Везде
Агент-ориентированная модель «Интеллектуальная Россия»: исследование уровня трудового потенциала и уровня удовлетворенности в региональном и отраслевом разрезах
Оглавление
Аннотация Оценить Содержание публикации
Библиография Комментарии
Поделиться
QR
Метрика
Агент-ориентированная модель «Интеллектуальная Россия»: исследование уровня трудового потенциала и уровня удовлетворенности в региональном и отраслевом разрезах
Аннотация
Код статьи
S207751800017946-9-1
DOI
10.18254/S207751800017946-9
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Кузнецова Ольга Игоревна 
ORCID: 0000-0001-8565-2857
Должность: научный сотрудник
Аффилиация: Центральный экономико-математический институт Российской академии наук
Адрес: Российская Федерация, Москва
Выпуск
Том 16 Выпуск 4
Аннотация

Создание искусственного общества – актуальный вызов современной науке. Такое модельное общество может быть полезно при прогнозировании различных сценариев развития социально-экономических процессов в стране в зависимости от различных управленческих решений и реакций на них отдельных его агентов. Один из методов реализации такого общества – агент-ориентированное моделирование, которое используется для создания системы на уровне ее отдельных агентов. Данная статья описывает агент-ориентированную модель, представляющую собой искусственное общество граждан России. Приведены результаты компьютерных экспериментов, позволяющих оценивать состояния отраслей и регионов страны с точки зрения уровня трудового потенциала и уровня удовлетворенности.

Ключевые слова
агент-ориентированная модель, моделирование, искусственное общество, социально-экономические процессы, регионы России, агенты, агентное моделирование
Источник финансирования
Исследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований (грант № 20-010-00339)
Классификатор
Получено
12.11.2021
Дата публикации
19.12.2021
Всего подписок
10
Всего просмотров
980
Оценка читателей
0.0 (0 голосов)
Цитировать Скачать pdf
1

Введение

Агент-ориентированное моделирование – вид компьютерного имитационного моделирования. Оно применяется, когда необходимо моделировать ситуации с большим количеством участников (агентов), которые действуют автономно, но совместно влияют на поведение всей системы в целом. Агентами могут быть люди, животные, предприятия, атомные частицы, процессы и многое другое. В последнее время с развитием вычислительных мощностей сфера применения агент-ориентированного моделирования расширяется. Сейчас популярна тема создания искусственного общества. В этой сфере можно отдельно выделить ряд профильных работ сотрудников ЦЭМИ РАН, которые разрабатывают агент-ориентированные модели, описывающие демографические, экологические, логистические и другие социально-экономические процессы [1-8].
2 Данная статья посвящена описанию разработанной агент-ориентированной модели, которая воссоздает искусственную популяцию граждан России и их поведение. Количество агентов соответствует реальной численности граждан РФ – более 146 млн. Модель создает компьютерных агентов, которые имитируют реальных граждан России. Преимущественно для расчетов используются официальные статистические данные по регионам России, источниками которых являются ЕМИСС1 и Росстат2. Каждый агент в модели имеет ряд персональных свойств, а также набор действий, которые он может совершать на каждом шаге модельного времени. Действия агентов и изменения их свойств формируют совокупные показатели на уровне всей популяции (макропоказатели регионов). Таким образом, прогнозные значения макропоказателей создаются в результате действий агентов на каждом новом шаге модельного времени.
1. Федеральная служба государственной статистики, >>>>

2. Единая межведомственная информационно-статистическая система (ЕМИСС), >>>>
3 На данном этапе основной задачей модели является оценка состояния отраслей (состав отраслей основан на ОКВЭД3) и регионов с точки зрения трудового потенциала агентов, занятых в них, а также прогнозирование ситуации на будущие периоды. Такой подход позволит спрогнозировать будущее развитие или упадок тех или иных отраслей в каждом из регионов.
3. Общероссийский классификатор видов экономической деятельности" (утв. Приказом Росстандарта от 31.01.2014 N 14-ст) (ред. от 12.08.2021)
4

