[논문 리뷰] Modeling Epidemic Spreading through Public Transit using Time-Varying Encounter Network

Baichuan Mo, Kairui Feng외 5명|arXiv (Cornell University)|2020. 04. 09.

COVID-19 epidemiological studies참고 문헌 55인용 수 14

한 줄 요약

이 논문은 싱가포르 스마트카드 데이터와 코로나19 역학적 파rameter를 활용하여 도시 대중교통 시스템 내 전염병 확산을 모델링하기 위해 시간에 따라 변하는 가중치가 부여된 대중교통(PT) 만남 네트워크를 제안한다. 이 모델은 동적으로 변화하는 이질적인 접촉을 포착하며, 개인의 예방 행동이 가장 효과적인 조치임을 드러내며, 부분적인 버스 노선 폐쇄와 영향력 있는 승객의 조기 격리 역시 전파를 크게 줄이는 데 기여한다.

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.

연구 동기 및 목표

• 도시 인구 수준에서 대중교통 시스템을 통해 전염병이 확산되는 것을 모델링하기 위한 확장 가능하고 경량화된 프레임워크를 개발하기 위해.
• 정적 접촉 네트워크의 한계를 해결하기 위해 시간에 따라 변하는 이질적인 만남 패턴을 대중교통 네트워크에 통합하기 위해.
• 도시 대중교통 시스템 내 전염병 역학에 대한 공중보건 및 교통 통제 정책의 효과를 평가하기 위해.
• 데이터 제한에도 불구하고 영향력 있는 승객의 역할과 지하철(MRT) 상호작용의 영향을 정량화하기 위해.
• 전염병 유행 기간 동안 대중교통 기관과 공중보건 당국이 실질적인 통찰을 얻을 수 있도록 지원하기 위해.

제안 방법

• 스마트카드 데이터를 기반으로 시간에 따라 변하는 가중치가 부여된 만남 네트워크를 구성하여 대중교통 내 동적 승객 상호작용을 표현한다.
• 승객 간 접촉 지속 시간과 빈도를 시간에 따라 변하는 간선 가중치로 모델링하여 시간에 따른 전파 위험을 반영한다.
• 접촉 지속 시간과 제곱된 접촉 지속 시간을 기반으로 한 이론적 프레임워크를 사용하여 기본 재생수 $R_0$를 계산한다.
• 전체 인구 수준에서 전염병 역학을 효율적으로 계산하기 위해 확장 가능한 해법 방법(식 17 및 18)을 적용한다.
• 지역 및 글로벌 수준의 사회적 활동 접촉을 통합하여 직접적인 대중교통 상호작용을 초월한 더 넓은 전파 패턴을 반영한다.
• 부족한 지하철(MRT) 상호작용의 영향을 삼각형 지속 시간과 빈도 분포를 사용하여 버스 기반 접촉 지속 시간에 스케일링하여 추정한다.

실험 결과

연구 질문

• RQ1 대중교통을 시간에 따라 변하는 네트워크로 모델링할 경우 정적 접촉 네트워크에 비해 전염병 확산 예측 성능이 어떻게 향상되는가?
• RQ2 개인의 예방 행동과 교통 운영 통제 조치 간에 전염병 전파 감소에 있어 상대적 효과는 어떻게 다른가?
• RQ3 부분적 노선 폐쇄나 영향력 있는 승객 격리와 같은 다양한 대중교통 통제 전략은 전염병 임계치에 어떻게 영향을 미치는가?
• RQ4 데이터 제한에도 불구하고 지하철(MRT) 시스템은 전체 전파 전파에 어떤 기여를 하는가?
• RQ5 지하철 승객 상호작용을 간과할 경우 도시 전염병 모델에서 $R_0$ 추정치가 얼마나 편향되는가?

주요 결과

• 지하철 승객 상호작용을 간과할 경우 추정된 $R_0$가 약 16.3% 감소하여 전파 위험을 심각하게 낮게 평가하는 결과를 초래한다.
• 지하철을 배제한 상태의 기준 시나리오에서의 추정 $R_0$는 2.667이지만, 지하철 접촉 지속 시간을 포함하면 3.192로 상승한다.
• 개인의 예방 행동이 대중교통 시스템 내 전염병 확산 억제에 가장 효과적인 조치로 규명되었다.
• 부분적인 버스 노선 폐쇄는 전염병 확산 속도를 늦추지만, 특히 고접촉 개인에 의해 주도되는 전파 상황에서는 완전히 억제할 수 없다.
• 높은 접촉 빈도와 지속 시간을 가진 영향력 있는 승객를 식별하고 격리하는 것은 전염병 전파를 크게 줄일 수 있다.
• 이 모델의 이론적 프레임워크는 낮은 계산 비용으로 전체 인구 수준에서 전염병 역학을 효율적으로 계산할 수 있게 하여 대규모 도시 시뮬레이션을 지원한다.