Нажмите "Enter", чтобы перейти к контенту

Исследования по передаче инфекционных заболеваний флокирующей птицей

Research on an Infectious Disease Transmission by Flocking Birds
Источник: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3707233/

Академические редакторы: П. Агарвал, С. Белоччиан и Ю. Чжан

Рой-интеллект становится горячей темой. Флокирование птиц является естественным явлением, которое формируется и организуется без центрального или внешнего контроля для некоторых преимуществ (например, сокращения энергии). Тем не менее, флокирование также имеет некоторые негативные последствия для человека, так как инфекционное заболевание H7N9 будет легко передаваться от более плотных стекающих птиц к человеку. Предложена модель города зомби, которая помогает анализировать и моделировать флокирующих птиц и искусственное общество. В этой статье основное внимание уделяется передаче вируса H7N9 у флокирующих птиц и от флокирующих птиц до человека. И некоторые интересные результаты были показаны: (1) только некоторые простые правила могут привести к появлению таких, как стекание; (2) минимальное расстояние между птицами может повлиять на передачу вируса H7N9 у флокирующих птиц и даже повлиять на передачу вируса от флокирующих птиц человеку.

Интеллект Рой становится горячей темой исследования, которая может быть представлена ​​в естественных, социальных или искусственных системах. Его часто вдохновляют природные системы, особенно биологические системы. Флокирование птиц — это классическое явление интеллекта роя без централизованного контроля [1]. Как птицы могли летать во флокинге? Каждая птица только подтверждает простые правила выравнивания, сцепления и разделения, а затем эти птицы могут летать во флокировании. Почему птицы летают во флокинге? Потому что это может снизить энергетические потребности птиц и может принести другие преимущества этим птицам [2-4].

Однако это также приводит к некоторым проблемам, например, инфекционные заболевания могут быстро распространяться среди флокирующих птиц. Более того, эти инфекционные заболевания могут передаваться человеку, такие как инфекционное заболевание H7N9, которое распространяется в Китае [5]. В этой статье будут изучаться дикие флокирующие птицы и их влияние на инфекционное заболевание, распространяющееся с точки зрения передачи инфекционного заболевания H7N9. Чтобы облегчить моделирование флокирования и распространения H7N9 между птицами и человеком, в этой статье предлагается общая модель, модель зомби-города, которая содержит пять основных понятий: агент, роль, окружающая среда, социальная сеть и правило. Основываясь на этой модели, мы могли бы построить и проанализировать искусственные флокирующие птицы, а также смоделировать искусственное общество. Мы изучим распространение H7N9 у флокирующих птиц и передачу H7N9 от птиц к человеку.

Эта статья организована следующим образом: в разделе 2 представлена ​​модель зомби-города. Раздел 3 моделирует стекающееся и искусственное общество с зомби-городом, а затем представляет результаты экспериментов. В разделе 4 обобщается работа.

В модели зомби-города [6] существует в основном пять концепций, включая агент, среду, социальные сети, роли и правила. Правила могут ограничивать агенты, среду и социальную сеть; то есть агенты, среда и социальная сеть должны соответствовать этим правилам. Кроме того, у агентов есть свои возможности (например, движение), и агенты могут быть заражены вирусами, чтобы они несли вирусы, чтобы играть роли зомби. На рисунке 1 представлена ​​метамодель модели зомби-города.
 Агент. Это проактивная, автоматическая и самоадаптивная сущность. Он может взаимодействовать с другими агентами и обладает некоторыми возможностями, такими как взаимодействие и понимание социальных отношений с другими агентами. А агенты могли динамически играть разные роли, чтобы адаптироваться к экологическим, социальным или их собственным изменениям.

Социальная сеть. Он состоит из социальных отношений между агентами, которые строят социальную структуру. Между тем, он должен соответствовать правилам, таким как сеть без масштаба.

