Mikrosymulacja

Mikrosymulacja (od symulacji mikroanalitycznej lub symulacji mikroskopowej) to kategoria skomputeryzowanych narzędzi analitycznych, które wykonują bardzo szczegółową analizę działań, takich jak ruch na autostradzie przepływający przez skrzyżowanie, transakcje finansowe lub patogeny rozprzestrzeniające choroby w populacji. Mikrosymulacja jest często wykorzystywana do oceny efektów proponowanych interwencji, zanim zostaną one wdrożone w świecie rzeczywistym. Na przykład model mikrosymulacji ruchu może posłużyć do oceny efektywności wydłużenia pasa do skrętu na skrzyżowaniu, a tym samym pomóc w podjęciu decyzji, czy warto wydawać pieniądze na faktyczne wydłużenie pasa.

Wstęp

Mikrosymulację można odróżnić od innych rodzajów modelowania komputerowego, przyglądając się interakcji poszczególnych jednostek , takich jak ludzie czy pojazdy . Każda jednostka jest traktowana jako autonomiczna jednostka, a interakcje jednostek mogą różnić się w zależności od stochastycznego (randomizowane) parametry. Parametry te mają odzwierciedlać indywidualne preferencje i tendencje. Na przykład w modelu ruchu niektórzy kierowcy są ostrożni i czekają na dużą przerwę przed skrętem, podczas gdy inni są agresywni i akceptują małe przerwy. Podobnie w modelu zdrowia publicznego poszczególne osoby mogą różnić się odpornością na wirusa, a także osobistymi nawykami, które przyczyniają się do rozprzestrzeniania się wirusa (np. jak często/dokładnie myją ręce).

International Microsimulation Association definiuje mikrosymulację jako technikę modelowania działającą na poziomie pojedynczych jednostek, takich jak osoby, gospodarstwa domowe, pojazdy czy firmy. W ramach modelu każda jednostka jest reprezentowana przez rekord zawierający unikalny identyfikator oraz zestaw powiązanych z nim atrybutów – np. listę osób o znanym wieku, płci, stanie cywilnym i zatrudnionym; lub wykaz pojazdów o znanych miejscach pochodzenia, przeznaczenia i charakterystyce operacyjnej. Zestaw reguł (prawdopodobieństw przejścia) jest następnie stosowany do tych jednostek, co prowadzi do symulowanych zmian stanu i zachowania. Reguły te mogą być deterministyczne (prawdopodobieństwo = 1), np. zmiany zobowiązania podatkowego wynikające ze zmian w przepisach podatkowych, lub stochastyczne (prawdopodobieństwo <= 1), np. prawdopodobieństwo śmierci, zawarcia małżeństwa, urodzenia dziecka czy przemieszczenia się w określonym przedziale czasowym . W obu przypadkach wynikiem jest oszacowanie wyników zastosowania tych reguł, prawdopodobnie w wielu krokach czasowych, w tym zarówno całkowita ogólna zmiana zagregowana, jak i (co ważne) sposób, w jaki ta zmiana jest rozłożona w modelowanej populacji lub lokalizacji.

Mikrosymulacja ekonometryczna

ekonometrii stosowanej mikrosymulacja służy do symulacji zachowania jednostek w czasie. Mikrosymulacja może być dynamiczna lub statyczna. Jeśli jest dynamiczny, zachowanie ludzi zmienia się w czasie, podczas gdy w przypadku statycznym zakłada się zachowanie stałe.

Istnieje kilka modeli mikrosymulacyjnych dotyczących podatków, emerytur i innych rodzajów działalności gospodarczej i finansowej. Modele te są zazwyczaj wdrażane przez agencje rządowe lub naukowców . Jednym z przykładów jest Pensim2 ( dynamiczny mikrosymulacyjny model emerytalny ), który dynamicznie symuluje dochód emerytalny w Wielkiej Brytanii przez następne 50 lat . Euromod to statyczny model mikrosymulacyjny dla 15 krajów Unii Europejskiej stany. Północnoamerykańskie modele mikrosymulacyjne obejmują podłużną, dynamiczną mikrosymulację CORSIM oraz modele pochodne DYNACAN (Kanada, zakończone 1 czerwca 2009 r.) i POLISIM (Stany Zjednoczone). Departament Zdrowia i Opieki Społecznej Stanów Zjednoczonych korzysta ze statycznego modelu mikrosymulacyjnego transferu dochodów (TRIM), aby zrozumieć potencjalny wpływ zmian w podatkach, transferach i programach zdrowotnych. Powiązanym przykładem, który zapewnia szczegółową przestrzennie mikrosmulację rozwoju miejskiego, jest PECAS.

