Abdulkareem, S.A. , 2019. Meningkatkan Model Berbasis Agen dengan Kecerdasan Buatan untuk Pengambilan Keputusan yang Kompleks. Tesis (PhD). Universitas Twente.
Abdulkareem, SA, dkk., 2019. Jaringan Bayesian untuk pembelajaran spasial: alur kerja dalam menggunakan data survei terbatas untuk pembelajaran cerdas dalam model berbasis agen spasial.
Geoinformatica, 23 (2), 243-268.
Aboubakr, HA dan Magdy, A. , 2020. Tentang meningkatkan akurasi jumlah korban untuk epidemi mirip COVID di komunitas yang kurang terlayani menggunakan data yang dibuat oleh pengguna.
Dalam: Prosiding Lokakarya Internasional ACM SIGSPATIAL ke-1 tentang Pemodelan dan Pemahaman Penyebaran COVID-19
. 32-35.
Adhikari, B., dkk., 2021. Lokakarya internasional ke-4 tentang epidemiologi yang mempertemukan penggalian data dan penemuan pengetahuan (epidamik 4.0 @ kdd2021). Dalam: Prosiding
Konferensi ACM SIGKDD ke-27 tentang Penemuan Pengetahuan & Penambangan Data . 4104-4105.
Prosiding Konferensi Internasional ACM SIGKDD ke-25 tentang Penemuan Pengetahuan &
Penambangan Data . 577-586.
Adhikari, B., dkk., 2022. epidamik 5.0: Lokakarya internasional ke-5 tentang epidemiologi yang mempertemukan penggalian data dan penemuan pengetahuan. Dalam: Prosiding Konferensi ACM SIGKDD ke-28 tentang Penemuan Pengetahuan dan Penambangan Data . 4850-4851.
Adiga, A., dkk., 2020. Model matematika untuk pandemi COVID-19: analisis komparatif. Jurnal Institut Sains India, 100 (4), 793-807.
Agarwal, R. dan Banerjee, A. , 2020. Skor risiko infeksi: Mengidentifikasi risiko penyebaran infeksi berdasarkan kontak dengan manusia. Dalam: Prosiding Lokakarya Internasional ACM SIGSPATIAL ke-1 tentang Pemodelan dan Pemahaman Penyebaran COVID-19 . 1-10. Agusto, F.B. , dkk. , 2020. Mengisolasi atau tidak mengisolasi: Dampak perubahan perilaku terhadap penularan COVID-19. medRxiv.
Ajayakumar, J. , Curtis, A. , dan Curtis, J. , 2021. Lingkungan pengelompokan untuk pelacakan dan analisis klaster kasus COVID-19 secara real-time. Dalam: Prosiding Lokakarya Internasional ACM SIGSPATIAL ke-2 tentang Komputasi Spasial untuk Epidemiologi (SpatialEpi 2021). 1-9.
Alam, M. , Tanaka, M. , dan Tanimoto, J. , 2019. Pendekatan teori permainan untuk membahas efek sekunder positif dari skema vaksinasi pada populasi yang tak terbatas dan tercampur dengan baik.
Chaos, Solitons & Fractals, 125, 201-213.
Anderson, T. dan Dragićević, S. , 2020. Pendekatan yang rapi untuk pengujian dan validasi proses model berbasis agen jaringan geospasial: studi kasus penyebaran influenza. Jurnal Internasional Ilmu Informasi Geografis, 1-30.
Anderson, T. , dkk. , 2022. Prosiding Lokakarya Internasional ACM SIGSPATIAL ke-3 tentang Komputasi Spasial untuk Epidemiologi (SpatialEpi 2022) . ACM.
Anderson, T. , dkk. , 2021a. Prosiding Lokakarya Internasional ACM SIGSPATIAL ke-2 tentang Komputasi Spasial untuk Epidemiologi (SpatialEpi 2021) . ACM.
