่า 70% ในกรณีที่ดีที่สุด ในที่สุดกรณี
อัตราจะลดลงครึ่งหนึ่งประมาณสำหรับพื้นที่เป้าหมายที่มีขนาดใหญ่.
ในที่สุดมะเดื่อ6 เราจะวิเคราะห์การกระจายตัวของอัตราการติดเชื้อระหว่างการจำลองที่แตกต่างกันโดยวิธีการของ
ฟังก์ชันครบกระจายสะสม (CDF) เสริม CDF สำหรับตัวแปร x หมายถึงความน่าจะเป็นแบบสุ่ม
p (x ≥ x) ผลการแสดงการแจกแจงปกติโดยประมาณ นอกจากนี้พวกเขาแสดงให้เห็นว่าเมื่อเพียงเศษเสี้ยวของโหนด
มีส่วนร่วมในการส่งต่อสัญญาณเตือนภัย,อัตราการติดเชื้อได้อย่างล้ำลึกขึ้นอยู่กับวิธีโหนดเหล่านี้จะถูกเลือก ตัวอย่างเช่น
ถ้าเราพิจารณาสถานการณ์ที่ประมาณครึ่งหนึ่งของโหนดความร่วมมือสำหรับการแพร่สัญญาณเตือนภัย (300 และ 400 โหนด
ตามลำดับ) เรามีว่าหลังจาก 30 นาทีอัตราการติดเชื้อแตกต่างกันระหว่าง 20% และ 70% สำหรับพื้นที่ขนาดเล็ก และระหว่าง
10% และ 40% สำหรับขนาดใหญ่หนึ่ง.
ในสถานการณ์ที่สองเราจะพิจารณาอีกครั้งสัญญาณเตือนภัยที่มีต้นกำเนิดในบริเวณคอนเสิร์ต 05:00 น. แต่มีรัศมี
ทำให้เท่ากับ 200 เมตร เห็นได้ชัดว่ามีขนาดใหญ่ทำให้พื้นที่เป็นที่สูงกว่าอัตราการติดเชื้อเป็นที่แสดงโดยมะเดื่อ 7 และ 8.
แต่โดยการเปรียบเทียบมะเดื่อ 5 withfigs 6 และ 7 withfig 8 ตามลำดับมันเป็นเรื่องง่ายที่จะเห็นว่าพฤติกรรมของการพิจารณา
ตัวชี้วัดที่ไม่ได้เปลี่ยนแปลงอย่างมีนัยสำคัญเมื่อรัศมีทำให้เป็นสองเท่า.
ในสถานการณ์ที่สามเราจะพิจารณาสัญญาณเตือนมาที่ศูนย์ช้อปปิ้งที่ 05:00 pm และเราเปรียบเทียบ
ผลสำหรับอัตราการติดเชื้อกับผู้ที่ได้รับสำหรับสถานการณ์แรก . กำลังมองหาที่มะเดื่อ 9 เราจะสังเกตเห็นว่าไม่เพียง แต่จะมีการติดเชื้อ
อัตราค่าหลังจากนาทีที่คล้ายกับผู้ที่ได้รับสำหรับสถานการณ์พื้นที่คอนเสิร์ต 30 แต่ยังพฤติกรรมของเส้นโค้งที่ค่อนข้าง
ที่คล้ายกัน นี่คือพฤติกรรมที่เหมาะสมตั้งแต่สองสถานที่ที่มีต้นกำเนิดอยู่ใกล้กับแต่ละอื่น ๆ และทั้งสองจึงรูปแบบ
คล่องตัวและความหนาแน่นของมนุษย์มีความคล้ายคลึงกันค่อนข้าง
ดังนั้นในสถานการณ์ที่สี่เราพิจารณาการเตือนภัยที่มีต้นกำเนิดในบริเวณคอนเสิร์ตที่ 09.12:00 ที่นี่เรามีที่
ทุกค่าอัตราการติดเชื้อสูงกว่าที่ได้รับในสถานการณ์ก่อนหน้านี้ (รูปที่ 10) นอกจากนี้เราได้ว่าอัตราการติดเชื้อเพิ่มขึ้นอย่างรวดเร็ว
ที่จุดเริ่มต้นของการแพร่กระจายสัญญาณเตือนภัย เหตุผลหลักสำหรับเรื่องนี้ก็คือลักษณะของรูปแบบการเคลื่อนไหว
