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

기술 요약: 다중 속성 지리적 명시적 합성 인구 생성을 위한 생성형 프레임워크

문제 정의
다중 속성 합성 인구의 생성은 마이크로 시뮬레이션 및 에이전트 기반 모델링을 포함한 지리적 시뮬레이션 기법의 기초가 된다. 그러나 기존 방법들은 집계 수준의 데이터(예: 센서스 트랙 수준의 통계)만을 사용하여 지역 특유의 개별 속성 결합 분포를 재구성하는 데 상당한 어려움을 겪고 있다. 집계된 데이터는 주변 분포(marginal distributions)는 기록하지만, 개별 수준에서 속성들이 어떻게 공존하는지에 대한 정보는 결여되어 있다. 결과적으로, 반복 비례 적합법(IPF)이나 계층적 샘플링(Hierarchical Sampling)과 같은 전통적인 방법들은 고정된 휴리스틱이나 확률적 구조에 의존하며, 이는 공간적 비정상성(spatial non-stationarity)을 포착하지 못하는 한계가 있다. 이는 내부적인 인구 통계학적 편향(예: 비현적인 연령-소득-교육 조합)과 인구 이질성의 상실로 이어진다. 특히 독특한 인구 통계적 프로필을 가진 지역에서 이러한 문제가 두드라진다. 또한, 조합 최적화(CO) 방법은 개별 수준의 데이터를 사용하여 지역 특유의 분포를 보존할 수 있지만, 계산 비용이 많이 들고 지역 특화적이며, 서로 다른 지리적 영역 간의 일반화 능력이 부족하다.

방법론
저자들은 미국의 50개 주와 워싱러턴 D.C.를 대상으로 전국 단위의 지리적 명시적 합성 인구를 생성하기 위해 설계된 계층적 확산 기반 생성 프레임워크를 제안한다. 이 프레임워크는 세 가지 주요 단계로 작동한다:

1. 데이터 준비 및 벡터 구축:

   • 훈련 대상 ($p$): 2,462개의 공공 사용 마이크로 데이터 구역(PUMA)을 포괄하는 2023년 미국 커뮤니티 조사(ACS) 공공 마이크로 데이터 샘플(PUMS)의 개별 수준 데이터를 사용하여 훈련 대상을 구축한다. 이는 PUMS 변수를 집계된 ACS 테이블에 정의된 범주형 빈(bin)에 매핑하여, 연령, 성별, 교육, 고용, 소득의 5가지 속성에 대한 진정한 지역 특유의 결합 분포를 나타내는 3,000차원 벡터를 생성하는 과정을 포함한다.
   • 조건 벡터 ($c$ 및 $h$): 집계된 수준의 센서스 데이터(ACS 상세 테이블)를 확률 분포로 변환하여 주변 분포를 나타내는 조건 벡터 $c$를 형성한다. 또한, 공간 데이터(POI 및 LODES 통근 흐름)를 집계하고 이를 공간 표현 벡터 $h$로 인코딩하여 기능적 특성을 포착하고 공간적 비정상성을 보존한다.

2. 계층적 생성 과정 (확산 모델):
   단일 단계에서 3,000차원의 고세밀 결합 분포를 예측하는 복잡성을 해결하기 위해, 프레임워크는 2단계 확산 과정을 채택한다:

   • 1단계 (조조 생성 - Coarse Generation): 확산 모델은 조건 벡터 $c$와 $h$를 사용하여 조조 결합 분포($\hat{p}_{coarse}$)를 예측한다. 타겟 공간은 인접하거나 실질적으로 유사한 범주(예: 연령 그룹 압축)를 그룹화함으로써 3,000개의 미세한 조합에서 960개의 조조 조합으로 축소된다. 이 단계는 공간적 변동을 보존하면서 광범위한 인구 통계 구조를 학습한다.
   • 2단계 (미세 조정 - Fine-Grained Refinement): 두 번째 확산 모델은 조조 예측값을 전체 3,000차원 결합 분포($\hat{p}$)로 정교화한다. 이 모델은 조조 그룹 $g$와 그 예측 확률을 입력값으로 받아, 해당 그룹 내의 미세한 조합에 대한 조건부 확률 분포($\hat{p}^{inner}_{k|g}$)를 예측한다. 특정 조합 $k$에 대한 최종 확률은 조조 확률과 내부 조조 정교화 확률의 곱으로 계산된다.