Окружающая среда. Это пространство, где обитают агенты, состоящие из сеток. Окружающая среда также должна соответствовать правилам.

Правило. Это сдерживает агентов, социальную сеть, окружающую среду и роли, и все они не действуют против дисциплины или нормы.

Роль. Это аннотация агентов. В некоторых возникающих ситуациях мы могли бы определить различные специальные роли, например, агенты, зараженные вирусами, могли рассматриваться как роль пациента. Агенты могут динамически играть разные роли в соответствии с различными ситуациями. Кроме того, роли также должны быть ограничены правилами.

Возможность. Это способность агентов, таких как движение и взаимодействие. Агенты могут обладать некоторыми естественными возможностями, включая самоадаптивные возможности, хотя динамически играют разные роли в зависимости от различных ситуаций.

Вирус. Это сущность, которая не имеет поведенческих особенностей и может передаваться среди агентов посредством взаимодействия или другими способами. Его можно рассматривать как свойство агентов для обозначения или указания того, переносят ли агенты вирус. Это очень важная концепция для управления чрезвычайными ситуациями.

Модель зомби-города может быть описана 5 кортежами, так как Model:: = , где
АГЕНТ = {a
1, a
2, …, a
n}, для любого a
i (1 ≤ i ≤ n), где a
i является агентом, а AGENT — конечным набором агентов.

SN = {l
k | 1 ≤ k ≤ (n-1) 2}, где l
k — это ссылка социальной сети, SN — это набор ссылок, а социальная сеть построена посредством связей между этими агентами.

EN = {g
1, g
2, …, g
l}, где g
i (1 ≤ i ≤ l) является сеткой, а EN — конечным набором сеток.

ROLE = {b
1, b
2, …, b
m}, для любого b
i (1 ≤ i ≤ m), где b
i — роль, а ROLE — конечный набор ролей.

ПРАВИЛО = {r
1, r
2, …, r
k}, для любого r
i (1 ≤ i ≤ k), где r
i — это правило. RULE — это набор правил конечных правил. Этот набор можно разделить на четыре подмножества: R
A, R
S, R
E и R
R. R
A — конечное множество правил для агентов, R
S — конечное множество правил для социальной сети, R
E — конечное множество правил для среды, R
R является конечным набором правил для ролей.

Мы используем CID, чтобы выразить набор всех идентификаторов, а cid — конкретный, т. Е. Cid ∈ CID.
Агент. Для любого a ∈ AGENT a:: = , где

(А)
cid — идентификация агента;

AT — атрибуты агента;

AC — это действия агента, которые может сделать агент;

N
l — конечный набор идентификаторов ссылок, которые участвует агент;

N
r означает набор идентификаторов ролей, которые играет агент.

Роль. Для любого r ∈ ROLE r:: = , где

(А)
cid — идентификация роли;

AT — атрибуты роли;

AC — это действия той роли, которую эта роль могла бы выполнять.

Окружающая среда. Для любого e ∈ EN, e:: = , где

(А)
cid — идентификация окружающей среды;

AT — атрибуты среды;

AC — это действия среды, которые может сделать окружающая среда.

Социальная сеть. Для любого l ∈ SN, l:: =

(А)
cid — идентификация ссылки;

AT — атрибуты ссылки;


i, a
j) ∈ 2AGENT × AGENT обозначает ссылку от агента a
i агенту a
к. Для неориентированного графа (a
i, a
j) = (a
j, a
i) и для ориентированного графа (a
i, a
к) ≠ (а
j, a
я).

Правило. Для любого u ∈ R
A ⋃ R
R ⋃ R
E ⋃ R
S, u:: = Условие | Событие → (AT | AC), где

(А)
Условие — это внутреннее состояние или атрибут агента, роли, среды или ссылки социальной сети в системе;

Событие — это набор событий, которые происходят в системе;

AT — набор атрибутов агента, роли, среды или ссылки социальной сети в системе;

AC — это набор действий агента, роли, среды или других действий в системе.

