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

H24 - Théoquant 2019

  • 98
Loading comments...

More from Clémentine Cottineau