3. 합성 개별자 생성 및 위치 할당:

   • 샘플링: 각 PUMA에 대해 예측된 전체 결합 분포 $\hat{p}$로부터 합성 개별자를 샘사플링한다.
   • 거주지 위치: 개별자는 예측된 결합 분포와 ACS 트랙 수준 데이터의 연령 및 성별 주변 분포에 의해 제약되는 반복 비례 적합 과정을 통해 PUMA 내 특정 센서스 트랙에 할당된다. 명시적인 거주 좌표(위도/경도)는 주거 도로 네트워크를 따라 약 50미터 간격으로 할당된다.
   • 직장 위치: 고용된 개인은 홈 트랙으로부터의 LODES 통근 흐름 확률에 따라 직장 트랙에 할당된다. 명시적인 직장 좌표는 보조 도로 및 교차로를 따라 할당된다.

주요 기여

• 계층적 확산 프레임워크: 본 논문은 공간적 비정상성을 보존하면서 5가지 속성의 복잡한 고차원 결합 분포를 성공적으로 재구성하는 새로운 2단계 확산 아키텍처를 도입하여, 단일 단계 모델 및 고정 휴리스틱 방법의 한계를 극복했다.
• 지리적 명시적 인구: 프레임워크는 속성 분포뿐만 아니라 명시적인 홈 및 직장 위치를 포함하여 2,462개 PUMA에 걸쳐 332,387,543명의 합성 인구를 생성한다.
• 확장성 및 일반화 가능성: 지역 특화적인 조합 최적화 방법과 달리, 이 프레임워크는 훈련된 모델을 활용하여 훈련 세트에서 제외된 지역에 대해서도 인구를 생성할 수 있음을 보여줌으로써 전국적인 전이 가능성을 입증했다.

결과 및 검증
프레임워크는 내부 일관성 체크와 홀드아웃(held-out) 지역 실험(미시간 주 제외)을 통해 검증되었다:

• 결합 분포 재구성: 생성된 인구는 타겟 PUMS 결합 분포에 대해 평균 총 변동 거리(TVD) 0.116을 달-성하였으며, 이는 88.4%의 중첩을 의미한다.
• 주변 분포 일관성: 합성 인구는 집계된 센서스 데이터와 비교했을 때 낮은 평균 절대 차이(AAD)로 주변 분포를 보존하였다(예: 연령 0.0012, 성별 0.0009).
• 베이스라인과의 비교: 홀드아웃 실험에서 제안된 프레임워크는 IPF, CO 및 1단계 확산 확률 모델(DDPM)보다 우수한 성능을 보였다. 제안된 방법은 평균 TVD 0.119를 달성하였으며, 이는 IPF 및 CO 대비 6.3%, 1단계 DDPM 베이스라인 대비 19.1% 개선된 수치이다.
• 속성 공존성: 쌍방향 분해 분석 결과, 프레임워크는 집계 데이터에 명시적으로 기록되지 않은 속성 조합(예: 교육-소득, 연령-소득)의 재구성을 유의미하게 개선하였으며, 이는 잠재적인 사회경제적 의존성을 추론하는 능력을 나타낸다.

의의 및 주장
저자들은 이 프레임워크가 지역 및 전국 수준에서 다중 속성, 지리적 명시적 합성 인구를 생성하기 위한 확장 가능하고 일반화된 접근 방식을 제공한다고 주장한다. 지역 특유의 결합 분포를 높은 충실도로 재구성함으로써, 생성된 합성 인구는 인간의 상호작용에 의해 발생하는 복잡한 도시 현상의 탐색을 가능하게 하는 등, 지리적 시뮬레이션(예: 에이전트 기반 모델링)에 더욱 현실적인 행동을 도입할 수 있게 한다. 이 능력은 공간적 이질성을 존중하는 현실적인 개별 수준의 합성 데이터에 대한 필요성과 집계된 센서스 데이터 사이의 결정적인 격차를 해소한다.

한계점 및 향 향후 과제
저자들은 다음과 같은 한계점을 인정한다:

• 연령 세분화: PUMA 수준의 제약으로 인해, 특히 넓은 5~17세 연령 범위에 대해 정확한 연령이 아닌 연령 그룹이 사용된다.
• 주간 위치: LODES 데이터가 고용된 성인만을 다루기 때문에, 현재 프레임워크는 18세 미만 개인에 대한 주간 위치(예: 학교)를 할당하지 않는다.
• 공간 할당: 홈 및 직장 위치 할당의 정밀도는 가용한 공간 데이터(도로 네트워크, POI, 통근 흐름)에 의해 제한된다. 향후 연구에서는 공간 할당을 강화하기 위해 더 미세한 신호를 통합하는 것을 목표로 한다.

데이터 및 코드 가용성
생성된 데이터셋(주별로 정리된 .csv 형식)은 OSF에서 이용 가능하며, 모든 처리, 훈련 및 검증 스크립트는 GitHub에서 확인할 수 있다.