flávia f. feitosa [email protected] ser 301 – análise espacial de dados geográficos...
TRANSCRIPT
![Page 1: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/1.jpg)
Flávia F. [email protected]
SER 301 – SER 301 – Análise Espacial de Dados GeográficosAnálise Espacial de Dados Geográficos
Introdução à Modelagem Introdução à Modelagem e Simulação Computacionale Simulação Computacional
Rede Hidrográfica
Rede Estradas
Pistas de pouso
São Félix do Xingu
Tucumã e Ourilândia
Altamira
Uruará
Canopus
VilaCentral
Taboca
Sudoeste
Rede Hidrográfica
Rede Estradas
Pistas de pouso
São Félix do Xingu
Tucumã e Ourilândia
Altamira
Uruará
Canopus
VilaCentral
Taboca
Sudoeste
Tucumã
Sudoeste
Ladeira Vermelha
Minerasul
Carapanã
Belém
São Félix
Araguaína
AltamiraVila Canopus
Nereu
Tancredo Neves
Taboca
Vila dos Crentes
Porto Estrela
Vila Central
Pontalina
Vila Caboclo
Primavera
Redenção
Metrópole Cidades Cidades Setores Localidades>50.000 hab <50.000 hab Urbanos
Tucumã
Sudoeste
Ladeira Vermelha
Minerasul
Carapanã
Belém
São Félix
Araguaína
AltamiraVila Canopus
Nereu
Tancredo Neves
Taboca
Vila dos Crentes
Porto Estrela
Vila Central
Pontalina
Vila Caboclo
Primavera
Redenção
Metrópole Cidades Cidades Setores Localidades>50.000 hab <50.000 hab Urbanos
![Page 2: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/2.jpg)
ModelosModelos
Representações simplificadas de um objeto, estrutura, ideia ou Representações simplificadas de um objeto, estrutura, ideia ou sistema. Estas representações atendem a algum sistema. Estas representações atendem a algum propósitopropósito!!!!!!São menores, menos detalhados, menos complexos, ou tudo isso junto…São menores, menos detalhados, menos complexos, ou tudo isso junto…Podem ser estáticos ou dinâmicos…Podem ser estáticos ou dinâmicos…
Yi = 0 + Xi 1
![Page 3: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/3.jpg)
Um mapa é um modelo? Um mapa é um modelo? Representação simplificada de um estado do sistema
de interesse.
Mas é estático! E os processos?Em busca de uma “Cartografia de Processos”…
![Page 4: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/4.jpg)
Modelos de Simulação Modelos de Simulação (Computacional)(Computacional)
Inclui a representação de determinados Inclui a representação de determinados processos/comportamentos do sistema de interesseprocessos/comportamentos do sistema de interesse
Propósito de compreender melhor o comportamento Propósito de compreender melhor o comportamento do sistema ao longo do tempo, explicar padrões que do sistema ao longo do tempo, explicar padrões que
observamos na realidade, dinâmicas não-lineares, observamos na realidade, dinâmicas não-lineares, retroalimentação do sistema…retroalimentação do sistema…
![Page 5: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/5.jpg)
Como comportamentos individuais geram Como comportamentos individuais geram padrões “macro” no nosso mundo... padrões “macro” no nosso mundo...
Um exemplo simples de simulação… Um exemplo simples de simulação…
![Page 6: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/6.jpg)
Bird FlockingBird FlockingoModelo baseado em
interações “bottom-up”
o Nenhuma autoridade central
o Cada pássaro reage ao seu vizinho
![Page 7: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/7.jpg)
Bird FlockingBird Flocking Reynolds Model (1987) – Três regrasReynolds Model (1987) – Três regras
www.red3d.com/cwr/boids/
Coesão: movimento em direção à posição média dos vizinhos/colegas.
Separação: movimento buscando evitar aglomeração com outros colegas
Alinhamento: manutenção da direção média dos vizinhos.
![Page 8: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/8.jpg)
Bird FlockingBird Flocking Reynolds Model (1987)Reynolds Model (1987)
http://ccl.northwestern.edu/netlogo/models/Flocking
![Page 9: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/9.jpg)
Complex SystemsComplex Systems
Systems composed of interconnected parts that as a whole exhibit one or more properties not obvious from the properties of the individual parts.
