下田におけるWS（2022.7/25～8/18：近藤・大澤・下田市役所) 途中経過から
※WSは二度の現地開催で、
現地生活者行動視察（7/25）とアクション設計（8/18)で構成予定
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合成人口データ
・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
BA5を想定しさらなる感染力(beta値)強化、ワクチン効果減少、再感染リスク考慮のパラメタ変更を行った。結果、いずれのシナリオにおいても感染者増加が続き、東京都で日次で30万人超の感染者に達する可能性が示唆された。
モデルBの結果：新規感染者数(東京のみ)
東京を対象にレイヤーごとの抑制効果を検証すると、外食・娯楽・買い物・旅行といった「いつもの仲間以外と
“たまたま”出会う場所」を抑制することで相応の感染者抑制効果が期待できることが確認された。
Appendix: MLNの各レイヤーの生成ロジック
・世帯
・職業m0（同僚）
・職業W（他部署/顧客)
・学校m0（同じクラスの仲良しグループ）
・学校W（他クラス/部活仲間）
・ご近所親友m0
・外食W
・娯楽W
・ごく近所の買い物W
・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
◦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
職業（同僚）
・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)
職業（他部署/顧客）
・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)
学校(同じクラスの仲良しグループ)
・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)
学校(他クラス/部活仲間)
・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)
ご近所の親友(近所m0)
・概要
◦CityCodeとageとm0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
◦CityCode: 居住市町村
◦Age: エージェントの年齢
◦bestfriend_m_0: 自ら伸ばす手の本数
・生成ロジック (擬似コード)
外食W
・概要
◦gaishoku_Wとgaishoku_m_0とepsilon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
◦Epsilon(0.01): 距離の近さの強さ
・生成ロジック (擬似コード)
娯楽W
・概要
◦distance_Wとdistance_m_0とepsilon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
◦Epsilon: 距離の近さの強さ(0.5)
・生成ロジック (擬似コード)
ごく近所の買い物W
・概要
◦distance_Wとdistance_m_0とepsilon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
◦Epsilon(0.0001): 距離の近さの強さ
・生成ロジック (擬似コード)
ランダム（旅行等）
・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
◦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