Anderson, T. , Yu, J. , dan Züfle, A. , 2021b. Lokakarya internasional sigspatial acm ke-1 tentang pemodelan dan pemahaman penyebaran COVID-19. SIGSPATIAL Special, 12 (3), 35-40. Aron, J.L.
dan Schwartz, I.B. , 1984. Bifurkasi musiman dan penggandaan periode dalam model epidemi.
Jurnal Biologi Teoritis, 110 (4), 665-679.
Azad, F.T., dkk., 2022. Sirtem: Pengujian cepat yang diinformasikan secara spasial untuk pemodelan epidemi dan respons terhadap COVID-19. ACM Transactions on Spatial Algorithms and Systems, 8 (4), 1-43. Baldassare, M. , 1978. Perilaku spasial manusia. Tinjauan Tahunan Sosiologi, 4 (1), 29-56.
Barrett, C. , dkk. , 2011. Dampak ekonomi dan sosial dari strategi mitigasi influenza berdasarkan kelas demografi. Epidemics, 3 (1), 19-31.
Bauch, C. , d'Onofrio, A. , dan Manfredi, P. , 2013. Epidemiologi perilaku penyakit menular: sebuah tinjauan umum. Dalam: Memodelkan Interaksi Antara Perilaku Manusia dan Penyakit Menular.
Springer, 1-19.
Behera, S. , Dogra, D.P. , dan Satpathy, M. , 2022. Pengaruh arus masuk pekerja migran terhadap penyebaran awal COVID-19 di Odisha: Sebuah studi kasus. Transaksi ACM pada Algoritma dan Sistem Spasial, 8 (4), 1-18.
Bertsimas, D. dan Kallus, N. , 2020. Dari analisis prediktif ke analisis preskriptif. Ilmu Manajemen, 66 (3), 1025-1044.
Bharti, N. , 2021. Menghubungkan perilaku manusia dan penyakit menular. Prosiding Akademi Ilmu Pengetahuan Nasional, 118 (11).
Bian, L. , 2004. Kerangka kerja konseptual untuk model epidemiologi eksplisit spasial berbasis individu. Lingkungan dan Perencanaan B: Perencanaan dan Perancangan, 31 (3), 381-395.
Blei, D.M. , Ng, A.Y. , dan Jordan, M.I. , 2003. Alokasi dirichlet laten. Jurnal Penelitian Pembelajaran Mesin, 3 (Jan), 993-1022.
Bobashev, G., dkk., 2020. Prakiraan geospasial penyebaran COVID-19 dan risiko pencapaian kapasitas rumah sakit. SIGSPATIAL Khusus, 12 (2), 25-32.
Bossert, A., dkk., 2020. Opsi penahanan terbatas wabah COVID-19 yang diungkapkan oleh simulasi berbasis agen regional untuk Afrika Selatan. arXiv preprint arXiv:2004.05513.
Brearcliffe, DK dan Crooks, A. , 2021. Menciptakan agen cerdas: Menggabungkan pemodelan berbasis agen dengan pembelajaran mesin. Dalam: Prosiding Konferensi 2020 Masyarakat Ilmu Sosial Komputasi Amerika . Springer, 31-58.
Brooks, L.C., dkk., 2018. Prakiraan nonmekanistik influenza musiman dengan distribusi satu minggu ke depan yang berulang. PLoS Computational Biology, 14 (6), e1006134.
epidemi cacar. Academic Emergency Medicine, 13 (11), 1142-1149.
Burtner, S. dan Murray, A.T. , 2022. Covid-19 dan meminimalkan interaksi mikro-spasial. ACM Transactions on Spatial Algorithms and Systems, 8 (3), 1-17.
Cabana, E., dkk. , 2022. Menggunakan data jaringan seluler untuk mewarnai peta risiko epidemi.
Dalam: Prosiding Lokakarya Internasional ACM SIGSPATIAL ke-3 tentang Komputasi Spasial untuk Epidemiologi . 35-44.
