СТАТИСТИЧНИЙ АНАЛІЗ МЕРЕЖ КОНТАКТІВ ПАСАЖИРІВ ГРОМАДСЬКОГО ТРАНСПОРТУ В КОНТЕКСТІ РИЗИКУ РОЗПОВСЮДЖЕННЯ ІНФЕКЦІЙНИХ ЗАХВОРЮВАНЬ
Анотація
Вступ. Міський громадський транспорт є одним з чинників поширення інфекційних захворювань завдяки безпосереднім контактам пасажирів один з одним під час поїздки в обмеженому просторі. Прагнучи знизити ризики захворювання населення міст під час світової пандемії коронавірусу Covid-19, оператори міських пасажирських перевезень і місцева влада застосовували низку обмежень для користувачів громадського транспорту – від обмеження кількості пасажирів у салоні транспортних засобів до повного припинення послуг. Втім, на даний час відсутні обґрунтовані підходи щодо ефективності застосування таких обмежень. Мета. Метою статті є дослідження та статистичний аналіз мереж контактів пасажирів громадського транспорту у містах з позицій теорії складних мереж у контексті можливого поширення інфекційних захворювань. Результати. Рейсові мережі контактів пасажирів міського громадського транспорту можуть бути побудовані за відомими значеннями елементів матриць міжзупинкових пасажирських кореспонденцій, які можуть бути отримані за результатами обстеження пасажирських потоків. Статистичний аналіз мереж контактів пасажирів, виконаний для чотирьох маршрутів міського громадського транспорту міста Запоріжжя (Україна), показав, що вони виявляють властивості мереж «тісного світу» Вотса-Строгаца. При цьому середня кількість контактів пасажира з іншими пасажирами під час поїздки лінійно зростає зі зростанням пасажиромісткості рухомого складу, обсягів перевезень пасажирів за рейс та показників змінюваності пасажирів на маршруті. Висновки. Виявлені властивості мереж контактів пасажирів на міському громадському транспорті дають можливість застосувати до них раніше отримані результати щодо механізмів поширення інфекційних захворювань у мережах «тісного світу». Отримані залежності середньої кількості контактів пасажирів один з одним під час поїздки можуть бути використані для обґрунтування запровадження обмежувальних заходів щодо користування міським громадським транспортом та їх ефективності під час спалаху інфекційних захворювань.
Завантаження
Посилання
2. Qian X., Sun L., Ukkusuri S.V. Scaling of contact networks for epidemic spreading in urban transit systems. ResearchGate, February 2021, 11(1):4408. doi:10.1038/s41598-021-83878-7
3. Qian X., Ukkusuri S.V. Modeling the spread of infectious disease in urban areas with travel contagion. Cornell University, May 2020, arXiv: 2005.04583. doi:10.48550/arXiv.2005.04583
4. Ku D., Yeon C., Lee S., Lee K., Hwang K., Li Y.C., Wong S.C. Safe traveling in public transport amid COVID-19. Science Advances, October 2021, Vol. 7, Issue 43. doi: 10.1126/sciadv.abg3691
5. Advice for the public: Coronavirus disease (COVID-19) [Electronic resource]. URL: https://www.who.int/emergencies/diseases/novelcoronavirus-2019/advice-for-public (accessed: 07.12.2024)
6. Musselwhite Ch., Aveneri E., Susilo Y. The Coronavirus Disease COVID-19 and implications for transport and health. Journal of Transport & Health, April 2020, 16(1): 100853. doi: 10.1016/j.jth.2020.100853
7. Mo B., Feng K., Shen Yu, Tam C., Li D., Yin Y., Zhao J. Modeling epidemic spreading through public transit using time-varying encounter network. Transportation Research Part C: Emerging Technologies, January 2021, Volume 122:102893. doi: 10.1016/j.trc.2020.102893
8. Kumar P., Khani A., Lind E., Levin J. Estimation and Mitigation of Epidemic Risk on a Public Transit Route using Automatic Passenger Count Data. Transportation Research Record Journal, February 2021, Vol. 2675(6). doi: 10.1177/0361198120985133
9. Luo Qi, Gee M., Piccoli B., Work D., Samaranayake S. Managing public transit during a pandemic: The trade-off between safety and mobility. Transportation Research Part C: Emerging Technologies, May 2022, Volume 138:103592. doi: 10.1016/j.trc.2022.103592
10. Tapiador L., Gomez J., Vassallo J.M. Exploring the relationship between public transport use and COVID-19 infection: A survey data analysis in Madrid Region. Sustainable Cities and Society, May 2024, Volume 104:105279. doi: 10.1016/j.scs.2024.105279
11. Pastor-Satorras R., Vespignani A. Epidemic dynamics in finite size scalefree networks. Physical Review E, March 2002, Vol. 65:035108. doi: 10.1103/PhysRevE.65.035108
12. Zhang X., Sun G.-Q., Zhu Y.-X., Ma J. Epidemic dynamics on semi-directed complex networks. Mathematical Biosciences, October 2013, Vol. 246(2). doi: 10.1016/j.mbs.2013.10.001
13. Barrat A., Barthelemy M., Pastor-Satorras R., Vespignani A. The architecture of complex weighted networks. Applied Physical Sciences, March 2004, 101(11)3774-3752. doi: 10.1073/pnas.04000871
14. Lü L., Chen D.-B., Zhou T. The small world yields the most effective information spreading. New Journal of Physics, December 2011, abs/1107.0429(12). doi: 10.1088/1367-2630/13/12/123005
15. Sun L., Axhausen K.W., Lee D.-H., Huang X. Understanding metropolitan patterns of daily encounters. Proceedings of the National Academy of Sciences U.S.A., January 2013. Vol. 110, № 34. doi: 10.1073/pnas.1306440110
16. Bota A., Gardner L.M., Khani A. Identifying Critical Components of a Public Transit System for Outbreak Control. Networks and Spatial Economics, December 2017, 17(1). doi: 10.1007/s11067-017-9361-2
17. Організація автобусних перевезень у містах: навч. посібник / О. С. Ігнатенко, В. С. Марунич. Український транспортний ун-т. – К. : [б.в.], 1998. – 193 с.
18. Складні мережі / [Ю. Головач, О. Олємской, К. фон Фербер та ін.] Журнал фізичних досліджень, 2006, Т. 10, № 4, С. 247-289.
19. Кузькін О.Ф. Розвиток маршрутних мереж громадського транспорту великих міст України. Наукові нотатки, 2014, № 46, С. 332–340.
