[논문 리뷰] A decision support system for optimizing the cost of social distancing in order to stop the spread of COVID-19

Alexandru Popa|arXiv (Cornell University)|2020. 04. 06.

COVID-19 epidemiological studies참고 문헌 2인용 수 5

한 줄 요약

이 논문은 감염 확산을 최소화하면서 경제적 영향을 줄이기 위해 비용 효율적인 사회적 거리두기 조치(예: 특정 시설 폐쇄 또는 인구 격리)를 식별하는 조합 최적화를 사용하는 의사결정 지원 시스템을 제안한다. 이 방법은 문제를 NP-난이도 최적화 과제로 모델링하고 휴리스틱 알고리즘을 개발하며, 시뮬레이션을 통해 총 봉쇄 비용의 1%만 투입해도 개입이 없을 경우보다 감염 위험을 80% 이상 감소시킬 수 있음을 입증한다.

ABSTRACT

Currently there are many attempts around the world to use computers, smartphones, tablets and other electronic devices in order to stop the spread of COVID-19. Most of these attempts focus on collecting information about infected people, in order to help healthy people avoid contact with them. However, social distancing decisions are still taken by the governments empirically. That is, the authorities do not have an automated tool to recommend which decisions to make in order to maximize social distancing and to minimize the impact for the economy. In this paper we address the aforementioned problem and we design an algorithm that provides social distancing methods (i.e., what schools, shops, factories, etc. to close) that are efficient (i.e., that help reduce the spread of the virus) and have low impact on the economy. On short: a) we propose several models (i.e., combinatorial optimization problems); b) we show some theoretical results regarding the computational complexity of the formulated problems; c) we give an algorithm for the most complex of the previously formulated problems; d) we implement and test our algorithm; and e) we show an integer linear program formulation for our problem.

연구 동기 및 목표

• 정부가 최적의 사회적 거리두기 결정을 내리기 위한 자동화된 도구의 부족을 해결하기 위해.
• 봉쇄로 인한 경제적 혼란을 줄이면서 감염 전파를 최소화하기 위해.
• 대규모 사회적 거리두기 계획을 위한 계산 효율적인 알고리즘을 설계하기 위해.
• 공중보건 비용과 경제적 비용을 균형 잡는 의사결정 프레임워크를 제공하기 위해.

제안 방법

• 문제는 노드가 개인을 나타내고 간선이 접촉 확률을 나타내는 완전 그래프 위에서 조합 최적화 과제로 모델링된다.
• 각 개인은 위험도와 취약도 값을 가지며, 각 시설은 비용과 접촉 확률 감소 요인을 갖는다.
• 핵심 문제는 예산 제약 조건 하에 전체 인구의 위험을 최소화하기 위한 NP-난이도 최적화 과제로 공식화된다.
• NP-난이도 문제를 효율적으로 해결하기 위해 다항 시간 휴리스틱 알고리즘을 제안한다.
• 완전성을 위해 정수 선형 프로그래밍(ILP) 공식화를 제공하지만, 이는 소규모 데이터셋에만 적용 가능하다.
• 시뮬레이션은 실제 사회 네트워크와 시설 비용을 모의하기 위해 힘 법 분포를 사용한 합성 데이터를 사용한다.

실험 결과

연구 질문

• RQ1 고정된 예산 하에서 어떤 사회적 거리두기 조치(예: 학교, 공장 폐쇄)가 감염 전파를 최소화하는가?
• RQ2 실시간 의사결정에서 공중보건 영향과 경제적 비용 간의 트레이드오프를 어떻게 최적화할 수 있는가?
• RQ3 작은 예산(예: 총 비용의 1%)으로도 개입이 없을 경우에 비해 감염 위험을 크게 줄일 수 있는가?
• RQ4 다양한 네트워크 구조와 비용 분포에서 알고리즘이 어떻게 성능을 발휘하는가?
• RQ5 이 문제를 정확하게 해결하는 데 계산적으로 가능한가? 그리고 휴리스틱 알고리즘의 효과는 어떠한가?

주요 결과

• 모든 시설을 폐쇄하는 데 필요한 총 비용의 1%만 투입해도, 개입이 없을 경우보다 인구 감염 위험을 80% 이상 감소시킨다.
• 10%의 예산조차도 위험 수준을 원래 수준의 20% 미만으로 낮추며, 높은 효율성을 보여준다.
• 정규분포(μ=1.1, σ=0.4 또는 0.5)를 포함한 다양한 비용 분포에서도 알고리즘이 잘 작동한다.
• 감염 비율이 힘 법 분포를 따를 경우, 힘 법 지수 α₂가 전체 위험에 미치는 영향은 미미하다.
• 휴리스틱 알고리즘은 효과적으로 확장 가능하여 대규모 합성 네트워크에 실용적으로 구현할 수 있다.
• 완전성을 위해 ILP 공식화를 제공하지만, 대규모 실생활 응용에는 계산적으로 비가능하다.