Project

Back to overview

Agent-based tracking of disease spread with dynamic models of travel behaviour in a pandemic

English title Agent-based tracking of disease spread with dynamic models of travel behaviour in a pandemic
Applicant Axhausen Kay W.
Number 198428
Funding scheme NRP 78 Covid-19
Research institution Institut für Verkehrsplanung und Transportsysteme ETH Zürich
Institution of higher education ETH Zurich - ETHZ
Main discipline Other disciplines of Engineering Sciences
Start/End 01.09.2020 - 30.06.2023
Approved amount 1'008'796.00
Show all

All Disciplines (2)

Discipline
Other disciplines of Engineering Sciences
Infectious Diseases

Keywords (8)

SEIR model; Switzerland; Intervention testing; Pandemic; Tracing; Agent-based model; Travel behaviour; High resolution

Lay Summary (German)

Lead
Wir integrieren eine etablierte agentenbasierte Transportsimulation für die Schweiz mit einer Simulation der Pandemie-Ausbreitung. Ausserdem entwickeln wir eine Erweiterung, um die wöchentliche Dynamik, die Interaktionen von Haushalten sowie potenzielle Superspreader-Events zu berücksichtigen.
Lay summary

Hintergrund

Historisch wird die Ausbreitung von Infektionskrankheiten mit Compartment-Modellen simuliert, basierend auf Differenzialgleichungen, welche die Ausbreitungswege von Epidemien exakt nachbilden können. Allerdings gehen diese Gleichungsmodelle von einer gut durchmischten und homogenen Bevölkerung aus. Letzteres ist eine gravierende Einschränkung, vor allem bei gehäuften Ausbrüchen (Cluster). Agentenbasierte Modelle können diese Einschränkungen überwinden, indem sie bei der Simulation von Epidemien die Heterogenität individueller Merkmale – wie demographische Merkmale oder Vorerkrankungen und Verhaltensweisen – messbar machen.

Forschungsziele

Das Forschungsziel ist die Entwicklung neuer Merkmale in MATSim (Multi-Agent Transport Simulation), einer etablierten Plattform für die Entwicklung agentenbasierter Simulationen. Jeder Agent ist eine Person und Teil einer künstlichen Population, die für die Schweizer Bevölkerung steht. Dank der neuen Merkmale kann MATSim die Kopräsenz des Agenten in Fahrzeugen und Gebäuden über mehrere Tage topologisch abbilden. Der Standort jedes Agenten wird mithilfe eines Wahrscheinlichkeitsmodells, das den Status seiner Kontakte berücksichtigt, fortlaufend aktualisiert. So können wir die Verbreitung des Virus verfolgen und analysieren. Das Ergebnis der Simulation bildet die Grundlage für die explizite Simulation der Infektionsketten: EpiSim

Erwartete Ergebnisse und Produkte

Wir wollen ein raum-zeitliches Modell entwickeln, das eine gesellschaftliche Perspektive integriert, und mit dem wir die Heterogenität der Bevölkerung sowie ihr Verhalten in der Pandemie korrekt abbilden können. Dieses Modell ermöglicht die Untersuchung von komplexen, räumlich heterogenen Strategien und eine Prognose ihrer Wirksamkeit. Die Ergebnisse sind auch für den Umgang mit anderen, potenziell pandemischen Krankheitserregern relevant. Unsere Arbeit steht allen Anspruchsgruppen über eine offene Plattform zur Verfügung. Sie liefert Prognosen zur aktuellen Pandemie, aber auch für verschiedene, von den Anwendern aufgrund der Simulationen ausgewählte Massnahmen und Strategien zur Eindämmung der Pandemie.

Beitrag zur Bewältigung der aktuellen Pandemie

Zu den Vorhersagen, die für agentenbasierte Modelle sehr nützlich sein können, gehört die Prognose der Intensivbettenbelegung. Die längere Verweildauer von COVID-19-Patienten kann zu einer Überbelegung der Intensivstationen führen und erschwert die Abschätzung der möglichen Neuaufnahmen pro Tag. Im Mai 2020 war die durchschnittliche Verweildauer von COVID-19-Patienten auf den Intensivstationen in der Schweiz erheblich länger als bei allen anderen Patienten, die 2019 auf Schweizer Intensivstationen behandelt wurden. Compartment- und agentenbasierte Modelle können bei der Beantwortung dieser Fragen helfen und sicherstellen, dass die Spitäler im Rahmen ihrer Bettenkapazität arbeiten.

