H24 : un modèle multi-agents pour étudier les effets de la ségrégation sociale et temporelle sur les disparités alimentaires en Ile-de-France
Clémentine COTTINEAU, CNRS, Centre Maurice Halbwachs
Julien PERRET, IGN, LaSTIG
Romain REUILLON, CNRS, Institut des Systèmes Complexes / Géographie-cités
Sébastien REY-COYREHOURCQ, Université de Rouen, IDEES
Julie VALLÉE, CNRS, Géographie-cités
EIGHTIES
14e Rencontres Théoquant, Besançon, 6 Février 2019
2015-2018
Groupe de "jeunes" chercheurs
Points communs:
- l'analyse spatiale quantitative (big data, simulation)
- l'étude de systèmes urbains complexes
- l'interdisciplinarité
Organisation:
- 1 semaine de coding camp par an
- Plusieurs groupes de travail
- Thématiques variées (environnement, société, etc.)
Le Projet EIGHTIES
Giulia CARRA, Paul CHAPRON, Hadrien COMMENGES, Clémentine COTTINEAU, Robin CURA, Riccardo GALLOTTI, Claire LAGESSE, Maxime LENORMAND, Thomas LOUAIL, Alexandre NAUD, Julien PERRET, Romain REUILLON, Sébastien REY-COYREHOURCQ, Julie VALLEE
La question :
En quoi la ségrégation spatiale des urbains
au cours de la journée modifie-t-elle les phénomènes de diffusion
de comportements de santé?
En quoi la ségrégation spatiale des urbains
au cours de la journée modifie-t-elle les phénomènes de diffusion
de comportements de santé?
Par exemple:
> La consommation de 5 fruits & légumes
> En Ile-de-France avant et après la campagne sanitaire
La question :
Résultats convergents sur les disparités sociales de consommation
J Am Diet Assoc. (2008)
J Am Diet Assoc (2010)
Campagnes nationales de sensibilisation
exemple. Programme National Nutrition Santé (PNNS) en France depuis 2001
Au moins 5 fruits et légumes par jour
Les plus éduqués, les femmes et les plus âgés plus proches des recommandations
Au moins 5 fruits et légumes par jour
Les plus éduqués, les femmes et les plus âgés plus proches des recommandations
Concentration inégale des groupes sociaux dans la ville
Au lieu de travail,
au lieu de résidence,
durant les activités de loisirs...
En quoi la ségrégation spatiale des urbains
au cours de la journée modifie-t-elle les phénomènes de diffusion
de comportements de santé?
La question :
Concentration de personnes
concernées au même endroit du fait des différences sociales de santé
Par exemple:
> Le taux d'obésité, de fumeurs...
Quel lien entre ségrégation et santé?
L'espace comme producteur de disparités sanitaires et alimentaires
Par exemple:
> Accessibilité aux soins, role models
Vallée J, 2017. Challenges in targeting areas for public action. Target areas at the right place and at the right time. Journal of Epidemiology and Community Health. Vol 71 No 10, 945-946. {10.1136/jech-2017-209197}.
Favorise les politiques 'place-based'
Quel lien entre ségrégation, santé et temps?
Vallée J, 2017. Challenges in targeting areas for public action. Target areas at the right place and at the right time. Journal of Epidemiology and Community Health. Vol 71 No 10, 945-946. {10.1136/jech-2017-209197}.
Modification des environnements au cours de la journée...
> En termes de représentation des groupes prioritaires
> Relativement aux caractéristiques des quartiers eux-mêmes (pollution, offre de service)
> Relativement aux multiples expositions des présents et des mobiles (socialement différenciés)
Quel lien entre ségrégation, santé et temps?