“A Complex System is an entity, coherent in some recognizabe way but whose elements, interactions and dynamics generate structures and admit surprise and novelty that cannot be defined a priori”
(Batty and Torrens, 2005: 745)
![Page 10: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/10.jpg)
Complex SystemsComplex Systems
Complicated vs. Complex
EmergenceSmall number of rules applied locally among many individuals can generate complex global patterns
Self-organization No centralized authority
![Page 11: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/11.jpg)
Complex SystemsComplex Systems
Non-linearityGenerate unexpected and counter-intuitive global patterns that cannot be understood as a simple sum of the parts. Invalidates simple extrapolation.
Path-dependenceHighly affected by past states
AdaptationAdapt to unexpected changes in its environment (e.g. avoiding obstacles)
![Page 12: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/12.jpg)
What are complex adaptive systems?What are complex adaptive systems?
![Page 13: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/13.jpg)
Traditional Modelling ApproachesTraditional Modelling Approaches
Statistical modeling, Classical optimization, System dynamics modeling…o Top-down viewo Linearo Correlationo Cause and effect reasoningo Often assume homogeneityo Some are statico Seeks to find some equilibrium representing the “solution” to the problem
Simulation models Are “run” rather than “solved”
![Page 14: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/14.jpg)
Autômatos CelularesAutômatos Celulareso Objetos Computacionais, geralmente chamados de “células”o Situados no tempo e espaçoo Caracterizados por “estados”o Os processos para a mudança de estado de cada célula são geralmente articulados como regras simples, chamadas de “regras de transição”.
Nos modelos mais clássicos, como no “Jogo da Vida” de Conway, o estado de cada célula muda em função do estado das células vizinhas
![Page 15: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/15.jpg)
Autômatos CelularesAutômatos CelularesObjetos “fixos” no espaço!
Mudanças de Estado não envolvem movimentos.
Já a noção de AGENTES introduz a ideia de objetos móveis, e um pouco mais…
![Page 16: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/16.jpg)
Agent-Based ModellingAgent-Based ModellingAnother Alternative to traditional modeling paradigms
What is an Agent?
o Independent component (e.g. software object) o Do not have fixed locationo Have a state and behavioral ruleso Behavioral rules determine movements, interactions and
changes in the agent’s state o The behavior can range from primitive reactive decision
rules to complex adaptive intelligence.o They may represent a real world actor (family,
government, …)
![Page 17: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/17.jpg)
Agent-Based ModellingAgent-Based ModellingAGENTS
o Capability to make independent decisionso They are usually unique, i.e., different from each other in
such characteristics as size, location, resource reserves, and history
o Act and interact with one another as well as the environment in which they exist according to some purpose.
The simplest agent-based model structureA L
![Page 18: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/18.jpg)
Agent-Based ModellingAgent-Based Modelling
Goal
Environment
Representations
Communication
ActionPerception
Communication
Gilbert, 2003
![Page 19: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/19.jpg)
Agent-Based ModellingAgent-Based Modelling
Isento da limitação da tratabilidade matemática.
Ao invés de descrever um sistema apenas com variáveis que representam o estado do sistema como um todo, modelamos seus componentes individualmente
![Page 20: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/20.jpg)
Agent-Based ModellingAgent-Based Modelling
Útil para a representação de sistemas compostos por agentes autônomos, que interagem entre si e com o ambiente, diferem um do outro no espaço e tempo e apresentam comportamentos que são importantes para como o sistema funciona.
Trata múltiplos níveis de um problema: do local ao global, do individual ao coletivo
EXEMPLOS???
![Page 21: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/21.jpg)
Agents are…Agents are…Identifiable and self-contained
Autonomous– Exercises control over its own actions
Reactive– Responds to changes in its environment
Goal-oriented– Does not simply act in response to the environment
Mobile– Able to transport themselves
![Page 22: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/22.jpg)
Agents are…Agents are…
Situated– Living in an environment with which interacts with other agents
Communicative/Socially aware– Communicates with other agents
Adaptive / Learning /Flexible– Changes its behavior based on its previous experience– Actions are not scripted
Temporally continuous– Continuously running process
![Page 23: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/23.jpg)
Types of ABMTypes of ABMMinimalist Models
o Based on a set of idealized assumptionso Abstract and artificialo Exploratory laboratories in which assumptions can be testedo Ex: Schelling, Sugarscape Model
Decision Support Modelso Descriptive and realistico Usually large-scale applicationso Designed to answer policy questionso Include real data to calibrate and to compare simulation outputso Ex: MASUS (Multi-Agent Simulator for Urban Segregation)
(Macal e North, 2005)
![Page 24: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/24.jpg)
A Minimalist Model A Minimalist Model Schelling’s Model of SegregationSchelling’s Model of SegregationSegregation is an outcome of individual choices
But high levels of segregation mean that people are prejudiced?
