Approach to Simulation of Labor Migration in the Region using Fuzzy Logic
Table of contents
Share
Metrics
Approach to Simulation of Labor Migration in the Region using Fuzzy Logic
Annotation
PII
S207751800011177-3-1
DOI
10.18254/S207751800011177-3
Publication type
Article
Статус публикации
Published
Authors
Alsu Atnabaeva 
Occupation: Research Fellow
Affiliation: Ufa Federal Research Centre of the Russian Academy of Sciences
Address: Russian Federation, Ufa
Miliausha Akhmetzianova
Occupation: Junior Researcher
Affiliation: Ufa Federal Research Centre of the Russian Academy of Sciences
Address: Russian Federation, Ufa
Abstract

According to approximate data, about 4 million people annually participate in migration in Russia, which is 3% of the total population, of which 3 million are people of working age. At the same time, in 75 constituent entities of the Russian Federation in 2018, there was a migration decline in the population, which indicates the direction of migration flows from less developed to more developed regions where there are quite favorable socio-economic conditions. Today the Republic of Bashkortostan is included in the group of regions with a high rate of outflow of young working-age population. In this case, two components of the problem under consideration can be distinguished: on the one hand, residents move to other constituent entities of the Russian Federation, and on the other, the population is centralized in large cities within the region. In this regard, the relevance of the research topic is determined by its focus on solving the problem of assessing the level of attractiveness of the territory for the able-bodied population with the aim of further scenario forecasting of changes in the population in the Republic of Bashkortostan. Within the framework of the study, the concept of a multi-agent economic and demographic model of the regional level was developed, in which three main agents were identified: "Person", "Municipality" and "Enterprise", for each group of indicators were selected that reflect its individual qualities. The MathLab software was used to simulate the behavior of the "Human" agent, with the use of which a fuzzy system for assessing the desired standard of living of agents was developed. An algorithm for assessing the attractiveness of territories and human migration activity in an agent-based model has been developed.

Keywords
agent-based modeling, migration, labor attractiveness, component analysis, cluster analysis
Received
03.09.2020
Date of publication
06.12.2020
Number of purchasers
8
Views
240
Readers community rating
0.0 (0 votes)
Cite Download pdf

To download PDF you should sign in

1 Среди демографических процессов миграция населения занимает важное место, так как это одно из тех явлений, которое наиболее чувствительно к изменениям социально-экономической и политической ситуации. Современные тенденции миграционных движений в РФ характеризуются неопределенными и неравномерными перемещениями населения по территории. По приблизительным данным в России ежегодно участвуют в миграции около 3% от общего числа населения. При этом в 75 субъектах РФ в 2018 году наблюдалась миграционная убыль населения, что говорит о направленности миграционных потоков из менее развитых в более развитые территории, где есть достаточно благоприятные социально-экономические условия.
2

Республика Башкортостан входит в группу регионов с высоким уровнем оттока молодого трудоспособного населения. Так, в последние годы масштабы миграционных потерь населения Республики Башкортостан увеличиваются, превышение убытия над прибытием составило в 2015 году 5356 чел., в 2016 году – 6506 чел., в 2017 году – 1419 чел., в 2018 году масштабы миграционной убыли вновь возросли. На рисунке 1 представлен график распределения миграционных передвижений населения в возрасте от 14 лет по данным Федеральной службой государственной статистики, на которой видно, что основными причинами смены места жительства населения, является потребность в получении образования и поиск работы [2, 12].

3

Рисунок 1. Динамика распределения миграционных передвижений населения, чел.

4

Миграционные процессы характеризуются значительной территориальной дифференциацией, которая во многом определяется уровнем социально-экономического развития, и соответственно привлекательности территории [4]. Привлекательность территории – это показатель, отражающий соответствие ресурсов территории потребностям человека. В настоящее время поиск территории, удовлетворяющей требованиям человека к уровню привлекательности, становится одним из основополагающих факторов миграции. В связи с этим, актуальность темы исследования определяется ее направленностью на решение проблемы оценки уровня привлекательности муниципалитетов для дальнейшего сценарного прогнозирования изменения численности населения в Республике Башкортостан.

