基于概率元胞自动机的 COVID-19 大流行计算模型

由 SARS-COV2 引起的冠状病毒病（COVID-19）已演变为大流行。该疾病具有高度传染性和潜在致命性，引发全球公共卫生关切。为遏制 COVID-19 传播，各国政府正采取全国性干预措施，如封锁、隔离与检疫、旅行限制、取消社会活动以及广泛检测。为以数据驱动的方式理解这些措施对疫情控制的效果，我们提出了一种基于概率元胞自动机（PCA）的改进 SEIQR 模型。该模型的转移由关于病毒时间线、症状、发病机制和传播力的可用数据驱动。通过论证基于格点的模型能捕捉动力学特征及现有涨落，我们对模型进行了严格的计算分析，以考量施加于人群的社会隔离措施的空间动力学。考虑到与缓解策略相关的 probabilistic 行为方面，我们研究了人口密度和检测效率等因素下的模型。利用该模型，我们聚焦于不同国家疫情动力学数据的变异性，并指出这些对比性观察背后的原因。据我们所知，这是首次尝试使用 PCA 对 COVID-19 传播建模，其给出了感染传播的空间与时间变化，并揭示了不同感染参数贡献的洞见。