COVID-19智能体模型及城市疫情封控措施评价研究

doi:10.3778/j.issn.1002-8331.2011-0305

摘要/Abstract

摘要： 国内新冠肺炎（COVID-19）疫情平稳后，外来输入携带病毒的人与货物可能导致国内出现疫情小幅反弹。针对各地疫情反弹后城市采取封控措施的尺度对城市运行的影响问题，结合多智能体仿真、复杂网络模型中的小世界网络与GIS技术，构建了COVID-19城市空间智能体模型，通过马尔科夫蒙特卡洛方法（Markov chain Monte Carlo，MCMC）率定了模型的关键参数。利用该模型，对某市二次疫情进行模拟，采用不同空间尺度（社区封控、区县封控）的封控措施对疫情在空间上扩散范围和数量上增长情况的影响程度进行分析。研究结果表明，出现感染者后前3~5天是封控的最佳时机。社区封控对缩小疫情空间扩散范围和降低感染者数量增幅，在单点爆发与多点散发两种模式下效果基本相似，因此适合应对单点爆发模式。区县封控应对多点散发效果更好。结合分析结果为疫情出现反弹后封控措施制定提出建议。

关键词: COVID-19, 智能体, 地理信息系统（GIS）, 小世界网络, 封控措施

Abstract: After the COVID-19 epidemic has stabilized in China, the domestic epidemic situation may rebound slightly due to imported people and goods carrying the virus. The COVID-19 urban space agent model is constructed to deal with the impact of the city’s containment measures on the operation of the city after the epidemic rebounds. Combined with multi-agent simulation and small-world networks in complex network models with GIS, the key parameters of the model are calibrated by the Markov chain Monte Carlo method（MCMC）. The COVID-19 urban space agent model is used to simulate the secondary epidemic in a city and analyze the degree of influence of the spatial spread and quantitative growth of the epidemic by adopting different spatial scales（community siege, district and county siege）. The results show that the best time for siege is 3 to 5 days after the emergence of infected people, and the effect of community siege on reducing the spatial spread range of epidemic situation and reducing the increase of the number of infected persons is basically similar under the two modes of single point outbreak and multi-point distribution, so it is suitable for dealing with single point outbreak mode. District and county siege should be more effective. Combined with the results of the analysis, suggestions are made for the formulation of containment measures after the epidemic rebounds.

Key words: COVID-19, agent, geographic information system（GIS）, small-world networks, siege measures

李江川, 张健钦, 杨木, 宫鹏, 邓少存, 贾礼朋. COVID-19智能体模型及城市疫情封控措施评价研究[J]. 计算机工程与应用, 2022, 58(10): 283-291.

LI Jiangchuan, ZHANG Jianqin, YANG Mu, GONG Peng, DENG Shaocun, JIA Lipeng. Research on COVID-19 Agent Model and Evaluation of Urban Epidemic Siege Measures[J]. Computer Engineering and Applications, 2022, 58(10): 283-291.

