棘手的城市问题，如重大流行病、交通拥堵、环境污染和不平衡的城市规划等，在给居民带来风险与不便的同时也给城市管理者提出了挑战。要如何应对这些复杂的城市问题呢？对此，来自国防科技大学的平行仿真科研团队结合大数据技术和细粒度人工社会，设计了一个通用的计算实验框架，用于处理城市问题时进行策略评估和优化，以达到帕累托最优，该研究成果发表在The Innovation上。
人工社会是一种社会科学研究方法，是一个以计算机模拟的、基于agent（对应于现实社会中的行为个体）的计算模型。其基本思路是：在计算机中用agent模型来对真实社会中的“人”进行建模，通过赋予 agent 各类社会特征和行为规则，实现在人工社会中重演“人”在日常生活中的社会行为。接着，通过重演大量 agent 的社会活动和交互，即可观察这群agent整体作用的结果找到人工社会的规律，并用这些规律解释和理解现实人类社会中的宏观现象。
研究者提出的计算实验框架如下：
首先，针对具体的需求和问题（例如，新冠疫情防控策略的调整），使用基于agent的建模方法建立一个与真实城市相对应的人工社会。
其次，通过真实世界的数据来驱动人工社会，进行计算实验，在计算实验中设计不同类型的agent的组合和互动规则。
最后，运行程序观察agent在各个场景的交互得到数据。
考虑到决策者主要关注成本和效率两个指标，研究者旨在定制基于数据的策略评估模型，评估各组策略组合的结果，在平衡效率和成本上达到帕累托最优。其中，帕累托最优是指资源分配的一种状态。在这种状态下，如果不使得至少一个人（或偏好标准）的境况变坏就不能使得任何个人（或偏好标准）境况变好。也即，帕累托最优是没有进行帕累托改进（在没有使任何人境况变坏的前提下使得至少一个人变得更好）的余地的状态。
以控制新冠疫情传播为例，研究者提出了以下解决方案：
首先，设置一个针对“控制新冠疫情传播”这个具体问题的计算实验框架。这个框架包含3个主要成分：一是数据模型，用以给模拟提供先验参数，并用以评估模拟的结果。二是人工社会，用以提供了一个测试平台，在这个平台上可以做各种复杂情境、空间尺度的流行病传播模拟。三是agent，将真实世界人群的平均特征赋予生成的agent。
接着，进行控制新冠疫情传播的策略优化。对此，研究者收集了现实世界中处于帕累托边界的国家的防控策略形成策略集，对这个策略集进行大量计算实验。具体而言，研究者在保持其他措施不变的情况下，每次只变动一种措施或一种措施组合，通过评估各种情况的结果找到能够同时提升疫情防控和经济增长效率的策略。
在数据模型方面，本研究在人工社会的模拟中使用了两个基于真实世界数据估计得到的模型来检验不同的防疫措施对经济损失和感染人数（即疫情控制效果）的影响。其中一个是以二氧化碳排放量为桥梁来构建通过感染人数预测GDP损失的数据模型。另外一个是基于研究者们先前所提出的一个动态风险溯源模型（dynamic risk source model），该模型假设疫情的传播主要通过一个源发地（输出地）及地区间的人口流动传播，而不存在输入地区的社区内传播，通过计算该动态模型的模型预测和真实感染数据的偏差，可以估计当地疫情传播的风险系数（与真实数据偏差越大说明当地的社区内传播风险系数越高）。研究者通过这两个数据模型进一步在人工社会中模拟不同防疫措施对经济损失和疫情控制效果的影响。
对于各国防疫措施的筛选，研究者通过非支配排序遗传算法（nondominated sorting genetic algorithm II）对全球62个国家2020-2021的经济和感染人数数据进行分类，得到处于帕累托边界的国家（中国和韩国），说明这两个国家通过他们的防疫政策使得国家的经济和感染人数接近于帕累托平衡。此外，为了进行对比，研究者选择了美国和英国，也对这两个国家的防疫措施进行分析。通过对这四个国家的防疫措施进行量化后，研究者们通过人工社会模拟，发现和采用美国的防疫措施相比，采用中国的防疫措施减少了22.3%的经济损失，同时减少了120000的感染人数。此外，研究者发现，以中国的防疫措施为基线，当某个地区的疫情传播风险偏高（达到警戒水平时）立即对该地区采用封锁措施，将在最大程度上减少经济损失和感染人数。研究者通过和现实数据对比进一步验证了这样的假设：模拟结果显示，假如在2020年1月27日温州采取了封锁措施的话，相比于最后真实发生的结果，温州将减少90%的GDP损失，同时减少27.09%的感染人数。
本研究结果为决策提供了许多启示，其中两个启示如下：(a) 人造社会可以通过以帕累托前沿国家的战略为参考，有效地支持干预策略向帕累托最优的调整；(b) 验证了当评估的风险评分较高时应提前采取封锁措施，并且无论城市人口规模如何，这些措施都是有效的并降低了经济成本。
参考文献
作者 | 黄丽芹 黄桂玲
图文编辑 | 不晓心读写
审核 | 神经的罗贝尔博士
