Strong long ties facilitate epidemic containment on mobility networks
https://doi.org/10.1093/pnasnexus/pgae515
该研究将上海市划分为7355个1km×1km的地理网格，并基于540万用户2022年2月至5月的移动定位数据，提取了网格之间每日的人群流动信息。通过识别距离-流量维度的异常点，挖掘城市内部距离相近但流量显著差异的关键群体移动行为
（长程强边）
，分析其空间异质性及相应网格之间的传播相似性。研究结果表明，与距离最短、距离最长以及流量最大的出行模式相比，此类出行行为表现出较低的空间自相关性，即涉及的网格呈随机分布，且未形成显著聚类
（图1）
。该出行模式仅覆盖了23.68%的大流量出行、9.41%的短程出行和0.19%的长程出行，揭示了大量非常见出行模式的空间分布特征。此外，该出行模式能够捕捉到流量最大的出行模式中疾病首次到达时间小于7天的71.77%的网格对，有效解释了疾病传播中期出现的多中心爆发现象，揭示了此类关键出行在疾病传播过程中的重要意义。
图1. 不同阶段上海市的人群移动空间特征。（A）不同阶段人口移动网络，（B）2022年3月人群移动行为的距离和流量关系，以及不同类型移动行为的识别，（C）2022年3月不同人群移动行为的空间自相关性。
该研究以城市内部群体性疾病传播行为为例，论证长程强边为城市治理能力带来的效益。具体地，结合疾病在网格内的传播过程与网格之间的扩散过程，构建了基于人口移动的城市内部疾病传播模型。在此基础上，针对无症状感染者对疾病传播的显著促进作用，提出了区域联合控制措施，通过提前识别并控制潜在感染源所在网格的方式，加速疾病的遏制。除了基于距离或流量的传统控制措施外，研究还引入基于感染压力的控制策略，并设置不考虑区域联合的控制措施作为对照实验组，从多个角度验证了长程强边在疾病控制中的关键作用。研究结果表明，
长程强边对疾病演化模式具有重要的指示作用，使得区域联合控制措施能够更早识别潜在的疾病传播源，有效阻断分散多爆发源的形成
。与其他出行类型相比，长程强边的控制措施能够将累计感染病例平均减少17.1%
（图2）
，进一步凸显了其在群体行为管控中的重要价值。
图2. 不同控制措施下疾病传播演化。（A）区域联合控制流程，（B）反应-扩散疾病传播模型，（C）不同控制措施下累计病例数及受影响的网格（
G
）、出行轨迹（
E
）和常住人口（
P
），（D）不同控制措施下疾病传播空间分布。
区域联合管控措施首先对病例数超过阈值的网格实施主动隔离，然后对通过特定出行方式连接的相关网格实施被动隔离。在该隔离策略下，多个主动隔离网格可能指向同一个网格进行被动隔离，因此，空间自相关性较低的强长程出行能够识别更多分散的被动隔离网格，从而提升隔离措施的覆盖范围和效果。
图3. 区域联合控制的有效性。（A）不同措施下被动隔离以及病例数超过阈值的被动隔离网格数量，（B）被动隔离以及病例数超过阈值的被动隔离网格的空间分布，（C）不同措施下被动隔离网格内的病例数。
长程强边促使宽松控制条件下
实现更有效的群体行为管控
该研究选取不同类型的网格作为单一感染源，并设置不同的网格隔离标准，评估在区域联合控制策略下长程强边对疾病传播控制的稳定性。研究结果表明，当隔离标准较为宽松时，通过隔离长程强边涉及的网格，对疾病的控制效果在一定程度上优于隔离标准较为严格时采取的其他控制措施。这表明，
长程强边在区域联合控制策略中具有较高的适应性和稳定性，能够在更宽松的隔离条件下实现更有效的疾病传播遏制
。
图4. 不同因素对疾病传播控制的作用。（A）强长程出行的识别基准、不同类型出行模式以及网格隔离标准对疾病扩散的遏制效果，（B）不同单感染源和不同初始病例对疾病传播的影响，（C）不同网格隔离标准对疾病遏制效果对比，（D）宽松的隔离条件下实现有效的疾病传播遏制。
注：
国防科技大学博士牟建红、讲师谭索怡以及复旦大学青年研究员张娟娟为论文共同第一作者，国防科技大学吕欣教授和复旦大学余宏杰教授为论文共同通讯作者。
计算社会科学作为一个新兴交叉领域，越来越多地在应对新冠疫情、舆论传播、社会治理、城市发展、组织管理等社会问题和社科议题中发挥作用，大大丰富了我们对社会经济复杂系统的理解。相比于传统社会科学研究，计算社会科学广泛采用了计算范式和复杂系统视角，因而与计算机仿真、大数据、人工智能、统计物理等领域的前沿方法密切结合。为了进一步梳理计算社会科学中的各类模型方法，推动研究创新，集智俱乐部发起了计算社会科学系列读书会。
计算社会科学读书会
第二季由清华大学罗家德教授领衔，卡内基梅隆大学、密歇根大学、清华大学、匹兹堡大学的多位博士生联合发起，聚焦讨论Graph、Embedding、NLP、Modeling、Data collection等方法及其与社会科学问题的结合，并针对性讨论预测性与解释性、人类移动、新冠疫情、科学学研究等课题。欢迎从事相关研究或对计算社会科学感兴趣的朋友参与学习。
详情请见：
数据与计算前沿方法整合：计算社会科学读书会第二季启动
