Retours sur une pratique géographique de la modélisation: DARIUS / MARIUS / VARIUS

Séminaire interdisciplinaire autour des épistémologies et pratiques de la modélisation urbaine à l'initiative de Juste Raimbault

11 Juin 2018

Clémentine Cottineau, CR au CNRS

UMR 8097 - Centre Maurice Halbwachs

 

en collaboration avec Paul Chapron, Guillaume Chérel, Robin Cura, Denise Pumain, Sébastien Rey-Coyrehourcq et Romain Reuillon

Juste

un objet théorique (la coévolution ville-transport) et des applications variées

.ARIUS

un objet géographique (l'urbanisation de l'espace post-soviétique) et une démarche de "généralisation"

Question et démarche

(+ applicabilité à d'autres questions)

L'urbanisation de la Russie et de l'ex-URSS est-elle totalement singulière? Quelle est la part de généralité dans cette évolution?

<

>

Question et démarche

(+ applicabilité à d'autres questions)

L'urbanisation de la Russie et de l'ex-URSS est-elle totalement singulière? Quelle est la part de généralité dans cette évolution?

Interroger un cas particulier à l'aide de modèles théoriques et généraux

<

>

Interroger des théories dans leur capacité à rendre compte de cas particuliers

vs.

Le statut du modèle et de ses résidus en géographie

1ère approche: empirique

 

  • Qu'est-ce qu'une ville en ex-URSS?
  • Quelle est la fiabilité des informations officielles?
  • Les concepts théoriques de la géographie urbaine sont-ils applicables à un système économique collectiviste?

 

=> Séjours de terrain, travail d'archive, lectures critiques, revues de littérature des démarches quantitatives de l'urbanisation en ex-URSS

Modèle conceptuel

1ère approche: empirique

DARIUS

D  émographie: Population totale recensée

A  gglomérations: villes définies sur un critère de continuité du bâti

R  ussie

I   mpériale: depuis 1840

U  nion

S  oviétique: dans le périmètre des quinze Républiques

1ère approche: empirique

DARIUS

1ère approche: empirique

contingence

gap

gap

limitations

2ème approche: modèle

Reconstruire l'information manquante

à l'aide d'un modèle théorique

Exposer le caractère particulier du système à partir d'un modèle général

MARIUS

2ème approche: modèle

Reconstruire l'information manquante

à l'aide d'un modèle théorique

2ème approche: modèle

Exposer le caractère particulier du système à partir d'un modèle général

MARIUS

DARIUS

Traditionnellement: 1 modèle et des résidus

Optimisation: plusieurs modèles pour minimiser la distance aux données

  • 11 pas de temps 1897-2010
  • Jusqu'à 2000 villes

  • Accidents et bifurcations

 

2ème approche: modèle

MARIUS

Général

Particulier

2ème approche: modèle

Progression incrémentale

Multi-modélisation

Lewins R., 1966; Hermann, 1967

Openshaw, 1988; Grimm, 2015

Génération de modèles

Confrontation des modèles (structure + paramètres) aux objectifs d'évaluation

Step 1

Step 2

2ème approche: modèle

Functional programming paradigm

and mixin methods (Scala)

trait T11

parameter 1 for trait T11

parameters for trait T22

ex: ressource extraction

ex: oil & gas multiplier

ex: degree of rural migration

trait T22

ex: urban transition

Model id

= composition

of mechanisms

2ème approche: modèle

2ème approche: modèle

Deux types d'Optimisation: 

  • Calibrage de modèles de différentes structures

(exploration des entrées du modèle)

 

  • Maximisation de la diversité des sorties du modèle

(Pattern Search Exploration: Chérel et al., 2015)

 

Résultat de calibrage d'un Multi-Modèle

Model id

= composition

de mécanismes

Paramètres

= meilleures valeurs

calibrées

 

Fitness

(un ou plusieurs

objectifs)

Meilleures 3,200 instances

parmi les 36,000,000 évaluatée par GA

pour chaque période de simulation

1

2

...

3200

HPC Needed !!!

~ 1 semaine de calcul

sur un grille de 3000 cores

Quelques réponses

Quels sont les valeurs de paramètre 

du meilleur modèle le plus parcimonieux?

