并发性对 Markovian 时间网络中传染病传播的影响

边的并发性由在给定时间点共享一个公共节点的边的数量来量化，它可能是时间网络中传染病过程的重要决定因素。我们提出了理论上易处理的 Markovian 时间网络模型，其中每条边在连续时间中在活跃与非活跃状态之间翻转。不同模型具有不同程度的并发性，而我们可以调节这些模型以共享相同的边激活与失活统计（从而每条边处于活跃状态的时间比例相同）以及聚合（即静态）网络的结构。我们解析地计算了每个模型中共享一个节点的边的并发量。随后，我们数值研究了在所提时间网络模型上的随机易感-感染-易感以及易感-感染-恢复动力学中并发性对传染病传播的影响。我们发现并发性在流行阈值附近增强了传染病传播，而在许多情况下该效应较小。此外，当感染率显著大于流行阈值时，并发性在多数情况下抑制了传染病传播。总之，我们的数值模拟表明，在我们的模型中并发性对增强传染病传播的影响在流行阈值附近始终存在但较为温和。所提时间网络模型有望用于研究并发性对网络上包括传染与其他动力学在内的各种集体动力学的影响。