[논문 리뷰] Space Matters: extending sensitivity analysis to initial spatial conditions in geosimulation models

Juste Raimbault, Clémentine Cottineau외 3명|arXiv (Cornell University)|2018. 12. 14.

Human Mobility and Location-Based Analysis참고 문헌 62인용 수 4

한 줄 요약

이 논문은 초기 공간 조건에 대한 지오시뮬레이션 모델의 민감도를 체계적으로 평가하기 위한 방법을 제시한다. 다양한 밀도 격자를 생성하여 초기화하는 방식이다. 고성능 계산과 에이전트기반 모델(Schelling의 분리 이론 및 Sugarscape의 불평등 사회 모델)을 활용하여, 공간적 초기 조건이 모델 결과에 상당한 영향을 미치며, 때로는 매개변수 변화보다 더 큰 영향을 미친다는 점을 입증한다. 이는 모델의 강건성과 타당성에서 공간적 구성의 핵심적 역할을 시사한다.

ABSTRACT

Although simulation models of geographical systems in general and agent-based models in particular represent a fantastic opportunity to explore socio-spatial behaviours and to test a variety of scenarios for public policy, the validity of generative models is uncertain unless their results are proven robust and representative of 'real-world' conditions. Sensitivity analysis usually includes the analysis of the effect of stochasticity on the variability of results, as well as the effects of small parameter changes. However, initial spatial conditions are usually not modified systematically in geographical models, thus leaving unexplored the effect of initial spatial arrangements on the interactions of agents with one another as well as with their environment. In this paper, we present a method to assess the effect of some initial spatial conditions on simulation models, using a systematic spatial configuration generator in order to create density grids with which spatial simulation models are initialised. We show, with the example of two classical agent-based models (Schelling's models of segregation and Sugarscape's model of unequal societies) and a straightforward open-source work-flow using high performance computing, that the effect of initial spatial arrangements is significant on the two models. Furthermore, this effect is sometimes larger than the effect of parameters' value change.

연구 동기 및 목표

• 지오시뮬레이션 모델에서 초기 공간 조건에 대한 체계적 민감도 분석의 부족을 해결하기 위해.
• 에이전트기반 모델(ABMs)에서 초기 공간 배치의 변화가 모델 결과에 미치는 영향을 평가하기 위해.
• 초기 공간 조건이 매개변수 변화보다 결과에 더 큰 영향을 미칠 수 있음을 입증하기 위해.
• ABMs에서 초기 공간 조건 민감도를 테스트하기 위한 일반적이고 오픈소스 워크플로우를 제공하기 위해.
• 공간 경로 의존성에 대응하여 지오시뮬레이션의 모델 검증과 신뢰도를 향상시키기 위해.

제안 방법

• 체계적인 공간 구성 생성기가 지오시뮬레이션 모델을 초기화하기 위해 다양한 밀도 격자를 생성한다.
• 고성능 계산을 활용해 다양한 초기 공간 구성으로 여러 번의 시뮬레이션 반복을 실행한다.
• 모델 출력의 단계도를 유클리드 거리와 민코프스키 거리로 비교하여 민감도를 정량화한다.
• 모델 결과의 차이가 초기 조건에 따라 유의미한지 평가하기 위해 샤프레 비율을 계산한다.
• 이 방법은 두 가지 고전적 ABMs인 Schelling의 분리 모델과 Sugarscape의 불평등 사회 모델에 적용된다.
• 재현 가능성과 방법론의 투명성을 확보하기 위해 오픈소스 코드를 GitHub를 통해 제공한다.

실험 결과

연구 질문

• RQ1 다양한 초기 공간 배치가 에이전트기반 지오시뮬레이션 모델의 결과에 어떤 영향을 미치는가?
• RQ2 초기 공간 배치가 매개변수 변화와 비교해 모델 결과에 얼마나 큰 영향을 미치는가?
• RQ3 체계적인 공간 구성 생성기가 지오시뮬레이션 모델의 강건성과 검증을 향상시킬 수 있는가?
• RQ4 Schelling 및 Sugarscape와 같은 고전적 ABMs에서 초기 공간 조건에 대한 민감도가 정량적으로 유의미한가?
• RQ5 다양한 거리 측정법(예: 유클리드 거리, 맨해튼 거리)은 공간 구성 민감도 탐지에 어떤 영향을 미치는가?

주요 결과

• 초기 공간 배치가 모델 결과에 미치는 영향은 상당히 크며, Schelling 모델의 이질성 지수에서 일부 구성은 최대 468.563 단위의 차이를 보였다.
• Sugarscape 모델에서는 다양한 초기 공간 격자에서 지니계수의 범위가 2.343에서 49.808까지 변동하여 높은 민감도를 보였다.
• Schelling 모델에서는 기준 단계도와의 상대적 거리가 0에서 0.85까지 변동하여 공간 초기화에 대한 측정 가능한 민감도를 확인했다.
• Schelling 모델에서 맨해튼 거리(q=1)는 유클리드 거리보다 평균 차이가 낮은 10.6%를 보였지만, 모든 거리 측정법이 유의미한 변동성을 보였다.
• Sugarscape 모델에서는 맨해튼 거리 사용 시 평균 차이가 42.5%였고, q=10일 경우 762.5%로 증가하여 구성에 대한 강한 민감도를 보였다.
• 이 연구는 특정 경우에 초기 공간 조건이 매개변수 값 변화보다 모델 결과에 더 큰 영향을 미칠 수 있음을 확인했다.