モデル予測政策決定のためのエージェントベース・データ同化モデル
【研究分野】社会システム工学・安全システム
【研究キーワード】
社会システム / シミュレーション / 最適化 / エージェントモデル / 参加型エージェントモデル / データ同化モデル / モデルベース / 感染症 / ゲーミング / パラメータ推定 / データ同化 / 政策効果 / 逆強化学習 / 社会経済制度設計
【研究成果の概要】
参加型シミュレーション研究を通して、人間の合理的な意思決定や習慣的な行動、予期せぬ判断など、さまざまは要因が社会システムモデルには重要であることが分析された。これらの研究が進んできた2020年初頭に、新型コロナウイルスが発生し、緊急事態宣言が発出される事態となった。この状況に対して、エージェントベース医療政策ゲーミング&シミュレーションをベースに、新型コロナウイルス感染症に対する感染症政策モデルを構築し、人間行動や政策による影響予測を行った。
【研究の社会的意義】
本モデルの構築手法開発によって、地域における精度の高い感染者予測が可能となり、例えば新型コロナ感染において、札幌市と東京都での推定を行った結果では、1.2人/日という高い予測精度を示すことができた。このモデルを用いて、札幌市への流入リスクの影響を分析し、夏以降の流入者数を制限できていれば，11月の感染拡大は半分以下に抑えることができた可能性があることを示した。また、東京近郊市街地を対象とした個体ベースモデルから得た感染予防策の実効再生産数減少率を用い、飲食店の時短強化よりも飛沫防止策の徹底やテレワーク、イベント制限などとの総合的な対策が大きな効果を示すことを明らかにした。
【研究代表者】