H24 : un modèle multi-agents pour étudier les effets de la ségrégation sociale et temporelle sur les disparités alimentaires en Ile-de-France

EIGHTIES

14e Rencontres Théoquant, Besançon, 6 Février 2019

 Clémentine COTTINEAU, CNRS, Centre Maurice Halbwachs

 Julien PERRET, Univ. Paris-Est, LaSTIG STRUDEL, IGN, ENSG / Institut des Systèmes Complexes

 Romain REUILLON, CNRS, Institut des Systèmes Complexes / Géographie-cités

 Sébastien REY-COYREHOURCQ, Université de Rouen, IDEES

 Julie VALLÉE, CNRS, Géographie-cités

2015-2019

 

 

Chercheurs nés dans les années 1980...

 

 

Points communs:

  • l'analyse spatiale quantitative
  • l'étude de systèmes urbains complexes                  
  • l'interdisciplinarité (géographie, informatique, physique)

Le Projet EIGHTIES

Le sujet :

L'impact de la ségrégation

sur les comportements de santé

 

 

Par exemple:

> La consommation de 5 fruits & légumes

> En Ile-de-France avant et après la campagne de communication autour de la nutrition

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

Concentration spatiale des populations avec les mêmes comportements de santé

 

Par exemple:

> Le taux d'obésité, de fumeurs...

Quel lien entre ségrégation et santé?

L'espace comme producteur de disparités dans les comportements de santés

 

Par exemple:

> Accessibilité des services, normes

Et au cours de la journée?

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}.

Des modifications dans les liens entre ségrégation et santé

> En termes de représentation des différents groupes

> Relativement aux caractéristiques des quartiers eux-mêmes (eg., offre de service)

> Relativement aux multiples expositions des présents et des mobiles (socialement différenciées)

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 :

Explorer les effets de la ségrégation spatio-temporelle sur les inégalités sociales dans les comportements alimentaires

 

Les inégalités sociales dans le fait de manger 5 fruits/légumes par jour 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 ?

Méthode

> Effets de quartiers sont difficiles à mesurer car

(1) individus se sélectionnent ex-ante vers des lieux de résidence

(2) ne vivent qu'une fois!

(3) les quartiers changent au cours du temps

 

 

Modèle dynamique de population

basé sur données santé/mobilité

> 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 Descriptive

Explorer les effets de la ségrégation spatio-temporelle (et de sa représentation dans le modèle) sur les inégalités sociales d'alimentation simulées

 

Les inégalités 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

(2002 ; 2008)

Sexe (homme ; femme)

X

Age (15-29 ans ; 30-59 ans ; 60 ans et +)

X

Éducation (< Bac. ; Bac – Bac+2; > Bac+2)

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

2002-2008

Source : Baromètres Santé Nutrition (2002 ; 2008)

Empiriquement: une évolution variable de la consommation selon les groupes

2002

Simulation de l'état initial

% healthy

Scenarios 1 & 3:

1 cellule/IRIS par jour

Scenarios 2, 4 & 5:

3 cellules/IRIS 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
1-to- 1 Interaction Spatial Interaction  [ 0 ; 1 ] Observation dans l'IRIS 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

?

OpenMOLE

en utilisant les algorithmes génétiques et le calcul distribué

Protocole d'exploration

Reproduire la situation finale 2008

> en termes de % consommateurs 'sains'

> en termes d'inégalités sociales de consommation

 

 

Calibrage pour minimiser distances aux objectifs

Et comparaison avec les données

Distance aux données

Obs. 1 : Consommation 'saine'

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 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