![Page 25: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/25.jpg)
Schelling’s Model of SegregationSchelling’s Model of Segregation
Schelling (1971) demonstrates a theory to explain the persistence of racial segregation in an environment of growing tolerance
If individuals will tolerate racial diversity, but will not tolerate being in a minority in their locality, segregation will still be the equilibrium situation
![Page 26: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/26.jpg)
Schelling’s Model of SegregationSchelling’s Model of Segregation
< 1/3
Micro-level rules of the game
Stay if at least a third of neighbors are “kin”
Move to random location otherwise
![Page 27: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/27.jpg)
Tolerance values above 30%: formation of ghettos
http://ccl.northwestern.edu/netlogo/models/Segregation
Schelling’s Model of SegregationSchelling’s Model of Segregation
![Page 28: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/28.jpg)
O Ciclo da ModelagemO Ciclo da Modelagem
![Page 29: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/29.jpg)
O Ciclo da ModelagemO Ciclo da ModelagemDefinir o propósito do
modelo, as questões que buscamos responder
![Page 30: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/30.jpg)
O Ciclo da ModelagemO Ciclo da ModelagemSegregação é um resultado
da intolerância das famílias em relação à presença de outros grupos sociais?
![Page 31: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/31.jpg)
O Ciclo da ModelagemO Ciclo da Modelagem
Segregação é um resultado da intolerância das famílias em relação à presença de outros grupos sociais?
Todo modelo é uma representação simplificada que serve a um propósito.
A simplificação é importante para que se construa uma compreensão gradual do problema.
O propósito, que pode ser traduzido através de uma pergunta, serve como um filtro para que se decida o que incluir/ignorar em um modelo.
![Page 32: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/32.jpg)
O Ciclo da ModelagemO Ciclo da ModelagemFormular
hipóteses/premissas a partir de nosso
conhecimento preliminar sobre como o sistema
funciona(Teorias)
![Page 33: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/33.jpg)
O Ciclo da ModelagemO Ciclo da ModelagemSe as famílias toleram a diversidade racial, mas não
toleram ser a minoria em sua vizinhança, a situação de
equilíbrio ainda apresentará altos níveis de segregação.
![Page 34: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/34.jpg)
O Ciclo da ModelagemO Ciclo da Modelagem
Quais fatores tem forte influência sobre o fenômeno de interesse?
Estes fatores são independentes ou interagem entre si?
São afetados por outros fatores importantes?
Momento de combinar conhecimentos, uma fase de “brainstorming”
Gráficos, Diagramas, etc. são bem vindos!!!
![Page 35: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/35.jpg)
![Page 36: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/36.jpg)
Formulação do ModeloFormulação do Modelo
Comunicar o modelo nas suas diversas fases é importante!
Leva a novas discussões e reformulação do modelo
MODELO COMO UM OBJETO MEDIADOR
![Page 37: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/37.jpg)
Supressão do modelo como ‘produto’
Foco no PROCESSO DE CONSTRUÇÃO do modelo
Modelo de Simulação Computacional = Laboratório
1.Processo de construção deste laboratório (contínuo)
2.Design, uso e interpretação dos experimentos
![Page 38: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/38.jpg)
O Ciclo da ModelagemO Ciclo da Modelagem
Quais elementos/interações a serem considerados?
Como serão representados?
Autômatos? Agentes? Escolher escalas,
entidades, variáveis, processos e parâmetros
do modelo
![Page 39: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/39.jpg)
Formulação do ModeloFormulação do Modelo
É hora de pensar nos detalhes do modelo
o Ideias representadas em palavras, diagramas deverão ser traduzidas em algoritmos, equações, etc.
oA formulação serve, inicialmente, para que possamos pensar explicitamente sobre todas as partes do modelo, identificar todas as decisões que precisamos tomar.
![Page 40: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/40.jpg)
O Ciclo da ModelagemO Ciclo da Modelagem
![Page 41: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/41.jpg)
O Ciclo da ModelagemO Ciclo da Modelagem
A implementação permite-nos explorar, de maneira lógica e rigorosa, as consequências de nossas premissas.
