Zum Deutschen Geographentag 2013 in Passau brachte ich ein Poster, das den Rahmen und erste Ergebnisse meines Dissertationsprojekts zeigt.
Grundsätzlich behandle ich dabei die Anfälligkeit von (sozialen) Simulationsmodellen auf Skalierung in sprichwörtlich allen erdenklichen Modelldimensionen (u.a. Zeit, Raum, soziale Bezugseinheit). Grundlage ist ein agentenbasiertes Modell von Umzugsentscheidungen. Am Poster fokussiere ich dabei auf die beiden technologisch-methodischen work packages. Das ist zum Einen ein Algorithmus zur Dissagregation und Almagamation verschiedener Bevölkerungsdaten in eine Population im Maßstab 1:1. Dies dient dazu, später die Eingabedaten gemeinsam mit der Analyseebene schrittweise von dieser “größten sinnvollen Auflösung” zu re-aggregieren, und so das Modell in einer Vielzahl von Kombinationen unterschiedlicher Skalierung auf verschiedenen Dimensionen durchlaufen zu lassen. Die technische Implementierung dieser Experimentierumgebung ist der zweite am Poster diskutierte Teil.
Der Disaggregierungsalgorithmus ist in Python ausgeführt, die Daten sind in einem SpatialLite-Backend gespeichert (wobei durch die Anbindung via GDAL/OGR verschiedene andere Varianten erlaubt, beispielsweise könnten die Daten auch in einer leistungsfähigeren Datenbank wie Postgresql/PostGIS liegen).
Der Quelltext ist in einem git-Repository verfügbar, unter bitbucket.org/christophfink/one-by-one/. Als Abhängigkeiten sind Python 2.x, SpatiaLite, Shapely, und GDAL/OGR notwendig. Die Bibliotheken sind alla auch via easy_install/pip/etc verfügbar. Für zugehörige Beispieldaten und/oder nähere Erklärung des zugegebenermaßen streckenweise etwas konfusen (aber kommentierten) Codes stehe ich natürlich gerne zur Verfügung.