Cardoso, M., dkk., 2021. Pemodelan evolusi geospasial COVID-19 menggunakan jaringan saraf tiruan konvolusi spatio-temporal urutan-ke-urutan. Transaksi ACM tentang Sistem dan Algoritma Spasial.
CDC, 2020. Penelusuran kontak untuk COVID-19. Pusat Pengendalian dan Pencegahan Penyakit.
Chai, D. , Wang, L. , dan Yang, Q. , 2018. Prediksi arus sepeda dengan jaringan konvolusi multi- grafik. In: Prosiding Konferensi Internasional ACM SIGSPATIAL ke-26 tentang Kemajuan dalam Sistem Informasi Geografis . 397-400.
Chao, D.L., dkk. , 2010. Flute, model simulasi epidemi influenza stokastik yang tersedia untuk umum.
PLoS Comput Biol, 6 (1), e1000656.
Chen, E. dan McKenzie, G. , 2021. Respons mobilitas terhadap pembatasan terkait COVID-19 di kota new york. Dalam: Prosiding Lokakarya Internasional ACM SIGSPATIAL ke-2 tentang Komputasi Spasial untuk Epidemiologi (SpatialEpi 2021). 10-13.
Chen, L.C., dkk. , 2006. Penyelarasan model simulasi serangan antraks. Sistem Pendukung Keputusan, 41 (3), 654-668.
Coro, G. dan Bove, P. , 2022. Model skala global resolusi tinggi untuk tingkat infeksi COVID-19. ACM Transactions on Spatial Algorithms and Systems, 8 (3), 1-24.
Cramer, E.Y., dkk. , 2022. Evaluasi prakiraan probabilistik individu dan ensembel kematian COVID- 19 di Amerika Serikat. Prosiding National Academy of Sciences, 119 (15), e2113561119.
Davies, N.G., dkk., 2020. Efek yang bergantung pada usia dalam penularan dan pengendalian epidemi COVID-19. MedRxiv.
Del Valle, S.Y. , Mniszewski, S.M. , dan Hyman, J.M. , 2013. Memodelkan dampak perubahan perilaku pada penyebaran pandemi influenza. Dalam: Memodelkan Interaksi Antara Perilaku Manusia dan Penyebaran Penyakit Menular. Springer, 59-77.
Deng, S., dkk., 2020. Cola-gnn: Jaringan saraf tiruan berbasis perhatian lintas lokasi untuk prediksi ili jangka panjang. Dalam: Prosiding Konferensi Internasional ACM ke-29 tentang Manajemen Informasi & Pengetahuan . 245-254.
Dignum, F. , dkk. , 2020. Menganalisis dampak kesehatan, sosial, dan ekonomi gabungan dari pandemi virus corona menggunakan simulasi sosial berbasis agen. arXiv preprint arXiv:2004.12809.
Dong, Y. , Yu, C. , dan Xia, L. , 2020. Pembelajaran penguatan hirarkis untuk intervensi epidemi. In:
Lokakarya KDD Internasional Pertama untuk Analisis Preskriptif untuk Dunia Fisik (PAPW 2020).
D'Orazio, M. , Bernardini, G. , dan Quagliarini, E. , 2020. Bagaimana cara memulai kembali? sebuah model simulasi berbasis agen terhadap definisi strategi untuk COVID-19 "fase kedua" di gedung- gedung publik. arXiv preprint arXiv:2004.12927.
Elarde, J. , dkk. , 2021. Perubahan mobilitas manusia selama COVID-19: Studi kasus Amerika Serikat. PloS One, 16 (11), e0259031.
Elsaka, T. , dkk. , 2021. Analisis korelasi spatio-temporal tweet COVID-19 berbahasa Arab.
Dalam: Prosiding Lokakarya Internasional ACM SIGSPATIAL ke-2 tentang Komputasi Spasial untuk Epidemiologi (SpatialEpi 2021). 14-17.
Fan, Z., dkk., 2020. Platform simulasi epidemi tingkat individu berbasis mobilitas manusia.
