Последствия эпидемий могут оказаться весьма негативными, приводить к
значительным экономическим и социальным потерям, в связи с чем актуальными являются
вопросы создания современных инструментов для тестирования стратегий снижения ущерба и
разработки эффективных мер борьбы с эпидемиями. В статье обосновывается перспективность
использования агент-ориентированных моделей для этих целей, на примерах агенториентированных моделей эпидемий, разработанных зарубежными исследователями. Проведен
анализ архитектуры агент-ориентированных моделей распространения эпидемий и выявлены
основные конструктивные концепции и ключевые компоненты для моделирования
эпидемических процессов. Рассмотрены преимущества агентного подхода имитационного
моделирования, позволяющие имитировать динамику распространения инфекционных
заболеваний в максимально приближенной к реальному обществу неоднородной синтетической
популяции, а также воспроизводить различные схемы и механизмы передачи конкретных
контагиозных заболеваний с учетом демографических, социально-экономических и
территориально-пространственных факторов. Использование агентного подхода имитационного
моделирования предоставляет возможность исследовать течение эпидемических и
инфекционных процессов на детализированном уровне, а также проигрывать всевозможные
сценарии эпидемических вспышек, тестировать вариативные стратегии борьбы с эпидемией и
оценивать влияние на динамику эпидемий многокомпонентных стратегий вмешательства.
Результаты исследования передового опыта проектирования агент-ориентированных моделей
распространения эпидемий планируется использовать для создания агент-ориентированной
модели распространения эпидемии в условиях мегаполиса.
1. Hackl J., Dubernet T. Epidemic Spreading in Urban Areas Using Agent-Based
Transportation Models. Future Internet. 2019;11(4):92. DOI:10.3390/fi11040092
2. Mao L. Modeling triple-diffusions of infectious diseases, information, and preventive
behaviors through a metropolitan social network – An agent-based simulation. Applied
Geography. 2014;50:31-39.
3. Perez L., Dragicevic S. An agent-based approach for modeling dynamics of contagious
disease spread. International Journal of Health Geographics. 2009; 8(50). URL:
https://doi.org/10.1186/1476-072X-8-50 (Дата обращения: 06.06.2020).
4. Crooks А. T., Hailegiorgis F. B. An agent-based modeling approach applied to the spread
of cholera. Environmental Modelling and Software. 2014;62:164-177.
5. Adiga A., Chu S. Disparities in spread and control of influenza in slums of Delhi: findings
from an agent-based modelling study. BMJ Open. 2018;8(1). e017353. DOI:
10.1136/bmjopen-2017-017353
6. Putro U.S., Novani S. et. al. Searching for effective policies to prevent bird flu pandemic in
Bandung city using agent‐based simulation. Systems Research and Behavioral Science..
2008;25:663-673.
7. Alam S., Meyer R., Norling E.A model for HIV spread in a South African village.
Conference Paper. Multi-Agent-Based Simulation IX. MABS 2008. Estoril, Portugal. May
12-13, 2008:33-45.
8. Burke D.S., Epstein J.M. et al. Individual-based Computational Modeling of Smallpox
Epidemic Control Strategies. Academic Emergency Medicine. 2006;13(11):1142-1149.
9. Laskowski M, Demianyk BC, Witt J, Mukhi SN, Friesen MR, McLeodRD. Agent-based
modeling of the spread of influenza-like illness in an emergency department: A simulation
study. IEEE Trans InfTechnol Biomed. 2011;15(6):877–889.
10. Hunter E., Namee B. M., Kelleher J. An open-data-driven agent-based model to simulate
infectious disease outbreaks. PLOS One. 2018;14(1): e0211245.
11. Aleman D. M., Wibisono T. G. A Nonhomogeneous Agent-Based Simulation Approach to
Modeling the Spread of Disease in a Pandemic Outbreak. Interfaces. 2011;41(3):301–315.
DOI 10.1287/inte.1100.0550
12. Fŕıas-Martınez E., Williamson G., F ́ ŕıas-Martınez ́ V. An Agent-Based Model of Epidemic
Spread using Human Mobility and Social Network Information. In Proceedings of the 3rd
International Conference on Social Computing. SocialCom’11. Boston, MA, USA. 9–11
October, 2011:49–56.
13. Khalil K.M., Abdel-Aziz M., Nazmy T.T., Salem A. M. An Agent-Based Modeling for
Pandemic Influenza in Egypt. 7th International Conference on Informatics and Systems,
INFOS 2010. Cairo, Egypt. 28-30 March, 2010. URL:
https://arxiv.org/ftp/arxiv/papers/1001/1001.5275.pdf (Дата обращения: 06.06.2020).
14. Rhee М. An agent-based approach to HIV/AIDS epidemic modeling: a case study of Papua
New Guinea. Master of Science Thesis. Massachusetts Institute of Technology. 2006.
15. Venkatramanan S., Lewis B., Chen J., Higdon D., Vullikanti A., Marathe M. Using datadriven agent-based models for forecasting emerging infectious diseases. Epidemics. 2018;
22:43-49.
16. Marini M., Brunner C., Chokani N., Abhari R.S. Enhancing response preparedness to
influenza epidemics: Agent-based study of 2050 influenza season in Switzerland.
Simulation Modelling Practice and Theory. 2020;103. 102091. DOI:
10.1016/j.simpat.2020.102091
17. Marini M., Chokani N., Abhari R.S. COVID-19 Epidemic in Switzerland: Growth
Prediction and Containment Strategy Using Artificial Intelligence and Big Data. Preprint.
2020. DOI: 10.1101/2020.03.30.20047472
18. Saravanan M., Karthikeyan P., Arathi A., Kiruthika M, Suganya S. Mobile agent-based
approach for modeling the epidemics of communicable diseases. Conference Paper.
International Conference on Advances in Social Networks Analysis and Mining: Niagara,
Ontario, CAN. 25-29 August, 2013: 16-20.
19. Mniszewski S.M., Del Valle S.Y., Stroud P.D., Riese J.M., Sydoriak S.J. EpiSimS
Simulation of a Multi-Component Strategy for Pandemic Influenza. Proceedings of the
2008 Spring simulation multi-conference. Ottawa, Canada. April 14-17, 2008: 556-563.
20. Arduin, H., Domenech de Cellès, M., Guillemot, D. et al. An agent-based model simulation
of influenza interactions at the host level: insight into the influenza-related burden of
pneumococcal infections. BMC Infectious Diseases. 2017; 17(382). URL:
https://bmcinfectdis.biomedcentral.com/articles/10.1186/s12879-017-2464-z (Дата
обращения: 06.06.2020).