Описание модели

В процессе создания популяции каждому агенту в модели назначаются следующие свойства:
  • ID (уникальный идентификационный номер);
  • пол;
  • возраст;
  • регион проживания;
  • ID семьи (уникальный идентификационный номер «ячейки», к которой прикреплены все члены семьи);
  • уровень образования (высшее, среднее профессиональное, среднее общее, основное общее, отсутствует);
  • сфера деятельности/статус (ребёнок, студент, безработный, пенсионер или работник одной из сфер деятельности);
  • рабочий стаж, уровень квалификации;
  • группа доходности;
  • уровень оплаты труда;
  • уровень удовлетворенности;
  • уровень трудового потенциала.
5 Регионы и отрасли представлены макропоказателями, которые формируются на основании совокупных показателей (свойств) агентов и/или групп агентов. В качестве наиболее показательных можно выделить уровень удовлетворенности и трудового потенциала агентов. Эти две характеристики рассчитываются в модели индивидуально для каждого агента, исходя из его собственных свойств, а также характеристик региона проживания.
6 Изменения свойств популяции и, соответственно, состояний регионов и отраслей (прогноз) формируются в результате демографических процессов (взросление, рождение новых агентов, смерть) и действий, совершаемых агентами на каждом этапе модельного времени. В модели представлены следующие действия:
7
  • смена статуса (переход ребёнка в статус студента, студента - в статус занятого, занятого – в безработные или пенсионеры и т. д.);
  • переезд, смена сферы деятельности, повышение квалификации. Выбор того или иного действия зависит от личных свойств агента, в первую очередь от уровня удовлетворенности.
8 В полной мере процесс назначения свойств и алгоритмов поведения агентов, а также техническая реализация модели описаны в предыдущих работах автора и соавторов [1, 6, 8]. Более подробно остановимся на описании таких характеристик агента как уровень удовлетворенности и уровень трудового потенциала.
9 Уровень удовлетворенности агента ( Sj ) являет собой нормированный показатель, исчисляемый от 0 до 1, рассчитываемый по следующей формуле (подробное описание в [8]).
10 Sj=k1X1j+ k2X2j+ k3X3+ k4X4+ k5X5+ k6X6+ k7X7 (1)
11 где  Xi – показатели свойств агента или характеристик региона проживания агента (Таблица 2), ki – коэффициенты значимости при показателях Xi (Таблица 2), i – номер показателя, i = 1, …, 7,j – номер агента.
12 Уровень трудового потенциала агента ( Pj ) также является нормированным показателем, исчисляемым от 0 до 1, вычисляется следующим образом:
13 Pj=h1Y1jY1j+ h2Y2j+ h3Y3j+ h4Y4j+ h5Y5j (2)
14 где Yi,  i=1, …, 5 - показатели свойств агента (Таблица 3).
15 Из (2) следует, что увеличение значений показателей Yi  , i=1, …, 5 , за исключением возраста ( Y1 ), напрямую влияет на рост трудового потенциала. Возраст же имеет максимальный вклад в трудовой потенциал в определенной точке (60 лет), затем начинает убывать. В связи с этим h1Y1 – возрастает на множестве значений аргумента Y1≤60 , а далее убывает.
16 Коэффициенты значимости ( ki ) при вычислении уровня удовлетворённости подбирались на основании последовательного изменения набора этих коэффициентов. Эксперименты проводились за следующий период: 2017г., 2018г. и 2019г. Целью подбора являлось выявления такого набора коэффициентов, при котором уровень удовлетворенности и уровень трудового потенциала имеют наименьшее расхождение 2018 и 2019 годов от базового 2017 года. Таким образом, с помощью модели проводились компьютерные эксперименты с различными входными данными – различными наборами коэффициентов. Было проведено 16 экспериментов, в результате которых был выявлен набор данных с минимальной волатильностью уровня удовлетворенности и уровня трудового потенциала за 3 года – оптимальный набор (Таблица 2). Такой набор был реализован в запуске №13 (Таблица 1). Данный набор коэффициентов будет использован для дальнейших расчетов.
17 Таблица 1. Средние расхождения от базового 2017
Номер набора параметров Уровень трудового потенциала Уровень удовлетворенности
1 5,32% 3,63%
2 3,77% 5,98%
3 6,28% 3,97%
4 2,86% 9,13%
5 7,34% 6,80%
6 4,93% 7,34%
7 2,41% 3,83%
8 2,58% 4,41%
9 2,28% 4,17%
10 4,89% 4,53%
11 7,18% 3,40%
12 3,31% 7,22%
13 1,11% 3,09%
14 2,35% 4,22%
15 2,75% 10,23%
16 1,85% 3,13%
18 Таблица 2. Оптимальный набор коэффициентов значимости для определения уровня удовлетворенности агента
19
    k1 k2 k3 k4 k5 k6 k7
    З/п к среднему уровню з/п ( X1 ) З/п к прожиточному минимуму( X2 ) Здравоохранение ( X3 ) Образование ( X4 ) Наука и инновации ( X5 ) Престиж ( X6 ) Климат ( X7 )
1 Агент с ребенком / детьми 0,3 0 0,3 0,3 0 0,05 0,05
2 Исследователь 0,2 0 0,1 0 0,6 0,1 0
3 Занятый 0,5 0 0,1 0 0,1 0,3 0
4 Безработный 0 0,5 0,2 0 0 0,2 0,1
5 Пенсионер 0 0,2 0,4 0 0 0,1 0,3
6 Студент 0 0 0,1 0 0,6 0,3 0
20 Таблица 3. Веса показателей в определении уровня трудового потенциала
h1 h2 h3 h4 h5
  Возраст Стаж Уровень образования Уровень квалификации Уровень удовлетворенности
Веса показателей 0,1 0,1 0,2 0,3 0,3
21