SIGSPATIAL Special, 12 (1), 34-40.
Fan, Z., dkk. , 2022. Platform simulasi epidemi tingkat individu berbasis mobilitas manusia. ACM Transactions on Spatial Algorithms and Systems, 8 (3), 1-16.
Fanticelli, H.C. , dkk. , 2022. Analisis dan pemodelan mobilitas berbasis data: Kehidupan yang khas dan terbatas dari populasi metropolitan. Transaksi ACM tentang Sistem dan Algoritma Spasial.
Frazzetto, D., dkk., 2019. Analisis preskriptif: survei tentang tren dan teknologi yang sedang berkembang. Jurnal VLDB, 28 (4), 575-595.
Frias-Martinez, E. , Williamson, G. , dan Frias-Martinez, V. , 2011. Model penyebaran epidemi berbasis agen menggunakan mobilitas manusia dan informasi jaringan sosial. Dalam: 2011 IEEE Konferensi Internasional Ketiga tentang Komputasi Sosial . IEEE, 57-64.
B: Ilmu Biologi, 278 (1702), 42-49.
Funk, S., dkk., 2015. Sembilan tantangan dalam memasukkan dinamika perilaku dalam model penyakit menular. Epidemi, 10, 21-25.
Funk, S. , Salathé, M. , dan Jansen, VA , 2010. Memodelkan pengaruh perilaku manusia terhadap penyebaran penyakit menular: sebuah tinjauan. Journal of the Royal Society Interface, 7 (50), 1247- 1256.
Gao, S., dkk., 2020. Pemetaan perubahan pola mobilitas tingkat kabupaten di Amerika Serikat dalam menanggapi COVID-19. SIGSPATIAL Khusus, 12 (1), 16-26.
Ginsberg, J., dkk., 2009. Mendeteksi epidemi influenza menggunakan data kueri mesin pencari.
Nature, 457 (7232), 1012-1014.
Golledge, R.G. , 1997. Perilaku Keruangan (Spatial Behavior): Sebuah Perspektif Geografi.
Guilford Press. Gollwitzer, A. , dkk. , 2020. Perbedaan partisan dalam menjaga jarak fisik terkait dengan hasil kesehatan selama pandemi COVID-19. Nature Human Behaviour, 1-12.
Halder, N. , Kelso, J.K. , dan Milne, G.J. , 2010. Mengembangkan pedoman untuk intervensi penutupan sekolah yang akan digunakan selama pandemi influenza di masa depan. BMC Penyakit Menular, 10 (1), 221.
Hehman, E., dkk., 2019. Membangun bukti validitas konstruk untuk ukuran regional dari bias rasial eksplisit dan implisit. Jurnal Psikologi Eksperimental: Umum, 148 (6), 1022. Hehman, E., Ofosu, E.K., dan Calanchini, J. , 2020. Menggunakan fitur lingkungan untuk memaksimalkan prediksi bias antarkelompok regional. Ilmu Psikologi Sosial dan Kepribadian, 1948550620909775.
Hoertel, N., dkk., 2020. Model berbasis agen stokastik dari epidemi sars-cov-2 di Prancis. Nature Medicine, 1-5.
Holmdahl, I. dan Buckee, C. , 2020. Salah tapi berguna-apa yang bisa dan tidak bisa disampaikan oleh model epidemiologi COVID-19 kepada kita. New England Journal of Medicine.
Imran, M. , Qazi, U. , dan Ofli, F. , 2022. Tbcov: dua miliar tweet COVID-19 multibahasa dengan label sentimen, entitas, geografis, dan gender. Data, 7 (1), 8.
Islam, S. , dkk. , 2021. Prediksi spatiotemporal lalu lintas pejalan kaki. In: Prosiding Lokakarya Internasional ACM SIGSPATIAL ke-5 tentang Rekomendasi Berbasis Lokasi, Jaringan Geososial, dan Geoadvertising . 1-8.