Implementar um modelo não é difícil, mas fazer ciência com ele sim!!!
![Page 42: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/42.jpg)
PlataformasPlataformasTerraME (INPE/UFOP) http://www.terrame.org
NetLogo Northwestern's Center for Connected Learning and Computer-Based Modeling
http://ccl.northwestern.edu/netlogo/
Repast (University of Chicago)
http://repast.sourceforge.net/
![Page 43: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/43.jpg)
Elementos do NetLogoElementos do NetLogoTurtles: Agentes. Podem ser diferenciados em diferentes
tipos (breeds) Patches: Células regulares que representam o espaço
Links: Conectam agentes (turtles) e permitem representar relações em rede.
Observer: Pode ser entendido como um controlador do modelo e suas visualizações. Por exemplo, é o observador que “cria” agentes e gerencia variáveis globais.
![Page 44: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/44.jpg)
O Ciclo da ModelagemO Ciclo da Modelagem
Verificação, Comparação com Dados Reais,
Simulação de Cenários, Análises de
Sensibilidade
![Page 45: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/45.jpg)
Lembrete Importante!Lembrete Importante!MODELOS NÃO SÃO BOLAS DE CRISTAL !!!!
“We may need to consider abandoning the dream of long-term prediction”
Helen Couclelis, CAMUSS 2012
![Page 46: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/46.jpg)
Modelos capturam apenas o que é PADRÃO, ou seja, o que é típico, estável, regular,
recorrente, repetitivo, PREVISÍVEL.
Futuro é uma mistura entre “padrão” e “ruído”
Duas sugestões de leitura sobre o assunto:oBatty, M; Torrens, P (2005) Modelling and Prediction in a Complex World. Futures, v.37, n.7, p.745-766.oCouclelis, H. (2005) "Where has the future gone?" Rethinking the role of integrated land-use models in spatial planning. Environment and Planning A, v. 37, p. 1353-1371.
![Page 47: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/47.jpg)
O Ciclo da ModelagemO Ciclo da Modelagem
![Page 48: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/48.jpg)
O Ciclo da ModelagemO Ciclo da Modelagem
É um processo iterativo!!!
Nossos modelos podem ser sempre melhorados de alguma forma: -São muito simples ou muito complexos-Podemos nos dar conta de que estamos fazendo as perguntas erradas…-O ciclo não precisa ser seguido inteiramente de maneira contínua, “loops” menores são desejáveis
![Page 49: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/49.jpg)
Protocolo ODD Protocolo ODD (Overview, Design, Details)(Overview, Design, Details)
Estrutura útil na formulação, descrição e comunicação dos modelosEstrutura útil na formulação, descrição e comunicação dos modelos
Grimm, V., Berger, U., Bastiansen, F., Eliassen, S., Ginot, V., Giske, J., John, G.-C., Grand, T., Heinz, S. K., Huse, G., Huth, A., Jepsen, J. U. & al., E. (2006) A standard protocol for describing individual-based and agent-based models. Ecological Modelling 198: 115-126.
Grimm, V., Berger, U., DeAngelis, D. L., Polhill, J. G., Giske, J. & Railsback, S. F. (2010) The ODD protocol: a review and first update. Ecological Modelling 221: 2760-2768.
Elements of the ODD Protocol
![Page 50: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/50.jpg)
1. Overview1. OverviewPropósito
o Que sistema estamos modelando? o O que estamos querendo aprender com isso?
Entidades, Variáveis e Escalaso Tipos de entidades: um ou mais tipos de agentes,
o ambiente onde agentes vivem e interagem (geralmente composto por unidades locais – células), ambiente “global”.
o Variáveis que caracterizam cada uma dessas entidades (estáticas ou dinâmicas)
![Page 51: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/51.jpg)
1. Overview1. Overview
Entidades, Variáveis e Escalaso Escala temporal: resolução e extensão temporalo Escala espacial: resolução espacial
Process Overview and Scheduleo Estrutura dinâmica do modeloo Quais os processos que modificam as variáveis
que caracterizam as entidades do modelo? o Em que ordem estes processos ocorrem?
![Page 52: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/52.jpg)
2. Design Concepts2. Design ConceptsPrincípios Básicos
o Conceitos, teorias, hipóteses, etc… o Como estes princípios estão incorporados no modelo?
