交通枢纽与周边社区间传染病传播动力学(Dynamics of Infectious Disease Spread Between Transportation Hubs and Surrounding Communities)

《Infectious Disease Modelling》：Dynamics of Infectious Disease Spread Between Transportation Hubs and Surrounding Communities

　　

摘要：城市公共交通系统——尤其是大都市区的地铁系统——互联程度日益加深，深入理解乘客出行流动性及其对呼吸道传染病（以COVID-19为例）传播的影响至关重要。本文研究地铁站及其周边社区在短时（单个工作日）与长时（随后三个月）尺度下的感染传播动力学。研究人员建立两个确定性常微分方程(Ordinary Differential Equation, ODE)模型，分别模拟单个工作日站内与社区的局部接触传播，以及当日接触对后续三个月社区感染累积影响。模型参数基于客流量数据，采用最小二乘法进行估计。研究结果表明，无论在短、长期动力学中，与传播率相比，出行相关因素特别是进站率(inflow rate)与出站率(outflow rate)对疾病传播控制的影响更为显著。单独降低进站率可缓解枢纽拥堵并减少枢纽内接触，但会增加社区内接触；单独降低出站率则增加枢纽内拥挤度和接触，同时减少社区内接触；同时降低进出站率可使两处接触均下降。长期视角下，改变传播率对感染峰值影响有限，降低出站率可明显减少感染人数，降低进站率在单日情境中略增社区感染。总体而言，同步削减进站与出站率是限制短期接触与长期社区感染最有效的策略。

《Infectious Disease Modelling》刊载论文解读：交通枢纽与周边社区间传染病传播动力学研究

一、研究背景与立题依据

既有文献多采用经典仓室模型或多城市耦合模型研究传染病经交通网络的远距离扩散，也有基于智能体模型(Agent-Based Model, ABM)评估地铁通勤对流感或COVID-19传播的贡献，但较少有学者在单站点尺度上将交通枢纽(transportation hub，即地铁站)与周边社区(surrounding community)作为两个耦合群体，分别量化单工作日内的短时接触暴露(exposure/encounter)及该日接触对后续数月的长期社区感染影响。城市高密度密闭环境（站台、车厢、闸机区）因客流密集、通风受限、表面接触频繁，成为呼吸道传染病放大传播的温床；而通勤者将枢纽内获得的暴露带回社区后可引致二次传播。为给公共卫生部门提供针对性干预依据，研究人员以加拿大多伦多Finch Subway Station及周边社区为案例，开展本项研究。

二、主要关键技术方法

研究人员获取2022年11月某工作日内Finch站闸机进出(fare gate entry/exit)、地铁上下车(boarding/alighting)及公交车上下客的自动乘客计数(Automatic Passenger Counting, APC)数据，将一日划分为早高峰(6–9 AM)、平峰(9 AM–3 PM)、晚高峰(3–7 PM)与晚间低峰(7 PM–次日2 AM)四个时段。建立两套确定性常微分方程(ODE)模型：(1)短时动力学模型——社区与枢纽双集群耦合SEIR（Susceptible易感–Encountered暴露接触–Infectious感染–Recovered恢复）模型，含社区?枢纽的进出站率(inflow rate α / outflow rate γ)及带饱和参数(saturation parameter κ)的感染力(force of infection Λ)，以最小二乘法分段估计各时段传输率β_h/c、α、γ及κ；(2)长期动力学模型——带出生–死亡(vital dynamics)及Ⅱ类Holling饱和发生率的经典SEIR社区模型，初始暴露人数E(t=0)取自短时模型输出的社区当日累计接触人数，模拟90天感染曲线。关键情景分析包括单独/联合变动β_c、β_h、α、γ（降幅20%–90%），观察短时接触峰值与长期感染峰值变化。社区人口N_c=7,040，初始感染者I_0c=60，感染转移比例p=0.0003。

三、研究结果

5.1. Short-Term results（短时结果）

研究人员数值求解耦合SEIR模型并追踪单日内社区(E_c)与枢纽(E_h)内处于暴露接触状态的人数。结果显示：早、晚高峰时段枢纽内E_h高于社区E_c，平峰及夜间社区E_c高于枢纽E_h，符合客流潮汐特征。分别下调社区传播率β_c与枢纽传播率β_h（20%–90%），仅使午前与平峰期社区接触峰值微降（最大降幅≈3.3%），枢纽接触峰值微降（最大≈1.2%），其余时段无可见变化，说明单纯压低生物学传播率对短时接触模式影响甚微。下调进站率α使枢纽E_h显著下降（早峰降幅与α降幅近似成比例，90%减α→约80%降E_h），但社区E_c上升（下午低谷期最大增幅＞140%）；反之，下调出站率γ使社区E_c明显下降（峰值最大降幅≈76%）、枢纽E_h明显上升（晚间低谷最大增幅≈450%）。同步降低α与γ可使社区双峰（2 PM、1 AM）与枢纽双峰（8 AM、6 PM）均下降，如90%同降使社区首、次峰分别降24.2%、26.6%，枢纽首、次峰分别降57.8%、41.1%，证实进出站联动管控优于单项措施。

5.2. Long-Term results（长期结果）

将短时模型输出的首日社区暴露人数注入长期SEIR模型初值，模拟90天社区感染I(t)。单独或同步下调β_c/β_h（最高90%）仅使感染峰值微降（最大≈4%），证实单日传播率调整对长期流行影响有限。单独下调进站率α反而使长期社区感染小幅上升（90%减α→+26.4%），与短时社区接触增加一致；单独下调出站率γ使长期感染显著下降（90%减γ→-76.3%）。同步下调α与γ对长期感染呈非单调影响：20%、50%、70%同降分别使感染降3.69%、10.96%、16.96%，但90%同降时降幅回缩至10.73%，提示极端限流未必线性增益。

四、讨论与结论翻译

本研究通过确定ODE模型全面考察了以COVID-19为代表的呼吸道传染病在城市交通枢纽及其周边社区内的传播机制。结果表明，无论在短时还是长期动力学中，流动性因素（特别是进站率与出站率）比传播率本身对减缓疾病传播更为关键。具体而言，降低进站率通过缓解枢纽拥堵减少了枢纽内接触，却增加了社区内接触；降低出站率则增加枢纽内拥挤与接触，同时减少社区内接触，从而间接提升枢纽内传播风险；同步降低进站与出站率可使两处接触均减少。在长期动力学中，单独调整社区或枢纽传播率对降低感染峰值作用有限；需注意同步降低社区与枢纽传播率强于单独调整任一方。单工作日内降低进站率略微增加长期社区感染，而降低出站率显著减少感染，这与短时趋势一致。总体而言，联合削减进站率与出站率是减少短期社区与枢纽接触及长期社区感染人数最有效的策略。

policymakers应整合社区层面的传播控制措施与枢纽流动性管理——如适时错峰出行、限流、加强通风消毒以等效降低有效传播率，配合枢纽进出站协同管控——以最小化传染病在短时暴露与长期流行两个维度上的风险，在保障城市基本出行需求的同时提升公共卫生安全。