Application of Agent-based approach to the Modeling of Processes in the Field of Migration Policy

 
PIIS207751800005912-2-1
DOI10.18254/S207751800005912-2
Publication type Article
Status Published
Authors
Affiliation: Central Economics and Mathematics Institute
Address: Russian Federation, Moscow
Journal nameArtificial Societies
Edition
Abstract

The article is devoted to the analysis of existing experience in the application of agent based approach by modeling migration processes carried out for ongoing development of complex agent based models to simulate processes in the field of migration policy. Analysis showed that despite the advantages demonstrated by the agent-based approach compared with traditional methods of demographic research simulation reveals various difficulties in terms of simulating migration processes that nevertheless do not underestimate advantages of agent and other existing modeling approaches. Hybrid population-based agent modeling is a new emerging field of study that showed advantages by implementing this approach.

Keywordsmigration, migration policy, agent based modeling, the EU economy
Received01.07.2019
Publication date08.07.2019
Number of characters12657
Cite   Download pdf To download PDF you should sign in
1

Введение

Взрывной рост населения во всем мире в последние несколько десятилетий оказал огромное влияние на уровень запасов природных ресурсов, состояние окружающей среды и строение общества во многих странах. Изучение демографических и миграционных тенденций, а также динамики изменения структуры населения, играет ключевую роль для формирования внутренней, а также глобальной политики в области достижения устойчивого социального и экологического развития. Традиционно демография является эмпирической дисциплиной в области социальных наук, направленной на исследования долгосрочных изменений процессов на уровне населения [3]. Тем не менее, в последние годы в данной области наблюдается растущий уровень критики по отношению к неудовлетворительному уровню теоретического обоснования и объяснения различных демографических явлений [8].

2 Современные исследования в области демографии сталкиваются с тремя важными проблемами [15]. Во-первых, для правильного описания демографических явлений и надлежащего определения политических задач, анализ демографической ситуации должен проводиться на различных уровнях агрегации: от отдельных индивидов, домохозяйств и регионов до общества в целом [5]. Попытки решить эту проблему недавно были предприняты путем взаимоувязывания многоуровневого статистического анализа временных рядов с микромоделированием [9]. Тем не менее, использование агрегирования не гарантирует высокую точность прогноза, а увеличение размерности в моделях снижает качество прогнозирования ввиду повышения чувствительности к объему исходных данных, а также их дефициту. Вторая проблема состоит в увязке статистических данных с другой значимой информацией для выявления новых трендов в контексте демографических процессов. Наконец, третья задача состоит в определении уровня детализации разрабатываемых демографических моделей, а также в степени использования эмпирических данных.
3 С точки зрения потенциала в решении выше обозначенных проблем, агент-ориентированное моделирование (далее – АОМ) существенно отличается от статистических методов, поскольку данный подход позволяет учитывать явления, для которых нет явного аналитического представления [2]. В связи с этим, АОМ является эффективным инструментом для анализа и объяснения таких нелинейных или сложных взаимодействий, как социальный характер поведения, включающий различные трудно формализуемые элементы (например, социальный контекст, сети межличностных отношений, и др.).
4 Данная статья посвящена анализу существующего опыта применения агент-ориентированного подхода к моделированию миграционных процессов, проводимому с целью дальнейшей разработки комплекса агентных моделей, имитирующих процессы в области миграционной политики.

views: 723

Readers community rating: votes 0

1. Bakhtizin A.R. Agent-orientirovannye modeli ehkonomiki. // M.: Ehkonomika, 2008.

2. Makarov V.L., Bakhtizin A.R., Sushko E.D., Abramov V.I. Komp'yuternoe modelirovanie v upravlenii ehkonomikoj (metodologicheskaya osnova dlya strategicheskogo planirovaniya) // Gosudarstvennyj audit. Pravo. Ehkonomika, № 3, 2017.

3. Burch T. K. Model-Based Demography. // Essays on Integrating Data, Technique and Theory, 2018, DOI:10.1007/978-3-319-65433-1.

4. Constant A., Massey D. S. Return Migration by German Guestworkers: Neoclassical versus New Economic Theories. // International Migration, 2002, 40(4), p. 5–38.

5. Courgeau D., Bijak J., Franck R., Silverman E. Model-based demography: Towards a research agenda. // Agent-Based Modelling in Population Studies: Concepts, Methods, and Applications, 2016, p. 29–51.

6. Ewald R., Uhrmacher A. M. SESSL: A domain-specific language for simulation experiments. // ACM Transactions on Modeling and Computer Simulation, 2014, 24(2).

7. Harris J. R., Todaro M. P. Migration, Unemployment and Development: a Two-Sector Analysis. // American Economic Review, 1970, 60(1), p. 126–142.

8. Hobcraft J. Towards a scientific understanding of demographic behaviour. // Population – English Edition, 2007, 62(1), p. 47–51.

9. Klabunde A., Zinn S., Willekens F., Leuchter M. Multistate modelling extended by behavioural rules: An application to migration. // Population Studies, 2017, 71, p. 51–67.

10. Moeckel R., Spiekermann K., Wegener M. Creating a synthetic population. // Proceedings of the 8th International Conference on Computers in Urban Planning and Urban Management (CUPUM), 2003.

11. Morand E., Toulemon L., Pennec S., Baggio R., Billari F. Demographic modelling: The state of the art. // SustainCity working paper, 2010.

12. Pei-jun Y., Xiao W., Cheng Chenc Y., Fei-yue W. Hybrid Agent Modeling in Population Simulation: Current Approaches and Future Directions // Journal of Artificial Societies and Social Simulation, 2016, 19(1)12 http://jasss.soc.surrey.ac.uk/19/1/12.html

13. Portes A. Social Capital: Its Origins and Applications in Modern Sociology. // Annual Review of Sociology, 1998, 24(1), 1–24, DOI:10.1146/annurev.soc.24.1.1.

14. Reinhardt O., Hilton J., Warnke T., Bijak J., Uhrmacher A. Streamlining Simulation Experiments with Agent-Based Models in Demography // Journal of Artificial Societies and Social Simulation, 2018, 21(3)9 http://jasss.soc.surrey.ac.uk/21/3/9.html

15. Silverman E., Bijak J., Hilton J., Cao V. D., Noble J. When demography met social simulation: A tale of two modeling approaches. // Journal of Artificial Societies and Social Simulation 2013, 16(4), 9.

16. Simon M. Path Dependency and Adaptation: The Effects of Policy on Migration Systems // Journal of Artificial Societies and Social Simulation 2019, 22(2)2 http://jasss.soc.surrey.ac.uk/22/2/2.html

17. Warnke T., Steiniger A., Uhrmacher A. M., Klabunde A., Willekens F. ML3: A Language for Compact Modeling of Linked Lives in Computational Demography. // Proceedings of the 2015 Winter Simulation Conference, 2015, p. 2764–2775, DOI:10.1109/WSC.2015.7408382

18. Watts D. J., Strogatz S. H. Collective dynamics of small-world networks. // Nature, 1998, 393(6684), p. 440–442, DOI:10.1038/30918

Система Orphus

Loading...
Up