モデル(B)の前提情報
東京都1,400万人を想定
5,000世帯≒1万エージェントからなるマルチレイヤーネットワーク
東京都の人口と合わせるため、1エージェントが1,400人分の重み
データは国勢調査の人口構成をベースとしてリサンプリング・合成された関西大学村田教授の人工合成データを使用
本データには、世帯構成、年齢、性別、職業、住所等の情報が含まれており、その情報を用いて「家族レイヤー」「学校レイヤー」「職場レイヤー」「ご近所コミュニティレイヤー」「ランダム(旅行・移動等)レイヤー」等のネットワークレイヤーを生成
レイヤーごとに接触の頻度および範囲(何人と会うか)を設定でき、例えば経団連等を通じたテレワーク目標の効果の事前見積もり、文科省による学校閉鎖・リモート授業の効果の事前見積もり、旅行会食自粛要請等の効果の見積もりといった政策意思決定の参考情報として活用可能なモデルとなっている
現在のモデルには組み込んでいないが、感染者数推移等に加え、出会い減少による経済効果の試算といったことにも拡張可能
モデル(B)マルチレイヤーの考え方
想定したレイヤーの特徴
世帯: 世帯内で全結合し、他世帯とは完全に分離されたネットワーク
職業: 同一職業の人々がW-m0関係を遵守しつながったネットワーク
学校: 同一地域・同一学年の子供たちがW-m0関係を遵守しつつ
つながったネットワーク
ご近所: 距離の近いエージェント同士がW-m0関係を遵守しつつ
つながったネットワーク
ランダム: 特段のルールなくランダムにn人とつながるようルール化し
つながったネットワーク
レイヤーを分ける理由
人と人のつながり方のコンテクストによって、ネットワークの疎・密結合の関係性および接触の濃度・頻度が異なる
コンテクストごとに取り付け・取り外しが可能で、また間引き・増幅することで、緊急事態宣言実施や景気浮揚政策の検討を行う材料として活用しやすい
こういった事象をモデリングする上で、マルチレイヤー形状は非常に便利
モデル(B)マルチレイヤーマルチSEIRフロー
※1. v1_det = min(v1, v1 – 1回目ワクチン接種後経過週数 * v_det_rate / v_det_term)
※2. v2_det = min(v2, v2 - 2回目ワクチン接種後経過週数 * v_det_rate / v_det_term)
※3. v3_det = min(v3, v3 - 3回目ワクチン接種後経過週数 * v_det_rate / v_det_term)
モデル(B)マルチレイヤーマルチSEIRエージェント:設定
●データ: 関西大学村田教授の人工合成データ
●感染伝搬モデル:
✓マルチエージェントベースのワクチン効果考慮後のSEIRSモデルを採用
✓Iの状態を軽症と重症、さらに重症から死亡への推移を考慮
✓各々のレイヤーを独立に間引いたケースで計算を実施
✓オミクロン株の平均潜伏期間を踏まえ1タイムスタンプ1日に変更
●ワクチン: 接種によりS/V1/V2/V3のノードのEへの遷移確率を▲X%低下。ワクチン効果は段階的に減衰
モデルBの結果:新規感染者数(3/21解除、その後節度ある自粛解禁)
3/21まん延防止解除のシナリオについて、下図の通り計算を行った。右図、つまり「意図せず偶然隣り合わせた人」との接触の要観察期間を7日としたシナリオでは、新規感染者は若干増加後、4月第一週をピークに下降という計算結果に、真ん中シナリオでは横ばいの後、今月末をピークに下降という計算結果となった。
モデルBの結果:新規感染者数(3/21解除、その後自粛全面解禁)
3/21解除後に、2019年並みの交友の全面解禁が起きると、感染者は再度拡大し、要観察期間3日シナリオでも日間5万人程度まで再拡大する計算結果となった。要観察期間7日では、日間10万人越えまで大幅増という計算結果。
モデルBの結果:重症(中等症以上レベル)感染者数(節度ある自粛解禁)