Jing, Q.L., dkk., 2020. Tingkat serangan sekunder rumah tangga COVID-19 dan faktor penentu terkait di Guangzhou, Cina: studi kohort retrospektif. The Lancet Penyakit Menular.
Kang, Y., dkk., 2020. Dataset aliran mobilitas manusia dinamis multiskala di Serikat selama epidemi COVID-19. Data Ilmiah, 7 (1), 1-13.
Karl, S., dkk. , 2014. Model simulasi spasial untuk infeksi virus dengue di daerah perkotaan. BMC Infectious Diseases, 14 (1), 1-17.
Kavak, H. , dkk. , 2018. Data besar, agen, dan pembelajaran mesin: menuju pendekatan pemodelan berbasis agen berbasis data. Dalam: Prosiding Simposium Simulasi Tahunan . 1-12.
Kiamari, M., dkk., 2020. Estimasi risiko Covid-19 menggunakan model sir yang bervariasi terhadap waktu. Dalam: Prosiding Lokakarya Internasional ACM SIGSPATIAL ke-1 tentang Pemodelan dan Pemahaman Penyebaran COVID-19. 36-42.
Kim, J.S. , Jin, H. , dan Züfle, A. , 2020a. Analisis preskriptif pakar-dalam-lingkaran menggunakan intervensi mobilitas untuk epidemi. Dalam: Lokakarya KDD Internasional Pertama untuk Analisis Preskriptif untuk Dunia Fisik (PAPW 2020).
Kim, J.S., dkk., 2019. Memajukan kemampuan eksperimen simulasi dengan intervensi runtime. In:
SpringSim 2019. IEEE, 1-11.
Kim, J.S., dkk., 2020b. Simulasi sosial berbasis lokasi untuk analisis preskriptif penyebaran penyakit.
SIGSPATIAL Special, 12 (1), 53-61.
Kim, J.S., dkk., 2020c. Model ensemble Covid-19 menggunakan pengelompokan representatif.
SIGSPATIAL Special, 12 (2), 33-41.
Klompas, M. , Baker, MA , dan Rhee, C. , 2020. Penularan sars-cov-2 melalui udara: pertimbangan teoretis dan bukti yang tersedia. JAMA.
Laato, S., dkk., 2020. Perilaku pembelian yang tidak biasa selama tahap awal pandemi COVID-19:
Pendekatan stimulus-organisme-respons. Jurnal Ritel dan Layanan Konsumen, 57, 102224.
pengganti pembelajaran mesin. Jurnal Dinamika dan Kontrol Ekonomi, 90, 366-389.
Lee, B.Y., dkk., 2010. Simulasi komputer untuk penentuan prioritas, alokasi, dan penjatahan vaksin selama pandemi influenza h1n1 2009. Vaksin, 28 (31), 4875-4879.
Lepenioti, K., dkk., 2020. Analisis preskriptif: Tinjauan literatur dan tantangan penelitian. Jurnal Internasional Manajemen Informasi, 50, 57-70.
Li, Y. , dkk. , 2015. Prediksi lalu lintas dalam sistem berbagi sepeda. In: Prosiding Konferensi Internasional SIGSPATIAL ke-23 tentang Kemajuan dalam Sistem Informasi Geografis . 1-10. Lopes, G.R. , dkk. , 2022. Multimaps: alat untuk mendukung pengambilan keputusan dalam analisis berbagai epidemi. In: Prosiding Lokakarya Internasional ACM SIGSPATIAL ke-3 tentang Komputasi Spasial untuk Epidemiologi . 22-25.
López, L. , Fernández, M. , dan Giovanini, L. , 2020. Model epidemi influenza menggunakan jaringan sosial dinamis individu dengan peta kognisi. MethodsX, 7, 101030.
Lorch, L., dkk., 2022. Mengukur efek dari penelusuran kontak, pengujian, dan tindakan penahanan dengan adanya titik-titik infeksi. ACM Transactions on Spatial Algorithms and Systems, 8 (4), 1-28.
