人流に対する実効再生産数(1)
*実効再生産数は、東洋経済オンラインより
*人流は、当該の日からみて６－１３日前の平均値
予測モデルの構築
１．変異株の影響を考慮して、日本の状況から新規感染者数を予測（ワクチン接種率の定義なし）
２．ワクチンの影響をより詳細に考慮するため、他国のデータを学習し、補正
Model (1)：ワクチンの影響は明示的に定義しない
・ネットワークの構築は以前のものと同様: https://www.mdpi.com/1660-4601/18/15/7799
・入力値は、気象情報(最低/最高気温・平均湿度)、人流データ、平日/休日、緊急事態宣言の有無、現在までの新規感染者数に加えて、新たに変異株のラベル(0: standard, 1: alpha, 2: delta)を追加
・学習データは2020年8月1日～2021年8月29日（2020年1月～7月の感染者数が少ない初期を除外）
・気象情報、人流データの将来値は、昨年と同様と仮定
・学習データの対象都市は、東京・大阪・愛知
・2か月先まで予測（2021年10月31日まで）
2020年と2021年における人流の変化の比較（東京）7月・8月において、同等の傾向
今回の資料：9月の予測には、昨年の人流データを利用
8月31日報告のデータ（海外1都市のみ）
東京：気象条件、人流を昨年度と同程度とした場合の新規感染者数（一週間平均）の予測。 ワクチンの影響を新規ネットワークで考慮
UPDATE(海外４都市のデータを学習)
東京：気象条件、人流を昨年度と同程度とした場合の新規感染者数（一週間平均）の予測。 ワクチンの影響を新規ネットワークで考慮
ワクチン効果による影響は？
Model-1: 日本のデータで学習
ワクチン接種が開始時期からのみのデータを使用して、潜在的にワクチンの影響を学習 (4/1(日本でのワクチン接種開始時期）～8/31)
Model-2: 海外の事例を取り入れて、ワクチン効果を考慮
(テルアビブ, ニューヨーク, ブリュッセル，ロンドン：ワクチン接種完了率50％以上).
8月31日報告のデータ（海外1都市のみ）
大阪：気象条件、人流を昨年度と同程度とした場合の新規感染者数（一週間平均）の予測。 ワクチンの影響を新規ネットワークで考慮
UPDATE(海外４都市のデータを学習)
大阪：気象条件、人流を昨年度と同程度とした場合の新規感染者数（一週間平均）の予測。 ワクチンの影響を新規ネットワークで考慮
8月31日報告のデータ（海外1都市のみ）
愛知：気象条件、人流を昨年度と同程度とした場合の新規感染者数（一週間平均）の予測。 ワクチンの影響を新規ネットワークで考慮
UPDATE(海外４都市のデータを学習)
愛知：気象条件、人流を昨年度と同程度とした場合の新規感染者数（一週間平均）の予測。 ワクチンの影響を新規ネットワークで考慮
※すべての年齢の総人口に対する割合(公開されている割合はほとんどが対象年齢以上の総人口に対する割合のため、ここで使用した割合とは異なる)
※すべての年齢の総人口に対する割合(公開されている割合はほとんどが対象年齢以上の総人口に対する割合のため、ここで使用した割合とは異なる)
東京における重症者数の予測
Model 1: 東京・大阪・愛知の3都府を学習
Model 2: テルアビブのデータを用いてワクチン接種の効果を考慮
9月末：予測値が突然減少
第4波における大阪の事例による影響の可能性
Model 1: “東京”のみを学習
Model 2: テルアビブのデータを用いてワクチン接種の効果を考慮
8月中旬以降の病床数逼迫を模擬できるか？
