A Generative Framework for the Creation of Multi-Attribute Geographically-Explicit Synthetic Population

तकनीकी सारांश: बहु-विशेषता भौगोलिक-स्पष्ट कृत्रिम जनसंख्या के निर्माण के लिए एक जनरेटिव फ्रेमवर्क

समस्या विवरण
बहु-विशेषता वाली कृत्रिम जनसंख्या (synthetic populations) का निर्माण मल्टी-एट्रिब्यूट जियो-सिमुलेशन तकनीकों, जिनमें माइक्रो-सिमुलेशन और एजेंट-आधारित मॉडलिंग शामिल है, के लिए मौलिक है। हालाँकि, मौजूदा विधियों को केवल एकत्रित-स्तर के डेटा (जैसे जनगणना क्षेत्र-स्तर के सांख्यिकी) का उपयोग करके क्षेत्र-विशिष्ट व्यक्तिगत विशेषताओं के संयुक्त वितरण (joint distributions) को पुनर्गठित करने में महत्वपूर्ण चुनौतियों का सामना करना पड़ता है। एकत्रित डेटा मार्जिनल वितरणों को रिकॉर्ड करता है लेकिन इस जानकारी की कमी होती है कि व्यक्तिगत स्तर पर विशेषताएँ एक साथ कैसे सह-अस्तित्व में रहती हैं। फलस्वरूप, पारंपरिक विधियाँ जैसे इटरेटिव प्रोपोर्शनल फिटिंग (IPF) या पदानुक्रमित नमूनाकरण (Hierarchical Sampling) अक्सर निश्चित ह्यूरिस्टिक्स या संभावabilistic संरचनाओं पर निर्भर करती हैं जो स्थानिक गैर-स्थिरता (spatial non-stationarity) को पकड़ने में विफल रहती हैं। इससे आंतरिक जनसांख्यिकीय पूर्वाग्रह (जैसे कि अवास्तविक आयु-आय-शिक्षा संयोजन) उत्पन्न होते हैं और जनसंख्या की विषमता का नुकसान होता है, विशेष रूप से उन क्षेत्रों में जहाँ विशिष्ट जनसांख्यिकीय प्रोफाइल होते हैं। इसके अलावा, जबकि कॉम्बिनेटोरियल ऑप्टिमाइज़ेशन (CO) विधियाँ व्यक्तिगत-स्तर के डेटा का उपयोग करके क्षेत्र-विशिष्ट वितरणों को संरक्षित कर सकती हैं, वे गणनात्मक रूप से महंगी, क्षेत्र-विशिष्ट और विभिन्न भौगोलिक क्षेत्रों में सामान्यीकरण की कमी वाली होती हैं।

कार्यप्रणाली
लेखक एक पदानुक्रमित डिफ्यूजन-आधारित जनरेटिव फ्रेमवर्क प्रस्तावित करते हैं जिसे संयुक्त राज्य अमेरिका (50 राज्य और वाशिंगटन, डी.सी.) के लिए एक राष्ट्रव्यापी, भौगोलिक-स्पष्ट कृत्रिम जनसंख्या बनाने के लिए डिज़ाइन किया गया है। यह फ्रेमवर्क तीन प्राथमिक चरणों में कार्य करता है:

1. डेटा तैयारी और वेक्टर निर्माण:

   • प्रशिक्षण लक्ष्य ($p$): 2023 अमेरिकन कम्युनिटी सर्वे (ACS) पब्लिक यूज़ माइक्रोडाटा सैंपल (PUMS) से प्राप्त व्यक्तिगत-स्तर के डेटा का उपयोग, जो 2,462 पब्लिक यूज़ माइक्रोडाटा एरिया (PUMAs) को कवर करता है, प्रशिक्षण लक्ष्य के निर्माण के लिए किया जाता है। इसमें पाँच विशेषताओं: आयु, लिंग, शिक्षा, रोजगार और आय के वास्तविक क्षेत्र-विशिष्ट संयुक्त वितरण को दर्शाने वाले 3,000-आयामी वेक्टर बनाने के लिए PUMS चरों को एजीगेटेड ACS तालिकाओं में परिभाषित श्रेणीबद्ध बिनों (categorical bins) में मैप करना शामिल है।
   • कंडीशन वेक्टर्स ($c$ और $h$): एकत्रित-स्तर के जनगणना डेटा (ACS डिटेल्ड टेबल्स) को प्रायिकता वितरणों में परिवर्तित किया जाता है ताकि कंडीशन वेक्टर $c$ बनाया जा सके, जो मार्जिनल वितरणों का प्रतिनिधित्व करता है। इसके अतिरिक्त, स्थानिक डेटा (POI और LODES कम्यूटिंग फ्लो) को एकत्रित और स्थानिक प्रतिनिधित्व वेक्टर $h$ में एनकोड किया जाता है ताकि कार्यात्मक विशेषताओं को कैप्चर किया जा सके और स्थानिक गैर-स्थिरता को संरक्षित किया जा सके।

