Design of policy digital twins incorporating multi-level agent based modelling
Dit artikel adresseert de trage adoptie van beleids-digitale tweelingen door een ontwerpframework voor te stellen dat multi-level agent-gebaseerde modellering integreert om menselijke gedragseffecten te vangen, gedemonstreerd door middel van een casestudy van een beleidsinstrument voor de energietransitie voor een Britse gemeenteraad.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je de toekomst van een bruisende stad probeert te voorspellen. Je hebt een kaart, je hebt verkeersgegevens en je hebt weerberichten. Maar een stad bestaat niet alleen uit wegen en gebouwen; ze wordt gemaakt van mensen. En mensen zijn rommelig, onvoorspelbaar en vol verrassingen. Dit is de wereld van policy digital twins (beleidsmatige digitale tweelingen). Denk aan een digitale tweeling als een supergeavanceerde videogame-simulatie van een echte plek. In fabrieken zijn deze tweelingen geweldig omdat machines strikte regels volgen. Maar in steden zijn de "spelers" mensen die hun eigen keuzes maken. Om een tweeling te maken die werkt voor stadsbestuurders (burgemeesters, raden en overheden), heb je een manier nodig om niet alleen de gebouwen te simuleren, maar ook de miljarden kleine beslissingen die mensen elke dag nemen. Hier komt Multi-Level Agent-Based Modeling (MABM) om de hoek kijken. In plaats van iedereen te behandelen als één enkele, saaie brok data, creëert deze methode duizenden individuele "agenten" (virtuele mensen) met hun eigen banen, inkomens en gewoonten. Deze agenten interageren met elkaar en met hun omgeving, wat een complexe, levende simulatie creëert. Waarom is dit belangrijk? Omdat wanneer overheden dingen willen veranderen — zoals iedereen overstappen op elektrische verwarming of nieuwe fietspaden aanleggen — ze moeten weten hoe echte mensen zullen reageren voordat ze miljoenen dollars uitgeven. Als ze het fout raden, mislukt het beleid en lijdt de stad eronder.
Dit artikel gaat over het bouwen van een specifiek soort digitale tweeling voor een Britse gemeenteraad om hen te helpen uitzoeken hoe ze huizen van gasverwarming naar warmtepompen kunnen overschakelen. De auteurs, een team van onderzoekers, realiseerden zich dat de meeste digitale tweelingen het menselijke element negeren en mensen behandelen als robots die simpelweg bevelen opvolgen. Zij stellen dat voor beleid om te werken, de tweeling "humans in the loop" (mensen in de lus) moet bevatten. Om dit te bewijzen, bouwden ze een prototype voor Newcastle, een stad met ongeveer 320.000 inwoners. Ze bouwden niet alleen een statische kaart; ze creëerden een Synthetische Populatie van bijna 97.300 virtuele huishoudens. Elk virtueel huis werd gekoppeld aan een echt huis in de stad, en elk virtueel gezin kreeg een persoonlijkheid gebaseerd op echte censusgegevens — sommigen waren studenten, sommigen waren gepensioneerd, sommigen werkten vanuit huis, en sommigen hadden een krap budget.
De onderzoekers draaiden vervolgens een massale simulatie. Ze vroegen hun virtuele stad: "Wat gebeurt er als we iedereen vertellen een warmtepomp te installeren?" of "Wat als we alleen lage inkomensgezinnen helpen?" Het model gokte niet alleen; het berekende de energievraag uur per uur, rekening houdend met hoe een koude periode ervoor zou zorgen dat een slecht geïsoleerd huis meer stroom verbruikt, of hoe het dagelijkse schema van een gezin hun verwarmingsbehoeften zou veranderen. Ze testten hun model tegenover echte gegevens van de Britse overheid en vonden dat het zeer goed was in het voorspellen van energieverbruik, waarbij de echte patronen in vijf verschillende steden met hoge nauwkeurigheid werden gematcht.
Het artikel waarschuwt echter voor wat dit niet is. Het is geen afgewerkt, perfect product dat de stad automatisch aanstuurt. De auteurs geven expliciet aan dat dit een demonstrator is, een bewijs van concept. Het is een "pre-operationeel" instrument. Er stroomt nog geen live data uit de echte wereld in realtime binnen, en het is nog niet volledig geïntegreerd in de dagelijkse workflow van de gemeenteraad. Het artikel spreekt zich uit tegen het idee dat een enkele digitale tweeling gemakkelijk van de ene stad naar de andere kan worden gekopieerd en geplakt. Omdat elke stad andere wetten, andere woningen en andere mensen heeft, zal een tweeling die voor Newcastle is gebouwd, misschien niet zonder grote aanpassingen werken voor Londen. De auteurs suggereren dat hoewel de methode van het gebruik van deze multi-level agenten krachtig is, het specifieke instrument dat zij bouwden sterk is afgestemd op de lokale context.
De belangrijkste bevinding is dat de gemeenteraad door middel van deze complexe, mensgerichte simulatie nu de "wat-als"-scenario's kan zien. Ze kunnen zien dat het richten van warmtepompen op sociale woningbouw meer geld kan besparen dan het richten op welgestelde buurten, of dat een koude winter de energierekeningen op onverwachte manieren kan doen pieken. Het artikel concludeert dat hoewel we nog niet bij volledig geautomatiseerde, zelfcorrigerende "stadsbreinen" zijn, deze aanpak van het plaatsen van virtuele mensen in de simulatie het ontbrekende puzzelstukje is dat digitale tweelingen voor beleid daadwerkelijk nuttig maakt. Het verandert een statische kaart in een levende, ademende testkeuken waar leiders beleid kunnen bereiden zonder het huis af te branden.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.