Lukens, S. , dkk. , 2014. Simulasi imuno-epidemiologi epidemi influenza a berskala besar. BMC Public Health, 14 (1), 1-15.
Manfredi, P. dan D'Onofrio, A. , 2013. Memodelkan Interaksi Antara Perilaku Manusia dan Penyebaran Penyakit Menular. Springer Science & Business Media.
Mao, L. , 2014. Pemodelan tiga difusi penyakit menular, informasi, dan perilaku pencegahan melalui jaringan sosial metropolitan-sebuah simulasi berbasis agen. Geografi Terapan, 50, 31-39.
Marathe, M. dan Vullikanti, A.K.S. , 2013. Epidemiologi komputasi. Communications of ACM, 56 (7), 88-96.
Mehrab, Z., dkk., 2021. Mengevaluasi kegunaan metrik kedekatan resolusi tinggi dalam memprediksi penyebaran COVID-19. Transaksi ACM pada Sistem dan Algoritma Spasial.
Mei, S., dkk. , 2013. Pengambilan keputusan individu dapat mendorong epidemi: studi peta kognitif fuzzy. IEEE Transactions on Fuzzy Systems, 22 (2), 264-273.
Merler, S., dkk. , 2015. Penyebaran spatiotemporal wabah penyakit virus ebola tahun 2014 di Liberia dan efektivitas intervensi non-farmasi: analisis pemodelan komputasi. The Lancet Penyakit Menular, 15 (2), 204-211.
Mokbel, M. , Abbar, S. , dan Stanojevic, R. , 2020. Penelusuran kontak: Di luar aplikasi. SIGSPATIAL Special, 12 (2), 15-24.
Mokbel, M. , dkk. , 2022. Ilmu data mobilitas (seminar dagstuhl 22021). In: Laporan Dagstuhl. Schloss Dagstuhl-Leibniz-Zentrum für Informatik.
Nardin, L.G., dkk., 2016. Horison perencanaan mempengaruhi pengambilan keputusan profilaksis dan dinamika epidemi. PeerJ, 4, e2678.
Oruc, B.E. , dkk. , 2021. Homebound oleh covid19: manfaat dan konsekuensi dari strategi intervensi non-farmasi. BMC Kesehatan Masyarakat, 21 (1), 1-8.
Painter, M. dan Qiu, T. , 2020. Keyakinan politik mempengaruhi kepatuhan terhadap perintah jaga jarak sosial COVID-19. Tersedia di SSRN 3569098.
Pan, Z., dkk., 2019. Prediksi lalu lintas perkotaan dari data spatio-temporal menggunakan deep meta learning. In: Prosiding Konferensi Internasional ACM SIGKDD ke-25 tentang Penemuan Pengetahuan
& Penambangan Data . 1720-1730.
Pechlivanoglou, T., dkk., 2022. Pemodelan mikroskopis dinamika epidemi spatiotemporal. Dalam:
Prosiding Lokakarya Internasional ACM SIGSPATIAL ke-3 tentang Komputasi Spasial untuk Epidemiologi. 11-21.
Pejó, B. dan Biczók, G. , 2020. Permainan Corona: Masker, jarak sosial, dan desain mekanisme.
Dalam: Prosiding Lokakarya Internasional ACM SIGSPATIAL ke-1 tentang Pemodelan dan Pemahaman Penyebaran COVID-19 . 24-31.
Pesavento, J., dkk., 2020. Model mobilitas berbasis data untuk simulasi COVID-19. Dalam: Prosiding Lokakarya ACM SIGSPATIAL ke-3 tentang Kemajuan Kota Tangguh dan Cerdas, Seattle, WA, AS.
Pusat Penelitian Pew, 2000. Sebagian Besar Orang Amerika Mengatakan Wabah Virus Corona Telah Berdampak pada Kehidupan Mereka, Maret 2020.
