识别在公共交通系统中传播疾病的高影响力旅客

近期暴发的新型冠状病毒及其迅速传播凸显了理解人类流动性的重要性。封闭空间（如公交车和火车等公共交通工具）为感染的大规模和快速传播提供了适宜环境。因此，研究公共交通系统中个体的移动模式与物理接触对于理解传染病暴发的驱动因素至关重要。例如，先前的工作探讨了人类流动性中固有的重复模式对疾病传播的影响，但未考虑出行距离或接触次数等其他维度。在此，我们同时考虑多个流动性维度，以揭示对设计有效干预策略至关重要的信息。我们使用在澳大利亚悉尼收集的一个月全市智能卡出行数据，从三个维度对公交车乘客进行分类，即探索程度、出行距离和接触次数。此外，我们在交通网络上模拟疾病传播并追踪感染路径。我们在改变感染概率和病原体悬浮时间的情况下，详细研究了分类群体之间的传播过程。结果表明，同时沿多个维度刻画个体揭示了不同乘客群体之间复杂的感染相互作用，而这在仅考虑单一维度时仍会隐藏。我们还识别出在给定特定疾病特征下比其他群体更具影响力的群体，这可为遏制疫情和疫苗接种工作提供指导。