Direct link to Lay Summary Last update: 22.12.2020

Lay Summary (French)

Lead
Nous entendons combiner un outil bien établi de simulation de transports basée sur des agents pour la Suisse à une simulation de propagation d’une pandémie. Nous développerons aussi une extension qui prendra en compte la dynamique hebdomadaire, les interactions des ménages et les événements de superpropagation potentiels.
Lay summary

Contexte

La propagation des maladies infectieuses est traditionnellement simulée au moyen de modèles compartimentaux, basés sur des équations différentielles qui peuvent reproduire fidèlement les trajectoires des épidémies. Toutefois, une hypothèse centrale de ces modèles d’équations est qu’il y ait un fort brassage de population et que cette dernière soit homogène. Il s’agit là d’une faiblesse sérieuse, en particulier si la flambée est un foyer épidémique. Les modèles basés sur des agents peuvent y remédier en opérationnalisant l’hétérogénéité par des attributs individuels, par exemple les attributs démographiques et les maladies préexistantes, et par des comportements dans la simulation de l’épidémie.

Objectifs de recherche

Le but de notre recherche est de développer de nouvelles fonctions de MATSim (Multi-Agent Transport Simulation ou simulation de transport multi-agents), un cadre bien établi pour le développement de simulations basées sur les agents. Chaque agent est ici un individu appartenant à une population synthétique représentative de la population suisse. Les nouvelles fonctions permettront à MATSim de construire un graphe topologique de la présence simultanée d’agents dans des véhicules et des bâtiments sur plusieurs jours. Le statut de chaque agent sera actualisé sur cette base, suivant un modèle probabiliste tenant compte du statut de ses contacts. Nous pourrons ainsi retracer et étudier la manière dont le virus se propage. Le résultat de la simulation constituera la base de la simulation explicite de la propagation de la maladie : EpiSim.

Résultats et produits envisagés

Nous prévoyons de développer un modèle qui nous permettra de prendre en compte l’hétérogénéité de la population et ses comportements en réponse à l’épidémie. Le modèle permet d’explorer des politiques complexes et hétérogènes dans l’espace et de prédire leur efficacité. Ses résultats sont aussi pertinents dans l’optique de la préparation à d’autres agents pathogènes potentiellement pandémiques. Un tableau de bord en libre accès fournira des prévisions sur l’épidémie en cours, mais aussi sur des stratégies d’endiguement choisies par les utilisateurs.

Contribution à la lutte contre la pandémie actuelle

Le taux d’occupation des lits en soins intensifs est une catégorie de prévisions potentiellement intéressante dans les modèles basés sur les agents. En mai 2020, la durée moyenne de séjour en soins intensifs des patients atteints du COVID-19 en Suisse était sensiblement plus longue que celle de tous les patients de soins intensifs en 2019. Des modèles compartimentaux et basés sur les agents peuvent apporter des éléments de réponse et assurer un fonctionnement des hôpitaux dans les limites du nombre de lits disponibles.

Direct link to Lay Summary Last update: 22.12.2020

Lay Summary (English)

Lead
We will integrate a well-established agent-based transport simulation for Switzerland with a simulation of the pandemic spread. Moreover, we will develop an extension to account for the weekly dynamics, household interaction, and potential superspreader events.
Lay summary

Background

Historically, the spread of infectious diseases is simulated with compartmental models based on differential equations that can accurately reproduce epidemic trajectories. However, a central assumption in equation models is that of a well-mixed and homogeneous population. The latter is a serious limitation, especially if the outbreak is clustered. Agent-based models can overcome these limitations by operationalising the heterogeneity in individual attributes, for example demographic attributes and pre-existing disease, and behaviours in the simulation of epidemics.

Research aims

The research aim is to develop new features in MATSim (Multi-Agent Transport Simulation), a well-established framework for developing agent-based simulations. Each agent is an individual belonging to a synthetic population, which represents Switzerland’s population. The new features will enable MATSim to construct a topological graph of agents’ co-presence in vehicles and buildings over multiple days. Each agent's status is updated accordingly with a probabilistic model that considers the status of its contacts. This allows us to trace and study how the virus spreads. The results of the simulation form the basis for the explicit simulation of disease spread: EpiSim

Expected results and envisaged products

We expect to develop a spatial, temporal, and social perspective model that enables us to accurately consider the heterogeneity of the population and their behaviours in response to the epidemic. The model can be used to explore complex and spatially-heterogeneous policies, predicting their effectiveness. The results are also relevant for preparedness against other pathogens with pandemic potential. An open-access dashboard will make our work available to all stakeholders providing forecasts of the on-going epidemic, but also the forecasts of different user-chosen containment and intervention strategies based on the simulations.