Qazi, U. , Imran, M. , dan Ofli, F. , 2020. Geocov19: dataset ratusan juta tweet COVID-19 multibahasa dengan informasi lokasi. SIGSPATIAL Special, 12 (1), 6-15.
keputusan dalam model berbasis agen. In: Konferensi EPIA tentang Kecerdasan Buatan. Springer, 789-800.
Ray, E.L., dkk., 2020. Prakiraan ensembel penyakit virus corona 2019 (COVID-19) di Amerika Serikat.
medRxiv.
Reich, N.G., dkk., 2019. Penilaian multitahun kolaboratif dan multimodel tentang prakiraan influenza musiman di Amerika Serikat. Prosiding National Academy of Sciences, 116 (8), 3146-3154.
Rizzo, C., dkk., 2013. Survei tentang kemungkinan perubahan perilaku masyarakat umum di empat negara Eropa selama pandemi 2009/2010. Dalam: Memodelkan Interaksi Antara Perilaku Manusia dan Penyebaran Penyakit Menular. Springer, 23-41.
Rizzo, S.G. , 2020. Menyeimbangkan presisi dan recall untuk pengendalian epidemi yang hemat biaya. Dalam: Lokakarya KDD Internasional Pertama untuk Analisis Preskriptif untuk Dunia Fisik (PAPW 2020).
Rodrguez, A., dkk. , 2022. Peramalan epidemi yang berpusat pada data: Sebuah survei. arXiv pracetak arXiv: 2207.09370.
Russell, S. dan Norvig, P. , 2005. Ai sebuah pendekatan modern. Learning, 2 (3), 4.
Sajjadi, S. , Hashemi, A. , dan Ghanbarnejad, F. , 2021. Jarak sosial dalam dinamika pejalan kaki dan pengaruhnya terhadap penyebaran penyakit. Physical Review E, 104 (1), 014313.
Samet, H., dkk., 2020. Menggunakan animasi untuk memvisualisasikan data COVID-19 yang bervariasi secara spatio-temporal. Dalam: Prosiding Lokakarya Internasional ACM SIGSPATIAL ke- 1 tentang Pemodelan dan Pemahaman Penyebaran COVID-19. 53-62.
Schneider, C.M., dkk., 2013. Mengungkap motif mobilitas manusia sehari-hari. Journal of The Royal Society Interface, 10 (84), 20130246.
Sert, E. , Bar-Yam, Y. , dan Morales, A.J. , 2020. Dinamika pemisahan dengan pembelajaran penguatan dan pemodelan berbasis agen. Laporan Ilmiah, 10 (1), 1-12.
Siettos, C., dkk., 2015. Pemodelan simulasi berbasis agen epidemi virus ebola 2014, analisis temporal dan prediksi masa depan untuk Liberia dan Sierra Leone. PLoS Currents, 7.
Silva, P.C.dkk., 2020. Covid-abs: Model epidemi COVID-19 berbasis agen untuk mensimulasikan dampak kesehatan dan ekonomi dari intervensi pembatasan sosial. Chaos, Solitons & Fractals, 139, 110088.
Susarla, A. , dkk. , 2022. Prediksi kasus penyakit spatiotemporal menggunakan pengkodean prediktif kontras. In: Prosiding Lokakarya Internasional ACM SIGSPATIAL ke-3 tentang Komputasi Spasial untuk Epidemiologi . 26-34.
Sydora, C. , dkk. , 2022. Simulasi dan analisis hunian gedung di bawah skenario virus. ACM Transactions on Spatial Algorithms and Systems, 8 (3), 1-20.
Tanaka, M. dan Tanimoto, J. , 2020. Apakah subsidi vaksinasi dengan kebijakan prioritas agen pusat benar-benar berarti untuk menekan penyebaran penyakit? Jurnal Biologi Teoritis, 486, 110059.
Taskesen, E. , 2019. distfit. https://github.com/erdogant/distfit.
Thakur, G., dkk., 2020. Platform pemodelan dan analisis pandemi gabungan Covid-19. Dalam:
Prosiding Lokakarya Internasional ACM SIGSPATIAL ke-1 tentang Pemodelan dan Pemahaman Penyebaran COVID-19. 43-52.