Результаты компьютерных экспериментов

Особый интерес в оценке состояния регионов и отраслей представляют показатели уровня удовлетворенности и уровня трудового потенциала. В данном параграфе приведены результаты компьютерных экспериментов, на основании которых проводится анализ этих показателей. Была проанализирована информация по 82-м регионам за период с 2017 г. по 2019 г.
22 РегионыНа уровне страны можно выделить регионы, которые имеют наиболее высокий и наиболее низкий уровень трудового потенциала по всем агентам региона. На Рисунке 1 представлены 5 лучших и 5 худших по уровню трудового потенциала регионов РФ. В топ-5 регионов на 2019 вошли города Москва (0,38) и Санкт-Петербург (0,37), Московская область (0,362), Белгородская область (0,36) и город Севастополь (0,35). Можно отметить, что с 2017 по 2019 годы Московская область «обогнала» Белгородскую, а г. Севастополь имеет негативную тенденцию. К регионам с наиболее низкими значениями трудового потенциала относятся Республики Тыва (0,28), Алтай (0,279), Дагестан (0,270), Ингушетия (0,25) и Чеченская Республика (0,23). Стоит отметить, что только Республика Ингушетия имеет выраженный позитивный тренд.
23

Рисунок 1. ТОП-5 лучших и худших регионов по уровню трудового потенциала
24 Целесообразно оценить отдельно и динамику изменения уровня трудового потенциала (Рисунок 2). Изменения оценивались за период с 2017 по 2019 гг. Можно видеть, что Республика Ингушетия в 2017 занимала последнее место, тем не менее, она действительно имеет самую активную положительную динамику (8,67%). Самую сильную отрицательную динамику имеет Республика Саха (-5,59%), в общем списке она занимает 73-е место в 2019 г. Общее количество регионов, которые имеют положительную динамику, составило 40, то есть чуть меньше половины.
25

Рисунок 2. ТОП-5 лучших и худших регионов по динамике уровня трудового потенциала
26 Кроме уровня трудового потенциала имеет смысл оценить и уровень удовлетворенности населения в регионах и сопоставить его с уровнем трудового потенциала. На рисунке 3 представлены 5 лучших и 5 худших по уровню удовлетворенности регионов РФ. В топ-5 регионов в 2019г. вошли города Санкт-Петербург (0,3), Москва (0,289), Краснодарский край (0,284), Белгородская область (0,282) и Республика Крым (0,27). К регионам с наиболее низкими значениями уровня удовлетворенности относятся Республика Марий Эл (0,157), Челябинская область (0,155), Чеченская Республика (0,137), Чукотский автономный округ (0,136), Республика Ингушетия (0,09).
27