> Variations spatio-temporelles
> Scénarios multiples (hypothèses + action publique)
Modèle dynamique de population
> Hétérogénéité des acteurs et des échelles
Simulation multi-agents
> Travaux sur les modèles agents dans la simulation des effets de la ségrégation sur les disparités sociales de nutrition (scenarios "jouets")
SSM - Population Health (2016)
Am J Prev Med (2011)
Modèle multi-agents et alimentation
> Travaux sur les modèles agents dans la simulation des effets spatiaux sur les disparités sociales de santé en général
Agents localisés, dotés de règles d'action individuelles, capables de percevoir leur environnement et d'agir en conséquence
Keep it Simple
[Auchincloss et al., 2011]
[Nagel, Auxhausen et al.]
Modèle de comportements, Modèle d'environnement
Keep it Detailed
Effets de quartiers
- sont importants lorsque l'on s'intéresse aux comportements de santé, d'éducation, de trajectoire économique, etc.
- sont difficiles à identifier car les personnes (1) s'adaptent, (2) se sélectionnent ex-ante vers des lieux de résidence, (3) ne vivent qu'une fois!
Interactions entre personnes et lieux sont souvent statiques dans les modèles statistiques
- on n'intègre généralement pas la trajectoire quotidienne des personnes, même en multiniveaux
- et encore moins la trajectoire des quartiers.
Défi thématique
Modèle multi-agents pour explorer les trajectoires conjointes des personnes et des lieux + leur impact sur les comportements
Explorer les effets de la ségrégation spatio-temporelle sur les disparités sociales de nutrition (manger >5 fruits&légumes par jour)
Les disparités sociales sont-elles plus importantes...
Objectifs
Lorsque les lieux de résidences sont spatialement ségrégés selon le groupe social plutôt que répartis aléatoirement ?
Lorsque les lieux d'activité sont considérés en plus des lieux de résidence?
| Scénario 1 | Scénario 2 | Scénario 3 | Scénario 4 | Scénario 5 | |
|---|---|---|---|---|---|
| Résidence | Aléatoire | Aléatoire | Observée | Observée | Observée |
| Mobilité | / | Aléatoire | / | Aléatoire | Observée |
géographie
réaliste
modèle ordinaire
Alimentation
Mobilité spatio-temporelle
appariées selon 18 groupes sociodémographiques
Nuit (ie. résidence) : recensement 2012
Matin et Après-midi : enquête EGT 2010 (OD)
Baromètres Santé Nutrition
(1996 ; 2002 ; 2008)
Sex (male ; female)
X
Age (15-29 yrs.; 30-59 yrs.; 60 yrs. and +)
X
Education (poor ; middle ; up)
Données empiriques
Les opinions et comportements alimentaires des agents sont définis à l'initialisation en fonction de la distribution statistique dans leur groupe sociodémographique
8,16 millions d'agents
Définition Spatiale
8540 carreaux habités (1km X 1km)
Agents
dans des carreaux jour/aprem/nuit
avec attributs sociodémographiques
68 % carreaux 'jour' ≠ carreau 'nuit'
Ile-de-France
Population synthétique
Scenarios 1 & 2:
1 tranche horaire par jour
Scenarios 3 & 4:
3 tranches horaire par jour
Interactions spatiales
Modélisation du changement d'opinion
Modélisation du changement de comportement sous contraintes
Le modèle
| Paramètre | Mécanisme | Etendue | si min | si max | Influence sur 5-a-day |
|---|---|---|---|---|---|
| Interaction | Spatial Interaction | [ 0 ; 1 ] | Observation dans le carreau uniquement | Influence du partenaire uniquement | |
| Reward | Behaviour-Opinion | [ 0 ; 1 ] | Pas de rétroaction du comportement | Le comportement 'sain' renforce l'opinion | |
| Inertia | Opinion-Behaviour | [ 0 ; 1 ] | Opinion dépend des autres | Opinion stable | |
| Switch Proba | Opinion-Behaviour | [ 0 ; 1 ] | Pas de changement | Le comportement suit l'opinion | |
| Constraint | Opinion-Behaviour | [ 0 ; 1 ] | Changements de comportement sans contrainte | Les contraintes empêchent les changements de comportement |
+
+
+
?