5

Наиболее предпочтительным инструментом для достижения поставленной цели и проведения сценарных экспериментов по прогнозированию уровня миграционного прироста является агент-ориентированное моделирование (АОМ). АОМ основано на формировании групп агентов, взаимодействующих друг с другом и с внешней средой, обладающих свойствами автономности, неоднородности, ограниченной интеллектуальности и расположением в пространстве [5]. Современные вычислительные средства предоставляют также и другие возможности, которые могут быть востребованы при создании инструментов имитационного моделирования развития территориальных образований, в первую очередь это относится к геоинформационным системам (ГИС) [6]. Применение АОМ в сочетании с возможностями геоинформационных технологий обеспечит не только правдоподобную имитацию процессов территориального расселения населения, но и наглядное отображение рассматриваемых процессов.

6

В последнее время агентный подход к моделированию демографических процессов используется довольно часто. Так, в статье Silverman Eric, Bijak Jakub, Jason Noble, Viet Dung Cao, Jason Hilton «Semi-Artificial Models of Populations: Connecting Demography with Agent-Based Modelling» [15] описана модель, соединяющая в себе преимущества статистических и агентных подходов. Одним из наиболее значимых исследований по миграции населения является работа Zhaohao Fua и Lingxin Haob «Agent-Based Modeling of China’s Rural-Urban Migration and Social Network Structure» [16], в которой описана миграция населения в сельские и городские районы Китая. Логика данной модели основывается на отражении влияния агентов друг на друга и учета внутренних связей «мигрант – не мигрант» и «мигрант - мигрант», и на основе этого рассчитывается их миграционная склонность. Среди российских исследователей АОМ рассматривается в статьях Макарова В.Л., Бахтизина А.Р., Сушко Е.Д. и Агеевой А.Ф. Одна из работ вышеперечисленных авторов [7] описывает трудовую миграцию китайских граждан в Россию, где мотивация к миграции рассматривается по группам в зависимости от уровня образования и дохода семьи.

7 Существует ряд исследований, посвященных разработке инструментов прогнозирования параметров территориального развития с применением агент-ориентированного подхода на базе ГИС. Так, в работе [14] представлена модель землетрясений и их последствий, которая предназначена для проектирования и тестирования систем оповещения жителей, выбора схем размещения пунктов оказания первой медицинской помощи и приютов для пострадавших и т. д. Одним из важных компонентов данной интегрированной системы является мультиагентная модель, которая позволяет имитировать развитие последствий катастроф с учетом влияния деятельности множества людей. В работе [13] приводится модель расселения жителей города по уровню дохода. Агентами в модели представлены жители города Сан-Жозе-дус-Кампус (Бразилия), где для каждого из них доступны такие действия, как «остаться в текущем местоположении», «сменить место жительства в том же районе», «переехать в район того же типа», «переехать в район другого типа». Жители города обладают индивидуальными характеристиками, которые связаны с их предпочтениями в выборе места жительства. В модели реализована функция симуляции расширения городской территории, где выбор направления разрастания каждой территории происходит случайным образом и описывается при помощи цепей Маркова. Вместе с тем, представленные выше работы не в полной мере отражают особенности поведения отдельных индивидуумов. В связи с этим в рамках проведенного исследования предпринята попытка учесть влияние социально-экономического развития территории на поведение человека с применением методов компонентного анализа, агент-ориентированного моделирования, нечеткой логики, а также геоинформационных систем. Предложенный подход апробирован на данных по Республике Башкортостан.
8

В основе разработанной агент-ориентированной модели территориального расселения лежит концепция, описывающая поведение агента в среде максимально приближенной к реальности. Для этого были выделены 3 главных агента - «Человек», «Муниципалитет» и «Предприятие». На рисунке 2 представлена концептуальная модель региона. Агент «Человек» отражает население РБ с такими характеристиками агента как пол, возраст, уровень знаний, экономическая занятость, желаемый уровень заработной платы, фактический уровень заработной платы и др. В рамках разработки модели рассматриваются такие возможные изменения состояния агента как создание семьи, рождение ребенка, смерть и миграция, которые более подробно описаны в работах [3, 8].