参考文献

[1] 中国疾病预防控制中心新型冠状病毒肺炎应急响应机制流行病学组.新型冠状病毒肺炎流行病学特征分析[J].中华流行病学杂志，2020，41（2）：145-151.
Epidemiology Working Group for NCIP Epidemic Response.The epidemiological characteristics of an outbreak of 2019 novel coronavirus diseases（COVID-19） in China[J].Chinese Journal of Epidemiology，2020，41（2）：145-151.
[2] 裴韬，王席，宋辞，等.COVID-19疫情时空分析与建模研究进展[J].地球信息科学学报，2021，23（2）：188-210.
PEI T，WANG X，SONG C，et al.Review on spatiotemporal analysis and modeling of COVID-19 pandemic[J].Journal of Geo-Information Science，2021，23（2）：188-210.
[3] 喻孜，张贵清，刘庆珍，等.基于时变参数-SIR模型的COVID-19疫情评估和预测[J].电子科技大学学报，2020，49（3）：357-361.
YU Z，ZHANG G Q，LIU Q Z，et al.The outbreak assessment and prediction of COVID-19 based on time-varying SIR model[J].Journal of University of Electronic Science and Technology of China，2020，49（3）：357-361.
[4] 黄森忠，彭志行，靳祯.新型冠状病毒肺炎疫情控制策略研究：效率评估及建议[J].中国科学：数学，2020，50（6）：885-898.
HUANG S Z，PENG Z X，JIN Z.Studies of the strategies for controlling the COVID-19 epidemic in China：estimation of control efficacy and suggestions for policy makers[J].Scientia Sinica：Mathematica，2020，50（6）：885-898.
[5] 钟剑明，梁静，李学云，等.学校流感暴发疫情防控措施动力学模型效果分析[J].现代预防医学，2019，46（11）：1946-1950.
ZHONG J M，LIANG J，LI X Y，et al.Effect of dynamic model of prevention and control measures for influenza outbreak in schools[J].Modern Preventive Medicine，2019，46（11）：1946-1950.
[6] CHIMMULA V K R，ZHANG L.Time series forecasting of COVID-19 transmission in Canada using LSTM networks[J].Chaos，Solitons and Fractals，2020，135：109864.
[7] WANG L L，LIANG C，WU W，et al.Epidemic situation of brucellosis in Jinzhou city of China and prediction using the ARIMA model[J].Canadian Journal of Infectious Diseases and Medical Microbiology，2019（6）：1-9.
[8] 温亮，黄清臻，王志刚，等.运用ARIMA模型预测巴基斯坦新型冠状病毒肺炎疫情发展趋势的结果分析[J].解放军预防医学杂志，2020，38（8）：96-99.
WEN L，HUANG Q Z，WANG Z G，et al.Prediction of COVID-19 epidemic trend in Pakistan by ARIMA model[J].Journal of Preventive Medicine of Chinese People’s Liberation Army，2020，38（8）：96-99.
[9] 范如国，王奕博，罗明，等.基于SEIR的新冠肺炎传播模型及拐点预测分析[J].电子科技大学学报，2020，49（3）：369-374.
FAN R G，WANG Y B，LUO M，et al.SEIR-based COVID-19 transmission model and inflection point prediction analysis[J].Journal of University of Electronic Science and Technology of China，2020，49（3）：369-374.
[10] 徐韧哲，汪家伟，叶声豪，等.基于SIQR模型的新冠肺炎期间深圳市防控措施分析[J].深圳大学学报（理工版），2020，37（3）：257-264.
XU R Z，WANG J W，YE S H，et al.Analysis of prevention measures in Shenzhen based on SIQR model during the novel coronavirus pneumonia[J].Journal of Shenzhen University（Science and Engineering），2020，37（3）：257-264.
[11] 黄丽红，魏永越，沈思鹏，等.常见新型冠状病毒肺炎疫情预测方法及其评价[J].中国卫生统计，2020，37（3）：322-326.
HUANG L H，WEI Y Y，SHEN S P，et al.Forecasting methods and evaluation of new coronary virus pneumonia epidemic[J].Chinese Journal of Health Statistics，2020，37（3）：322-326.
[12] 马亮，杨妹，艾川，等.基于ACP方法的新型冠状病毒肺炎疫情管控措施效果评估[J].智能科学与技术学报，2020，2（1）：88-98.
MA L，YANG M，AI C，et al.The evaluation of the control measures for COVID-19 based on ACP approach[J].Chinese Journal of Intelligent Science and Technology，2020，2（1）：88-98.
[13] 潘理虎，秦世鹏，李晓文，等.COVID-19病毒防控多智能体仿真模型[J].系统仿真学报，2020，32（11）：2244-2257.
PAN L H，QIN S P，LI X W，et al.Multi-agent simulation model for COVID-19 virus prevention and control[J].Journal of System Simulation，2020，32（11）：2244-2257.
[14] 叶锺楠.流行病在城市空间中的传播模拟——以新型冠状病毒（COVID-19）疫情期间的武汉市主城区为例[J].南方建筑，2021（4）：1-7.
YE Z N.Simulation of epidemic spread in urban space：the case study of wuhan central city during COVID-19[J].South Architecture，2021（4）：1-7.
[15] 张国珍，戴江红，曹明芹.灰色马尔科夫模型在新疆肺结核预测中的应用[J].现代预防医学，2013，40（7）：1218-1219.
ZHANG G Z，DAI J H，CAO M Q.Application of grey Markov model on prediction of tuberculosis in Xinjiang[J].Modern Preventive Medicine，2013，40（7）：1218-1219.
[16] 周玉科，刘建文，王妍.马尔科夫链蒙特卡洛算法并行化设计与性能分析[J].计算机应用与软件，2017，34（12）：250-255.
ZHOU Y K，LIU J W，WANG Y.Parallel design and performance analysis of Markov chain Monte Carlo algorithm[J].Computer Applications and Software，2017，34（12）：250-255.
[17] CHIBA S，NARDARIB F，SHEPHARDC N.Markov chain Monte Carlo methods for stochastic volatility models[J].Journal of Econometrics，2002，108（2）：281-316.
[18] 徐涵，张庆.复杂网络上传播动力学模型研究综述[J].情报科学，2020，38（10）：159-167.
XU H，ZHANG Q.Review of research on propagation dynamics models on complex networks[J].Information Science，2020，38（10）：159-167.
[19] WATTS D J，STROGATZ S H.Collective dynamics of small-world networks[J].Nature，1998，393（6684）：440-442.
[20] 魏永越，赵杨，陈峰，等.传染病动力学模型的理论基础及在疫情防控中的应用价值[J].中华预防医学杂志，2020，54（6）：602-607.
WEI Y Y，ZHAO Y，CHEN F，et al.Principles of dynamics model and its application in forecasting the epidemics and evaluation the efforts of prevention and control interventions[J].Chinese Journal of Preventive Medicine，2020，54（6）：602-607.
[21] 金新叶，卢珍珍，丁中兴，等.武汉交通管制和集中隔离对新型冠状病毒肺炎疫情影响的动力学模型研究[J].山东大学学报（医学版），2020，58（10）：25-31.
JIN X Y，LU Z Z，DING Z X，et al.A dynamic modeling study on the effects of Wuhan traffic control and centralized quarantine measures on COVID-19 epidemic[J].Journal of Shandong University（Health Sciences），2020，58（10）：25-31.
[22] 刘耀宝，曹俊.我国境外输入性疟疾防控策略对当前新型冠状病毒肺炎防控工作的启示[J].中国血吸虫病防治杂志，2020，32（2）：113-118.
LIU Y B，CAO J.Management of coronavirus disease 2019 （COVID-19）：experiences from imported malaria control in China[J].Chinese Journal of Schistosomiasis Control，2020，32（2）：113-118.
[23] PANG X H，REN L L，WU S S.Cold-chain food contamination as the possible origin of COVID-19 resurgence in Beijing[J].National Science Review，2020，7（12）：1861-1864.