?
Paramètres et attendus
Et comparaison avec les données
Observables
Obs. 1 : Distance aux données
SI = \sum_{sex=1}^2{\sum_{age=1}^3{ \frac{ShareHealthy_{sex,age,edu=3}}{ShareHealthy_{sex,age,edu=1}} \times \frac{N_{sex, age}}{N}}}
2002
2008
steps
années
3 tranches
simulation
données
\Delta_{health} = \sum_{sex=1}^2{\sum_{age=1}^3{\sum_{edu=1}^3{ | NHealthy_{sex, age, edu, simulated} - NHealthy_{sex, age, edu, observed} | }}}
Obs. 2 : Inégalité sociale de la consommation
for each category
of age ( i ) & sex ( j )
ratio between more (3) &
less (1) educated
weighted
by sex & age category
mesure inequality between extreme education groups at equal age and sex category
2008
Caractérisation d'une simulation
La calibration
La calibration
Résultats
scénario 5
scénario 1
3
2
4
La ségrégation résidentielle est le plus important facteur d'inégalités sociales de santé
La mobilité quotidienne, même réaliste tend à atténuer les effets ségrégatifs de la nuit
Distribution des valeurs de SocialInequality par scénario
Approche innovante en géographie de la santé
- thématiquement : le rôle de l'espace et du temps dans les dynamiques sociales de l'alimentation
- techniquement : croisement d'enquêtes larges (EGT, BST)
- Software engineering : ~ 8 millions d'agents mobiles!
- Exploration de modèles : High Performance Computing avec algorithmes évolutionnaires
- Epistémologiquement : comment valider un modèle à la fois générique et réaliste?
Conclusion
Des défis persistant dans chaque domaine disciplinaire
Perspectives
- thématiquement : inclusion de dynamiques à l'échelle du ménage (transitions, vieillissement, partage d'habitudes)
- techniquement : des données longitudinales plus précises
- Exploration de modèles : sur plus de pas de temps
- Epistémologiquement : Multimodélisation
Merci
Clémentine COTTINEAU, CNRS, Centre Maurice Halbwachs
Julien PERRET, IGN, LaSTIG
Romain REUILLON, CNRS, Institut des Systèmes Complexes / Géographie-cités
Sébastien REY-COYREHOURCQ, Université de Rouen, IDEES
Julie VALLÉE, CNRS, Géographie-cités
Slides : https://slides.com/clementinecottineau/deck-18-6
Dépôt : https://gitlab.iscpif.fr/eighties/h24/
Bonus 1: Synthetic Population Generation
Bonus 2: Formal Model
influence\_partner_{i,j,c} = opinion_{j,c}
influence\_cell_{i,c} = \frac{n\_healthy\_neighbours_c}{n\_all\_neighbours_c}
rewardedOpinion\_o_{i,t}= opinion_{i,t}
min(1, (1 + healthyDietReward) * opinion_{i,t}))
if i is unhealthy at time t
otherwise
newOpinion\_o_{i,t} =
inertiaCoefficient \times rewardedOpinion +
(1 - inertiaCoefficient) \times
( interpersonalInfluence \times influence\_partner_{i,c} +
(1 - interpersonalInfluence) \times influence\_cell_{i,c} )
x_i = f(y_i,o_i)=
max(0, y_i * (2 * newOpinion_i - 1))
max(0, y_i * (-2 * newOpinion_i + 1))
if i is unhealthy at time t
if i is healthy at time t
y_i= maxProbaToSwitch - n_i * constraintStrength
Free parameter
= number of constraints of agent i
n_i
= agent
i
= interacting partner
j
= cell
c
= switch probability
x_i
Bonus 3: Switching mechanism
H24 - Théoquant 2019
By Clémentine Cottineau
