Validation and parallel implementation of spatial agent contacts in an agent based simulation of epidemics on hexagonal grids

Abstract

Mathematische Modellierung und Simulation sind wichtige Hilfsmittel in der Analyse von Epidemieausbreitungen, welche Entscheidungsträgern die Möglichkeit bieten zukünftige Infektionswellen schneller erkennen und vorbeugen zu können.<br />Im Rahmen dieser Diplomarbeit wird ein Epidemiemodell vorgestellt welches eine synthetische Bevölkerung - sogenannte "Agenten" - kreiert, welche einem virtuellen Krankheitserreger ausgesetzt werden. Die Agenten können mit diesem Erreger angesteckt werden, die Infektion auf andere Agenten übertragen und nach einer gewissen Zeitspanne wieder genesen.<br />Die Basis für dieses Verhalten stellt ein Teil des Models dar, welches Agenten einander zuweist und einem möglichen Kontakt berechnet. Dieses Modul stellt den Hauptaugenmerk der Arbeit dar: es wird untersucht ob die Kontaktfindung mit statistischen Methoden oder mit Hilfe eines abstrakten Raumes auf welchem sich die Agenten frei bewegen und treffen können, simuliert werden kann.<br />Die Struktur des Raumes und die Bewegung der Agenten sind an den Lattice Gas Cellular Automaton (LGCA) angelehnt, einer diskreten mathematischen Methode zur Simulation von nat\"urlicher Bewegung wie sie in unkomprimierten Gasen oder Flüssigkeiten vorkommt.<br />Da die Simulation einer grossen Bevölkerung mit Hilfe des LGCA sehr rechenaufwendig ist, ist im Rahmen der Diplomarbeit ebenfalls ein paralleler Algorithmus entwickelt worden welcher auf der GPU, dem Hauptprozessor der Grafikkarte, ausgeführt werden kann. Es hat sich gezeigt, dass diese Rechenarchitektur die vorgestellte Aufgabe bis zu 100-mal schneller als die CPU verarbeiten kann. Während die Analyse der Kontaktfindung mögliche Anwendungsfälle der Methoden beleuchtet stellt die parallele Implementierung eine Möglichkeit dar, zukünftige räumlich basierte Epidemiesimulationen preisgünstig und zeiteffizient auf gewöhnlichen Grafikkarten ausführen zu können.<br />

Mathematical modeling and simulation are important tools in the analysis of epidemics and may support decision makers to control and eventually avoid the spread of infections in the future. This work presents an epidemic model that creates an artificial population, so called "agents", which are exposed to a virtual pathogen. Consequently, agents can be infected, transfer infection among other agents and eventually recover from the illness. This behavior relies on a so- called contact finding module that assigns agents to each other and generates possible epidemic contacts. The main focus of this thesis is to determine if this task may be simulated with either statistical methods or the help of an abstract space, which provides agents with movement and the possibility to contact others in the immediate vicinity. The structure of the space and the movement rules are inspired by the Lattice Gas Cellular Automaton (LGCA); a discrete mathematic method to simulate natural propagation as it appears in uncompressed fluids and gases. As simulations of large human populations using LGCA have proven to require high computation power, this work shows a developed parallel algorithm that can be executed on GPU, the main processor of the graphic card. The results show that this porting allows simulations of large spatial grids to be executed up to 100 times faster than those on CPU. In summary, this work analyzes the possibilities to simulate contact finding at an epidemic simulation and presents a parallel implementation, which can be used to achieve higher time and performance efficiency of future epidemic simulations.