จากสถานการณ์นี้เล็กน้อยแตกต่างจากก่อนหน้านี้สอง,ส่วนใหญ่เป็นเพราะคนชุมนุมกันรอบ
พื้นที่คอนเสิร์ตที่ 09:00 PM ที่จะเข้าร่วมคอนเสิร์ต

Results (Thai) 2:

Fig. 6 คอนเสิร์ตตั้ง 5:00 pm: CDF เสริมสำหรับอัตราการติดเชื้อด้วยรัศมีการเปิดใช้งานเท่ากับ 100 เมตร
โดยการเปรียบเทียบค่านี้กับจำนวนของโหนติดไวรัสกินบี 5), เราได้ที่อัตราส่วนระหว่างการ
ติด และโหนดที่เปิดใช้งานไว้มากกว่า 10 จึง พิสูจน์แพร่เตือนว่าส่วนใหญ่กำหนดให้กิจ
สื่อสาร อย่างไรก็ตาม ผลลัพธ์แสดงว่า หมายเลขโหนติดเชื้อลึกกระทบตามการใช้งาน
โหนและเศษเท่านั้นส่วน (ระหว่าง 5% และ 40%) ของอุปกรณ์ได้รับการเตือนในการทันเวลาแฟชั่น
จะแยกออกจากโหนดของเราวิเคราะห์ช่วงเวลาพิจารณาว่าจะห่างจากตำแหน่งฉุกเฉิน
(หยั่งเป็นประมาณ 100 กิโลเมตรที่ห่างไกล), ในต่อไปนี้ สองตัวเลขเราจำกัดความสนใจของเราอัตราติดเชื้อสำหรับการ
เป้าหมายพื้นที่ กับพื้นที่ขนาดเล็กกิน 5-c), เรามีที่ เริ่มต้นปลุกแพร่กระจาย อัตราติดเชื้อ
เพิ่มราบรื่น ในขณะที่หลังจากสิบนาที เส้นโค้งทั้งหมดเริ่มอย่างมีระดับความลาดชัน แม้ไม่ชัด พฤติกรรมนี้
จะยังคงมีอยู่ในผลสำหรับพื้นที่ขนาดใหญ่ (ฟิก 5 d) โดยอ้างอิงถึงพื้นที่เป้าหมายเล็กลง เศษของติดเชื้อ
โหนจะโดดเด่นเมื่อจำนวนโหนดที่สำคัญร่วมมือในการแพร่กระจายสัญญาณ ถึงหลังจาก 30 นาทีโดยเฉลี่ย
50 ของโหนติดไวรัสเมื่อครึ่งของโหนดที่ใช้งานอยู่และค่ามากกว่า 70% ในกรณีดีที่สุด ในที่สุด
กรณี ราคาจะถูกแบ่งครึ่งสำหรับการใหญ่เป้าหมายที่ตั้งไว้ประมาณ
ในที่สุด ในฟิก 6 เราวิเคราะห์การแจกแจงของอัตราการติดเชื้อระหว่างแบบจำลองที่แตกต่างกันตามวิธีของการ
เสริมฟังก์ชัน (CDF) แสดง CDF เสริมสำหรับตัวแปรสุ่ม X
น่าเป็น P(X ≥ x) ผลลัพธ์แสดงการกระจายปกติโดยประมาณ นอกจากนี้ พวกเขาแสดงที่เมื่อเพียงเศษเสี้ยวของ
โหนดที่เกี่ยวข้องในการส่งสัญญาณเตือนภัย อัตราการติดเชื้อขึ้นอยู่กับวิธีเลือกโหนเหล่านี้อย่างลึกซึ้ง ตัวอย่าง,
ถ้าเราพิจารณาสถานการณ์ในที่ประมาณ ครึ่งของโหนดที่ร่วมมือสำหรับการแพร่สัญญาณ (โหนดที่ใช้งานอยู่ที่ 300 และ 400
ตามลำดับ), เราได้ที่หลังจาก 30 นาทีอัตราการติดเชื้อแตกต่างกันระหว่าง 20% และ 70% สำหรับพื้นที่ขนาดเล็ก และระหว่าง
10% และ 40% สำหรับขนาดใหญ่.
