[论文解读] Mean-Field Game Analysis of SIR Model with Social Distancing

Cho S|arXiv (Cornell University)|May 14, 2020

COVID-19 epidemiological studies参考文献 19被引用 19

一句话总结

本文提出一个平均场博弈模型，用于在SIR流行病框架下分析社交距离行为，其中个体在接触收益与感染风险之间进行权衡。研究发现，自私行为导致感染者接触频率高于社会最优水平，因此需要通过隔离或带薪病假等公共政策来减少传播，尤其是在疫情峰值之后；并通过“无效率价格”量化了政策的有效性。

ABSTRACT

The current COVID-19 pandemic has proven that proper control and prevention of infectious disease require creating and enforcing the appropriate public policies. One critical policy imposed by the policymakers is encouraging the population to practice social distancing (i.e. controlling the contact rate among the population). Here we pose a mean-field game model of individuals each choosing a dynamic strategy of making contacts, given the trade-off of gaining utility but also risking infection from additional contacts. We compute and compare the mean-field equilibrium (MFE) strategy, which assumes each individual acting selfishly to maximize its own utility, to the socially optimal strategy, which maximizes the total utility of the population. We prove that the optimal decision of the infected is always to make more contacts than the level at which it would be socially optimal, which reinforces the important role of public policy to reduce contacts of the infected (e.g. quarantining, sick paid leave). Additionally, we include cost to incentivize people to change strategies, when computing the socially optimal strategies. We find that with this cost, policies reducing contacts of the infected should be further enforced after the peak of the epidemic has passed. Lastly, we compute the price of anarchy (PoA) of this system, to understand the conditions under which large discrepancies between the MFE and socially optimal strategies arise, which is when intervening public policy would be most effective.

研究动机与目标

• 将个体在流行病中的接触决策建模为收益与感染风险之间的动态权衡。
• 比较平均场均衡（自私）策略与最大化总人口收益的社会最优策略。
• 评估公共政策在降低接触率（尤其是感染者）方面的有效性。
• 通过无效率价格（price of anarchy）量化自私行为导致的系统性能下降。
• 评估疾病特征（如潜伏期、恢复率）对集中政策干预需求的影响。

提出的方法

• 构建一个连续时间的平均场博弈模型，包含三个状态：易感者（S）、感染者（I）和康复者（R），假设人群规模大且充分混合。
• 使用依赖于个体接触策略 $ c_z(t) $ 的接触率函数 $ C(\cdot) $，采用频率依赖和密度依赖的传播形式。
• 在平均场假设下推导个体最优控制的哈密顿-雅可比-贝尔曼方程，求解均衡策略与社会最优策略。
• 引入单位接触率变化的成本 $ k $，以建模中央规划者强制行为改变的成本。
• 通过自私策略与最优策略下系统性能的比值计算无效率价格（PoA），以评估政策必要性。
• 将SIR模型扩展为包含潜伏期（E）阶段，以研究潜伏期对社交距离可持续性的影响。

实验结果

研究问题

• RQ1 在流行病中，自私个体的接触策略与社会最优接触率有何不同？
• RQ2 公共政策（如隔离或带薪病假）对降低感染者接触率有何影响？
• RQ3 在何种情况下无效率价格最高，表明最需要集中政策干预？
• RQ4 潜伏期的存在如何影响社交距离行为的可持续性？
• RQ5 在何种疾病参数下，在疫情峰值后强制减少接触最为有益？

主要发现

• 感染者在平均场均衡（MFE）策略下的接触率始终高于社会最优策略，表明自我调节存在系统性失败。
• 社会最优策略下感染者的接触率始终低于自私均衡策略，进一步说明需要通过隔离或带薪病假等政策来降低其接触频率。
• 当对接触率变化施加成本 $ k $ 时，最优策略会将接触减少延迟至疫情峰值之后，尤其在 $ k $ 较高时更为明显。
• 无效率价格在恢复率 $ \mu $ 较低、感染收益 $ a_I $ 较高、传播概率 $ \beta $ 较高、接触收益 $ b_I $ 适中时达到最高，表明此时最需要政策干预。
• 潜伏期较长的疾病（如COVID-19）由于感染状态不确定性和无症状传播，使得持续社交距离更难维持。
• 即使仅易感者实施社交距离，整体感染峰值仍被压低，表明行为适应可显著减轻流行病负担。