Emergênciao Quais são as saídas e resultados importantes do modelo?
Quais deles emergem do mecanismo de representação do comportamento dos agentes?
Adaptaçãoo Quais comportamentos adaptativos possuem os agentes?
Como eles respondem a mudanças?
![Page 53: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/53.jpg)
2. Design Concepts2. Design ConceptsObjetivos
o Quais são os objetivos a serem alcançados pelos agentes? Como o alcance destes objetivos pode ser mensurado (exemplo: “fitness” em ecologia, “utilidade” em economia)? Quais elementos de sucesso futuro estão presentes nesta medida (ex. sobrevivência durante o próximo ciclo, lucros, etc. )
Aprendizagem/Prediçãoo Os agentes mudam seu comportamento em consequência
de sua experiência?o Os agentes são capazes de prever condições futuras no seu
processo de adaptação? Como?o Como essa predição simulada utiliza mecanismos como
memória e aprendizagem?
![Page 54: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/54.jpg)
2. Design Concepts2. Design ConceptsSensibilidade/Apreensão
o Quais variáveis ambientais e dos agentes são apreendidas pelos agentes e consideradas em seu comportamento.
o Quais os mecanismos de apreensão são modeladas explicitamente, existem incertezas neste processo?
Interaçãoo Como os agentes interagem? Eles interagem diretamente
uns com os outros ou esta interação é mediada?
Estocasticidadeo Como são os processos estocásticos (baseados em números
pseudo-aleatórios) utilizados no modelo e por quê?
![Page 55: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/55.jpg)
2. Design Concepts2. Design ConceptsColetivos
o Agregação de agentes que afetam o estado ou comportamento dos indivíduos.
o Coletivos são representados no modelo? Como?
Observaçãoo Quais saídas do modelo são utilizadas para observar as
dinâmicas simuladas? o Que tipo de saída/medida é necessária para testar o modelo
e resolver o problema para o qual o modelo foi desenvolvido?
![Page 56: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/56.jpg)
3. Details3. DetailsInicialização
o Condições iniciais da simulaçãoo Quantos agentes? Quais os valores iniciais das
variáveis?
Dados de Entradao Arquivos de dados importados ao longo das
simulações
Sub-Modelos
![Page 57: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/57.jpg)
Outros Exemplos de Modelos Outros Exemplos de Modelos MinimalistasMinimalistas
oWealth distribution
oVirus Transmission
oClimate Change
o…
![Page 58: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/58.jpg)
Wealth DistributionWealth Distribution Brazil ranks among the world's highest nations in the Gini
coefficient index of inequality (G = 0.55)
Source: Wikipedia
![Page 59: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/59.jpg)
G = 0: Perfect equality (everybody has same wealth)
G = 1: Perfect inequality (all is owned by one individual)
Wealth Distribution: Gini RatioWealth Distribution: Gini Ratio
![Page 60: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/60.jpg)
Wealth Distribution – Sugarscape ModelWealth Distribution – Sugarscape Model
“The rich get richer and the poor get poorer”
Sugarscape Model – Epstein & Axtell (1996)
Illustrates Pareto’s Law
Most of the people are poor, fewer are middle class, and very few are rich: 80/20 rule
![Page 61: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/61.jpg)
Wealth Distribution – Sugarscape ModelWealth Distribution – Sugarscape Model
Agents
o Collect grain and eat grain to survive
o Grain accumulation = WEALTH
o Vision: high is good
o Metabolism: low is good
Movement: move to cell within vision with more grains
Replacement: Replace dead agent with random new agent
Grain grows back with rate R
![Page 62: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/62.jpg)
Wealth Distribution – Sugarscape ModelWealth Distribution – Sugarscape ModelInitial conditions: randomly distributed
![Page 63: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/63.jpg)
Wealth Distribution – Sugarscape ModelWealth Distribution – Sugarscape Model
Uniform random assignments of vision and metabolism still result in unequal distribution of wealth
HOW????
