Design of policy digital twins incorporating multi-level agent based modelling
यह शोध पत्र एक यूके सिटी काउंसिल के लिए ऊर्जा संक्रमण नीति उपकरण के केस स्टडी के माध्यम से प्रदर्शित करते हुए, मानव व्यवहार संबंधी प्रभावों को पकड़ने के लिए मल्टी-लेवल एजेंट-आधारित मॉडलिंग को एकीकृत करने वाला एक डिज़ाइन फ्रेमवर्क प्रस्तावित करके पॉलिसी डिजिटल ट्विन्स के धीमे अपनाने की समस्या को संबोधित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक हलचल भरे शहर के भविष्य की भविष्यवाणी करने की कोशिश कर रहे हैं। आपके पास एक मानचित्र है, ट्रैफ़िक डेटा है, और मौसम की रिपोर्ट है। लेकिन एक शहर केवल सड़कों और इमारतों से नहीं बना होता; यह लोगों से बना होता है। और लोग अव्यवस्थित, अप्रत्याशित और आश्चर्यों से भरे होते हैं। यह पॉलिसी डिजिटल ट्विन्स (नीतिगत डिजिटल जुड़वा) की दुनिया है। एक डिजिटल ट्विन को एक वास्तविक स्थान के सुपर-एडवांस्ड वीडियो गेम सिमुलेशन के रूप में समझें। कारखानों में, ये ट्विन्स बेहतरीन होते हैं क्योंकि मशीनें सख्त नियमों का पालन करती हैं। लेकिन शहरों में, "खिलाड़ी" वे इंसान होते हैं जो अपने स्वयं के निर्णय लेते हैं। एक ऐसा ट्विन बनाने के लिए जो शहर के नेताओं (मेयर, काउंसिल और सरकारों) के काम आ सके, आपको न केवल इमारतों को, बल्कि उन अरबों छोटी-छोटी निर्णयों को भी सिम्युलेट करने के तरीके की आवश्यकता होती है जो लोग हर दिन लेते हैं। यहीं पर मल्टी-लेवल एजेंट-बेस्ड मॉडलिंग (MABM) काम आता है। सभी को डेटा के एक एकल, उबाऊ समूह के रूप में मानने के बजाय, यह विधि हजारों व्यक्तिगत "एजेंट्स" (आभासी लोग) बनाती है जिनके अपने काम, आय और आदतें होती हैं। ये एजेंट एक-दूसरे के साथ और अपने वातावरण के साथ अंतःक्रिया करते हैं, जिससे एक जटिल, जीवित सिमुलेशन बनता है। यह क्यों मायने रखता है? क्योंकि जब सरकारें चीजें बदलने की कोशिश करती हैं—जैसे कि सभी को इलेक्ट्रिक हीटिंग पर स्विच करना या नई बाइक लेन बनाना—तो उन्हें यह जानने की आवश्यकता होती है कि वास्तविक लोग कैसे प्रतिक्रिया देंगे, इससे पहले कि वे लाखों डॉलर खर्च करें। यदि वे गलत अनुमान लगाते हैं, तो नीति विफल हो जाती है, और शहर को नुकसान होता है।
यह शोध पत्र यूके (UK) में एक सिटी काउंसिल के लिए एक विशिष्ट प्रकार का डिजिटल ट्विन बनाने के बारे में है, ताकि उन्हें यह समझने में मदद मिल सके कि घरों को गैस हीटिंग से हीट पंप में कैसे बदला जाए। लेखकों ने, जो शोधकर्ताओं की एक टीम है, महसूस किया कि अधिकांश डिजिटल ट्विन्स मानवीय तत्व को अनदेखा करते हैं, और लोगों को रोबोट की तरह मानते हैं जो बस आदेशों का पालन करते हैं। उनका तर्क है कि नीति के सफल होने के लिए, ट्विन में "ह्यूमन इन द लूप" (मानव भागीदारी) होना आवश्यक है। इसे सिद्ध करने के लिए, उन्होंने न्यूकैसल के लिए एक प्रोटोटाइप बनाया, जो लगभग 3,20,000 निवासियों वाला शहर है। उन्होंने केवल एक स्थिर मानचित्र नहीं बनाया; उन्होंने लगभग 97,300 आभासी घरों का एक सिंथेटिक पॉपुलेशन (कृत्रिम जनसंख्या) तैयार किया। प्रत्येक आभासी घर को शहर के एक वास्तविक घर से जोड़ा गया था, और प्रत्येक आभासी परिवार को वास्तविक जनगणना डेटा के आधार पर एक व्यक्तित्व दिया गया था—कुछ छात्र थे, कुछ सेवानिवृत्त थे, कुछ घर से काम करते थे, और कुछ सीमित बजट वाले थे।
