Ежедневно миллионы людей по всему миру ездят на работу или учёбу. Однако во время пандемии такая практика может значительно способствовать распространению инфекционных заболеваний. Этот факт часто упускается из виду в традиционных моделях метапопуляций, поскольку они разработаны в основном для изучения миграции и рассматривают людей так, будто те редко перемещаются на локальном уровне.
В журнале Chaos группа исследователей из Южной Кореи представила модель метапопуляции пассажиров (Commuter Metapopulation Model, CMPM), чтобы устранить эти ограничения и расширить фокус на ежедневные модели мобильности.
Модель использовалась для имитации распространения COVID-19 с использованием фактических данных о поездках на работу, предоставленных второй по величине телекоммуникационной сетью страны. Выяснилось, что модель может лучше отражать пространственные различия в характере вспышек — от быстрого распространения в городских центрах до замедленного или локализованного распространения в сельской местности.
«В отличие от традиционных моделей, которые рассматривают население как единое целое, CMPM отслеживает перемещения отдельных людей по их фактическим маршрутам поездок на работу», — сказал автор Джэ У Ли.
«Модель использует данные с мобильных телефонов, чтобы отслеживать, когда люди покидают свои дома, где они находятся в течение дня и когда возвращаются ночью. Это даёт учёным гораздо более реалистичную картину того, как болезни распространяются через повседневные перемещения людей».
В отличие от традиционных моделей метапопуляций, CMPM предназначена для перераспределения населения на основе потоков поездок на работу, а не статических региональных границ, и, по-видимому, гораздо лучше подходит для отражения реальных нюансов мобильности населения. Например, модель может отслеживать, как инфекции могут быстро вспыхнуть в больших, переполненных городах, таких как Сеул, и распространиться на близлежащие города, связанные транспортными потоками, и как в более изолированных местах, таких как остров Чеджу, распространение будет, вероятно, гораздо медленнее, поскольку меньше людей перемещается туда и обратно.
«Традиционные модели упустили бы эти важные различия, прогнозируя более плавное, почти равномерное распространение, которое не соответствует реальности», — сказал Ли.
Исследователи надеются, что улучшенные характеристики их модели подчёркивают важную роль реалистичных данных о мобильности в моделировании эпидемий и могут помочь в разработке целевых стратегий вмешательства, которые спасут жизни.
«Наши ежедневные поездки не только определяют наш распорядок дня, но и формируют путь распространения пандемии», — сказал Ли. «Показывая, как модели поездок на работу (с использованием данных в реальном времени) формируют этот путь, CMPM может помочь правительствам и медицинским работникам разрабатывать более эффективные меры. Вместо единой для всех изоляции можно сосредоточиться на транспортных коридорах с интенсивным движением или защитить уязвимые регионы с ограниченными связями».
Предоставлено American Institute of Physics.