![Page 64: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/64.jpg)
Wealth DistributionWealth Distribution
Non-linear distribution of wealth Resembles a power lawThe "probability" or fraction of the population f(x) that owns a small amount of wealth per person (x) is rather high, and then decreases steadily as wealth increases
PROBABILITY DENSITY FUNCTION
Pareto Distribution
![Page 65: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/65.jpg)
Virus TransmissionVirus Transmission
![Page 66: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/66.jpg)
Virus TransmissionVirus Transmission
http://ccl.northwestern.edu/netlogo/models/Virus
![Page 67: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/67.jpg)
Virus TransmissionVirus TransmissionBaseline Recover > Recover <
![Page 68: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/68.jpg)
Greenhouse EffectGreenhouse Effect
![Page 69: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/69.jpg)
Greenhouse EffectGreenhouse Effect
http://ccl.northwestern.edu/netlogo/models/ClimateChange
![Page 70: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/70.jpg)
Greenhouse EffectGreenhouse EffectBaseline Albedo CO2
![Page 71: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/71.jpg)
EXERCÍCIO PARA PRÓXIMA AULA EXERCÍCIO PARA PRÓXIMA AULA (29/11)(29/11)
Selecionar um modelo minimalista e descrevê-lo Selecionar um modelo minimalista e descrevê-lo de acordo com os princípios do protocolo ODDde acordo com os princípios do protocolo ODD
![Page 72: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/72.jpg)
Decision Support ModelsDecision Support Models
![Page 73: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/73.jpg)
MASUS: Multi-Agent Simulator for MASUS: Multi-Agent Simulator for Urban SegregationUrban Segregation
![Page 74: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/74.jpg)
Obstacles that Obstacles that contribute to contribute to
perpetuate povertyperpetuate poverty
Impacts of SegregationImpacts of Segregation
Policies to minimize segregation demand:Policies to minimize segregation demand: A better understanding of the dynamics of A better understanding of the dynamics of
segregation and its causal mechanismssegregation and its causal mechanisms
![Page 75: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/75.jpg)
The Complex Nature of SegregationThe Complex Nature of Segregation
The Process Matters!The Process Matters!
![Page 76: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/76.jpg)
Multi-Agent Simulator for Urban SegregationMulti-Agent Simulator for Urban SegregationMASUSMASUS
Scientific tool to explore alternative scenarios of segregation
Support planning actions by offering insights about the impact of policy strategies
PurposePurpose
Improve the understanding about segregation and its relation with different contextual mechanisms
![Page 77: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/77.jpg)
MASUSMASUSMethodologicalMethodologicalStepsSteps
1. Problem analysis and objective formulation
2. Conceptual model framework
3. Theoretical specification 4. Data collection
5. Empirical parameterization
6. Programming in NetLogo
7. Verification
10. Analyses of simulated results
Next version of MASUS
Are the empirical results consistent with the theoretical specification ?
Is the program executing what is stated in the theoretical specification ?
8. Simulation experiments
9. Validation
Are the simulation outputs appropriate to represent the real target-system?
Y
NN
N
N
N
Y
Y
![Page 78: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/78.jpg)
MASUS Conceptual ModelMASUS Conceptual Model
![Page 79: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/79.jpg)
MASUSMASUSMethodologicalMethodologicalStepsSteps
1. Problem analysis and objective formulation
2. Conceptual model framework
3. Theoretical specification 4. Data collection
5. Empirical parameterization
6. Programming in NetLogo
7. Verification
10. Analyses of simulated results
Next version of MASUS
Are the empirical results consistent with the theoretical specification ?
Is the program executing what is stated in the theoretical specification ?
8. Simulation experiments
9. Validation
Are the simulation outputs appropriate to represent the real target-system?
Y
NN
N
N
N
Y
Y
![Page 80: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/80.jpg)
São José dos Campos, BrazilSão José dos Campos, Brazil
São Paulo StateStudy Area
City of São José dos Campos
![Page 81: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/81.jpg)
MASUS: Process ScheduleMASUS: Process Schedule
![Page 82: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/82.jpg)
Decision-making sub-modelDecision-making sub-model
ALTERNATIVESALTERNATIVES• Not Move
• Move within the same neighborhood
• Move to the same type of neighborhood (n alternatives)
• Move to a different type of neighborhood (m alternatives)
Higher probability to choose alternative with higher Higher probability to choose alternative with higher utilityutility
![Page 83: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/83.jpg)
Decision-making sub-modelDecision-making sub-model
Nesting Structure of the ModelNesting Structure of the Model
![Page 84: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/84.jpg)
NMNL: Affluent HouseholdsNMNL: Affluent HouseholdsLevel Choice Variable Coef. Std. err.