Given

Fitness

(for multiple

evaluation targets)

~

Parameters

= calibrated values

given composition

Model id

= composition

of mechanisms

1959-1989

1989-2010

3ème approche: exploration

VARIUS

http://shiny.parisgeo.cnrs.fr/VARIUS/

Faire tourner des modèles sur mesure

3ème approche: exploration

VARIUS

http://shiny.parisgeo.cnrs.fr/VARIUS/

Evaluer les mécanismes les uns par rapport aux autres

3ème approche: exploration

VARIUS

http://shiny.parisgeo.cnrs.fr/VARIUS/

Représenter les failles du modèle

3ème approche: exploration

VARIUS

http://shiny.parisgeo.cnrs.fr/VARIUS/

Enseignements

de la méthode

  • Application située de principes théoriques par la simulation
  • Comparaison du pouvoir explicatif de différents modèles
  • Possibilité d'accumulation de "briques de base"

 

Enseignements et limites

de la méthode

  • Application située de principes théoriques par la simulation
  • Comparaison du pouvoir explicatif de différents modèles
  • Possibilité d'accumulation de "briques de base"

 

  • Lourdeur de l'exploration
  • Sélection ad-hoc des mécanismes implémentés
  • Manque la variété dans l'implémentation des fonctions alternative d'un même mécanisme
  • Structure et objectifs (POM) statiques
  • Besoin d'un équivalent AIC/BIC pour la simulation
  • Manque de consensus sur le cas d'étude

Extension actuelle

Application aux inégalités économiques et territoriales

Nouveaux défis

- intégration d'échelles

- acteurs hétérogènes

- théories interdisciplinaires quali/quanti

- données plus fournies mais parcellaires

Application aux inégalités économiques et territoriales

Merci!

Cottineau C., Reuillon R., Chapron P., Rey-Coyrehourcq S., Pumain D., 2015, “A modular modelling framework for hypotheses testing in the simulation of urbanisation”, Systems, 3, Numéro spécial “Agent-Based Modelling of City Systems”, pp. 348-377, DOI: 10.3390/systems3040348

Cottineau C., Chapron P., Reuillon R., 2015, “Growing models from the bottom up. An evaluation-based incremental modelling method (EBIMM) applied to the simulation of systems of cities”, Journal of Artificial Societies and Social Simulation (JASSS), Vol. 18, No. 4, 9. DOI: 10.18564/jasss.2828.

Chérel G., Cottineau C., Reuillon R., 2015, « Beyond corroboration: strengthening model validation by looking for unexpected patterns. », PLoS One, Vol. 10, No. 9, e0138212. 

Cottineau C., 2018, "Les échelles de l'inégalité urbaine", projet de recherche publiée dans les Etudes et Documents du CMH, https://www.cmh.ens.fr/Etudes-et-documents-862

Pumain D., Reuillon R. (Coord.), 2017, Urban dynamics and simulation models, Springer.

 

clementine.cottineau@ens.fr

MARIUS

MARIUS

MARIUS

MARIUS

DARIUS

Cottineau C., Frost I., 2018, "The Russian Urban System: Evolution Engaged with Transition", in Rozenblat C., Pumain D., Velasquez E. (Eds): International and Transnational Perspectives on Urban Systems, Springer-Singapore, pp263-284.

Cottineau C., 2017, “Peut-on estimer la singularité des villes (post-)soviétiques ?”, Revue d’Economie Régionale et Urbaine (RERU). Vol. 2017/1, pp 5-32. 

DARIUS

VARIUS

Robert Sampson, 2012, Great American City, Chicago and the enduring neighborhood effect, p.77

“Chicago has faced the dynamics that have confronted all the major cities in the country - growth, decline, riot, crime, and boom times. In this sense Chicago is both unique and broadly representative, grounded in a thouroughly documented history and context that helps understand key patterns.”

Robert Sampson, 2012, Great American City, Chicago and the enduring neighborhood effect, p.77

“Chicago has faced the dynamics that have confronted all the major cities in the country - growth, decline, riot, crime, and boom times. In this sense Chicago is both unique and broadly representative, grounded in a thouroughly documented history and context that helps understand key patterns.”

Post-soviet cities have

world

Post Soviet cities are

Post Soviet

Made with Slides.com