设计 COVID-19 大流行的社交距离政策：一种概率模型预测控制方法
动力系统
2023-03-16 v1 数值分析
系统与控制
系统与控制
数值分析
摘要
有效管控 COVID-19 大流行是当今最具挑战性的问题之一。最优控制政策的设计因社会、政治、经济和流行病学等多方面因素而复杂化。在此，基于近期研究中报道的意大利伦巴第大区的流行病学数据（该大区在疫情第一波期间经历了欧洲最大且最具破坏性的暴发之一），我们采用概率模型预测控制（PMPC）方法，对伦巴第第一波疫情进行回顾性分析，建模并系统研究社交距离的“假设情景”。所提 PMPC 方案的性能基于一个分隔室模型的仿真进行评估，该模型旨在量化人群无症状病例水平的不确定性，以及各类活动中社交距离与公众意识宣传（促使人们采取谨慎行为以降低疾病传播风险）的协同效应。PMPC 方案考虑了社会混合效应，即各类活动在疾病潜在传播中的作用。所提方法展示了 PMPC 方法在应对 COVID-19 传播和实施公共放松政策中的效用。
引用
@article{arxiv.2202.00924,
title = {Designing Social Distancing Policies for the COVID-19 Pandemic: A probabilistic model predictive control approach},
author = {Antonis Armaou and Bryce Katch and Lucia Russo and Constantinos Siettos},
journal= {arXiv preprint arXiv:2202.00924},
year = {2023}
}