Ekonometryczne modele mikrosymulacyjne można podzielić na dwa typy:

  • Zamknięte , podłużne, dynamiczne modele mikrosymulacyjne (takie jak DYNACAN i Pensim2) rozpoczynają się od populacji początkowej, która jest modyfikowana jedynie przez symulowane zdarzenia życiowe modułów demograficznych, takie jak dzietność, śmiertelność i migracje. W związku z tym można oczekiwać, że w dowolnym momencie przebiegu modelu symulowana populacja pozostanie w pełni reprezentatywną (syntetyczną) próbą populacji, którą modeluje.
  • Otwarte modele mają tendencję do skupiania się na konkretnych kluczowych osobach i generowania ich reprezentatywności na podstawie populacji tych osób. W takim środowisku nowe osobniki są dodawane lub usuwane z populacji w miarę potrzeb, aby zapewnić „odpowiedni” zestaw wydarzeń życiowych dla kluczowych osobników.

Jednym z najwyraźniejszych przykładów tego rozróżnienia jest traktowanie małżeństwa w ramach dwóch rodzajów modeli. Podczas gdy modele otwarte mogą po prostu wygenerować odpowiedniego współmałżonka dla kluczowej osoby, modele zamknięte muszą zamiast tego określić, które osoby w danej populacji prawdopodobnie zawrą związek małżeński, a następnie dopasować je.

Mikrosymulacja ruchu

widok typowej mikrosymulacyjnej animacji 2D. Na rysunku rondo w kraju, w którym obowiązuje ruch lewostronny .

Mikrosymulacja jest również wykorzystywana w modelowaniu ruchu i jest typowa dla pakietów oprogramowania, takich jak TransModeler , PTV VISSIM , TSIS-CORSIM , Cube Dynasim, LISA+, Quadstone Paramics , SiAS Paramics , Simtraffic, Aimsun i MATSim . Oprogramowanie do modelowania analitycznego, takie jak LINSIG , TRANSYT, TRANSYT-7F lub SIDRA INTERSECTION reprezentują inną klasę modeli opartych na algorytmach matematycznych reprezentujących kombinacje elementów modelu ruchu.

Modele mikrosymulacji ruchu symulują zachowanie poszczególnych pojazdów w predefiniowanej sieci drogowej i służą do przewidywania prawdopodobnego wpływu zmian wzorców ruchu wynikających ze zmian w przepływie ruchu lub zmian w środowisku fizycznym.

Mikrosymulacja ma największą siłę w modelowaniu zatłoczonych sieci drogowych ze względu na możliwość symulowania warunków kolejkowania. Modele mikrosymulacyjne będą nadal dostarczać wyników przy wysokim stopniu nasycenia, aż do punktu absolutnego impasu. Ta możliwość sprawia, że ​​tego typu modele są bardzo przydatne do analizy operacji ruchu na terenach miejskich i w centrach miast, w tym węzłów przesiadkowych , rond , skrzyżowań niesygnalizowanych i sygnalizowanych , sygnalizacji świetlnej . skoordynowane korytarze i sieci obszarów. Mikrosymulacja odzwierciedla również nawet stosunkowo niewielkie zmiany w środowisku fizycznym, takie jak zwężenie pasów ruchu lub przesunięcie linii zatrzymania skrzyżowań.

W ostatnich latach modelowanie mikrosymulacyjne zyskało zainteresowanie ze względu na swoją zdolność do wizualnego przedstawiania przewidywanych zachowań drogowych za pomocą animacji 3D , umożliwiając laikom, takim jak politycy i opinia publiczna, pełne docenienie wpływu proponowanego programu. Dalsze postępy w tej dziedzinie są dokonywane dzięki łączeniu danych modelu mikrosymulacyjnego z animacją 3D o kinowej jakości oraz rzeczywistością wirtualną przez takie firmy, jak FORUM8 w Japonii.

Mikrosymulacja pieszych lub tłumu

W ostatnich latach w przemyśle wzrosła popularność i akceptacja mikrosymulacji pieszych lub agentów; systemy te koncentrują się na symulacji poszczególnych osób poruszających się w przestrzeni w odniesieniu do miar analitycznych, takich jak wykorzystanie przestrzeni, poziom usług, gęstość, upakowanie i frustracja.