いずれの重症化リスクシナリオにおいても重症感染者数はピーク時でも数百名程度と低位水準に収まる見込み。
モデルBの結果:重症(中等症以上レベル)感染者数(自粛全面解禁)
alphaH=0.005(デルタ株の10分の1の重症化リスク)シナリオの場合、千名程度まで増加する可能性あり
モデル(B)マルチレイヤーマルチSEIRエージェント:設定
●データ: 関西大学村田教授の人工合成データ
●感染伝搬モデル:
✓マルチエージェントベースのワクチン効果考慮後のSEIRSモデルを採用
✓Iの状態を軽症と重症、さらに重症から死亡への推移を考慮
✓各々のレイヤーを独立に間引いたケースで計算を実施
✓オミクロン株の平均潜伏期間を踏まえ1タイムスタンプ1日に変更
●ワクチン: 接種によりS/V1/V2/V3のノードのEへの遷移確率を▲X%低下。ワクチン効果は段階的に減衰
モデルBの結果:新規感染者の感染経路
全結合ネットワークかつ政策による間引きが実施できない「家族レイヤー」が主な感染拡大源となっている。
リンク数対比では、同じく全結合に近いネットワーク形状となっている「学校レイヤー」も感染拡大源の一つと言える。
モデル(B)マルチレイヤーマルチSEIRエージェント:設定
●データ: 関西大学村田教授の人工合成データ
●感染伝搬モデル:
✓マルチエージェントベースのワクチン効果考慮後のSEIRSモデルを採用
✓Iの状態を軽症と重症、さらに重症から死亡への推移を考慮
✓各々のレイヤーを独立に間引いたケースで計算を実施
✓オミクロン株の平均潜伏期間を踏まえ1タイムスタンプ1日に変更
●ワクチン: 接種によりS/V1/V2/V3のノードのEへの遷移確率を▲X%低下。ワクチン効果は段階的に減衰
モデルBの結果:重症(中等症以上)感染者数 (重症化パラメタ変更)
alphaH=0.005(デルタ株の10分の1の重症化リスク) 、0.001(50分の1)、0.0005(100分の1)の3段階で重症化率を変えると、重症化率低下とともに重症患者数は減少。新規感染者が拡大する要観察期間7シナリオにおいても重症者はゼロないし僅少(多くの乱数シードでゼロ、いくつかの乱数シードで10000エージェント中1名発生)となった。
Appendix: MLNの各レイヤーの生成ロジック
●世帯
●職業
●学校
●距離
●ランダム
※データのサンプリングは、指定した世帯数をランダムサンプリングするので世帯数の指定は出来るがノード数の指定は出来ない
世帯
●概要
〇世帯ごとにクリークを形成するレイヤー
●概要
〇なし
●概要
〇同一のhousehold_idを全結合
職業
●概要
〇industry_Wとindustry_m_0に基づき制約付きネットワークを形成するレイヤー
●パラメータ
〇industry_W: 他人と繋がる上限数 (industry_W - industry_m_0だけ他人の手を受け入れる)
〇industry_m_0: 自ら伸ばす手の本数
●生成ロジック (擬似コード)
学校
●概要
〇児童がschool_Wとschool_m_0に基づき制約付きネットワークを形成するレイヤー
●パラメータ
〇school_W: 他人と繋がる上限数 (school_W - school_m_0だけ他人の手を受け入れる)
〇school_m_0: 自ら伸ばす手の本数
●生成ロジック (擬似コード)
距離
●概要
〇distance_Wとdistance_m_0に基づき距離から制約付きネットワークを形成するレイヤー
●パラメータ
〇distance_W: 他人と繋がる上限数 (distance_W - distance_m_0だけ他人の手を受け入れる)
〇distance_m_0: 自ら伸ばす手の本数
●生成ロジック (擬似コード)
距離
●概要
〇ランダムグラフから成るレイヤー
●パラメータ
〇p: エッジを選択する確率
●生成ロジック
〇p: n(n - 1) / 2 通りのエッジから確率 p で採用するエッジを決定しグラフを生成