Populations synthétiques et simulations sociales améliorées pour guider la prise de décision

Une nouvelle méthode d'attribution des lieux de travail dans des populations synthétiques dévoilée

Cette image indique les lieux de travail possibles de travailleurs simulés qui vivent à Takatsuki, au Japon. Avec des informations supplémentaires, leurs mouvements peuvent être simulés pour prédire la propagation des maladies infectieuses sur le lieu de travail. Crédit : Takuya Harada de l’Institut de technologie de Shibaura

Les populations synthétiques sont des groupes de personnes générés par ordinateur qui sont conçus pour ressembler à des populations réelles. Ils sont construits à l’aide d’informations de recensement public sur les caractéristiques des personnes, telles que leur âge, leur sexe et leur emploi, ainsi que d’algorithmes statistiques qui aident à assembler le tout.

Leur application principale est de mener des simulations dites sociales pour évaluer différentes solutions possibles aux problèmes sociaux, tels que le transport, les problèmes de santé et le logement. Pendant la pandémie de COVID-19, par exemple, des scientifiques de nombreux endroits du monde ont mené des simulations sociales pour estimer le nombre de cas dans chaque pays.

Au Japon, des chercheurs effectuent de telles simulations à l’aide de superordinateurs dans le cadre du projet COVID-19 AI & Simulation dirigé par le secrétariat du Cabinet du gouvernement japonais depuis 2020. Ils ont été largement pris en compte lors de la décision de diverses mesures politiques, telles que les politiques de test PCR, les limites d’immigration, le soutien au tourisme intérieur, les programmes de vaccination, etc.

Ces simulations ont été possibles grâce à une population synthétique qui a été préparée et mise à jour dans le cadre du projet Joint Usage/Research Center for Interdisciplinary Large-scale Information Infrastructures (JHPCN), depuis 2017.

Cependant, cette population synthétique japonaise présentait une limite importante – même si l’adresse du domicile était l’un des attributs attribués à chaque individu, l’emplacement de son lieu de travail ne l’était pas. En conséquence, cette population synthétique était plus précise pour représenter la distribution nocturne des personnes, mais pas leur distribution diurne, ni la relation entre les deux.

Pour s’attaquer à ce problème, un trio de chercheurs japonais, dont le professeur adjoint Takuya Harada de l’Institut de technologie de Shibaura, ainsi que le Dr Tadahiko Murata et M. Daiki Iwase de la faculté d’informatique de l’université du Kansai, ont récemment mis au point une méthode pour attribuer un lieu de travail attribut à chaque travailleur dans les populations synthétiques. Leur étude a été publiée dans Transactions IEEE sur les systèmes sociaux computationnels.

Le principal défi que les chercheurs ont dû surmonter était le manque d’informations statistiques établissant un lien entre le domicile et le lieu de travail des personnes. Au Japon, seuls les gouvernements locaux dont la zone compte plus de 200 000 habitants publient des statistiques complètes sur l’origine, la destination et l’industrie (ODI), qui fournissent des détails sur le mouvement des travailleurs ainsi que sur leur type d’industrie (comme la vente au détail, la construction ou la fabrication).

Pour les villes ou villages de moins de 200 000 habitants, les données ODI disponibles sont moins précises et indiquent uniquement si la personne travaille dans la même ville, dans une autre ville de la même préfecture ou dans une autre ville d’une autre préfecture. Malheureusement, environ 48 % des travailleurs au Japon résident dans des villes de moins de 200 000 habitants.

Ainsi, l’équipe de recherche a combiné les données ODI disponibles avec les données origine-destination (OD) et a développé une méthode innovante d’affectation du lieu de travail qui fonctionne pour toutes les villes et villages du Japon. Pour tester si leur méthode a été conçue correctement, ils l’ont utilisée pour attribuer des lieux de travail aux personnes dans les villes de plus de 200 000 habitants et ont comparé les résultats avec les données complètes disponibles de l’ODI.

Pour la ville de Takatsuki dans la préfecture d’Osaka, que les chercheurs ont présentée comme exemple dans leur article, la méthode proposée pourrait attribuer les bonnes villes comme lieux de travail pour 88,2 % des travailleurs.

Les applications possibles pour des simulations sociales détaillées utilisant des populations synthétiques sont nombreuses, comme le fait remarquer le professeur Murata de l’Université du Kansai : « Les simulations sociales à échelle réelle peuvent être utilisées pour estimer l’efficacité des développements urbains, y compris les projets de logement et de transport, ainsi que l’influence de programmes sociaux menés par les gouvernements nationaux ou locaux. Ils peuvent également être employés pour des programmes de sauvetage et de secours en cas de catastrophes telles que tremblements de terre, tsunamis, inondations, typhons et pandémies.

En termes simples, les simulations sociales peuvent aider les décideurs à imaginer avec précision divers futurs possibles.

Un autre aspect important des populations synthétiques est qu’elles sont exemptes de problèmes de confidentialité des données. “Les populations synthétiques sont une technologie sécurisée car aucune information privée n’est utilisée”, explique le professeur adjoint Harada, “Parce que nous synthétisons plusieurs ensembles de populations qui ont les mêmes caractéristiques statistiques, les tiers ne peuvent pas déterminer si de vraies informations sont incluses ou non.”

Cette étude marque les premières populations synthétiques au monde avec des informations sur le lieu de travail qui sont rendues publiques pour les ingénieurs et les chercheurs. Ils peuvent être demandés sur le site du premier auteur.

L’équipe de recherche travaille déjà sur l’utilisation de sa nouvelle méthode d’affectation des lieux de travail pour estimer la répartition de la population pendant la journée dans tout le Japon. Il est fort probable que de nouveaux progrès dans les populations synthétiques conduiront à une meilleure prise de décision dans un avenir proche.

Plus d’information:
Tadahiko Murata et al, Workplace Assignment to Workers in Synthetic Populations in Japan, Transactions IEEE sur les systèmes sociaux computationnels (2022). DOI : 10.1109/TCSS.2022.3217614

Site de First authro : www.res.kutc.kansai-u.ac.jp/~m … distribution/?lang=en

Fourni par l’Institut de technologie de Shibaura

Citation: Populations synthétiques et simulations sociales améliorées pour guider la prise de décision (19 janvier 2023) récupéré le 19 janvier 2023 sur https://techxplore.com/news/2023-01-synthetic-populations-social-simulations-decision-making.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.