\Delta_{SI} = | SI_{simulé} - SI_{données} |

Résultat du calibrage

Analyse

Parameter Mechanism Duo 1
1-to-1 Interaction Spatial Interaction 0.24
Reward Behaviour-Opinion 0.27
Inertia Opinion-Behaviour 0.67
Max Switch Proba Opinion-Behaviour 1
Constraint Opinion-Behaviour 0.12

duo1

Résultats

scénario 5

scénario 1

3

2

4

Distribution des valeurs de Social Inequality par scénario

géographie

(résid. & mob.) réaliste

Scénario 1 Scénario 2 Scénario 3 Scénario 4 Scénario 5
Résidence Aléatoire Aléatoire Observée Observée Observée
Mobilité / Aléatoire / Aléatoire Observée

10 000 réplications par scénario

Résultats

scénario 5

scénario 1

3

2

4

Distribution des valeurs de SocialInequality par scénario

Scénario 1 Scénario 2 Scénario 3 Scénario 4 Scénario 5
Résidence Aléatoire Aléatoire Observée Observée Observée
Mobilité / Aléatoire / Aléatoire Observée

Des inégalités sociales de consommations simulées plus faibles avec une localisation résidentielle aléatoire vs. observée

résidence

aléatoire

résidence

observée

Résultats

scénario 5

scénario 1

3

2

4

Distribution des valeurs de SocialInequality par scénario

Scénario 1 Scénario 2 Scénario 3 Scénario 4 Scénario 5
Résidence Aléatoire Aléatoire Observée Observée Observée
Mobilité / Aléatoire / Aléatoire Observée

Des inégalités sociales de consommations simulées plus faibles avec une mobilité aléatoire

et plus fortes sans mobilité

géographie

(résid. & mob.) réaliste

Limites - Discussion

social Inequality simulée diminue alors qu'elle augmente dans les données

observée (2002) : 1,42 initialisation : 1,42
observée (2008) : 1,60 simulée (médiane) : 1,39
observée (2002) : 12,0% initialisation : 12,0%
observée (2008) : 14,3% simulée (médiane) : 13,6%

Retravailler le modèle de changement d'opinion/comportement

- diffusion biaisée selon catégorie sociodémographique

- diffusion généralisée par compagnes publiques de promotion

- récompense socialement différenciée / adhésion au discours public

% consommation 5+ simulé n'augmente pas autant que dans les données

Approche innovante en géographie sociale et de la santé

  • Thématiquement : le rôle de l'espace et du temps dans les dynamiques sociales de comportements
  • Techniquement : croisement d'enquêtes larges (EGT, BST)
  • Software engineering : ~ 8 millions d'agents mobiles!
  • Exploration de modèles : High Performance Computing avec algorithmes évolutionnaires

Conclusion

Estimation du rôle de la ségrégation résidentielle et temporelle dans les vitesses différentiées de diffusions

Mais encore imparfait. A suivre...

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/sebastienreycoyrehourcq/deck-18-24/

Dépôt : https://gitlab.iscpif.fr/eighties/h24/

Bonus 1: La ségrégation H24 en IDF

Une ségrégation qui augmente en journée selon l'âge et le sexe mais qui baisse selon l'éducation

Bonus 2: Synthetic Population Generation

Bonus 3: 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 4: Switching mechanism

Obs. 1 : Consommation 'saine'

SocialIneq = \sum_{sexe=1}^2{\sum_{age=1}^3{ \frac{PropConso_{sexe,age,edu=3}}{PropConso_{sexe,age,edu=1}} \times \frac{N_{sexe, age}}{N}}}
\Delta_{Conso_{Simu-2008}} = \sum_{sexe=1}^2{\sum_{age=1}^3{\sum_{educ=1}^3{ | NbConso_{sexe, age, educ, simulé} - NbConso_{sexe, age, educ, observé2008} | }}}

Obs. 2 : Inégalité sociale de consommation

Pour chaque catégorie d'age (i) et de sexe (j)

ratio entre les plus (=3) et les moins (=1) éduqués

pondération selon la distribution par age et sexe

Mesure d'inégalité de consommation entre les groupes extrêmes d'éducation à âge et sexe égal

\Delta_{SocialIneq_{Simu-2008}} = | SocialIneq_{Simulé} - SocialIneq_{Observé2008} |