9

Рисунок 2. Концепция многоагентной экономико-демографической модели регионального уровня

10 Агент «Предприятие» представлен в виде совокупности организаций по 13 видам экономической деятельности: государственное управление, обрабатывающие производства, оптовая и розничная торговля, сельское хозяйство, образование, строительство, операции с имуществом, здравоохранение, транспорт и связь, прочие коммунальные услуги, добыча полезных ископаемых, гостиницы и рестораны, финансовая деятельность и деятельность домашних хозяйств. Каждый агент описывается такими атрибутами, как количество рабочих мест, средний уровень заработной платы, престижность и др.
11 Агент «Муниципалитет» включает в себя муниципальные районы и города РБ. Каждое МО описывается набором социально-экономических показателей доступных из инвестиционных паспортов и базы данных Территориального органа Федеральной службы государственной статистики по Республике Башкортостан: общий коэффициент рождаемости (XP1); общий коэффициент смертности (XP2); среднесписочная численность работников организаций на 1000 чел. населения (без субъектов малого предпринимательства) (XP3); среднемесячная заработная плата работников организаций (без субъектов малого предпринимательства) (XP4); общая площадь жилых помещений, приходящаяся в среднем на одного жителя (XP5); число источников теплоснабжения на 1000 чел. населения (XP6); численность врачей всех специальностей на 1000 чел. населения (XP7); число мест в организациях, осуществляющих образовательную деятельность по образовательным программам дошкольного образования, присмотр и уход за детьми на 1000 чел. населения (XP8); число организаций культурно-досугового типа на 1000 чел. населения (XP9); численность работников организаций культурно-досугового типа с учетом обособленных подразделений на 1000 чел. населения (XP10); выбросов в атмосферу загрязняющих веществ, отходящих от стационарных источников на 1000 чел. населения (XP11); отгружено товаров собственного производства, выполнено работ и услуг собственными силами на 1000 чел. населения (без субъектов малого предпринимательства) (XP12); введено в действие жилых домов на 1000 чел. населения (XP13); средняя цена 1 кв. м общей площади квартир на рынке жилья (XP14); оборот розничной торговли на 1000 чел. населения (без субъектов малого предпринимательства) (XP15); число мест в объектах общественного питания на 1000 чел. населения (XP16); наличие основных фондов на конец года по полной учетной стоимости по коммерческим и некомерческим организациям на 1000 чел. населения (XP17); объем инвестиций в основной капитал (за исключением бюджетных средств) в расчете на 1 человека (без средств на долевое строительство населения и организаций) (среднее за 3 года) (XP18); доходы местного бюджета, фактически исполненные на 1000 чел. населения (XP19) [1].
12 Параметры данного агента изменяются в соответствии с заданными в начале имитации темпами роста или падения. Для оценки уровня привлекательности территории были введен атрибут «attractiveness level». Определение из двадцати показателей основных проводилось последовательно по всем группам параметров для всех МР и городов РБ по методу главных компонент. Для исследования миграционных потоков трудоспособного населения наиболее предпочтительным является набор факторов первой компоненты, так как они описывают экономические показатели, характеризующие привлекательность территории с точки зрения поиска работы и трудоустройства (среднесписочная численность занятых в экономике, среднемесячная заработная плата, выброшено в атмосферу загрязняющих веществ, отходящих от стационарных источников, среднее значение инвестиции в основной капитал за 3 года, объем отгруженной продукции). В результате, на основе показателей, входящих в первую компоненту, было сформировано уравнение для оценки привлекательности территорий:
