Раздел | Статьи |
Заглавие | Агент-ориентированное моделирование распространения эпидемий и их влияния на экономику регионов России |
Страницы | 7-41 |
Автор 1 | Машкова Александра Леонидовна кандидат технических наук, старший научный сотрудник лаборатории компьютерного моделирования социально-экономических процессов Центральный экономико-математический институт РАН Нахимовский пр-т, 47, Москва, 117418, Российская Федерация This email address is being protected from spambots. You need JavaScript enabled to view it. ORCID: 0000-0003-1701-5324 |
Автор 2 | Бахтизин Альберт Рауфович доктор экономических наук, член-корреспондент РАН, профессор РАН, директор Центральный экономико-математический институт РАН Нахимовский пр-т, 47, Москва, 117418, Российская Федерация This email address is being protected from spambots. You need JavaScript enabled to view it. ORCID: 0000-0002-9649-0168 |
Аннотация | Предметом данного исследования является оценка влияния ограничительных мер на процесс распространения эпидемии, доступность медицинской помощи и экономику регионов. Цель исследования состоит в разработке соответствующего инструмента на основе методов агент-ориентированного и ситуационного моделирования, а также проведении серии экспериментов для прогнозирования распространения вируса при различных сочетаниях противоэпидемических мер и оценки экономических последствий этих мер. Разработанная агент-ориентированная модель распространения эпидемий является частью программного комплекса МЕБИУС, в котором воспроизводится население, занятость, производство и сфера услуг, образовательная и бюджетная системы. Новыми функциями в модели стало распространение и регулирование заболеваемости через различные ограничительные меры и соответствующие изменения в работе организаций и образе жизни (обучении, работе, общении) агентов-жителей. Возможные сочетания карантинных мер были сгруппированы в сценарии отсутствия ограничений, мягких и жестких ограничений, соблюдаемых 40, 80 или 100% жителей. При отсутствии ограничений число заболевших достигает 22 миллионов, из них 876 тысяч смертей. В условиях мягких ограничений число заболевших снижается до 4,5 миллионов; умерших – до 138 тысяч. При полном соблюдении жестких ограничений заболевших менее миллиона, умерших – 26,5 тысячи. В условиях эпидемии даже при отсутствии ограничений в российской экономике наблюдается спад в пределах 2% ВРП. При введении ограничений спад составляет 2,6–4,4% ВРП, заметнее всего в крупных городах (до –5,9% ВРП). Наименьшее влияние вводимые меры имеют на экономику регионов Северо-Кавказского федерального округа. Аналогичные тенденции характерны и для занятости |
УДК | 004:94; 614:45 |
JEL | E27, C63, I18 |
DOI | |
Ключевые слова | агент-ориентированная модель, дискретно-ситуационная сеть, программный комплекс, эпидемия, смертность, карантинные ограничения, регион, валовой региональный продукт, занятость, Россия |
Скачать | SE.2025.3.007-041.Mashkova.pdf |
Для цитирования | Машкова А.Л., Бахтизин А.Р. Агент-ориентированное моделирование распространения эпидемий и их влияния на экономику регионов России // Пространственная экономика. 2025. Т. 21. № 3. С. 7–41. |
