17、基于城际人口流动网络的 COVID - 19 时空传播疫情建模

基于城际人口流动网络的 COVID - 19 时空传播疫情建模

1. 背景与问题提出

新冠疫情在全球的蔓延与人类的跨城流动密切相关。近期研究证实，人口流动是新冠病毒空间传播的主要因素，且流动模式与新冠增长率密切相关。然而，目前很难准确预测病毒传播的范围和速度。传统的易感 - 暴露 - 感染 - 移除（SEIR）模型已无法满足对新冠疫情时空传播模式的深入研究需求。

现有确定性疫情模型存在一些不足：
- 先前的聚类网络模型具有特定背景，缺乏可扩展性，结果难以推广。
- 以往研究常以城市人口基数作为初始易感人群，但这会高估疫情早期感染病例，进而可能低估感染率。
- 疫情模型通常需要初始参数，如感染率和恢复率，但由于缺乏对历史发病数据的全面审查，很难为不同调查地点确定具体参数。

2. 提出的方法

为解决上述问题，提出了一种城市网络疫情框架（M - Urb - SEIR），该框架结合了人口流动和随机性，用于准确预测新冠确诊病例。

2.1 SEIR 模型（单网络）

采用 SEIR 模型描述疫情传播的动态过程，将人群分为四类：
- 易感人群（S）：可能被感染的个体。
- 暴露人群（E）：已接触病毒但可能未感染的个体。
- 感染人群（I）：能够传播疾病的个体，包括无症状感染期。
- 康复人群（R）：曾经感染但已康复并获得免疫的个体。若免疫期有限，R 可再次转化为 S。

各变量之间的关系如下：
[
\begin{cases}
\frac{dS}{dt} = -\alpha I(t)S(t)/N \
\f