12.12 群体接触追踪
为了克服细粒度个体接触数据难以获取的困难，近年来，能够刻画人口异构特征，并能建模流行病传播动力学的复合群体模型（见图 4）正日益受到关注。这类模型不仅具备模拟传播过程的能力，还能刻画更大规模人口的接触结构。复合群体模型将人口按年龄属性或者空间位置划分为若干亚人群(meta-population)，使得同一亚人群中的个体具有相似的生物学特性（如易感性、传染力、潜伏期、恢复期），进而利用亚人群间的群体接触行为代替个体接触行为建模流行病的传播过程[17] 。基于该模型，流行病的感染和传播可以被描述为一个反应扩散 (reaction-diffusion) 过程[18] 。反应，刻画了亚人群内的个体感染过程；扩散，则刻画了流行病通过群体接触结构在亚人群间的转移过程。此外，由于流行病控制策略通常是面向复合群体的，例如，在考虑如何规划疫苗分配策略时，接种人群通常按年龄进行分组，构建复合群体的接触网络也具有实际意义。 
基于调查问卷的方法首先被用于构建复合群体的接触网络。2008 年，Mossong 等人在欧洲开展了Polymod 研究项目，组织了一次大范围的接触行为调查，包括来自欧洲 8 个国家的 7 290 名参与者，共收集了 97 904 条接触记录[20] 。他们对该问卷数据的研究发现，接触行为具有明显的空间异构性，绝大多数的个体接触发生在家庭 (23%)、工作场所(21%)、学校(14%)、娱乐场所(16%)和交通工具(3%)中，并且不同场景下的接触结构具有明显不同的特征。该研究还发现一些与个体年龄相关的接触模式，如在许多场景中（如学校），个体更倾向于与年龄相近的人接触；孩子和家长的接触大多发生在家里，而成年人间的接触则多发生在工作场所。根据这些发现，他们将人口按年龄分成若干个亚人群，构成基于年龄分组的复合群体模型，进而根据问卷数据估计出不同年龄组间的交互概率，建立了基于复合群体的接触矩阵，如图 5 所示
基于多智能体的仿真模拟方法也被应用于接触网络构建（见图 6）。这类方法一般结合问卷调查和人口普查等数据，构建复合群体的接触结构。
Iozzi 等人基于 55 773 人的问卷调查数据建模了具有意大利社会特征的虚拟社会，通过智能体在该虚拟社会中模拟人的日常迁移行为，得到复合群体的接触矩阵[4] ，并基于该矩阵较好的模拟了意大利 B19（人类微小病毒）的爆发过程。类似的，Eubank 等人使用大规模智能体仿真模拟了城市内的个体移动，并据此建模了群体接触结构[22] 。他们使用的数据包括人口普查数据、土地使用、人口移动及其他日常行为数据。
