[論文レビュー] Building a large synthetic population from Australian census data

Bhagya N. Wickramasinghe, Dhirendra Singh+1 more|arXiv (Cornell University)|Aug 18, 2020

demographic modeling and climate adaptation参考文献 18被引用数 4

ひとこと要約

本論文は、2016年オーストラリア国勢調査データを用いて、メルボルン大都市圏の450万人の実際の合成人口を180万世帯に生成する、サンプルフリーの人口合成アルゴリズムを提示する。手法はABS TableBuilderからの連関周辺分布を用い、ヒューリスティックに基づく世帯および個人の割り当てを実施し、世帯レベルの国勢調査分布に完璧に一致させるとともに、コサイン類似度を用いて個人レベルの属性で98%以上の類似度を達成する。標準コンピュータ上では3分未満で実行可能である。

ABSTRACT

We present work on creating a synthetic population from census data for Australia, applied to the greater Melbourne region. We use a sample-free approach to population synthesis that does not rely on a disaggregate sample from the original population. The inputs for our algorithm are joint marginal distributions from census of desired person-level and household-level attributes, and outputs are a set of comma-separated-value (.csv) files containing the full synthetic population of unique individuals in households; with age, gender, relationship status, household type, and size, matched to census data. Our algorithm is efficient in that it can create the synthetic population for Melbourne comprising 4.5 million persons in 1.8 million households within three minutes on a modern computer. Code for the algorithm is hosted on GitHub.

研究の動機と目的

• マイクロデータのサンプルに依存しない、スケーラブルなサンプルフリーのオーストラリア国勢調査データ用人口合成手法の開発。
• 都市計画および緊急管理分野におけるエージェントベースシミュレーション用に、高精細な合成人口の生成。
• ABSの連関周辺分布のみを用いて、世帯構造および個人レベル属性の正確な表現を確保。
• すべてのオーストラリア統計地域レベル2（SA2）地域に一貫性を持たせて適用可能であり、オープンソース実装を可能に。
• 最近の2016年国勢調査データ、正確な年齢分布、カップルの年齢差を調整可能なヒューリスティックを用いることで、従来のサンプルフリー手法を改善。

提案手法

• アルゴリズムは、オーストラリア統計局（ABS）のTableBuilderから得た、個人レベル（年齢、性別、家族関係）および世帯レベル（世帯員数、世帯タイプ）属性の連関周辺分布を用いる。
• 世帯分布を基準とすることで、国勢調査データに完全に一致するように、ヒューリスティックに基づくアプローチで個人を世帯に割り当てる。
• 連関周辺分布に一致する属性を割り当てることで、現実的な世帯構成および家族関係構造を保ちながら、一意の個人を生成する。
• カップル間の年齢差に調整可能なヒューリスティックを導入し、従来の均一な年齢割り当てを改善することで、正確性を向上。
• アルゴリズムはSA2レベル（約10,000人の居住者）で処理され、地域スケールの合成人口生成を可能にする。
• 最終出力は、エージェントベースシミュレーションへの直接利用を想定したカンマ区切り値（CSV）ファイルとして保存され、完全なソースコードはGitHubにホスティングされている。

実験結果

リサーチクエスチョン

• RQ1 マイクロデータに依存しないサンプルフリー人口合成アルゴリズムは、マイクロデータのサンプルを用いずに、個人レベルおよび世帯レベルの国勢調査分布の両方を高い正確性で再現できるか？
• RQ2 反復比例適合（IPF）および反復比例更新（IPU）といった既存手法と比較して、このアルゴリズムの正確性および実行時間はどの程度か？
• RQ3 正確な年齢分布とカップルの年齢差を調整可能なヒューリスティックを用いることで、均一な年齢割り当てと比較して、合成人口の現実性はどの程度向上するか？
• RQ4 標準ハードウェア上で、メルボルンの450万人規模のメトロポリタン合成人口を3分未塔で効率的に生成できるか？
• RQ5 2011年と2016年の国勢調査、および異なる地域（SA2）において、このアルゴリズムの分布の正確性（分布適合度）はどの程度変動するか？

主な発見

• 本アルゴリズムは、2016年国勢調査データを用いて、メルボルン大都市圏の4,485,211人の個人と1,832,043世帯の合成人口を、現代のコンピュータ上で3分未塔で生成した。
• 合成人口は、2016年国勢調査データの全65の世帯レベルの分布に対して、100%の完全一致を達成した。
• 個人レベルの属性に関しては、全テストカテゴリ（例：年齢、性別、家族関係状態）において、オリジナルの国勢調査データと98.6%以上のコサイン類似度を達成した。
• IPUと比較して、本手法は世帯レベルの分布を完全に再現（2011年データの278SA2で100%）したが、IPUは99.6%の正確性にとどまった。
• 2006年のデータを用いたHuynhら[10]と比較して、本手法は個人レベルの分布の正確性が優れており、差は2%未満（彼らの10%と比較）であった。
• 本手法の実行時間（150秒）は、反復的再重み付けやマイクロデータサンプリングを必要としないため、IPU（107秒）と同等の性能を示した。