Specific contribution to tackle the current pandemic

One category of forecasts that may substantially benefit from agent-based models is the projection of bed occupancy in intensive care units (ICU). The accumulation of long-stay patients can lead to patient overflow, making it difficult to anticipate how many patients can be admitted to intensive care units on a given day. In Switzerland, as of May 2020, the mean length of stay of COVID-19 patients in the intensive care units has been substantially longer compared to that across all patients in the intensive care units in 2019. Compartmental and agent-based models can help address these questions and ensure that hospitals operate within their bed capacity.

Direct link to Lay Summary Last update: 22.12.2020

Responsible applicant and co-applicants

Employees

Project partner

Associated projects

Number Title Start Funding scheme
159234 Autonomous Cars - The next revolution in mobility 01.10.2015 Project funding
166808 Multi-agent transport simulation MATSim 01.03.2016 Publication grants

Abstract

Epidemic models are essential tools to coordinate all aspects of the response to pandemics. Models can inform policy makers on strategies for vaccinations and testing, but also to trigger mitigation measure such as the ‘lockdowns’ encountered during the COVID-19 outbreak. However, historically epidemic models have relied on crude approximations of infections processes such as the spread of droplet between individuals over space, and time. Here, we propose to use and further develop a well-established technology -agent-based models of daily travel behaviour- to simulate epidemics with considerably increased resolution. These models produce by design a network of encounters between individual agents (people, vehicles, etc.) at very high spatial (e.g. the bus used by the agents, or the church visited) and temporal resolution (each second of the day). The technology enables tracking chains of infections, as well as the health status of all agents over time. The strength of the approach lies in the diversity of behaviours that can be attributed to agents, which in turn enables to simulate a wide range of targeted policies: timing, duration, and spatial extent of containment policy, but also restrictions specific to age, professions, etc. Agents can be generated with any attributes, as long as suitable conditional distributions are known, e.g. morbidity by sex, frequency of home-office by income level, or mobility tool ownership (e.g. car, season ticket etc.). Since September 2019, the IVT is tracking the travel behaviour of a panel of 1,200 persons providing a unique insight in their behavioural response. We have detailed calibrated agent-based and activity-based simulations of daily life available for Switzerland and the region of Basel. The existing models that have originally been developed to simulate transport will be supplemented to incorporate detailed epidemic transitions in collaboration with the epidemiologists on the team (“episim”). Concretely, we propose to address the following questions. After a careful initial and then continuously updated calibration we will first simulate activity-focused containment policies against COVID-19 with 4 versions of the transport model. The measure of effectiveness for each policy will be defined jointly with the team, but will likely focus on intensive care occupancy, acute COVID-19 cases, days lost to illness, and days lost to quarantine measures. Confidence intervals will be calculated for each effectiveness metric. •Phase 1: Current agent- and activity-based average workday models including detailed vehicle-based public and private transport simulation.•Phase 2: Integrate a weekend implementation of the Switzerland model which also includes new arrivals and departures from/to abroad and inclusion of small children. •Phase 3: Integration of the behavioural adaptations in response to the constraints imposed and in response to the risk assessment of the agents.•Phase 4: integration of the interactions within the households and social networks to capture spatial mixing of the population.Second, we will compare results of the analysis of the four models against epidemic surveillance data, and against the output of traditional epidemic models based on differential equations. The comparison will focus on COVID-19 cases and intensive care hospitalizations for the following situation: “Backcasting” (reproduction of previous epidemic), as well as “Forecasting” with and without therapeutic medical interventions and contact tracing. In addition, we will develop dashboards to allow non-experts to interact with the simulations (hospital administrators, general public, etc). From a practical perspective, this proposal aims to optimize the current response to COVID-19, by exploring complex and spatially-heterogenous policies (Cantons and trinational regions with border effects). Our results will also be relevant for preparedness against other pathogens with pandemic potential. Finally, this proposal will also address a fundamental question in disease modelling: what are the respective merits of the ‘traditional’ equation-based models vs ‘new’ agent-based models in terms of projection accuracy, parametrization, and computational cost.
-