Задача
Исследователи хотели создать имитационную модель распространения COVID-19 в Гонконге, которая определяла бы уязвимые локации. Поскольку Гонконг уникален по своим условиям, особенно если речь идет о COVID-19, создать такую модель оказалось сложнее, чем ожидалось. Гонконг — это мегаполис со сверхвысокой плотностью населения, главный транспортный узел и двигатель экономики в восточной Азии.
Кроме того, одновременно с пандемией в Гонконге произошли политические изменения, что могло снизить планируемую эффективность мер государственного вмешательства. И наконец, Гонконг ранее уже пережил эпидемию ТОРС (SARS), поэтому у горожан оставались опасения по поводу инфекционных заболеваний.
Решение
С помощью дополнительных данных, связанных с Гонконгом, и трехмерной агентной модели исследователи планировали:
- Смоделировать распространение COVID-19 в Гонконге.
- Определить наиболее уязвимые места и группы населения.
- Оценить эффективность нефармацевтических мер вмешательства и вакцинации от COVID-19.
Исследователи использовали большой массив данных для создания имитационной модели, включая обзор туристических особенностей Гонконга в 2011 г. (Hong Kong Travel Characteristics Survey 2011), а также данные об объектах (POI), зданиях и COVID-19.
В первую агентную модель мобильности были включены два основных типа агентов — мобильный и статический.
Мобильные агенты были представителями более молодого поколения, которые ходили на учебу, на офисную работу и в другие подобные места, а статические агенты больше времени проводили дома. В исследовании использовалось четыре основных типа локаций: рестораны, торговые центры, учебные заведения и рабочие места. Кроме того, разработчики модели включили небольшую отдельную категорию, содержащую все остальные локации.
Вторая модель (модель инфицирования) представляла собой расширение модели SEIQR (Susceptible — восприимчивый, Exposed — контактировавший, Infected — инфицированный, Quarantined — находящийся на карантине, Recovered — выздоровевший). В этой модели исследователи предполагали, что 2 метра — это тесный контакт, результатом которого могло быть заражение. Также учитывалась продолжительность нахождения в одном месте с зараженным и наличие вентиляции.
Некоторые параметры и данные использовались из таких источников, как публикации и правительственные отчеты. Эти сведения поступали из следующих регионов: Гонконг, материковый Китай и восточная Азия.
Результаты
На основе моделей мобильности и SEIQR исследователи создали анализ сценария и разработали пять имитационных моделей:
- Модель M0 — отсутствие мер вмешательства (модель по умолчанию).
- Модель M1 — 50% населения работает из дома.
- Модель M2 — введение мер, подразумевающих ношение масок: 80% людей носили маски со степенью защиты 65%.
- Модель M3 — проведение вакцинации: 70% людей были вакцинированы препаратом с уровнем эффективности 70%.
- Модель M4 — введение всех мер, описанных в моделях M1, M2 и M3.
Популяция модели составляла 10% от общей численности населения Гонконга. Это значение было выбрано для быстрого запуска модели, в которой при этом учитывалось достаточное количество инфицированных. Количество объектов POI составляло около 250 000, а период запуска модели — 1 год.
Запустив модель, исследователи наблюдали за различными параметрами. Их значения можно было менять. Расчеты в результате моделирования отображались в графиках. Эти результаты можно было скачать в формате Excel благодаря функционалу AnyLogic.
На рисунках ниже видно, насколько эффективны оказались различные меры вмешательства: M4 > M3 > M2 > M1 > M0. Анализируя результаты моделей M0–M2, можно предсказать вторую волну эпидемии, если не будет вакцинации.
Кроме того, с помощью результатов по районам можно было определить зоны, в которых риск заражения населения был выше. Тремя зонами с самым высоким риском заражения оказались центральные части деловых и торговых районов Гонконга.
Помимо этого, в результатах можно найти данные о возрасте и поле, а также эффективном репродуктивном числе (коэффициенте распространения коронавируса).
По итогам данного исследования был сделан следующий вывод: несмотря на эффективность вакцинации от COVID-19, нефармацевтические меры по-прежнему необходимы (возможно, их придется использовать несколько лет).
В дальнейших исследованиях можно будет учесть дополнительные факторы, например использовать больше типов данных и географических критериев, другие социальные изменения и многоподходное моделирование, включая системную динамику и дискретно-событийные модели. Также можно создавать модели с привлечением специалистов по здравоохранению. Используя эти дополнительные инструменты, можно получить более реалистичную модель.
Этот проект представил доктор Питер Ко (Peter K. Koh) и Кен Тан (Ken K.C. Tang) из Университета Гонконга на конференции AnyLogic 2021.