ในสถานการณ์ที่สอง เราพิจารณาอีกเกิดบริเวณคอนเสิร์ต ที่ 05:00 pm แต่การเปิดใช้งานการปลุก
รัศมีเท่ากับ 200 เมตรชัดเจน พื้นที่ที่เปิดใช้งานที่กว้างขึ้น สูงติดเชื้อ เป็นราคา แสดง โดย Figs. 7 และ 8.
อย่างไรก็ตาม โดยการเปรียบเทียบ Fig. 5 withFigs withFig 6 และ 7 8 ตามลำดับ เป็นเรื่องง่ายที่ท่านจะเห็นว่าลักษณะการทำงานของการพิจารณา
วัดไม่เปลี่ยนแปลงอย่างมีนัยสำคัญเมื่อรัศมีการเปิดใช้งานเป็นสองเท่า
ในสถานการณ์ที่สาม เราพิจารณาปลุกมาที่ 05:00 น.ที่ศูนย์การค้า และเราเปรียบเทียบ
สำหรับอัตราการติดเชื้อกับผู้ที่ได้รับในสถานการณ์สมมติแรก มองที่ Fig. 9 เราสังเกตพบว่า ไม่เพียงแต่ จะเชื้อ
อัตราค่าหลังจากได้ 30 นาทีที่คล้ายกับสถานการณ์พื้นที่คอนเสิร์ต แต่ยัง ทำงานของเส้นโค้งค่อน
คล้ายกัน ลักษณะนี้จะเหมาะสมเนื่องจากเป็นสถานเริ่มต้นที่สองกันและดังนั้นทั้งการเคลื่อน
รูปแบบและความหนาแน่นมนุษย์จะค่อนข้างคล้ายกัน
ดังนั้น ในสถานการณ์สี่ เราพิจารณาปลุกมาบริเวณคอนเสิร์ตที่ 09:00 pm ที่นี่เรามีที่
ค่าอัตราการติดเชื้อทั้งหมดจะสูงกว่าที่ได้รับในสถานการณ์ก่อนหน้า (Fig. 10) นอกจากนี้ เรามีที่
อัตราติดเชื้อเพิ่มที่จุดเริ่มต้นของสัญญาณที่แพร่กระจายอย่างรวดเร็ว สาเหตุหลักคือ ลักษณะของการ
รูปแบบการเคลื่อนไหวของสถานการณ์นี้แตกต่างจากสองก่อนหน้า เล็กน้อย เพราะผู้คนชุมนุมรอบ
บริเวณคอนเสิร์ต 09:00 น.เข้าร่วมคอนเสิร์ต

Results (Thai) 3:

รูป. 6 . พื้นที่การแสดงคอนเสิร์ต 17:00 น. CDF ของสมนาคุณสำหรับอัตราการติดเชื้อที่มีรัศมีการเปิดใช้งานจะเท่ากับ 100 ม..