2. पदानुक्रमित जनरेटिव प्रक्रिया (डिफ्यूजन मॉडल):
   एक ही चरण में 3,000-आयामी संयुक्त वितरण की भविष्यवाणी करने की जटिलता को दूर करने के लिए, फ्रेमवर्क दो-चरणीय डिफ्यूजन प्रक्रिया का उपयोग करता है:

   • चरण 1 (कोर्स जनरेशन): एक डिफ्यूजन मॉडल कंडीशन वेक्टर्स $c$ और $h$ का उपयोग करके एक कोर्स संयुक्त वितरण ($\hat{p}_{coarse}$) की भविष्यवाणी करता है। लक्ष्य स्थान को समीपवर्ती या सारभूत रूप से समान श्रेणियों (जैसे आयु समूहों को संकुचित करना) को समूहित करके 3,000 सूक्ष्म-स्तरीय संयोजनों से घटाकर 960 कोर्स संयोजनों तक कम किया जाता है। यह चरण स्थानिक विविधताओं को संरक्षित करते हुए व्यापक जनसांख्यिकीय संरचना को सीखता है।
   • चरण 2 (फाइन-ग्रेन्ड रिफाइनमेंट): दूसरा डिफ्यूजन मॉडल कोर्स भविष्यवाणियों को पूर्ण 3,000-आयामी संयुक्त वितरण ($\hat{p}$) में परिष्कृत करता है। यह कोर्स समूह $g$ और उसके अनुमानित प्रायिकता को इनपुट के रूप में लेता है, और फिर उस समूह के भीतर सूक्ष्म-स्तरीय संयोजनों के लिए सशर्त प्रायिकता वितरण ($\hat{p}^{inner}_{k|g}$) की भविष्यवाणी करता है। किसी भी विशिष्ट संयोजन $k$ के लिए अंतिम प्रायिकता कोर्स प्रायिकता और इनर-कोर्स रिफाइनमेंट प्रायिकता के गुणनफल द्वारा गणना की जाती है।

3. कृत्रिम व्यक्तिगत पीढ़ी और स्थान आवंटन:

   • नमूनाकरण (Sampling): प्रत्येक PUMA के लिए अनुमानित पूर्ण संयुक्त वितरण $\hat{p}$ से कृत्रिम व्यक्तियों का नमूना लिया जाता है।
   • होम लोकेशन: व्यक्तियों को उनके PUMA के भीतर विशिष्ट जनगणना क्षेत्रों (census tracts) में आवंटित किया जाता है, जो अनुमानित संयुक्त वितरण और ACS ट्रैक्ट-स्तर के डेटा से आयु और लिंग के मार्जिनल वितरणों द्वारा बाधित एक इटरेटिव प्रोपोर्शनल फिटिंग प्रक्रिया का उपयोग करता है। स्पष्ट होम कोऑर्डिनेट्स (अक्षांश/देशांतर) आवासीय सड़क नेटवर्क के साथ आवंटित किए जाते हैं, जो लगभग 50 मीटर की दूरी पर होते हैं।
   • वर्क लोकेशन: कार्यरत व्यक्तियों को उनके होम ट्रैक्ट से LODES कम्यूटिंग फ्लो प्रायिकताओं के आधार पर वर्क ट्रैक्ट्स में आवंटित किया जाता है। स्पष्ट कार्यस्थल निर्देशांक माध्यमिक सड़कों और चौराहों के साथ आवंटित किए जाते हैं।

प्रमुख योगदान

• पदानुक्रमित डिफ्यूजन फ्रेमवर्क: यह पेपर एक नवीन दो-चरणीय डिफ्यूजन आर्किटेक्चर पेश करता है जो स्थानिक गैर-स्थिरता को संरक्षित करते हुए पाँच विशेषताओं के जटिल, उच्च-आयामी संयुक्त वितरणों को सफलतापूर्वक पुनर्गठित करता है, जो सिंगल-स्टेज मॉडल और फिक्स्ड-ह्यूरिस्टिक विधियों की सीमाओं को पार करता है।
• भौगोलिक-स्पष्ट जनसंख्या: यह फ्रेमवर्क 2,462 PUMAs में 332,387,543 व्यक्तियों की एक कृत्रिम जनसंख्या उत्पन्न करता है, जिसमें केवल विशेषता वितरण के बजाय स्पष्ट होम और वर्क लोकेशन्स भी शामिल हैं।
• स्केलेबिलिटी और सामान्यीकरण: कोम्बिनेटोरियल ऑप्टिमाइज़ेशन विधियों के विपरीत जो क्षेत्र-विशिष्ट होती हैं, यह फ्रेमवर्क पूरे राष्ट्र में स्थानांतरणीयता प्रदर्शित करते हुए प्रशिक्षण सेट से बाहर के क्षेत्रों के लिए जनसंख्या उत्पन्न करने हेतु एक प्रशिक्षित मॉडल का उपयोग करता है।