Для неориентированного графа a≺t
b (a, b ∈ AGENT) означает, что агент связывается с агентом b в момент t, который равен b≺t
а. LINK (a, t) обозначает набор агентов, с которыми агент a соединяется с моментом t, то есть LINK (a, t) = {b | a≺t
b∧b ∈ AGENT}.

Для ориентированного графа пусть a≺t
b (a, b ∈ AGENT) обозначает, что агент — это ссылки на b, а агент a — источник этой ссылки. ССЫЛКА
S (a, t) обозначает набор агентов, которые агент a подключается, а агент a является источником этих ссылок, то есть LINK
S (a, t) = {b | a≺t
b∧b ∈ AGENT}. Пусть LINK
T (a, t) указывают набор агентов, который связывается с агентом a в момент t, а агент a является целью этих ссылок, то есть LINK
T (a, t) = {b | b≺t
a∧b ∈ AGENT}. Таким образом, набор агентов, которые агент a соединяет в момент t, содержит агенты, с которыми связан агент, и агенты, которые ссылаются на агент a, то есть LINK (a, t) = LINK
S (a, t) ⋃LINK
T (a, t).

Для описания процесса инициализации статической социальной сети и растущего процесса динамической социальной сети мы определили два примитива: Create (), Delete (). SN (t) обозначает набор социальных связей в искусственном обществе в момент t. (я)
Создать
i, a
к). Для неориентированного графа a
я ⊀t

j, т.е.
j ∉ LINK (a
i, t) и a
i ∉ LINK (a
j, t), LINK (a
i, t + 1) = LINK (a
i, t) ⋃ {a
j} и LINK (a
j, t + 1) = LINK (a
j, t) ⋃ {a
я}; для ориентированного графа a
я ⊀t

j, LINK
S (A
i, t + 1) = LINK
S (A
i, t) ⋃ {a
j} и LINK
Т (а
i, t + 1) = LINK
Т (а
i, t), LINK
S (A
j, t + 1) = LINK
S (A
j, t) и LINK
Т (а
j, t + 1) = LINK
Т (а
j, t) ⋃ {a
я}. Для обоих двух графиков ссылка l = (a
i, a
j) и SN (t + 1) = SN (t) ⋃ {l}.

Удалить (а
i, a
к). Для неориентированного графа a
j ∈ LINK (a
i, t) и a
i ∈ LINK (a
j, t), LINK (a
i, t + 1) = LINK (a
i, t) ∖ {a
j} и LINK (a
j, t + 1) = LINK (a
j, t) ∖ {a
я}; для ориентированного графа a
j ∈ LINK
S (A
i, t) и a
i ∈ LINK
Т (а
j, t), LINK
S (A
i, t + 1) = LINK
S (A
i, t) ∖ {a
j} и LINK
S (A
j, t + 1) = LINK
S (A
j, t), LINK
Т (а
i, t + 1) = LINK
Т (а
i, t) и LINK
Т (а
j, t + 1) = LINK
Т (а
j, t) ∖ {a
я}. Для обоих двух графиков ссылка l = (a
i, a
j) и SN (t + 1) = SN (t) ∖ {l}.

У агентов есть возможности самоадаптации, хотя динамически играющие роли. На рисунке 2 представлен самоадаптивный механизм динамически играющих ролей. Например, если агент a является учащимся (т. Е. Агент играет роль ученика) и был заражен инфекционным заболеванием, тогда агент должен адаптировать это изменение, чтобы превратить свою роль в роль пациента и пойти в больницу. Это означает, что агент a будет играть роль пациента, а роль агента агента a будет неактивна. После того, как агент восстановится, агент a не будет играть роль пациента, то есть бросить роль пациента. Агент a вернется, чтобы воспроизвести роль ученика, что означает активировать роль ученика. Самоадаптивный механизм можно точно описать путем формализации.

