[논문 리뷰] Nonlinear Dynamic Models of Conflict via Multiplexed Interaction Networks

Gerardo Aquino, Weisi Guo외 1명|arXiv (Cornell University)|2019. 09. 26.

Complex Network Analysis Techniques인용 수 9

한 줄 요약

이 논문은 전쟁과 평화 사이를 왔다 간다 하는 이중 안정 시스템으로서 도시를 모델링하는 다중층 비선형 동적 모델을 제안한다. 이 모델은 지리적, 문화적, 정치적 세 가지 상호 연결된 네트워크 계층을 기반으로 하며, 2002–2016년 데이터를 사용하여 도시 수준에서 갈등 전환을 예측한다. F1 스코어는 0.78–0.92이며, 상태 변화를 유도한 네트워크 계층을 분리하여 원인 분석이 가능해져 다양한 갈등 유형에서 새로운 갈등과 평화 전환을 높은 정확도로 예측한다.

ABSTRACT

The risk of conflict is exasperated by a multitude of internal and external factors. Current multivariate analysis paints diverse causal risk profiles that vary with time. However, these profiles evolve and a universal model to understand that evolution remains absent. Most of the current conflict analysis is data-driven and conducted at the individual country or region level, often in isolation. Consistent consideration of multi-scale interactions and their non-linear dynamics is missing. Here, we develop a multiplexed network model, where each city is modelled as a non-linear bi-stable system with stable states in either war or peace. The causal factor categories which exasperate the risk of conflict are each modelled as a network layer. We consider 3 layers: (1) core geospatial network of interacting cities reflecting ground level interactions, (2) cultural network of interacting countries reflecting cultural groupings, and (3) political network of interacting countries reflecting alliances. Together, they act as drivers to push cities towards or pull cities away from war. Using a variety of data sources relative to 2002-2016, we show, that our model correctly predicts the transitions from war to peace and peace to war with F1 score of 0.78 to 0.92 worldwide at the city scale resolution. As many conflicts during this period are auto-regressive (e.g. the War on Terror in Afghanistan and Iraq, the Narco War across the Americas), we can predict the emergence of new war or new peace. We demonstrate successful predictions across a wide range of conflict genres and we perform causal discovery by identifying which model component led to the correct prediction. In the cases of Somalia (2008-13), Myanmar (2013-15), Colombia (2011-14), Libya (2014-16), and Yemen (2011-13) we identify the set of most likely causal factors and how it may differ across a country and change over time.

연구 동기 및 목표

• 갈등 전환을 이끄는 시간에 따라 변하는 다중 척도적 원인 요소를 포괄하는 보편적 모델의 부족을 해결하기 위해.
• 지리적, 문화적, 정치적 요소를 통합하여 비선형 상호작용을 포착하는 통합된 동적 프레임워크를 구축하기 위해.
• 지속적인 갈등 상태뿐 아니라 새로운 전쟁의 발생이나 평화 전환까지 예측할 수 있도록 하며, 특히 자기상관 및 블랙스완 사건에 대응하기 위해.
• 도시의 상태 전환이 어떤 네트워크 계층 또는 상호작용 변화에 의해 유도되었는지 특정하여 원인 규명이 가능하도록 하기 위해.
• 예방적 평화유지 및 외교적 개입을 위한 확장 가능하고 정량적인 플랫폼을 제공하기 위해.

제안 방법

• 각 도시는 전쟁 또는 평화로 수렴하는 이중 안정 동적 시스템으로 모델링되며, 불안정한 중간 상태를 가진다.
• 세 가지 네트워크 계층을 구축한다: (1) 지리적(도시 간 상호작용), (2) 문화적(국가 수준의 집단), (3) 정치적(동맹 구조).
• 각 네트워크 계층의 외부 드라이버를 포함한 일반화된 로지스틱 맵을 사용하여 비선형 동적 시스템을 정의하며, 각 계층이 노드 상태 변화에 강제항을 기여한다.
• 모델은 임계값 기반 분류를 사용한다: 상태 변수가 임계값을 초과하면 전쟁 상태로 분류하고, 그렇지 않으면 평화 상태로 분류한다.
• 원인 분석은 '계층 단절 실험'을 통해 수행된다—하나의 계층에서 연결을 제거하여 노드 상태 변화 여부를 관찰함으로써 전환의 주요 원인을 특정한다.
• 모델은 갈등 지역에서 2002–2016년까지 겹치는 데이터를 사용하여 훈련 및 검증되며, 전쟁/평화 전환에 대한 F1 스코어로 성능을 측정한다.

실험 결과

연구 질문

• RQ1 도시 수준에서 평화에서 전쟁으로 또는 전쟁에서 평화로의 전환을 이끄는 주요 시간에 따라 변하는 원인 요소는 무엇인가?
• RQ2 지리적, 문화적, 정치적 네트워크 계층의 기여도가 다양한 갈등 지역과 시간에 따라 어떻게 변화하는가?
• RQ3 비선형 다중층 네트워크 모델이 선형 모델보다 새로운 갈등의 발생과 장기 갈등의 종식을 예측하는 데 더 뛰어나다고 할 수 있는가?
• RQ4 모델이 상태 전환을 유도한 특정 네트워크 상호작용(예: 동맹 변화, 국경 긴장)을 특정할 수 있는 정도는 어느 정도인가?
• RQ5 내부(국내) 상호작용과 외부(국경을 초월한) 상호작용은 갈등 역학에 어떻게 다른 영향을 미치는가?

주요 결과

• 2002–2016년 동안 다양한 갈등 지역에서 도시 수준에서의 전쟁과 평화 전환 예측에 F1 스코어 0.78–0.92를 달 đạt하였다.
• 소말리아에서는 정치적 유대를 단절함(예: 케냐가 적대국에서 동맹국으로 전환)이 부르가아보에서 전쟁에서 평화로의 전환을 유도한 핵심 요인으로 확인되었다.
• 미얀마에서는 동일한 국가 내 인접 도시와의 지리적 연결을 단절할 때만 평화로의 전환이 발생하여 내부 원인이 주요 동력임을 시사했다.
• 콜롬비아에서는 베네수엘라의 동맹 상태 변화가 발레두파르에서 전쟁 상태를 유도한 반면, 내부 지리적 연결 단절은 평화로의 전환을 유도하여 서로 다른 원인 메커니즘을 확인했다.
• 리비아와也먼에서는 원인 분석을 통해 대부분의 상태 전환이 내부 지리적 네트워크의 파국으로 기인함을 규명하여 내부 갈등 역학이 주요 동력임을 시사했다.
• 중심성(_betweenness centrality_)을 분류기로 포함시킴으로써 모델 성능 향상이 확인되어, 이 요소가 고갈등 지역을 예측하는 데 기여한다는 것을 확인했다.