โดยการเปรียบเทียบความคุ้มค่าแห่งนี้พร้อมด้วยจำนวนรวมของโหนดที่ติดเวิร์มดังกล่าว(รูปที่ 5 - b )เรามีที่อัตราส่วนระหว่างโหนด
ซึ่งจะช่วยผู้ติดเชื้อและให้การเปิดใช้งานที่มีอยู่มากกว่า 10 ซึ่งพิสูจน์ให้เห็นว่าแพร่การเตือน ภัย จะมีผลให้การสื่อสารเฉพาะกิจ
แต่ถึงอย่างไรก็ตามผลการแสดงที่ติดไวรัสจำนวนโหนดมีความเป็นห่วงได้รับผลกระทบจากที่หมายเลขของโหนดและใช้งาน
ซึ่งจะช่วยให้มีเศษ(ระหว่าง 5% และ 40% )ของอุปกรณ์จะสามารถได้รับการเตือน ภัย ในแฟชั่นที่ทันเวลา.
เพื่อแยกออกจากการวิเคราะห์ของโหนดที่ในที่ได้รับการพิจารณาให้ช่วงเวลาที่จะแสดงอยู่ไกลจากที่เกิดเหตุฉุกเฉินที่ตั้งที่
(ซึ่งอยู่ห่างอยู่ที่ระดับประมาณ 100 กิโลเมตร)ใน ภาพ ต่อไปนี้เราจะจำกัดความสนใจของเราเพื่ออัตราการติดเชื้อสำหรับพื้นที่
เป้าหมาย พร้อมด้วยโดยคำนึงถึงพื้นที่ขนาดเล็ก(รูปที่ 5 - c )เราได้ว่าในช่วงต้นของการเตือน ภัย ที่อัตราการติดเชื้อที่
ซึ่งจะช่วยเพิ่มขึ้นได้อย่างราบรื่นในขณะที่หลังผ่านไปสิบนาทีความโค้งมนทั้งหมดเริ่มอาการเนินชันที่. แม้ว่าจะไม่เห็นได้ชัดลักษณะการทำงานนี้
ยังอยู่ในผลการสำหรับพื้นที่ขนาดใหญ่(รูปที่5 - D ) พร้อมด้วยการอ้างอิงไปยังพื้นที่เป้าหมายที่มีขนาดเล็กกว่าที่อัตราส่วนของผู้ติดเชื้อ
โหนดคือความโดดเด่นที่สำคัญของปีก่อนที่มีจำนวนโหนดให้ความร่วมมือในการเตือน ภัย การกระจาย,ถึงหลังจากนั้น 30 นาทีโดยเฉลี่ยแล้ว
ซึ่งจะช่วย 50% ของผู้ติดเชื้อโหนดเมื่อช่วงครึ่งหลังของโหนดที่จะเปิดใช้งานและให้ความคุ้มค่ามากกว่า 70% ในกรณีที่มากขึ้น
ซึ่งจะช่วยในกรณีอัตราดอกเบี้ยอยู่ที่ระดับประมาณผ่าครึ่งสำหรับพื้นที่เป้าหมายที่มีขนาดใหญ่กว่า.
สุดท้ายในรูป6 เราจะวิเคราะห์การกระจายของอัตราการติดเชื้อที่อยู่ท่ามกลางการจำลองที่แตกต่างกันไปโดยใช้ฟังก์ชันการกระจายสะสม อภิ นันทนาการที่
( CDF ) CDF ของสมนาคุณสำหรับการสุ่มแบบปรับได้หลายระดับ x แสดงที่
โอกาส P ( x ≥ X ). ผลการค้นหาจะแสดงการเผยแพร่ตามปกติโดยประมาณ นอกจากนี้ยังแสดงให้เห็นว่าเมื่อมีเพียงเศษส่วนของโหนด
ซึ่งจะช่วยให้มีส่วนร่วมในการส่งต่อการเตือน ภัยอัตราการติดเชื้อได้อย่างลึกซึ้งขึ้นอยู่กับวิธีโหนดเหล่านี้จะถูกเลือกไว้ ตัวอย่างเช่น
หากเราพิจารณาถึงสถานการณ์ที่ครึ่งหนึ่งของโหนดที่ให้ความร่วมมือในการเตือน ภัย น้ำท่วมทุ่ง( 300 และ 400 ใช้งานโหนด
ตามลำดับ)เราได้ว่าหลังจากนั้น 30 นาทีอัตราการติดเชื้อจะแตกต่างกันไประหว่าง 20% และ 70% สำหรับพื้นที่ที่มีขนาดเล็กกว่าและระหว่าง
10% และ 40% สำหรับขนาดใหญ่หนึ่ง.
