西班牙五城市数字孪生构建：基于多层网络的城市交互模型在流行病传播研究中的应用

本研究针对城市尺度流行病传播建模中交互数据缺失的挑战，开发了基于多层网络（multilayer networks）的数字孪生构建方法。研究人员整合西班牙五城市（巴塞罗那、瓦伦西亚等）的公开数据集，构建包含家庭、学校、工作场所等6类交互场景的多层网络模型，实现了个体级接触模式的精准还原。该成果为评估非药物干预（NPIs）策略提供了高分辨率仿真平台，发表于《Scientific Data》期刊，数据代码已开源。

　　

在传染病防控领域，理解人群接触模式是预测疾病传播的关键。传统模型常采用均质化假设或单一接触矩阵，难以反映现实场景中家庭、学校等多场所交互的复杂性。尤其在COVID-19大流行期间，缺乏高分辨率城市级交互数据严重制约了非药物干预（NPIs）策略的精准评估。西班牙国家研究委员会（CSIC）联合巴利阿里群岛大学（UIB）的研究团队Jorge P. Rodriguez等人突破数据隐私限制，通过创新性数据融合方法，构建了西班牙五城市的数字孪生系统。

研究团队采用多层网络框架，整合人口普查、教育登记、社保记录等15类公开数据集，开发了包含六大交互层的城市模型：1）家庭层（households layer）通过兼容性矩阵（compatibility matrices）还原家庭结构；2）学校层（school layer）基于重力模型（gravity law）分配学生-教师交互；3）大学层（university layer）按学科-年龄分组；4）养老院层（nursing homes layer）引入外部人口数据；5）工作层（work layer）采用幂律分布（power-law）模拟企业规模；6）社区层（community layer）通过接触矩阵（contact matrices）生成随机交互。关键技术包括：① 基于人口统计学特征的个体插值算法；② 跨行政区域的数据标准化处理；③ 多层网络拓扑结构的动态权重分配。

主要研究结果

Demography

通过1年间隔年龄插值和区域人口校准，构建了五城市共465万人的合成人口库，其中巴塞罗那达181万（含养老院1.6万人）。

Households layer

利用图1所示的兼容性矩阵，成功还原了跨代际家庭结构，平均家庭规模从巴塞罗那的3.74人到穆尔西亚的2.48人。

School layer

教育分组覆盖0-5岁（幼儿）、6-11岁（小学）等阶段，教师-学生交互网络平均连接度达26.25（巴塞罗那）。

Community layer

基于西班牙"其他场所"接触矩阵生成的交互网络，验证了年龄分层接触模式与既往研究的一致性（图2）。

该研究首次实现了西班牙多城市数字孪生的标准化构建，其创新性体现在：① 突破数据隐私壁垒，通过合成数据技术保留个体异质性；② 验证了多层网络框架对城市流行病建模的适用性，工作层企业规模符合S^-2幂律分布；③ 校准模型成功复现COVID-19传播动态。研究成果为评估针对性防控策略（如学校关闭、远程办公）提供了高精度仿真平台，相关数据已通过CSIC官方平台开放共享，推动城市计算与公共卫生的交叉研究。