[论文解读] 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 14

一句话总结

本文提出一种时变加权公共交通（PT）接触网络，用于模拟城市轨道交通系统中的疫情传播，基于新加坡智能卡数据和COVID-19流行病学参数。该模型捕捉了动态且异质的接触模式，结果表明个体预防行为是最有效的控制措施，而部分公交线路关闭以及关键乘客的早期隔离也能显著降低传播风险。

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.

研究动机与目标

• 开发一种可扩展、轻量级的框架，用于在大都市人口层面建模公共交通系统中的疫情传播。
• 通过在公共交通网络中引入时变、异质的接触模式，解决静态接触网络的局限性。
• 评估公共卫生与交通管控政策在城市轨道交通系统疫情动态中的有效性。
• 量化关键乘客的作用以及地铁（MRT）互动的影响，尽管存在数据限制。
• 为传染病暴发期间的交通机构和公共卫生部门提供可操作的见解。

提出的方法

• 基于智能卡数据构建时变加权接触网络，以表征公共交通中乘客的动态互动。
• 将乘客之间的接触时长和频率建模为时变边权重，以反映随时间变化的传播风险。
• 基于接触时长和平方接触时长的理论框架，计算基本再生数 $R_0$。
• 应用可扩展的求解方法（公式17和18），以低计算成本高效计算整个群体层面的疫情动态。
• 在局部和全局层面整合社交活动接触，以反映超越直接公共交通接触的更广泛传播模式。
• 通过行程时长和频率分布对基于公交的接触时长进行缩放，以估算缺失的地铁互动影响。

实验结果

研究问题

• RQ1 将公共交通建模为时变网络相较于静态接触网络，在预测疫情传播方面有何改进？
• RQ2 个体预防行为与交通运营控制措施相比，在减少疫情传播方面的相对有效性如何？
• RQ3 不同公共交通管控策略（如部分线路关闭或隔离关键乘客）如何影响疫情阈值？
• RQ4 尽管存在数据限制，地铁（MRT）系统对整体疫情传播的贡献如何？
• RQ5 忽略地铁乘客互动在多大程度上会导致城市疫情模型中 $R_0$ 的估计偏差？

主要发现

• 忽略地铁乘客互动会使估计的 $R_0$ 降低约16.3%，表明对传播风险存在显著低估。
• 当排除地铁时，基准情景下的估计 $R_0$ 为2.667，但若纳入地铁接触时长，$R_0$ 上升至3.192。
• 个体预防行为被确定为降低公共交通系统中疫情传播的最有效控制措施。
• 部分公交线路关闭有助于减缓疫情传播，但无法完全遏制，尤其是在高接触个体驱动传播的情况下。
• 识别并隔离具有高接触频率和时长的关键乘客，可显著减少疫情传播。
• 该模型的理论框架支持以极低计算成本在全人群层面高效计算疫情动态，适用于大规模城市模拟。