परिणाम और सत्यापन
फ्रेमवर्क को आंतरिक स्थिरता जांच और एक होल्ड-आउट क्षेत्रीय प्रयोग (मिशिगन को छोड़कर) के माध्यम से सत्यापित किया गया:

• संयुक्त वितरण पुनर्गठन: उत्पन्न आबादी ने लक्ष्य PUMS संयुक्त वितरण के विरुद्ध 0.116 का औसत टोटल वेरिएशन डिस्टेंस (TVD) प्राप्त किया, जो 88.4% ओवरलैप को दर्शाता है।
• मार्जिनल कंसिस्टेंसी: कृत्रिम जनसंख्या ने एकत्रित जनगणना डेटा की तुलना में कम औसत एब्सोल्यूट डिफरेंस (AAD) के साथ मार्जिनल वितरणों को संरक्षित किया (जैसे आयु के लिए 0.0012 और लिंग के लिए 0.0009)।
• बेसलाइन के साथ तुलना: होल्ड-आउट प्रयोग में, प्रस्तावित फ्रेमवर्क ने इटरेटिव प्रोपोर्शनल फिटिंग (IPF), कॉम्बिनेटोरियल ऑप्टिमाइज़ेशन (CO), और एक वन-स्टेज डिफ्यूजन प्रोबेबिलिस्टिक मॉडल (DDPM) को पीछे छोड़ दिया। प्रस्तावित विधि ने 0.119 का औसत TVD प्राप्त किया, जो IPF और CO की तुलना में 6.3% और वन-स्टेज DDPM बेसलाइन की तुलना में 19.1% सुधार दर्शाता है।
• एट्रीब्यूट को-अकरेंस: पेयरवाइज डिकंपोजिशन विश्लेषण ने दिखाया कि फ्रेमवर्क ने उन विशेषता संयोजनों के पुनर्गठन में महत्वपूर्ण सुधार किया जो एकत्रित डेटा में स्पष्ट रूप से दर्ज नहीं थे (जैसे शिक्षा-आय, आयु-आय), जो लेटेंट सोशियो-इकोनॉमिक डिपेंडेंसीज को अनुमानित करने की क्षमता को दर्शाता है।

महत्व और दावे
लेखक दावा करते हैं कि यह फ्रेमवर्क क्षेत्रीय और राष्ट्रीय दोनों स्तरों पर बहु-विशेषता, भौगोलिक-स्पष्ट कृत्रिम जनसंख्या बनाने के लिए एक स्केलेबल और सामान्यीकृत दृष्टिकोण प्रदान करता है। उच्च निष्ठा (fidelity) के साथ क्षेत्र-विशिष्ट संयुक्त वितरणों को पुनर्गठित करके, परिणामी कृत्रिम जनसंख्या जियो-सिमुलेशन, जैसे एजेंट-आधारित मॉडलिंग में अधिक यथार्थवादी व्यवहार पेश करती है। यह मानव अंतःक्रियाओं द्वारा संचालित जटिल शहरी घटनाओं के अन्वेषण को सक्षम बनाता है। यह कार्य एकत्रित जनगणना डेटा और वास्तविक, व्यक्तिगत-स्तर के कृत्रिम डेटा की आवश्यकता के बीच के अंतर को संबोधित करता है जो स्थानिक विषमता का सम्मान करता है।

सीमाएं और भविष्य का कार्य
लेखक कुछ सीमाओं को स्वीकार करते हैं:

• आयु सूक्ष्मता (Age Granularity): PUMA-स्तर के प्रतिबंधों के उपयोग के कारण, सटीक आयु के बजाय आयु समूह प्राप्त होते हैं, विशेष रूप से व्यापक 5-17 आयु वर्ग के लिए।
• डे-टाइम लोकेशन्स: वर्तमान फ्रेमवर्क 18 वर्ष से कम उम्र के व्यक्तियों के लिए डे-टाइम लोकेशन्स (जैसे स्कूल) को असाइन नहीं करता है, क्योंकि LODES डेटा केवल कार्यरत वयस्कों को कवर करता है।
• स्थानिक असाइनमेंट: होम और वर्कप्लेस लोकेशन असाइनमेंट की सटीकता उपलब्ध स्थानिक डेटा (सड़क नेटवर्क, POI, कम्यूटिंग फ्लो) द्वारा सीमित है। भविष्य के कार्य में स्थानिक असाइनमेंट को मजबूत करने के लिए सूक्ष्म-स्तरीय संकेतों को शामिल करने का लक्ष्य है।

डेटा और कोड उपलब्धता
परिणामी डेटासेट (स्टेट के अनुसार .csv फॉर्मेट में) OSF पर उपलब्ध हैं, और सभी प्रोसेसिंग, ट्रेनिंग और वैलिडेशन स्क्रिप्ट GitHub पर उपलब्ध हैं।