इसके बाद शोधकर्ताओं ने एक विशाल सिमुलेशन चलाया। उन्होंने अपने आभासी शहर से पूछा: "क्या होगा यदि हम सबको हीट पंप स्थापित करने के लिए कहें?" या "क्या होगा यदि हम केवल कम आय वाले परिवारों की मदद करें?" मॉडल ने केवल अनुमान नहीं लगाया; इसने घंटे-दर-घंटे ऊर्जा की मांग की गणना की, यह ध्यान में रखतेते हुए कि कैसे एक ठंडी लहर एक खराब इंसुलेशन वाले घर में अधिक बिजली का उपयोग कराएगी, या कैसे एक परिवार की दैनिक दिनचर्या उनकी हीटिंग आवश्यकताओं को बदल देगी। उन्होंने अपने मॉडल का परीक्षण यूके सरकार के वास्तविक दुनिया के डेटा के विरुद्ध किया और पाया कि यह ऊर्जा उपयोग की भविष्यवाणी करने में बहुत अच्छा था, जो पांच अलग-अलग शहरों में वास्तविक पैटर्न से उच्च सटीकता के साथ मेल खाता है।
हालाँकि, यह शोध पत्र इस बात पर भी स्पष्ट रूप से ध्यान देता है कि यह क्या नहीं है। यह कोई पूर्ण, दोषरहित उत्पाद नहीं है जो शहर को स्वचालित रूप से चलाता है। लेखक स्पष्ट रूप से कहते हैं कि यह एक डेमोंस्ट्रेटर (प्रदर्शनकारी) है, एक प्रूफ-ऑफ-कॉन्सेप्ट। यह एक "प्री-ऑपरेशनल" उपकरण है। इसमें अभी तक वास्तविक दुनिया से लाइव डेटा रीयल-टाइम में प्रवाहित नहीं हो रहा है, और इसे अभी तक सिटी काउंसिल के दैनिक कार्यप्रवाह में पूरी तरह से एकीकृत नहीं किया गया है। शोध पत्र इस विचार के विरुद्ध तर्क देता है कि एक एकल डिजिटल ट्विन को आसानी से एक शहर से दूसरे शहर में कॉपी और पेस्ट किया जा सकता है। क्योंकि प्रत्येक शहर के अलग कानून, अलग आवास और अलग लोग होते हैं, इसलिए न्यूकैसल के लिए बनाया गया ट्विन बिना बड़े बदलावों के लंदन के लिए काम नहीं कर सकता है। लेखकों का सुझाव है कि हालांकि इन मल्टी-लेवल एजेंटों का उपयोग करने की विधि शक्तिशाली है, लेकिन जो विशिष्ट उपकरण उन्होंने बनाया है वह इसके स्थानीय संदर्भ के लिए अत्यधिक अनुकूलित है।
मुख्य निष्कर्ष यह है कि इस जटिल, मानव-केंद्रित सिमुलेशन का उपयोग करके, सिटी काउंसिल अब "व्हाट-इफ" (क्या होगा यदि) परिदृश्यों को देख सकती है। वे देख सकते हैं कि सामाजिक आवास (सोशल हाउसिंग) को हीट पंप के लिए लक्षित करने से धनी मोहल्लों को लक्षित करने की तुलना में अधिक पैसा बचाया जा सकता है, या कैसे एक ठंडा शीतकाल अप्रत्याशित तरीकों से ऊर्जा बिलों में उछाल ला सकता है। शोध पत्र इस निष्कर्ष के साथ समाप्त होता है कि हालांकि हम अभी तक पूरी तरह से स्वचालित, स्वयं-सुधारने वाले "सिटी ब्रेन्स" (शहर के मस्तिष्क) तक नहीं पहुंचे हैं, लेकिन सिमुलेशन में आभासी लोगों को डालने का यह दृष्टिकोण वह लापता कड़ी है जो पॉलिसी डिजिटल ट्विन्स को वास्तव में उपयोगी बनाता है। यह एक स्थिर मानचित्र को एक जीवित, सांस लेते हुए 'टेस्ट किचन' में बदल देता है जहाँ नेता घर को जलाए बिना अपनी नीतियों को तैयार कर सकते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।