Пусть a∈t
c означает, что агент играет роль c в момент времени t. Используйте ROLE (a, t), чтобы обозначить набор ролей, которые агент a играет в момент t, то есть ROLE (a, t) = {c | a∈t
с}. Чтобы описать механизм динамически играющих ролей, пусть ROLE
A (a, t) указывают набор активных ролей, которые агент a играет в момент t, и пусть ROLE
I (a, t) обозначает множество неактивных ролей, которые агент a играет в момент t. Поэтому набор ролей, которые агент играет в момент t, включает в себя активные роли и неактивные роли, то есть ROLE (a, t) = ROLE
A (a, t) ⋃ ROLE
I (a, t). Чтобы описать процесс динамически играющих ролей, мы определяем четыре примитива, включая Play (), Quit (), Activate () и Inactivate ().
Play (с). c ∉ ROLE (a, t), ROLE
A (a, t + 1) = ROLE
A (a, t) ⋃ {c} и ROLE
I (a, t + 1) = ROLE
I (a, t). Это означает, что агент будет играть и присоединяться к роли, а роль активна.

Выход (с). c ∈ ROLE
A (a, t), ROLE
A (a, t + 1) = ROLE
A (a, t) ∖ {c} и ROLE
I (a, t + 1) = ROLE
I (a, t) ⋃ {c}. Это означает, что агент не будет играть роль, и роль будет прекращена из набора ролей, которые играет агент.

Активировать (с). c ∈ ROLE
I (a, t), ROLE
I (a, t + 1) = ROLE
I (a, t) ∖ {c} и ROLE
A (a, t + 1) = ROLE
A (a, t) ⋃ {c}. Это означает, что агент сделает роль активной, а поведение агента будет зависеть от роли.

Деактивировать (с). c ∈ ROLE
A (a, t), ROLE
A (a, t + 1) = ROLE
A (a, t) ∖ {c} и ROLE
I (a, t + 1) = ROLE
I (a, t) ⋃ {c}. Это означает, что агент сделает роль неактивной, а поведение агента не будет затронуто ролью.

Как показано на рисунке 3, в модели зомби-города агенты играют разные роли (обозначаются разными цветами), и один и тот же агент может динамически воспроизводить различные роли для адаптации к различным ситуациям.

Процессы распространения H7N9 включают инфекционное заболевание, передаваемое среди этих флокирующих птиц, а затем плотные инфицированные птицы могут передавать H7N9 человеку. В этом случае существует в основном четыре роли: susceptible_bird, infected_bird, susceptible_person и infected_person.

Явление флокирующих птиц основано на некоторых простых правилах без внешнего или центрального контроля. Этот процесс является самоорганизованным процессом. Эти простые правила могут быть построены следующим образом.

(1) Rule_Cohesion. Если птица находится далеко от своих соседей (соломинок) (max_distance — это порог максимального расстояния от своих соседей), то эта птица повернется к своим соседям. Параметр average_flockmates означает среднее направление ближайших соседей, а max_cohesion означает степень корректировки направления этой птицы. Это правило может быть описано следующим образом: Distance (self, ближайшее-сосед)> max_distance → turn_towards (average_flockmates, max_cohesion).

(2) Rule_Separation. Если птица находится слишком близко к ближайшему соседу (min_separation — это порог минимального расстояния от ближайшего соседа), тогда откройте этот сосед. Это правило можно охарактеризовать следующим образом: Расстояние (сам, ближайший сосед)

(3) Rule_Alignment. Держите направление птицы вместе со стаями, а затем повернитесь к своим соседям. Параметр max_ alignment означает степень корректировки направления этой птицы. Это правило можно охарактеризовать следующим образом: Расстояние (сам, ближайший сосед) min_separation → turn_towards (average_flockmates, max_alignment).

Как показано на рисунке 4, на основе этих трех правил появится флокирование.