13 Кi= 0,651×XP3i+0,658×XP4i+0,595×XP11i+0,845×XP12i+0,823×XP18i (2)
14 где i – номер муниципального образования РБ; Ki – коэффициент привлекательности i-го муниципального образования РБ.
15 Оценка уровня привлекательности в АОМ проводится ежегодно на основе социально-экономических показателей предыдущего периода. В таблице 1 представлены результаты оценки уровня привлекательности на 2018 год для всех муниципальных районов и городов РБ. Для выделения интервалов принадлежности коэффициента привлекательности МО к группам муниципалитетов, состоящих из условно «хорошо развитых», «умеренно развитых» и «слаборазвитых» территорий проведен кластерный анализ муниципальных районов и городов РБ по 5 социально-экономическим показателям, вошедшим в первую компоненту, в результате которого было выделено 4 кластера (таблица 1).
16 Таблица 1 – Результаты кластерного и компонентного анализа
17
Номер кластера Состав кластера
1 г.Уфа(2,69), г. Салават (2,54)
2 Белорецкий МР (0,85), Благовещенский МР (1,65), Учалинский МР (1,08), Уфимский МР (1,36), г. Нефтекамск (1,02), г. Октябрьский (0,97), г. Стерлитамак (1,09)
3 Альшеевский МР (0,52), Белебеевкий МР (0,76), Благоварский МР (0,65), Белокатайский МР (0,59), Бижбулякский МР (0,63), Давлекановский МР (0,41), Дуванский МР (0,49), Дюртюлинский МР (0,47), Илишевский МР (0,40), Ишимбайский МР (0,61), Калтасинский МР (0,69), Краснокамский район (0,73), Куюргазинский МР (0,66), Мелеузовский МР (0,51), Салаватский МР (0,54), Стерлитамакский МР (0,42), Татышлинский МР (0,44), Туймазинский МР (0,76), г.Хайбуллинский МР (0,70), Чекмагушевский МР (0,43), Чишминский МР (0,48), Янаульский МР (0,60), г. Кумертау (0,72), г. Сибай (0,78), Шаранский МР (0,57).
4 Абзелиловский МР (0,26), Архангельский МР (0,22), Аскинский МР(0,21), Аургазинский МР (0,31), Баймакский МР (0,18), Бакалинский МР (0,18). Балтачевский МР (0,19), Бирский МР (0,36), Буздякский МР (0,30), Бураевский МР (0,32), Бурзянский МР (0,17), Гафурийский МР (0,23), Ермекеевский МР (0,30), Зианчуринский МР (0,17), Зилаирский МР (0,20), Иглинский МР (0,30), Караидельский МР (0,14), Кармаскалинский МР (0,39), Кигинский МР (0,11), Кугарчинский МР (0,21), Кушнаренковский МР (0,26), Мечетлинский МР (0,22), Мишкинский МР (0,10), Миякинский МР (0,24), Нуримановский МР (0,24), Стерлибашевский МР (0,19), Федоровский МР (0,13), г. Агидель (0,38).
18 Сопоставив значения коэффициентов привлекательности и номера кластера i-го муниципального образования РБ, были сформированы интервалы принадлежности к тому или иному кластеру:
19
  • Первый кластер К>2,075;
  • Второй кластер 0,815
20 Данные интервалы позволят в АОМ присвоить МО уровень привлекательности по шкале от 1 (высокий) до 4 (очень низкий), которые в свою очередь будут влиять на выбор места жительства агентом «Человек». Миграционная активность агента «Человек», с одной стороны, опирается на оценку привлекательности территории, с другой - на предпочтительный уровень жизни населения. Так, на рисунке 3 представлен алгоритм функционирования агент-ориентированной модели, а именно блок оценки привлекательности территорий и блок миграционной активности населения. На первом этапе, при запуске модели загружаются начальные данные за отчетный период, на основе которых создаются агенты «Человек», «Муниципалитет» и «Предприятие» с индивидуальными характеристиками. На втором этапе в модели осуществляется оценка уровня привлекательности территории для агента «Муниципалитет» на основе формулы (1) и результат записывается в переменную «attractiveness_level», полученное значение сопоставляется с границами интервалов принадлежности к кластерам и в переменную «attraction_cluster» записывается номер кластера, соответствующий этой территории.
21