Wiele obecnych pakietów oprogramowania do mikrosymulacji ruchu łączy komponenty ruchu i pieszych w celu stworzenia bardziej kompletnych systemów, podczas gdy wiele przejściowych narzędzi do symulacji tłumu jest nadal udoskonalanych do użytku w projektowaniu przestrzeni miejskiej na dużą skalę.

Mikrosymulacja w naukach o zdrowiu

W naukach o zdrowiu mikrosymulacja generuje indywidualne historie życia. Technika ta jest stosowana, gdy modelowanie proporcji (makrosymulacja) populacji typu „stock-and-flow” nie może wystarczająco opisać interesującego nas systemu. Ten typ modelowania niekoniecznie obejmuje interakcję między jednostkami (jak opisano powyżej) iw takim przypadku może generować jednostki niezależnie od siebie i może z łatwością pracować z czasem ciągłym zamiast dyskretnych kroków czasowych.

Kilka przykładów modeli mikrosymulacji w naukach o zdrowiu zebrano w programie CISNET Narodowego Instytutu Raka Stanów Zjednoczonych ( http://cisnet.cancer.gov/ ). W Kanadzie Population Health Model (POHEM) to wspólna platforma, która bada wiele chorób przewlekłych, w tym cukrzycę, choroby układu krążenia i zapalenie stawów.

Mikrosymulacja przestrzenna

Ekonomiczne i zdrowotne podejście do mikrosymulacji zapewnia wgląd w wpływ zmian warunków środowiskowych, ekonomicznych lub politycznych na daną populację jednostek. Wpływ wielu zmian jest jednak zależny od kontekstu, co oznacza, że ​​ta sama zmiana (np. w progach podatku dochodowego) może mieć pożądane skutki w niektórych regionach, ale niepożądane skutki w innych. To zrozumienie leży u podstaw przestrzennego podejścia do mikrosymulacji. Termin mikrosymulacja przestrzenna odnosi się do zestawu technik, które umożliwiają przybliżenie cech jednostek żyjących na określonym obszarze, w oparciu o zestaw zmiennych ograniczających które są znane z okolicy. Podobnie jak w przypadku mikrosymulacji ekonometrycznej, mikrosymulacja przestrzenna może być dynamiczna lub statyczna i może obejmować jednostki oddziałujące lub pasywne.

Guy Orcutt jest powszechnie uznawany za twórcę mikrosymulacji przestrzennej. Mikrosymulacja przestrzenna ma wysokie wymagania obliczeniowe i dotyczące danych, a do tworzenia modeli niezbędny jest pewien stopień programowania komputerowego. Z tych powodów technika ta nie jest powszechnie stosowana. Jednak szereg czynników doprowadziło do szybkiego wzrostu liczby publikacji dotyczących mikrosymulacji przestrzennych w ramach geografii akademickiej i dyscyplin pokrewnych. Obejmują one:

Języki programowania i platformy

Oprócz programów tematycznych istnieją języki programowania ogólnego przeznaczenia (patrz Symulacja ruchu). Przykłady obejmują JAS-mine, LIAM2, MODGEN i OpenM++.

Zobacz też

Dalsza lektura

  1. ^ Międzynarodowe Stowarzyszenie Mikrosymulacji - Cele
  2. Bibliografia _ _
  3. ^    Hennessy, Deirdre A.; Flanagan, William M.; Tanuseputro, Piotr; Bennett, Carol; Tuńczyk, Meltem; Kopeć, Jacek; Wolfson, Michael C.; Manuel, Douglas G. (2015). „Model zdrowia populacji (POHEM): przegląd przesłanek, metod i zastosowań” . Metryki zdrowia populacji . 13 : 24. doi : 10.1186/s12963-015-0057-x . PMC 4559325 . PMID 26339201 .
  4. ^ Ballas, D., Dorling, D., Thomas, B. i Rossiter, D. (2005). Geografia ma znaczenie: symulowanie lokalnych skutków krajowych polityk społecznych (s. 491). Fundacji Josepha Rowntree. doi : 10.2307/3650139 , udostępniony bezpłatnie tutaj: http://www.jrf.org.uk/publications/geography-matters-simulation-local-impacts-national-social-policies
  5. ^ „JAS-kopalnia” .
  6. ^ „O — LIAM2” .
  7. ^ „Modgen (generator modeli)” . 2009-09-30.
  8. Bibliografia _ _
Pobrano z „ https://en.wikipedia.org/w/index.php?title=Microsimulation&oldid=1089784871 ”