Design of policy digital twins incorporating multi-level agent based modelling
Dieses Papier befasst sich mit der langsamen Einführung von Policy Digital Twins, indem es einen Design-Framework vorschlägt, der Multi-Level-Agentenbasierte Modellierung integriert, um menschliche Verhaltenswirkungen zu erfassen, demonstriert durch eine Fallstudie eines Instruments für die Energiewende eines britischen Stadtrats.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, die Zukunft einer geschäftigen Stadt vorherzusagen. Sie haben eine Karte, Sie haben Verkehrsdaten und Sie haben Wetterberichte. Aber eine Stadt besteht nicht nur aus Straßen und Gebäuden; sie besteht aus Menschen. Und Menschen sind chaotisch, unvorhersehbar und voller Überraschungen. Dies ist die Welt der Policy Digital Twins (politische digitale Zwillinge). Betrachten Sie einen digitalen Zwilling als eine superfortschrittliche Videospiel-Simulation eines realen Ortes. In Fabriken sind diese Zwillinge großartig, weil Maschinen strengen Regeln folgen. Aber in Städten sind die „Spieler“ Menschen, die ihre eigenen Entscheidungen treffen. Um einen Zwilling zu erschaffen, der für Stadtleitungen (Bürgermeister, Stadträte und Regierungen) funktioniert, benötigen Sie eine Methode, um nicht nur die Gebäude, sondern auch die Milliarden winzigen Entscheidungen zu simulieren, die Menschen jeden Tag treffen. Hier kommt das Multi-Level Agent-Based Modeling (MABM) ins Spiel. Anstatt jeden einfach als einen einzigen, langweiligen Datenklumpen zu behandeln, erschafft diese Methode tausende von individuellen „Agenten“ (virtuellen Personen) mit ihren eigenen Berufen, Einkommen und Gewohnheiten. Diese Agenten interagieren miteinander und mit ihrer Umgebung, wodurch eine komplexe, lebendige Simulation entsteht. Warum ist das wichtig? Weil Regierungen, wenn sie Dinge verändern wollen – wie etwa den Wechsel aller Haushalte zu Elektroheizungen oder den Bau neuer Radwege –, wissen müssen, wie echte Menschen darauf reagieren werden, bevor sie Millionen von Dollar ausgeben. Wenn sie sich verschätzen, scheitert die politische Maßnahme und die Stadt leidet darunter.
Dieses Paper handelt vom Aufbau einer spezifischen Art von digitalem Zwilling für einen britischen Stadtrat, um diesem dabei zu helfen, herauszufinden, wie man Haushalte von der Gasheizung auf Wärmepumpen umstellt. Die Autoren, ein Team von Forschern, erkannten, dass die meisten digitalen Zwillinge das menschliche Element ignorieren und Menschen wie Roboter behandeln, die einfach Befehle befolgen. Sie argumentieren, dass für eine politische Maßnahme der Zwilling „Menschen in der Schleife“ (humans in the loop) enthalten muss. Um dies zu beweisen, bauten sie einen Prototyp für Newcastle, eine Stadt mit etwa 320.000 Einwohnern. Sie bauten nicht nur eine statische Karte; sie erschaffen eine Synthetische Population von fast 97.300 virtuellen Haushalten. Jedes virtuelle Haus wurde einem realen Haus in der Stadt zugeordnet, und jeder virtuelle Haushalt erhielt eine Persönlichkeit basierend auf echten Volkszählungsdaten – einige waren Studenten, einige waren Rentner, einige arbeiteten im Homeoffice und einige hatten ein knappes Budget.
Die Forscher ließen dann eine massive Simulation laufen. Sie fragten ihre virtuelle Stadt: „Was passiert, wenn wir allen sagen, sie sollen eine Wärmepumpe installieren?“ oder „Was, wenn wir nur einkommensschwachen Familien helfen?“ Das Modell rät nicht einfach nur; es berechnet den Energiebedarf Stunde für Stunde und berücksichtigt dabei, wie ein Kälteeinbruch dazu führen würde, dass ein schlecht isoliertes Haus mehr Strom verbraucht, oder wie sich der Tagesablauf einer Familie auf ihren Heizbedarf auswirkt. Sie testeten ihr Modell gegen reale Daten der britischen Regierung und fanden heraus, dass es den Energieverbrauch sehr gut vorhersagt und die realen Muster in fünf verschiedenen Städten mit hoher Genauigkeit widerspiegelt.
Das Paper weist jedoch vorsichtig darauf hin, was dies nicht ist. Es ist kein fertiges, perfektes Produkt, das die Stadt automatisch steuert. Die Autoren bezeichnen es explizit als einen Demonstrator, einen Proof-of-Concept. Es ist ein „prä-operatives“ Werkzeug. Es hat noch keinen Live-Datenstrom aus der realen Welt in Echtzeit und es wurde noch nicht vollständig in den täglichen Arbeitsablauf des Stadtrats integriert. Das Paper argumentiert gegen die Vorstellung, dass ein einzelner digitaler Zwilling einfach von einer Stadt auf eine andere kopiert und eingefügt werden kann. Da jede Stadt andere Gesetze, andere Gebäude und andere Menschen hat, könnte ein für Newcastle gebauter Zwilling ohne größere Änderungen nicht für London funktionieren. Die Autoren schlagen vor, dass die Methode, diese Multi-Level-Agenten zu nutzen, zwar mächtig ist, das spezifische Werkzeug, das sie gebaut haben, jedoch stark auf seinen lokalen Kontext zugeschnitten ist.
Die zentrale Erkenntkeit ist, dass der Stadtrat durch die Nutzung dieser komplexen, menschenzentrierten Simulation nun „Was-wäre-wenn“-Szenarien sehen kann. Sie können sehen, dass die gezielte Förderung von Wärmepumpen im sozialen Wohnungsbau mehr Geld sparen könnte als die gezielte Ansprache wohlhabender Viertel, oder dass ein kalter Winter die Energiekosten auf unerwartete Weise in die Höhe treiben könnte. Das Paper schließt mit dem Argument, dass wir zwar noch nicht bei vollautomatisierten, selbstkorrigierenden „Stadt-Gehirnen“ angekommen sind, dieser Ansatz, virtuelle Menschen in die Simulation einzubauen, jedoch das fehlende Puzzleteil ist, das politische digitale Zwillinge tatsächlich nützlich macht. Er verwandelt eine statische Karte in eine lebendige, atmende Testküche, in der Führungspersönlichkeiten politische Maßnahmen „kochen“ können, ohne das ganze Haus niederzubrennen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.