ในเหตุการณ์ที่สองเราพิจารณาอีกครั้งการเตือน ภัย :การเริ่มต้นที่บริเวณจัดงานคอนเสิร์ตที่ 17:00 น.แต่พร้อมด้วยการเปิดใช้งาน
รัศมีที่เท่ากับ 200 ม. ได้อย่างชัดเจนที่มีขนาดใหญ่กว่าพื้นที่การเปิดใช้งานจะสูงกว่าอัตราการติดเชื้อที่มีตามที่แสดงโดยมะเดื่อ 7 และ 8 .
แต่ถึงอย่างไรก็ตามจากการเปรียบเทียบรูป. 5 withfigs . withfig 6 และ 7 . 8 ตามลำดับเป็นการง่ายที่จะดูว่าพฤติกรรมของการพิจารณาให้
ตามมาตรฐานได้วัดผลไม่ได้เปลี่ยนแปลงอย่างเห็นได้ชัดเมื่อรัศมีการเปิดใช้งานที่มีเพิ่มขึ้นเป็นสองเท่า.
ในเหตุการณ์ที่สามที่เราพิจารณาถึงการเตือน ภัย การเริ่มต้นที่ศูนย์กลางการช้อปปิ้งที่ 17:00 น.และเราเปรียบเทียบผลการ
สำหรับอัตราการติดเชื้อที่พร้อมด้วยผู้ที่ได้รับสำหรับเหตุการณ์แรก กำลังมองหาที่รูป 9 เราเห็นว่าไม่ได้มีแค่การติดเชื้อที่
ตามมาตรฐานอัตราค่าหลังจากนั้น 30 นาทีเหมือนกับผู้ที่ได้รับสำหรับเหตุการณ์พื้นที่การแสดงคอนเสิร์ตแต่ยังมีพฤติกรรมของความโค้งมนมีขนาดค่อนข้าง
ความเหมือน ลักษณะการทำงานนี้คือที่เหมาะสมตั้งแต่การเริ่มต้นที่สองที่ตั้งอยู่ใกล้ๆกันและทำให้รูปแบบการสื่อสารเคลื่อนที่
ซึ่งจะช่วยได้และความหนาแน่นของมนุษย์ที่มีทั้งความเหมือนมาก.
ดังนั้นในกรณีที่สี่ที่เราพิจารณาถึงการเตือน ภัย การเริ่มต้นที่บริเวณจัดงานคอนเสิร์ตที่ 0900 น. ณที่นี่เรามี
ทั้งหมดที่ค่าอัตราการติดเชื้อที่จะสูงกว่าที่ได้รับในสถานการณ์ก่อนหน้า(รูปที่ 10 ) ยิ่งไปกว่านั้นเรามีที่อัตรา
ซึ่งจะช่วยการติดเชื้อที่เพิ่มขึ้นอย่างรวดเร็วในช่วงต้นของการเตือน ภัย ที่กระจายตัวอยู่โดยรอบ เหตุผลหลักที่สำหรับโรงแรมแห่งนี้คือที่ลักษณะของรูปแบบ
ซึ่งจะช่วยให้การสื่อสารเคลื่อนที่ของเหตุการณ์นี้แตกต่างเล็กน้อยจากก่อนหน้าทั้งสองคนเพราะคนส่วนใหญ่กระจุกตัวอยู่โดยรอบพื้นที่การแสดงคอนเสิร์ต
ที่ 21:00 น.เพื่อเข้าร่วมการแสดงคอนเสิร์ต