Рисунок 3. Алгоритм функционирования агент-ориентированной модели

22 На третьем этапе в агент-ориентированной модели осуществляется анализ предпочтительного уровня жизни для агента «Человек», который рассчитывается на основе индивидуальных предпочтений агентов. Для этого было проведено моделирование на основе нечеткой логики в среде Matlab с помощью расширения Fuzzy Logic Toolbox. Выходной переменной является «Желаемый уровень жизни» (PLivingStandard). В качестве входных лингвистических переменных определены: Age (возраст), Wage (отношение желаемого и фактического уровня заработной платы) и LevelOf Education (уровень образования). Желаемый уровень заработной платы для каждого агента задается с использованием гамма-распределения, параметры которого определены исходя из результатов исследования, проведенного сервисом «Работа.ру» (gamma (2, 30000, 40000)) [11]. С помощью модуля fuzzy на основании знаний экспертов были сформированы продукционные правила, которые имеют вид «Если - То», более подробно данное исследование представлено в работе [9]. На основе разработанных правил формируется визуальная поверхность, которая позволяет оценить адекватность построенной модели. На рис. 4 представлена поверхность, отражающая зависимость выходной переменной от разницы между фактической и желаемой величиной заработной платы, а также уровня образования. Желаемый уровень жизни агента возрастает с увеличением уровня его образования и степени неудовлетворенности уровнем зарплаты.
23

Рисунок 4. Пример визуализации поверхности нечеткого вывода рассматриваемой модели для входных переменных «Wage» и «LevelOf Education»

24 На четвертом этапе для агента «Человек» определяется миграционная подвижность населения (Pm) с использованием дискретного распределения вероятности Бернулли, генерирующим 1 (активен) с вероятностью успеха K2t (коэффициент выбытия в период времени t), а 0 (не активен) с вероятностью отказа q=1000−p.
25 Коэффициент выбытия, в свою очередь, рассчитывается для всех агентов «Человек» по социально-экономическим показателям РБ и отражает общее число населения, принимающего участие во внутрирегиональной и межрегиональной миграции на 1000 человек в МО. Коэффициент рассчитывается на основе линейной функции [9]:
26 K2t –= –48,63+3,85×Хd1–187,38×Хd2+3,54×Хd3+1,17×Хd4 ,(3)
27

где Хd1 – объем выбросов загрязняющих атмосферный воздух; Хd2 –отношение величины валового регионального продукта к величине валового внутреннего продукта; Хd3 – общая площадь жилых помещений, приходящаяся в среднем на одного жителя; Хd4 – коэффициент напряженности на рынке труда.

28 Если Pm равно единице и текущий район проживания не соответствует желаемому уровню жизни, для агента «Человек» реализуется механизм поиска нового места жительства. Поиск осуществляется перебором районов, путём увеличения радиуса поиска на единицу. В случае нахождении территории с соответствующим уровнем привлекательности запускается модуль поиска работы для агента. При положительном собеседования агент «Человек» перемещается в соответствующий район, иначе поиск продолжается.
29 Следующим этапом разработки агент-ориентированной модели является надстройка модели, которая будет осуществляться на основе статистических данных Башстата и оценки эффективности принимаемых управленческих решений.
30 В рамках разработки многоагентной экономико-демографической модели региональной социально-экономической системы выделены основные характеристики агентов «Человек» и «Муниципалитет» и разработана укрупненная схема взаимодействия агентов с учетом пространственной мобильности и территориального размещения человеческого капитала. На основе представленной концепции был разработан алгоритм функционирования агент-ориентированной модели, описывающий логику поведения агентов «Муниципалитет» и «Человек» при реализации сценария трудовой миграции. Проведенные компонентный и кластерный анализы позволили количественно обосновать поведение населения при трудовой миграции. Разработанная модель позволит проследить динамику миграционного движения населения, выявить слабые территории Республики Башкортостан, провести сценарные эксперименты и сформировать рекомендации по повышению эффективности используемых мер регулирования демографической ситуации.

References

1. Aitova Yu.S., Oreshnikov V.V. Ispol'zovanie metodov ehkonomiko-matematicheskogo modelirovaniya pri razrabotke prognoza razvitiya munitsipal'nogo obrazovaniya // Vestnik NGIEhI. 2017, № 10 (77).