Ссылки | 1. Макаров В.Л., Бахтизин А.Р., Сушко Е.Д., Агеева А.Ф. Моделирование эпидемии COVID-19 – преимущества агент-ориентированного подхода // Экономические и социальные перемены: факты, тенденции, прогноз. 2020а. Т. 13. № 4. С. 58–73. 2. Макаров В.Л., Бахтизин А.Р., Сушко Е.Д., Хабриев Б.Р., Ильин Н.И. Программно-аналитический комплекс «МЁБИУС» – инструмент планирования, мониторинга и прогнозирования социально-экономической системы России // Искусственные общества. 2020b. T. 15. Вып. 4. 3. Маматов А.В., Машкова А.Л., Новикова Е.В., Савина О.А. Воспроизведение динамики населения регионов России методом агентного моделирования // Информационные системы и технологии. 2019. № 2 (112). С. 48–55. 4. Машкова А.Л., Бахтизин А.Р. Анализ отраслевой структуры и динамики товарообмена между Россией, Китаем, США и Европейским союзом в условиях торговых ограничений // Экономические и социальные перемены: факты, тенденции, прогноз. 2023. Т. 16. № 3. С. 54–80. 5. Минакир П.А. Экономика пандемии: российский путь // Пространственная экономика. 2020. Т. 16. № 2. С. 7–18. 6. Ответ российского бизнеса на пандемию (Круглый стол в НИУ ВШЭ) // Вопросы экономики. 2022. № 5. С. 147–160. 7. Поспелов Д.А. Ситуационное управление: теория и практика. М.: URSS, 2021. 288 с. 8. Abdollahi E., Haworth-Brockman M., Keynan Y., Langley J.M., Moghadas S.M. Simulating the Effect of School Closure during COVID-19 Outbreaks in Ontario, Canada // BMC Medicine. 2020. Vol. 18. No. 230. 9. Ale Ebrahim Dehkordi M., Melnyk A., Herder P., Ghorbani A. Examining the Interplay between National Strategies and Value Change in the Battle Against COVID-19: An Agent-Based Modelling Inquiry // Journal of Artificial Societies and Social Simulation. 2024. Vol. 27 (1). 18. 10. Aleman D.M., Wibisono T.G. A Nonhomogeneous Agent-Based Simulation Approach to Modeling the Spread of Disease in a Pandemic Outbreak // Interfaces. 2011. Vol. 41. No. 3. Pp. 301–315. 11. Aleta A., Martin-Corral D., Pastore Y., Piontti A., Ajelli M., Litvinova M., Chinazzi M., Dean N.E., Halloran M.E., Longini I.M. Jr, Merler S., Pentland A., Vespignani A., Moro E., Moreno Y. Modelling the Impact of Testing, Contact Tracing and Household Quarantine on Second Waves of COVID-19 // Nature Human Behaviour. 2020. Vol. 4. Pp. 964–971. 12. Anderson R.M., May R.M. Infectious Diseases of Humans: Dynamics and Control. Oxford: Oxford University Press, 1991. 766 p. 13. Bouchnita A., Jebrane A. A Hybrid Multi-Scale Model of COVID-19 Transmission Dyna-mics to Assess the Potential of Non-Pharmaceutical Interventions // Chaos, Solitons & Fractals. 2020. Vol. 138. 109941. 14. Braun B., Taraktas B., Beckage B., Molofsky J. Simulating Phase Transitions and Control Measures for Network Epidemics Caused by Infections with Presymptomatic, Asymptomatic, and Symptomatic Stages // PlOS. 2020. Vol. 15 (9). 0238412. 15. Churches T., Jorm L. Flexible, Freely Available Stochastic Individual Contact Model for Exploring COVID-19 Intervention and Control Strategies: Development and Simulation // JMIR Public Health and Surveillance. 2020. Vol. 6. No. 3. 18965. 16. Currie C.S.M., Fowler J.W., Kotiadis K., Monks T., Onggo B.S., Robertson D.A., Tako A.A. How Simulation Modelling Can Help Reduce the Impact of COVID-19 // Journal of Simulation. 2020. Vol. 14 (2). Pр. 83–97. 17. De Araujo L.P., Silva E.N., Costa A.L.C., Corsetti P.P., de Almeida L.A. Targeting Conserved Epitopes in Structural Proteins: A Next-Generation Vaccine Strategy Against the Newly Identified HKU5-CoV-2 Virus // Signal Transduction and Targeted Therapy. 2025. Vol. 10. 164. 18. Epstein J.M., Cummings D., Chakravarty S., Singa R. Toward a Containment Strategy for Smallpox Bioterror: An Individual-Based Computational Approach / Center on Social and Economic Dynamics. Working Paper No. 31. 2002. 24 p. URL: 19. Firth J.A., Hellewell J., Klepac P., Kissler S., CMMID COVID-19 Working Group, Kuchar-ski A.J., Spurgin L.G. Using a Real-World Network to Model Localized COVID-19 Control Strategies // Nature Medicine. 2020. Vol. 26 (10). Pp. 1616–1622. 20. Frias-Martinez E., Williamson G., Frias-Martinez V. An Agent-Based Model of Epidemic Spread Using Human Mobility and Social Network Information / IEEE International Conference on Privacy, Security, Risk, and Trust, and IEEE International Conference on Social Computing. 2011. Pp. 57–64. 21. Hunter E., Namee B.M., Kelleher J.A. A Taxonomy for Agent-Based Models in Human Infectious Disease Epidemiology // Journal of Artificial Societies and Social Simulation. 2017. Vol. 20 (3). 2. 22. Kruelen K., Bruin B., Ghorbani A., Mellema R., Kammler C., Vanhee L. Dignum V., Dig-num F. How Culture Influences the Management of a Pandemic: A Simulation of the COVID-19 Crisis // Journal of Artificial Societies and Social Simulation. 2022. Vol. 25 (3). 6. 23. Lee B.Y., Brown S.T., Cooley P., Potter M.A., Wheaton W.D., Voorhees R.E., Stebbins S., Grefenstette J.J., Zimmer S.M., Zimmerman R., Assi T.-M., Bailey R.R., Wagener D.K., Burke D.S. Simulating School Closure Strategies to Mitigate an Influenza Epidemic // Journal of Public Health Management and Practice. 2008. Vol. 16 (3). Pp. 252–261. 24. Li T., Jager W. How Availability Heuristic, Confirmation Bias and Fear May Drive Societal Polarisation: An Opinion Dynamics Simulation of the Case of COVID-19 Vaccination Journal of Artificial Societies and Social Simulation. 2023. Vol. 26 (4). 2. 25. Lorig F., Johansson E., Davidsson P. Agent-Based Social Simulation of the COVID-19 Pandemic: A Systematic Review // Journal of Artificial Societies and Social Simulation. 2021. Vol. 24 (3). 5. 26. Mashkova A.L., Nevolin I.V., Savina O.A., Burilina M.A., Mashkov E.A. Generating Social Environment for Agent-Based Models of Computational Economy // Communications in Computer and Information Science. 2020. Vol. 1349. Pp. 291–305. 27. Mashkova A.L., Novikova E.V., Savina O.A., Mamatov A.V., Mashkov E.A. Simulating Budget System in the Agent Model of the Russian Federation Spatial Development // Communications in Computer and Information Science. 2020b. Vol. 1135. Pp. 17–31. 28. Merler S., Ajelli M., Fumanelli L., Gomes M.F.C., Piontti A.P., Rossi L., Chao D.L., Jr I.M.L., Halloran M.E., Vespignani A. Spatiotemporal Spread of the 2014 Outbreak of Ebola Virus Disease in Liberia and the Effectiveness of Non-Pharmaceutical Interventions: A Computational Modelling Analysis // The Lancet Infectious Diseases. 2015. Vol. 15. Issue 2. Pp. 204–211. 29. Parker J., Epstein J.M. A Distributed Platform for Global-Scale Agent-Based Models of Disease Transmission // ACM Transactions on Modeling and Computer Simulation. 2011. Vol. 22. Issue 1. Pp. 1–25. 30. Wildman W., Hodulik G., Shults F.L. The Role of Values in Pandemic Management: An Agent-Based Model // Journal of Artificial Societies and Social Simulation. 2024. Vol. 27 (1). 19. 31. Zhang Z., Jalali M.S., Ghaffarzadegan N. Behavioral Dynamics of Epidemic Trajectories and Vaccination Strategies: A Simulation-Based Analysis // Journal of Artificial Societies and Social Simulation. 2025. Vol. 28 (1). 3. |
Финансирование | Работа выполнена при поддержке Министерства науки и высшего образования Российской Федерации в рамках проекта № 075-15-2024-525 от 23.04.2024 |
Поступила в редакцию | 30.07.2025 |
Одобрена после рецензирования | 25.08.2025 |
Принята к публикации | 01.09.2025 |
Доступно онлайн | 30.09.2025 |