大规模城市接触网络中传染性疫情爆发的高效检测

尽管物理接触是传染性疫情传播的关键载体，但在大型城市网络中追踪物理接触仍然十分困难。日常公共交通中的共现接触为我们提供了一个城市尺度的时间分辨物理接触网络，该网络由 300 万公交用户间的 10 亿次接触构成。在此，我们研究了此类共现结构的知识可能为传染性疫情的早期检测提供的优势。我们首先检验了“朋友传感器”方案——一种仅需局部信息的简单但通用的策略——并证明它能为模拟疫情爆发提供显著的早期检测。利用完整的网络结构，我们随后识别出先进的“全局传感器集”，与朋友传感器方案相比获得了大幅的预警时间节省。具有最高接触次数的个体是最有效的传感器，其性能与具有最高出行频率、探索行为和结构中心性的个体相当。在测试对传感器规模的依赖性并评估传感器可靠性时，出现了一种效率平衡；我们发现，仅监测具有最高度的 0.01% 的人群即可获得充分且可靠的提前时间。