Как известно, H7N9 является высоко патогенным для птиц; то есть инфекционная болезнь H7N9 может легко заразить птиц. Если некоторые птицы взаимодействуют с птицей, инфицированной H7N9, и расстояние между этими птицами значительно закрыто, то все эти птицы будут инфицированы H7N9. Таким образом, правило распространения болезни между птицами можно описать следующим образом.

(4) Rule_Birds_Infected. Если зараженная птица закрыта другими птицами и расстояние от зараженной птицы (Infected_bird) до других птиц без инфекции (Susceptible_bird) меньше порога (min_distance), тогда все эти птицы без инфекции будут инфицированы H7N9, то есть , ∀a∈t
 Infected_bird ∀b∈t
 Susceptible_bird Расстояние (a, b)

Как показывают недавние исследования, инфекционное заболевание H7N9 почти распространилось от диких птиц до человека, и нет никаких свидетельств продолжающейся инфекции от человека к человеку [5, 7, 8]. Можно предположить, что передача от человека к человеку происходит только между интимными людьми, и вероятность заражения очень мала. Для людей число сильных социальных отношений человека также очень невелико, и в этом случае мы предполагаем, что число должно быть 1. Обычно эти близкие люди живут поблизости. Таким образом, правило этой социальной сети искусственного общества можно описать следующим образом.

(5) Rule_Social_Network. Эта социальная сеть представляет собой неориентированный граф, и агент соединяется с ближайшим агентом, который не связан с ним, то есть Average_degree <1 → (∀a, c∈t  (Infected_person ∨ Susceptible_person) ∃b∈t  (Infected_person ∨ Susceptible_person) (a, c) ∉ LINK T (a, t) ∧ (a, b) ∉ LINK (a, t) ∧ Расстояние (a, b) <Расстояние (a, c) → Создать (a, b)).

По сравнению с флокирующими птицами позиции людей в окружающей среде можно рассматривать как статические. Дикие флокирующие птицы с вирусами H7N9 заразят человека, но есть некоторые условия: в единичной сетке человека, живущего, есть несколько зараженных птиц (число пороговое_инфекция человека).

(6) Rule_Birds_Human_Infected. Если агент без инфекции обитает в опоясании, а в припадке достаточно инфицированных птиц (threshold_infected_human), тогда агент будет заражен, то есть ∀a∈t
 Susceptible_person ∃b∈ Environment (Habit (a, b) ∧ Count (Infected_birds, b) ≥ threshold_infected_human) → a.Quit (Susceptible_person) ∧ a.Play (Infected_person).

Хотя нет никаких свидетельств о продолжающейся передаче от человека к человеку, мы не могли исключить малую вероятность передачи от человека к человеку через интимную социальную сеть.

(7) Rule_Human_to_Human. Если зараженный агент a связан с восприимчивым агентом b и произвольно произведенным числом меньше порога (infected_chance), то этот агент b будет заражен H7N9, то есть ∀a∈t
 Infected_person ∀b∈t
 Susceptible_person ((a, b) ∈ LINK (a, t) ∧ Random ()

Основываясь на этих определенных правилах, мы могли бы сделать симуляции и увидеть ситуации распространения этой инфекционной болезни H7N9.
Агенты. Население агентов составляет 750 человек. Число людей составляет 250 человек, а число птиц — 500 человек.

Среды. 32 × 32 сетки.

Роль. Susceptible_bird (желтый цвет), susceptible_person (зеленый цвет), зараженный_bird (красный цвет) и зараженный_person (красный цвет).

Мы определяем параметры следующим образом: min_separation = max_distance = 0.5, max_cohesion = 3, max_alignment = 5, max_separation = 1.5, infected_chance = 0,1, threshold_infected_human = 5, а среднее значение социальной сети человека равно 1. На рисунке 5 показано процессы передачи H7N9 между стекающими птицами и человеком.