1st MoveAge of the household head -0.040*** 0.011
Renter 2.542*** 0.425
Renter * household income -9.4(10-5) -7.5(10-5)
2nd
Move within the same neigh. Constant -2.532 *** 0.693
Move to the same type
of neighborhood
Constant -2.464 *** 0.855
Type A neighborhood 0.477 0.661
Type B neighborhood 0.062 0.495
Kids * Type A -0.368 0.636
Move to another
type of neighborhood
Constant -3.457 *** 1.053
Type A neighborhood -0.256 0.732
Type B neighborhood 1.760 *** 0.709
Kids * Type A 1.49 ** 0.784
3rd Generic
variables
Land price/ income -0.084 0.053
Real estate offers 1.4(10-3) *** 5.1(10-4)
Distance from orig. neighborhood -4.9(10-5) ** 2.5(10-5)
Distance to CBD 2.3(10-5) 2.9(10-5)
Prop. of high-income families 0.960 ** 0.503
![Page 85: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/85.jpg)
MASUS: Process ScheduleMASUS: Process Schedule
![Page 86: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/86.jpg)
MASUSMASUSMethodologicalMethodologicalStepsSteps
1. Problem analysis and objective formulation
2. Conceptual model framework
3. Theoretical specification 4. Data collection
5. Empirical parameterization
6. Programming in NetLogo
7. Verification
10. Analyses of simulated results
Next version of MASUS
Are the empirical results consistent with the theoretical specification ?
Is the program executing what is stated in the theoretical specification ?
8. Simulation experiments
9. Validation
Are the simulation outputs appropriate to represent the real target-system?
Y
NN
N
N
N
Y
Y
![Page 87: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/87.jpg)
Operational ModelOperational Model
![Page 88: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/88.jpg)
MASUSMASUSMethodologicalMethodologicalStepsSteps
1. Problem analysis and objective formulation
2. Conceptual model framework
3. Theoretical specification 4. Data collection
5. Empirical parameterization
6. Programming in NetLogo
7. Verification
10. Analyses of simulated results
Next version of MASUS
Are the empirical results consistent with the theoretical specification ?
Is the program executing what is stated in the theoretical specification ?
8. Simulation experiments
9. Validation
Are the simulation outputs appropriate to represent the real target-system?
Y
NN
N
N
N
Y
Y
![Page 89: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/89.jpg)
Simulation ExperimentsSimulation Experiments
Comparing simulation outputs with Comparing simulation outputs with empirical dataempirical data
Testing theoretical issuesTesting theoretical issues
Testing anti-segregation policy strategiesTesting anti-segregation policy strategies
![Page 90: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/90.jpg)
Comparison with Empirical DataComparison with Empirical Data
Initial condition: São José dos Campos in Initial condition: São José dos Campos in 19911991• Import GIS layers (households, environment)Import GIS layers (households, environment)
• Set parametersSet parameters
Run 9 annual cyclesRun 9 annual cycles
Compare simulated results with real data Compare simulated results with real data (year 2000)(year 2000)
![Page 91: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/91.jpg)
Comparison with Empirical DataComparison with Empirical DataDissimilarity Index (local scale)
Initial State (1991)
Simulated Data (1991-2000)
Real Data (2000)
0.54
0.31
0.15
0.51
0.30
0.19
0.51
0.30
0.19
![Page 92: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/92.jpg)
Comparison with Empirical DataComparison with Empirical DataIsolation Poor Households (local scale)
Initial State (1991)
Real Data (2000)
0.54 0.51 0.51
Simulated Data (1991-2000)
![Page 93: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/93.jpg)
Comparison with Empirical DataComparison with Empirical DataIsolation Affluent Households (local scale)
Initial State (1991)
Real Data (2000)
0.15 0.19 0.19
Simulated Data (1991-2000)
![Page 94: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/94.jpg)
Testing a theoryTesting a theory
How does inequality affect segregation? How does inequality affect segregation? Relation between both phenomena has caused controversy
in scientific debates
Experiment Compare 3 scenarios 1991-2000
Scenario 1: Previous run (baseline)Scenario 2: Decreasing inequalityScenario 3: Increasing inequality
![Page 95: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/95.jpg)
Testing a theoryTesting a theory
Inequality (Gini) Proportion Poor HH Proportion Affluent HH
Scenario 1 (Original) Scenario 2 (Low-Ineq.) Scenario 3 (High-Ineq.)