Vallejo, M. , Corne, D.W. , dan Rieser, V. , 2013. Kebijakan urbanisasi yang berkembang-
menggunakan model statistik untuk mempercepat optimasi melalui simulasi berbasis agen. Dalam:
ICAART (2). Citeseer, 171-181.
Van Bavel, J.J., dkk., 2020. Menggunakan ilmu sosial dan perilaku untuk mendukung respons pandemi COVID-19. Nature Human Behaviour, 1-12.
Venkatramanan, S., dkk., 2018. Menggunakan model berbasis agen berbasis data untuk meramalkan penyakit menular yang muncul. Epidemics, 22, 43-49.
Volkova, S., dkk., 2017. Meramalkan dinamika penyakit mirip influenza untuk populasi militer menggunakan jaringan saraf dan media sosial. PloS One, 12 (12), e0188941.
Wang, X., dkk. , 2017. Memprediksi lalu lintas pejalan kaki kota dengan data sensor pejalan kaki. In:
Prosiding Konferensi Internasional EAI ke-14 tentang Sistem Bergerak dan Ada di Mana-mana:
Komputasi, Jaringan dan Layanan . 1-10.
Wang, Z. dan Cruz, I.F. , 2020. Analisis dampak COVID-19 pendidikan berdasarkan geotagged twitter. Dalam: Prosiding Lokakarya Internasional ACM SIGSPATIAL ke-1 tentang Pemodelan dan Pemahaman Penyebaran COVID-19 . 15-23.
Weill, J.A., dkk., 2020. Tanggapan jaga jarak sosial terhadap deklarasi darurat COVID-19 sangat berbeda berdasarkan pendapatan. Prosiding National Academy of Sciences, 117 (33),
Williams, A.D., dkk., 2011. Simulasi penularan wabah pneumonia berbasis individu setelah wabah dan pentingnya kepatuhan terhadap intervensi. Epidemics, 3 (2), 95-102. Wu, Y. , dkk. , 2018.
Pembelajaran mendalam untuk prediksi epidemiologi. Dalam: Konferensi Internasional ACM SIGIR ke-41 tentang Penelitian & Pengembangan dalam Pencarian Informasi . 1085-1088.
Xiong, L., dkk., 2020. Bereaksi: Pelacakan kontak waktu nyata dan pemantauan risiko menggunakan pelacakan seluler yang ditingkatkan privasi. SIGSPATIAL Special, 12 (2), 3-14.
Ye, W. dan Gao, S. , 2022. Memahami heterogenitas spatiotemporal dalam hubungan antara infeksi COVID-19 dan mobilitas manusia dan kontak dekat di Amerika Serikat. Dalam: Prosiding Lokakarya Internasional ACM SIGSPATIAL ke-3 tentang Komputasi Spasial untuk Epidemiologi . 1- 9.
Zakaria, C., dkk. , 2022. Menganalisis dampak kebijakan pengendalian COVID-19 terhadap hunian dan mobilitas kampus melalui penginderaan wifi. ACM Transactions on Spatial Algorithms and Systems, 8 (3), 1-26.
Zhao, L., dkk., 2019. T-gcn: Jaringan konvolusi graf temporal untuk prediksi lalu lintas. IEEE Transactions on Intelligent Transportation Systems, 21 (9), 3848-3858.
Züfle, A. dan Anderson, T. , 2020. Pengantar untuk edisi khusus ini: Memodelkan dan memahami penyebaran COVID-19: (bagian i). SIGSPATIAL Special, 12 (1), 1-2. Züfle, A. , Anderson, T. , dan Gao, S. , 2022a. Pengantar untuk edisi khusus tentang memahami penyebaran COVID-19, bagian 1.
Züfle, A. , Gao, S. , dan Anderson, T. , 2022b. Pengantar untuk edisi khusus tentang memahami penyebaran COVID-19, bagian 2.