Is it safe to meet usual friends?

※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)

・データを日本全国の主要都市に拡大し、「都市ごとの感染パターンの比較」と、「都市間移動を考慮したモデル」へと拡張する予定

・人と人との接触は、「ウィルス交換」という負の側面と同時に「幸福感の発生」という正の効用が生じることを考慮し、行動抑制の負の側面にも視野を拡げたモデルとする

・レイヤーごとに主レイヤーと副レイヤーを想定
　◦主レイヤーとして、「世帯」「学校(同じクラスの仲良しグループ)」「職場(同僚)」といった、ほぼm0のみで構成されるレイヤーを設定
　◦副レイヤーとしてまずは「学校(他クラス/部活仲間)」「職場(他部署/顧客)」「距離」「ランダム」を設定するが、今後拡張予定
　◦副レイヤーは、W-m0の概念である「意図せずたまたま隣り合わせた毎回変わる多数の他人との接触」を再現するため、W-m0のリンク数を増やすとともにリンクのアクティベーション確率を調整する仕様とする

・マスクの効果 ← 今後アンケート実施予定

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

「日常生活シナリオ」の場合、新規感染者は再度増加に転じ日間数万人の感染者となる可能性がある。
日常生活シナリオには、マスクをつけずに繁華街や電車等で見知らぬ人とすれ違うケースも含まれていることから、引き続きStay with your communityで見知らぬ多数の人とすれ違う場所での感染症対策は必要と思われる。「日常生活シナリオ」の場合、新規感染者は再度増加に転じ日間数万人の感染者となる可能性がある。
日常生活シナリオには、マスクをつけずに繁華街や電車等で見知らぬ人とすれ違うケースも含まれていることから、引き続きStay with your communityで見知らぬ多数の人とすれ違う場所での感染症対策は必要と思われる。

いずれのネットワーク特性・レイヤー間引きルールにおいても、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。

平均して一人当たり1日に2~3名程度と「感染しうる接触」が生じている計算結果となった。
副層である「ランダム」「距離」のわずかな増加がネットワークを小さくし、新規感染者増を引き起こす結果。

・世帯
・職業（同僚）
・職業（他部署/顧客)
・学校（同じクラスの仲良しグループ）
・学校（他クラス/部活仲間）
・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

・概要
◦世帯ごとにクリークを形成するレイヤー

・パラメータ
◦なし

・生成ロジック
　◦同一のhousehold_idを全結合

・概要
◦Industry_idが同一のエージェントを複数人のグループに分割し、グループ内でクリークを形成するレイヤー

・パラメータ
◦industry_cnt: グループの平均構成人数
◦industry_segment_id: 自分が所属するグループID

・生成ロジック (擬似コード)
　df_sampled["ind_segment"] =
[f'{str(ind_id)}_{str(int(np.ceil(random.random() * smax)))}' if (ind_id is not None) & (smax is not None) else ""
for smax, ind_id in zip(df_sampled["SegMax"], df_sampled["industry_type_id"])]

for i in np.arange(len(ind_seg_sampled)):
　　　ind_seg = ind_seg_sampled[i]
　　　　if len(ind_seg) > 0:
　　　　　　H = G.subgraph([node for node, node_attr in G.nodes(data=True) if node_attr['ind_segment'] == ind_seg]).copy()
　　　　　　G.add_edges_from(nx.complete_graph(H.nodes).edges(), layer='industry_collegue')

・概要
◦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
◦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)
◦industry_m_0: 自ら伸ばす手の本数

・生成ロジック (擬似コード)
　df_sampled["ind_segment"] =
[f'{str(ind_id)}_{str(int(np.ceil(random.random() * smax)))}' if (ind_id is not None) & (smax is not None) else ""
for smax, ind_id in zip(df_sampled["SegMax"], df_sampled["industry_type_id"])]

for node_i in {ノードの集合(ノード番号で昇順)}:
for node_j in {node_iと同じindustry_type_idであるノードから、node_iを除いた集合 (ランダム順)}:
　if industry_degree(node_j) <= industry_W - industry_m_0:
　　{エッジの集合}.append((node_i, node_j))
　　　break if {appendしたエッジ数} >= industry_m_0

・概要
◦同一地区(住所コード上7桁が同一)で同い年の児童内でクリークを形成するレイヤー

・パラメータ
◦Town_code[:7]
◦age

・生成ロジック (擬似コード)
　df_sampled["town_age"] = [f'{tc[:7]}_{str(age)}' for tc, age in zip(df_sampled["town_code"],
　　　　　　　　　　　　　　　　　　　　　　　　df_sampled["age"])]

for i in np.arange(len(town_age_sampled)):
　　　　　　town_age = town_age_sampled[i]
　　　　　　H = G.subgraph([node for node, node_attr in G.nodes(data=True) if node_attr['town_age'] == town_age]).copy()
　　　　　　　G.add_edges_from(nx.complete_graph(H.nodes).edges(), layer='school_classmate')

・概要
◦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
◦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)
◦school_m_0: 自ら伸ばす手の本数

・生成ロジック (擬似コード)
　for node_i in {年齢15歳以下のノードの集合(ノード番号で昇順)}:
　　　　　　　　　for node_j in {node_iと同じ年齢かつ同じ地区であるノードから、node_iを除いた集合 (ランダム順)}:
　　　　　　　　　　　　　　if school_degree(node_j) <= school_W - school_m_0:
　　　　　　　　　　　　　　　　　　{エッジの集合}.append((node_i, node_j))
　　　　　　　　　　　　　　break if {appendしたエッジ数} >= shcool_m_0

・概要
◦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
◦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)
◦distance_m_0: 自ら伸ばす手の本数

・生成ロジック (擬似コード)
　for node_i in {ノードの集合(ノード番号で昇順)}:
for node_j in {node_i以外のノードの集合 (ランダム順)}:
　　　if distance_degree(node_j) <= distance_W - distance_m_0:
　　　　　　if 1/(ε + distance(node_i, node_j)) >= random(0, 1):
　　　　　　　　　　　{エッジの集合}.append((node_i, node_j))
　　　　　　break if {appendしたエッジ数} >= distance_m_0

・概要
◦ランダムグラフから成るレイヤー

・パラメータ
◦p: エッジを選択する確率

・生成ロジック (擬似コード)
　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