世界各国政府正在采取细致入微的政策措施，以最低的社会和经济成本减少Covid-19病例数量。流行病学模型很难预测这种细粒度政策的影响。我们提出了一种新的基于仿真的模型来解决这一缺点。我们建立在最先进的基于主体的模拟模型上，但取代了易感人群和感染者之间的接触方式。首先，我们考虑到接触者类型的异质性(例如复发性或随机性)以及每种接触者类型的传染性。其次，我们严格地将接触者的数量与接触者导致感染的概率分开。接触人数随着社会距离政策的变化而变化，感染概率保持不变。这允许我们为许多类型的细粒度策略建模，这些策略不容易合并到其他模型中。为了验证我们的模型，我们证明它可以准确预测德国11月封锁的影响，即使在用于估计模型参数的时间序列中没有观察到类似的政策。