Dissimilarity Isolation Poor HH Isolation Affluent HH
![Page 96: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/96.jpg)
Testing policy strategiesTesting policy strategies
Experiment Compare 3 scenarios
Scenario 1 no voucher (baseline)
Scenario 2 200 – 1700 vouchers
Scenario 3 400 – 4200 vouchers
Poverty Dispersion vs. Wealth DispersionPoverty Dispersion vs. Wealth Dispersion
Poverty Dispersion: housing vouchers to poor families
![Page 97: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/97.jpg)
Testing policy strategiesTesting policy strategies
Scenario 1 No voucher (baseline)
Scenario 2 200 - 1700 vouchers
(2.3%)
Scenario 3 400 - 4200 vouchers
(5.8%)
Dissimilarity Isolation Poor HH
Isolation Affluent HH
2.3 - 3.5 %5.8 - 10.7%
2.3 - 1.7 %5.8 - 3.4%
2.3 - 5.7 %5.8 - 8.3 %
![Page 98: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/98.jpg)
Testing policy strategiesTesting policy strategies
Poverty DispersionPoverty Dispersion
Demands high and continous investment to decrease Demands high and continous investment to decrease poverty isolationpoverty isolation
Poverty Dispersion vs. Wealth DispersionPoverty Dispersion vs. Wealth Dispersion
Slows down the increase in segregation, but does not Slows down the increase in segregation, but does not change the trendschange the trends
![Page 99: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/99.jpg)
Testing policy strategiesTesting policy strategies
Poverty Dispersion vs. Wealth DispersionPoverty Dispersion vs. Wealth Dispersion
ExperimentExperiment Compare 2 scenariosCompare 2 scenarios
Scenario 1 (baseline)
Scenario 2 new areas for upper classes
Urban areas in 1991Undeveloped areas for upper classes
Wealth Dispersion: Wealth Dispersion: Incentives for constructing residential Incentives for constructing residential developments for upper classes in poor regions of the citydevelopments for upper classes in poor regions of the city
![Page 100: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/100.jpg)
Testing policy strategiesTesting policy strategies
Scenario 1 baseline
Scenario 2 new areas for upper
classes
Dissimilarity Isolation Poor HH
Isolation Affluent HH
![Page 101: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/101.jpg)
Testing policy strategiesTesting policy strategies
Wealth DispersionWealth Dispersion
Produces long-term outcomesProduces long-term outcomes
Poverty Dispersion vs. Wealth DispersionPoverty Dispersion vs. Wealth Dispersion
More effective at decreasing large-scale segregationMore effective at decreasing large-scale segregation
E.g. Dissimilarity 2010E.g. Dissimilarity 2010
local scale (700m): - 19%local scale (700m): - 19%
large scale (2000m): - 36%large scale (2000m): - 36%
![Page 102: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/102.jpg)
Testing policy strategiesTesting policy strategies
Wealth DispersionWealth Dispersion
Positive changes in the spatial patterns of segregationPositive changes in the spatial patterns of segregation
Poverty Dispersion vs. Wealth DispersionPoverty Dispersion vs. Wealth Dispersion
Baseline2010
Wealth Dispersion2010
![Page 103: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/103.jpg)
Laboratory for testing theories and policy approaches Laboratory for testing theories and policy approaches on segregationon segregation
Does Does notnot focus on making predictions focus on making predictions
Exploratory tool, framework for assembling relevant Exploratory tool, framework for assembling relevant informationinformation
Multi-Agent Simulator for Urban SegregationMulti-Agent Simulator for Urban SegregationMASUSMASUS
![Page 104: Flávia F. Feitosa flavia@dpi.inpe.br SER 301 – Análise Espacial de Dados Geográficos Introdução à Modelagem e Simulação Computacional](https://reader035.vdocuments.mx/reader035/viewer/2022062700/552fc131497959413d8d5e86/html5/thumbnails/104.jpg)
Um cUm contador de históriasontador de históriasModelos de simulação contam uma história
A história pode ser boa ou não…
Pode ser sobre o presente, passado ou futuro…
FERRAMENTA PARA COMPARTILHAR VISÕES, LEVANTAR DÚVIDAS, ESTRUTURAR DISCUSSÕES E DEBATES
Mas oferece uma outra maneira de examinar a situação!