Как показано на рисунке 6, плотность флокирующих птиц сначала линейно возрастает, а затем колеблется около 1,7. Эта плотность связана с параметром min_separation.

На рисунке 7 показан статус распространения H7N9 между флокирующими птицами. На клещах (200) птица была заражена H7N9, а затем вирусы, передаваемые среди этих птиц быстро. На клещах (400) все эти птицы были инфицированы H7N9.

После приблизительно 80 тиков первой инфекции птицы с H7N9, первый человек был заражен H7N9 плотными флокирующими птицами. Число инфицированных растет медленно. Передача от птиц к человеку является основным способом передачи H7N9 от птиц к человеку, а эпидемический статус человека может быть показан на рисунке 8.

Как параметр min_separation влияет на флокирующих птиц и даже на передачу H7N9? Мы могли бы отрегулировать параметр min_separation до 0,25. Это означает, что флокирующие птицы будут летать закрытыми, а плотность птиц будет увеличиваться. Как показано на рисунке 9, (a) представлен скриншот моделирования; (б) показывает плотность флокирующих птиц, а плотность линейно увеличивается и колеблется около 4,5; (c) и (d) показывают эпидемические статусы флокирующих птиц и человека соответственно.

Как показано на рисунке 9, мы могли ясно видеть, что после того, как первая птица была заражена H7N9 на 200 клещах и на отметках 755, все птицы были инфицированы H7N9. Поскольку небольшое количество птиц бросилось сепаратно и очень близко, птицы в небольшом стекании не были заражены H7N9, пока эти птицы не встретились с более крупными флокированием. Более того, у людей больше людей были инфицированы H7N9 для большей плотности птиц или более плотных флокирующих птиц. В то же время количество инфицированных людей с min_separation = 0,25 в четыре раза больше числа инфицированных людей с min_separation = 0,5. Прежде всего, мы могли бы знать, что плотность флокирующих птиц связана с эпидемией H7N9 у человека.

Явление флокирования — естественная красивая сцена. Это явление организовано птицами без внешнего и центрального контроля. Тем не менее, у флокирования также есть некоторые проблемы, например, инфекционная инфекция H7N9. В целях содействия анализу и моделированию флокирования и передачи болезни в этой статье предлагается новая модель искусственного общества, модель зомби-города, которая включает в себя пять ключевых понятий: агент, роль, окружающая среда, социальная сеть и правило. На основе этой модели были описаны три простых правила флокирования и другие правила. Затем в этой статье была изучена передача инфекционных заболеваний H7N9 среди флокирующих птиц и человека. Результаты моделирования показывают, что более высокая плотность флокирования может ускорить распространение инфекции H7N9 при инфекционной болезни от стекания к человеку и может замедлить распространение H7N9 у флокирующих птиц.

Следующие работы будут включать следующее. (1) Мы продолжим совершенствовать эту модель зомби-города, особенно описание появления. (2) Мы продолжим использовать алгоритм флокирования, основанный на модели зомби-города и ее воздействии на человека.

Национальный фонд природы и науки Китая по грантам №№ 91024030, 61133001 и 61070034, Программа «Новые таланты в новом веке» в Университете, и Китайский стипендиальный совет (CSC) поддерживают эту работу. Авторы также с благодарностью выражают искреннюю благодарность профессору Сяоган Цю, д-ру Бин Чэну и д-ру Юаньчжээ в Колледже Информационной Системы и Менеджмента, Национальному Университету Оборонительных Технологий.

Метамодель модели зомби-города.

Механизм динамически играющей роли.

Снимок агентов, играющих разные роли (разные цвета) в модели зомби-города.

Процессы флокирования.

Процессы передачи H7N9.

Плотность флокирующих птиц.

Эпидемический статус флокирующих птиц.

Эпидемический статус человека.

Результаты моделирования с параметром min_separation = 0,25.

Комментариев нет.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *