Pandemiesimulation mit intelligenten Agenten zur Untersuchung der Wirkung von Verhaltensregeln und Impfstrategien

Abstract:

Simulationen sind ein elementarer Bestandteil bei der Entscheidungsfindung für Maßnahmen zur Bekämpfung von Infektionskrankheiten. Sie tragen dazu bei, die Ausbreitung eines Virus sowie die daraus resultierenden wirtschaftlichen und gesundheitlichen Schäden vorherzusagen. Das Ziel dieser Arbeit ist es eine Pandemiesimulation zu entwickeln, die es Nutzern erlaubt verschiedenste Infektionsszenarien anhand zuvor gesetzter Parameter zu simulieren, um mit den gesammelten Daten Rückschlüsse auf den Erfolg der eingesetzten Strategien und Maßnahmen zu schließen. Hierzu wurde eine Anwendung programmiert, die unter Einsatz von intelligenten Agenten in einem Stadtszenario Daten bezüglich des Infektionsgeschehen sammelt, welche anschließend analysiert und interpretiert wurden. Das im Zuge dieser Arbeit vorgestellte Modell ist in der Lage, im Kontext der getroffenen Annahmen, die Ausbreitung eines Virus realitätsnahe zu simulieren und zu visualisieren. Die ermittelten Daten bezüglich Lockdown- und Quarantänemaßnahmen legen nahe, dass frühe geringfügige Interventionen besser das Infektionsgeschehen verlangsamen als späte harte Maßnahmen. Des Weiteren konnten in den Testläufen besonders viele krankheitsbedingte Todesfälle vermieden werden, indem systemrelevante Personen und Menschen, die einer Hochrisikogruppe angehören, priorisiert geimpft werden.

GitHub: https://github.com/FaSeiler/EpiSim

Daten:

  • Autor: Fabian Seiler
  • Email: fabian.seiler1@web.de
  • Arbeit vorgelegt am: 09. August 2021
  • Durchgeführt an der Fakultät für Informatik im Studiengang Informatik – Game Engineering
  • Betreuer: Prof. Dr. Christoph Bichlmeier

Quellen:

  • Game Engine: Unity
  • XCharts: https://github.com/monitor1394/unity-ugui-XCharts
  • Json.NET von Newtonsoft: https://www.newtonsoft.com/json