COVID-19 应通过混合约束予以抑制——基于受限无标度网络的模拟

本文在人工人类网络上模拟了病毒感染的传播。在此，人们的现实城市生活被建模为具有约束的无标度网络。迄今为止，无标度网络已被用于建模在线社区，但本文将其用于表征人们的社会行为，其中生成的社区受到限制，以反映现实生活中的时空约束。结果，获得了三项发现和一项政策建议。第一，感染病例数时间序列的峰值高度趋于随全体成员相聚的群体规模上限的减小而降低。第二，若将 $m_0$（即一个人每次单独会面的其他所有人的数量）的约束设定在 2 至 8 之间，只要我们允许规模 $W$ 为 8 或更大的群体聚会，其对抑制感染的效果可能较弱。第三，这种适度约束在早期可能看似暂时起到了减少感染的作用，但最终可能仅仅是峰值的延迟。基于这些结果，本文提出一项政策：若将 $m_0$ 限制为至多 1 过于严格，为快速抑制感染数量，可将 $W$ 限制在 4 以下。根据结果，若 $W$ 设为 4 以下，将 $m_0$ 设为 4 或以下可实现感染的快速减少。