[論文レビュー] Modeling Epidemic Spreading through Public Transit using Time-Varying Encounter Network

Baichuan Mo, Kairui Feng+5 more|arXiv (Cornell University)|Apr 9, 2020

COVID-19 epidemiological studies参考文献 55被引用数 14

ひとこと要約

本稿では、シンガポールのスマートカードデータとCOVID-19の疫学的パrameterを用いて、都市の公共交通機関における感染症の拡散をモデル化するため、時間に依存する重み付き公共交通機関（PT）接触ネットワークを提案する。このモデルは動的な不均一な接触を捉え、個人の予防行動が最も効果的な対策であることを示し、部分的なバス路線の閉鎖や、影響力のある乗客の早期隔離も、感染拡大を顕著に低減することが分かった。

ABSTRACT

Passenger contact in public transit (PT) networks can be a key mediate in the spreading of infectious diseases. This paper proposes a time-varying weighted PT encounter network to model the spreading of infectious diseases through the PT systems. Social activity contacts at both local and global levels are also considered. We select the epidemiological characteristics of coronavirus disease 2019 (COVID-19) as a case study along with smart card data from Singapore to illustrate the model at the metropolitan level. A scalable and lightweight theoretical framework is derived to capture the time-varying and heterogeneous network structures, which enables to solve the problem at the whole population level with low computational costs. Different control policies from both the public health side and the transportation side are evaluated. We find that people's preventative behavior is one of the most effective measures to control the spreading of epidemics. From the transportation side, partial closure of bus routes helps to slow down but cannot fully contain the spreading of epidemics. Identifying "influential passengers" using the smart card data and isolating them at an early stage can also effectively reduce the epidemic spreading.

研究の動機と目的

• 都市規模の人口レベルにおける公共交通機関システムを通じた感染症拡散をモデル化するためのスケーラブルで軽量なフレームワークを開発すること。
• 静的接触ネットワークの限界を克服するため、PTネットワークにおける時間に依存する不均一な接触パターンを組み込むこと。
• 公衆衛生および交通運行管理政策が都市交通システム内の感染症ダイナミクスに与える効果を評価すること。
• データ制限がある中で、影響力のある乗客の役割とMRT（地下鉄）の相互作用の影響を定量化すること。
• 感染症のアウトブレイク発生時における交通機関当局および公衆衛生当局に実行可能なインサイトを提供すること。

提案手法

• スマートカードデータに基づいて、公共交通機関内の動的な乗客接触を表す時間に依存する重み付き接触ネットワークを構築する。
• 乗客間の接触時間と頻度を時間に依存するエッジ重みとしてモデル化し、時間経過に伴う感染リスクを反映する。
• 接触時間とその二乗を根拠とする理論的フレームワークを用いて、基本再生産数 $R_0$ を計算する。
• 全人口レベルでの感染症ダイナミクスを効率的に計算するためのスケーラブルな解法（式17および18）を適用する。
• 地域的およびグローバルレベルの社会的活動接触を組み込むことで、直接的なPT接触を超えた広範な伝播パターンを反映する。
• 欠落しているMRTの接触影響を、乗車時間と頻度分布を用いてバスベースの接触時間にスケーリングすることで推定する。

実験結果

リサーチクエスチョン

• RQ1 時間に依存するネットワークとしての公共交通機関をモデル化することで、静的接触ネットワークと比較して感染拡大予測がどの程度向上するか？
• RQ2 個人の予防行動と交通運行管理対策の両者が、感染拡大の低減に与える相対的な有効性は何か？
• RQ3 部分的路線閉鎖や影響力のある乗客の隔離といった、さまざまな公共交通機関管理戦略が、感染症閾値にどのように影響するか？
• RQ4 データ制限がある中で、地下鉄（MRT）システムが全体の感染拡大に果たす貢献度は何か？
• RQ5 MRT乗客の接触を無視することで、都市感染症モデルにおける $R_0$ の推定値がどの程度バイアスを受けるか？

主な発見

• MRT乗客の接触を無視することで、推定される $R_0$ は約16.3%低減され、感染リスクの顕著な低減が生じていることが示された。
• MRTを除外した状況下での基準状態の推定 $R_0$ は2.667であったが、MRT接触時間の組み込みにより3.192に上昇した。
• 個人の予防行動が、公共交通機関内での感染拡大抑制に最も効果的な対策であると特定された。
• バス路線の部分的閉鎖は感染拡大を遅らせるが、特に高接触の個人が感染源である場合には完全に封じ込めることはできない。
• 接触頻度と接触時間の両方が高い影響力のある乗客（インフルエンサー）を特定し、隔離することで、感染拡大を顕著に低減できる。
• 本モデルの理論的フレームワークにより、計算コストを低く抑えながらも、全人口レベルでの感染症ダイナミクスの効率的計算が可能となり、大規模な都市シミュレーションを支援できる。