[论文解读] Space Matters: extending sensitivity analysis to initial spatial conditions in geosimulation models

Juste Raimbault, Clémentine Cottineau+3 more|arXiv (Cornell University)|Dec 14, 2018

Human Mobility and Location-Based Analysis参考文献 62被引用 4

一句话总结

本文提出一种系统性方法，通过生成多样化的密度网格来初始化，评估地理模拟模型对初始空间条件的敏感性。利用高性能计算与基于代理的模型（Schelling 的隔离模型和 Sugarscape 模型），研究表明空间初始条件对模型结果具有显著影响，其影响程度有时甚至超过参数变化，凸显了空间配置在模型稳健性与有效性中的关键作用。

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.

研究动机与目标

• 解决地理模拟模型中缺乏对初始空间条件系统性敏感性分析的问题。
• 评估初始空间排列变化对基于代理模型（ABMs）结果的影响。
• 证明初始空间条件对结果的影响可能大于参数变化的影响。
• 提供一种通用且开源的工作流程，用于测试基于代理模型中空间初始条件的敏感性。
• 通过考虑空间路径依赖性，提升地理模拟模型的验证水平与可信度。

提出的方法

• 系统性空间配置生成器用于创建多样化的密度网格，以初始化地理模拟模型。
• 利用高性能计算运行多个模拟重复实验，采用不同的初始空间配置。
• 通过欧几里得距离与闵可夫斯基距离比较模型输出的相图，量化敏感性。
• 计算夏普比率，以评估不同初始条件下模型结果差异的显著性。
• 该方法应用于两个经典基于代理模型：Schelling 的隔离模型与 Sugarscape 的不平等社会模型。
• 通过 GitHub 提供开源代码，确保可复现性与方法透明度。

实验结果

研究问题

• RQ1 不同的初始空间配置如何影响基于代理的地理模拟模型的结果？
• RQ2 与参数变化相比，初始空间排列在多大程度上影响模型结果？
• RQ3 系统性空间配置生成器能否提升地理模拟模型的稳健性与验证能力？
• RQ4 在经典基于代理模型（如 Schelling 与 Sugarscape）中，对初始空间条件的敏感性是否具有定量显著性？
• RQ5 不同距离度量方法（如欧几里得距离、曼哈顿距离）如何影响对空间配置敏感性的检测？

主要发现

• 初始空间排列对模型结果的影响显著，在 Schelling 模型中，差异指数的最大差异可达 468.563 个单位。
• 在 Sugarscape 模型中，基尼系数在不同初始空间网格下从 2.343 变化至 49.808，表明高度敏感。
• 在 Schelling 模型中，相对于参考相图的相对距离范围为 0 至 0.85，证实了对空间初始化的可测量敏感性。
• 在 Schelling 模型中，曼哈顿距离（q=1）的平均差异为 10.6%，低于欧几里得距离的 31.1%，但所有距离度量均显示出显著的变异性。
• 在 Sugarscape 模型中，使用曼哈顿距离的平均差异为 42.5%，当 q=10 时上升至 762.5%，表明对配置具有强烈敏感性。
• 本研究证实，在某些情况下，初始空间条件对模型结果的影响可能大于参数值变化的影响。