2. Ataeva A.G., Ulyaeva A.G. Mezhregional'naya molodezhnaya migratsiya kak ugroza uteri chelovecheskogo kapitala territorii (na materialakh Respubliki Bashkortostan i Regionov Privolzhskogo okruga). // Vestnik Tomskogo gosudarstvennogo universiteta. Ehkonomika. 2018, №44.

3. Atnabaeva A. R., Akhmetzyanova M. I. Kontseptsiya agent-orientirovannoj modeli migratsionnykh potokov v Respublike Bashkortostan // Problemy funktsionirovaniya i razvitiya territorial'nykh sotsial'no-ehkonomicheskikh sistem: materialy 13-j vserossijskoj nauchno-prakt. internet-konf. Ufa: ISEhI UFITs RAN, 2019

4. Ak'yulova E.I. Rol' migratsionnogo faktora v usilenii territorial'noj differentsiatsii sotsial'no-ehkonomicheskogo razvitiya regiona. // Regional'naya ehkonomika: teoriya i praktika. 2013.

5. Makarov, V. L., Bakhtizin A. R., Sushko E. D. Agent-orientirovannye modeli kak instrument aprobatsii upravlencheskikh reshenij // Upravlencheskoe konsul'tirovanie. 2016, № 12 (96).

6. Makarov V. L, Bakhtizin A.R., Sushko E.D. Komp'yuternoe modelirovanie vzaimodejstviya mezhdu munitsipalitetami, regionami, organami gosudarstvennogo upravleniya // Problemy upravleniya. 2013, № 6.

7. Makarov V.L., Bakhtizin A.R., Sushko E.D., Ageeva A.F. Iskusstvennoe obschestvo i real'nye demograficheskie protsessy // Ehkonomika i matematicheskie metody. 2017, № 1 (53).

8. Nizamutdinov M.M., Atnabaeva A.R., Kontseptual'nye i metodicheskie aspekty razrabotki agent-orientirovannoj modeli demograficheskikh protsessov na regional'nom urovne (na primere Respubliki Bashkortostan) // Iskusstvennye obschestva. 2019, T. 14, № 4.

9. Nizamutdinov M.M, Atnabaeva A.R., Akhmetzyanova M.I. Issledovanie protsessov mezhregional'noj migratsii na osnove imitatsionnogo modelirovaniya // Izvestiya Ufimskogo nauchnogo tsentra RAN. 2020, №3.

10. Oreshnikov V.V., Nizamutdinov M.M. Prognoz izmeneniya urovnya privlekatel'nosti gorodov Rossii // Regional'naya ehkonomika: teoriya i praktika. 2019, T. 17, № 4 (463).

11. Servis Rabota.ru URL: https://www.rabota.ru/articles/career/kakuyu-zarplatu-khoteli-by-poluchat-zhiteli-rossii-posle-koronakrizisa-5682

12. Territorial'nyj organ Federal'noj sluzhby gosudarstvennoj statistiki po Respublike Bashkortostan URL: http://bashstat.gks.ru

13. Feitosa F.F., Le Q.B., Vlek P.L.G. Multi-agent simulator for urban segregation (MASUS): A tool to explore alternatives for promoting inclusive cities // Computers, Environment and Urban Systems. 2011. Vol. 35, N 2.

14. Goto Y., Takeuchi I. and Kakumoto S. Integrated earthquake disaster simulation systems for the highly-networked information society // Proc. of the 13th World Conference on Earthquake Engineering. Vancouver 2004. Paper 2793.

15. Silverman E., Bijak J., Noble J., Cao V., Hilton J., Semi-Artificial Models of Populations: Connecting Demography with Agent-Based Modelling. 2012. DOI:10.1007/978-4-431-54847-8_12.

16. Zhaohao F., Haob L., Agent-Based Modeling of China’s Rural-Urban Migration and Social Network Structure // Physica A.: Statistical Mechanics and its Applications. 2018, Vol 490.