Initialiser et calibrer un modèle de microsimulation dynamique stochastique : application au modèle SimVillages

Initialize and Calibrate a Dynamic Stochastic Microsimulation Model : application to the SimVillages Model

• Auteur / Autrice : Maxime Lenormand
• Direction : Guillaume Deffuant
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 12/12/2012
• Etablissement(s) : Clermont-Ferrand 2
• Ecole(s) doctorale(s) : École doctorale des sciences pour l'ingénieur (Clermont-Ferrand)
• Partenaire(s) de recherche : Equipe de recherche : Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes
• Jury : Président / Présidente : Laurent Serlet
• Jury : Examinateurs / Examinatrices : Philippe Toint, Jean-Pierre Nadal, Jean-Michel Marin, Marc Barthelemy
• Jury : Rapporteurs / Rapporteuses : Philippe Toint, Jean-Pierre Nadal

Mots clés

Mots clés contrôlés

Services de proximité

Mobilité quotidienne

Simulation par ordinateur

Population rurale

Mots clés libres

Microsimulation

Modèle Complexe

Modèle Individus Centré

Modèle Stochastique

Calibration

Initialisation

Population Synthétique

Iterative Proportional Updating

Modèle de Réseaux de Navettage

Modèle de Déplacement

Loi de Gravité

Mobilité Humaine

Réseau Spatial

Besoin Minimal

Service de Proximité

Régression Quantile

Municipalité Rurale

Calcul Bayésien Approché

Population Monte Carlo

Sequential Monte Carlo

Microsimulation

Complex Model

Individual Based Models

Stochastic Models

Calibration

Initialisation

Synthetic Population

Sample-Free

Iterative Proportional Updating

Network Generation Models

Commuting Patterns

Commuting Networks

Gravity Law

Human Mobility

Spatial Networks

Minimum Requirement

Proximity Service Jobs

Quantile Regression

Rural Municipality

Approximate Bayesian Computation

Population Monte Carlo

Sequential Monte Carlo

Résumé

Le but de cette thèse est de développer des outils statistiques permettant d'initialiser et de calibrer les modèles de microsimulation dynamique stochastique, en partant de l’exemple du modèle SimVillages (développé dans le cadre du projet Européen PRIMA). Ce modèle couple des dynamiques démographiques et économiques appliquées à une population de municipalités rurales. Chaque individu de la population, représenté explicitement dans un ménage au sein d’une commune, travaille éventuellement dans une autre, et possède sa propre trajectoire de vie. Ainsi, le modèle inclut-il des dynamiques de choix de vie, d’étude, de carrière, d’union, de naissance, de divorce, de migration et de décès. Nous avons développé, implémenté et testé les modèles et méthodes suivants : 1 / un modèle permettant de générer une population synthétique à partir de données agrégées, où chaque individu est membre d’un ménage, vit dans une commune et possède un statut au regard de l’emploi. Cette population synthétique est l’état initial du modèle. 2 / un modèle permettant de simuler une table d’origine-destination des déplacements domicile-travail à partir de données agrégées. 3 / un modèle permettant d’estimer le nombre d’emplois dans les services de proximité dans une commune donnée en fonction de son nombre d’habitants et de son voisinage en termes de service. 4 / une méthode de calibration des paramètres inconnus du modèle SimVillages de manière à satisfaire un ensemble de critères d'erreurs définis sur des sources de données hétérogènes. Cette méthode est fondée sur un nouvel algorithme d’échantillonnage séquentiel de type Approximate Bayesian Computation.

The purpose of this thesis is to develop statistical tools to initialize and to calibrate dynamic stochastic microsimulation models, starting from their application to the SimVillages model (developed within the European PRIMA project). This model includes demographic and economic dynamics applied to the population of a set of rural municipalities. Each individual, represented explicitly in a household living in a municipality, possibly working in another, has its own life trajectory. Thus, model includes rules for the choice of study, career, marriage, birth children, divorce, migration, and death. We developed, implemented and tested the following models : • a model to generate a synthetic population from aggregate data, where each individual lives in a household in a municipality and has a status with regard to employment. The synthetic population is the initial state of the model. • a model to simulate a table of origin-destination commuting from aggregate data in order to assign a place of work for each individual working outside his municipality of residence. • a sub-model to estimate the number of jobs in local services in a given municipality in terms of its number of inhabitants and its neighbors in terms of service. • a method to calibrate the unknown SimVillages model parameters in order to satisfy a set of criteria. This method is based on a new Approximate Bayesian Computation algorithm using importance sampling. When applied to a toy example and to the SimVillages model, our algorithm is 2 to 8 times faster than the three main sequential ABC algorithms currently available.