编者按：面对突如其来的传染病大流行，如果能拥有一台“时间机器”，在政策实施前先“预演”不同的干预效果，将会挽救多少生命？
本期“优秀仿真案例”专栏，我们邀请到韩国庆熙大学Young KIM与成均馆大学Yunbae KIM教授。两位学者融合“仓室建模”与“基于智能体仿真”的各自优势，构建了一种新型组合式仿真框架。以首尔疫情数据为实证，他们量化模拟了不同强度干预政策对感染峰值及医疗资源占用带来的深远影响。让我们一同走入本期案例，看数据与仿真如何赋能复杂社会系统的决策治理。
疫情大流行期间，在疫苗与治疗药物等医学干预手段尚未问世之前，非药物干预措施（NPIs）是遏制传染病传播的主要手段。研究表明，NPIs的实施效果对于控制疫情规模、避免医疗系统超载具有决定性作用。在当前各类大流行传播评估工具中，仓室模型与基于智能体的仿真方法被公认为兼具高效性与准确性的两种主流途径，然而二者在全面应对大流行传播的实践层面均存在固有局限。
为弥补上述不足，本文提出一种组合式仿真框架，旨在融合仓室建模与基于智能体仿真各自的优势。该框架由三大核心模块构成：（1）伪人口生成；（2）人口移动模拟；（3）感染传播过程。具体而言，首先构建伪人口生成模型及人口移动模拟算法；采用基于智能体的建模方法刻画个体异质性及人口移动效应，同时引入扩展的SEIRD（易感-暴露-感染-康复-死亡）仓室模型，依据个体状态转移进行感染传播的随机仿真。
本文以韩国首尔市疫情暴发为实证案例，验证所提出框架的有效性，并进一步开展韩国与澳大利亚两国NPIs有效性的比较研究。
表1 韩国与澳大利亚非药物干预措施（NPIs）对比
两国NPIs的核心差异在于澳大利亚实施了局部封锁政策。为量化评估NPIs效果，本文设计如下对照情景：核心思路在于将局部封锁策略移植至韩国疫情场景中加以模拟。
图1 政府政策与人口移动之间的关联
韩国在疫情防控中持续采用口罩佩戴与隔离措施，其社交距离政策随疫情态势动态调整，因而可将社交距离视为降低接触率的调控手段。不同等级的社交距离政策会改变区域内人口活动强度及跨区域人口流动模式，进而促使基本再生数R下降，从而抑制传播扩散。图1呈现了2020年3月至2021年2月期间首尔市各区域内部人口移动率与社交距离等级的变化轨迹。由图可见，人口移动率在一定程度上反映出社交距离政策的实际成效。纵轴为移动率，横轴为时间日期。若将人口移动变量纳入感染传播模型，即可部分映射社交距离的干预影响，故人口移动与疾病传播之间存在较强的关联性。为准确分析传播动态，模型需体现由人口移动所引致的接触率变动。本研究提出的框架内嵌了人口移动模块，能够有效反映上述因素。该组合式框架综合了仓室模型与基于智能体模型的长处，同时规避了二者各自的缺陷。
图2 疾病传播分析仿真框架
图2展示了本文所构建传染病传播模型的仿真架构，该架构涵盖人口生成、人口移动和感染传播三个功能模块。人口生成与移动模块将每个个体定义为具有属性特征的智能体，并借助概率分布实现其移动行为。该模型不仅反映了显著影响传染病传播的人口流动，还运用基于智能体建模的思路刻画区域感染概率的时空异质性。人口移动模块对于捕捉个体所处感染环境的动态变化至关重要，其依据年龄和性别的概率分布来模拟移动行为。感染模块则基于经典SEIR仓室模型，并针对传染病多样化的特征进行扩展；本文定义了一类新型模型，依据感染状态、症状表现及隔离状态对仓室进行细分，并通过蒙特卡洛方法实现随机仿真。感染模块能够体现因人口移动而导致的个体感染环境变化，同时采用特定算法，依据当前时刻个体感染率判定相应区域内各人群的感染与状态转移。区域内状态变化由该时刻的个体感染率所决定。
为验证所提框架的可靠性，本文利用2020年韩国首尔市COVID-19第二波与第三波疫情期间的确诊病例数据进行校准。感染人数随政府政策调整而波动，但如图3所示，政策效应存在明显滞后。
图3 各波疫情期间确诊病例数
图4显示了疫情波动期间韩国与澳大利亚确诊病例的比较。
图4 基于NPIs等级变化的大规模疫情波次中感染传播比较
NPIs可能因其类型与强度差异而加剧公众疲劳感，但在疫苗或治疗药物研发成功之前，它们仍是控制传播规模唯一可用的干预手段，因此科学合理地实施NPIs至关重要。
本研究所采用的疾病传播模块如图5所示。在每个仿真时间步，每个个体依据状态间转移概率及各状态持续时间的概率分布，判断是否进入下一状态。与感染者接触的概率由各区域的人口移动规模与人口总量共同决定，其余参数则取决于传染病自身特性及多种环境因素。
图5 疾病传播模块
本文所比较的仿真情景如图6所示。该情景将澳大利亚部分严格NPIs改造为适用于本模型的形式，并施加于韩国“大流行（爆发潮）”态势中。仿真启动后，当感染人数开始上升时，同步实施下述全部NPIs。
图6 仿真研究采用的情景
仿真结果讨论
仿真结果表明，与基线情景相比，“封锁情景”展现出显著更强的遏制效果。图7呈现了对感染动态及医疗资源占用影响的主要对比结果，具体可归纳如下：
该情景的核心差异体现在感染峰值的形态与持续时间上。
立即反转：基线情景在峰值处形成高位平台，而封锁情景在到达峰值后即刻触发下降趋势。
平台期消失：基线情景在峰值附近维持约两周的高感染率平台期；封锁措施有效规避了病毒最大传播窗口期。
终局消退：封锁情景成功终结了该波次疫情，表明基本再生数R在足够长时间内被压低至显著低于1.0的水平。
图7 新增感染的周移动平均值
感染曲线的下行直接转化为医疗资源压力的缓解。通过缩短峰值持续期，封锁情景产生以下效益：
容量维持：避免两周平台期可防止新入院人数持续超出出院人数所导致的“累积叠加”效应，该效应通常是医院过度拥挤的主要诱因。
资源配置优化：较低的峰值强度确保重症监护资源（ICU床位、呼吸机）更不易触及承载极限。
发病负担减轻：从数学层面而言，曲线更快下降将减少累计病例总数，从而降低需要长期照护的患者总体规模。
图8 隔离人群的周移动平均值
作者简介
Young KIM,
Department of Mathematics, Kyunghee University, Republic of Korea
Yunbae KIM,
Professor Emeritus, Department of Systems Management Engineering, Sungkyunkwan University, Republic of Korea
