呼吸道传染病严重威胁人类健康。随着全球人口流动性的增加，传染病的传播范围更广、影响更大，对传染病的控制也更加困难。　　呼吸道传染病以人际近距离接触为媒介进行传播，从而决定了人际接触在传染病传播研究中的重要性。经典的传染病学研究中大多使用同质的接触数据，并以此为基础建立疫情动态变化的数学模型;然而现实人群的接触是异质的，因此一种更合理的方式是将人际接触抽象成复杂网络，利用网络动力学研究疾病传播。　　由于获得真实接触数据中存在的困难，现有研究多采用如下方案:(1)使用微分方程模型做患病人数计算;(2)简单假设真实接触网络是理想的小世界网络或者无尺度网络;(3)根据人口普查数据、社交网络等近似推断出接触网络;(4)采用问卷调查方式获得真实接触数据。然而上述假设和推断方法存在着理论依据不足、不准确等缺陷。　　随着无线传感器技术的发展进步，一些研究人员开始使用手机或者定制的无线设备，采用传感器技术检测人与人之间的近距离接触，获得了美国、德国、法国法等国学校、医院等人群密集场所内的接触数据。然而，上述数据的缺点是持续时间短、受试人数少，而且都在国外获得，国内目前还缺乏真实数据，导致无法就国内人群密集场所的疾病传播模式进行针对性的分析研究。　　本文针对真实人际近距离接触网络展开研究，围绕接触网络与疾病传播的关系，分别研究了真实接触网络的获取、对网络特征和网络结构的分析、对接触网络上疾病传播模式的分析和溯源算法的比较，以及对未来接触网络的预测，主要研究成果包括:　　1.我们开发了人际近距离接触智能感知系统PEARL(Probing Entity Aggregation inReal Life)，获得了长时程、规模性的中国高校真实人际接触数据。该系统由手机客户端和服务器组成，其中手机客户端利用智能手机的蓝牙设备检测人与人之间的近距离接触，并将其发送至服务器，服务器将采集到的数据整合成随时间动态变化的接触网络。与其他接触数据收集方法相比较而言，此系统具有成本低、无需干预等优点。我们使用此系统，在国内三所高校和科研机构征集了数百名志愿者，并收集了他们的接触数据，为国内疾病传播的研究工作提供了数据基础。　　2.我们对接触网络做了时间上的纵向分析，并与理想网络模型、其他国家学校的接触网络做了横向比较。我们发现接触网络与志愿者日常行为的相关性，并发现了周期7天的弱周期性;通过横向分析，我们发现接触网络既不是小世界网络，也不是无标度网络，从而说明传统方法中采用理想网络模型假设与真实数据不吻合;此外，中国高校人际接触网络还表现出与国外网络完全不同的结构。　　3.为了解真实人际接触网络上的传播模式，我们在得到的接触网络上通过模拟仿真，估计疾病传播人数和传播时间等特征量;实验结果表明真实网络上的模拟仿真结果与流感疫情吻合;国内真实接触网络和理想网络模型、其他国家的接触网络上疾病传播模式显著不同;衡量了不同干预措施的实施效果，定量地支持了非典期间广泛采用的停课措施的有效性。此外，本文同时还在各网络上比较了不同溯源算法的性能和运行时间，并推荐了不同需求环境下适用的溯源算法。　　4.为了将真实人际接触网络用于疾病在未来的传播预测和防控，本文提出了网络建模方法。该算法采用矩阵分解技术，利用交替方向乘子法，将原始接触网络对应的邻接矩阵分解成特征矩阵和重要性矩阵，将对未来接触网络的预测问题转化为重要性矩阵的预测问题。本文通过在前文收集的真实接触网络上的预测实验验证了该算法的可行性，为今后的疾病传播预测工作奠定了基础。