도시 규모 대중교통 접촉망을 활용한 조기 감염 탐지

초록

본 연구는 싱가포르 전역 버스 이용자 300만 명의 스마트카드 데이터를 기반으로 1 억 건의 물리적 접촉을 추출한 대규모 시간‑가중 네트워크를 구축한다. 이 네트워크에서 전염병 확산을 시뮬레이션하고, “친구 센서”(friend sensor)와 다양한 중앙성 지표(정도, 이용 빈도, k‑shell, 만남 엔트로피)를 이용한 센서 집합을 비교한다. 결과는 친구 센서가 단순히 무작위 표본보다 평균 10~20시간 정도 앞서 감염을 포착함을 보여주며, 전체 네트워크 정보를 활용해 최고 차수 상위 0.01% 인원을 선택하면 동일 센서 크기 대비 최대 2배 이상의 선행 시간을 얻을 수 있음을 확인한다.

상세 분석

이 논문은 도시 규모 물리적 접촉망을 정량적으로 활용해 전염병 조기 탐지 전략을 평가한다는 점에서 두드러진 의의를 가진다. 첫째, 스마트카드 탭‑인/탭‑아웃 로그를 20초 단위로 집계해 1주일 동안 1 억 건의 동시 승차·하차 접촉을 추출함으로써, 기존 연구가 다루던 수천수십만 규모의 네트워크와는 차원이 다른 데이터 규모와 시간 해상도를 확보했다. 이러한 고해상도 네트워크는 각 엣지에 접촉 지속시간(d_ij)을 가중치로 부여해, 전염 확률 p_ij = β·d_ij 로 정의하는 SEI(감수‑노출‑감염) 모델에 직접 입력할 수 있게 한다. β는 0.0010.005 사이의 값을 실험에 사용했으며, 이는 기존 문헌(β≈0.003)과 일치한다.

둘째, “친구 센서” 전략을 검증하기 위해 전체 인구 P에서 1 %를 무작위로 선택한 제어군 C와, C의 이웃을 무작위로 3명씩(중복 허용) 선택한 센서군 S를 구성했다. 시뮬레이션 20회 평균에서 센서군은 감염 비율이 5 %에 도달하는 시점이 전체 인구보다 평균 12시간 앞서며, 이는 네트워크 이질성(차수 분포의 긴 꼬리)으로 인한 ‘친구 역설’이 시간적 확산에도 그대로 적용된 결과이다.

셋째, 차수(k), 이용 빈도(f), k‑shell(k_s), 만남 엔트로피(S) 등 네 가지 중앙성 지표를 기반으로 상위 퍼센타일을 센서 후보로 선정했다. 각 지표별 상위 1 % 집단은 모두 친구 센서보다 더 큰 선행 시간을 보였으며, 특히 차수 상위 0.01 %(≈300명) 집단은 평균 24시간 이상의 선행을 제공했다. 이는 차수가 높은 개인이 물리적 접촉량뿐 아니라 이동 빈도와 시간적 다양성에서도 중심성을 갖는다는 점을 시사한다.

넷째, 센서 크기와 신뢰성 사이의 트레이드오프를 정량화했다. 센서 비율을 0.001 %(≈30명)에서 1 %까지 변화시켰을 때, 평균 선행 시간은 급격히 증가하지만 변동성(표준편차)도 커졌다. 따라서 실용적인 정책 입안에서는 비용(센서 인원) 대비 최소 0.01 %(≈300명)의 차수 상위 인원을 모니터링하는 것이 ‘충분히 큰 선행 시간 + 높은 신뢰도’를 동시에 만족한다는 결론을 도출했다.

마지막으로, 데이터 프라이버시와 수집 비용을 고려했을 때, 친구 센서와 같은 로컬 정보만을 이용한 방법이 여전히 유효함을 확인했다. 전면적인 네트워크 구축이 어려운 상황에서는 ‘친구 역설’ 기반의 무작위 이웃 선택이 저비용·고효율 조기 탐지 전략으로 활용될 수 있다.