Рисунок 3. ТОП-5 лучших и худших регионов по уровню удовлетворенности
28 Что касается динамики, стоит отметить, что и по динамике уровня удовлетворенности лидирует Республика Ингушетия (20%). Самый негативный тренд продемонстрировала Удмуртская Республика (-16%). Общее количество регионов с положительной динамикой составило 46 (56%).
29

Рисунок 4. ТОП-5 лучших и худших регионов по динамике уровня удовлетворенности
30 Отрасли Как можно видеть на Рисунке 5 отраслью, которая имеет самый высокий уровень трудового потенциала по состоянию на 2019г., является отрасль «Наука и образование» (0,31). То есть средний трудовой потенциал всех агентов, занятых в этой отрасли, самый высокий среди всех прочих отраслей. Причем, в соответствии с полученными результатами, этот уровень примерно на 16% выше, чем в «ближайшей» отрасли «Деятельность в области информации и связи» (0,26). Самый низкий показатель у агентов, которые не имеют никакой сферы деятельности («Нет сферы»; 0,2), это связано с тем, что в эту категорию входят все, кто не имеет работы, включая агентов-детей. Стоит отметить, что кроме отраслей с наибольшим и наименьшим значениями, остальные отрасли имеют не столь значительные отличия. Средний уровень трудового потенциала по всему населению страны (кроме исследователей) составил 0,23. В соответствии с полученными результатами, с 2017г. по 2019г. этот показатель упал более чем на 20%.
31

Рисунок 5. Рейтинг отраслей по уровню трудового потенциала
32 Аналогичный анализ по уровню удовлетворенности показал, что нет определенной зависимости трудового потенциала от уровня удовлетворенности (Рисунок 6). Результаты показывают, что у исследователей (сфера «Наука и образование»), которые имеют наивысший показатель трудового потенциала, самый низкий уровень удовлетворенности (0,23), самый высокий – у работников сферы «Деятельность в области информации и связи» (0,36). Средний уровень удовлетворенности по стране составил 0,31.
33

Рисунок 6. Рейтинг отраслей по уровню удовлетворенности
34

Заключение

В статье была представлена агент-ориентированная модель, описывающая искусственное общество граждан России. Приведен анализ результатов компьютерных экспериментов, позволяющих оценивать состояния отраслей и регионов с точки зрения уровней трудового потенциала и удовлетворенности агентов. Самыми лучшими регионами в соответствии с модельными результатами оказались г. Москва (по трудовому потенциалу) и г. Санкт-Петербург (по уровню удовлетворённости). Лучшую динамику по обоим показателям показала Республика Ингушетия. По отраслям самый высокий уровень трудового потенциала имеет отрасль «Наука и образование».

Библиография

1. Акиншин А.А., Хачатрян Н.К., Кузнецова О.И. Имитационная модель российского общества: хранение данных модели, обработка и представление результатов // Вестник ЦЭМИ. 2021, № 1.

2. Бахтизин А.Р., Макаров В.Л., Сушко Е.Д., Максаков А.А. Демографическая агент-ориентированная модель России и оценка ее применимости для решения практических управленческих задач // ?Искусственные общества. 2021, Т. 16, № 2.

3. Макаров В.Л., Бахтизин А.Р., Сушко Е.Д., Сушко Б. Разработка агент-ориентированной демографической модели России и ее суперкомпьютерная реализация // Вычислительные методы и программирование. 2018, Т. 19, № 4

4. Макаров В.Л., Бахтизин А.Р. Социальное моделирование – новый компьютерный прорыв (агент-ориентированные модели). – Москва: Экономика, 2013.

5. Сушко Е.Д. Мультиагентная модель региона: концепция, конструкция и реализация // Учреждение Российской акад. наук Центральный экономико-мат. ин-т РАН – 2012.

6. Хачатрян Н.К., Акиншин А.А., Кузнецова О.И. Имитационная модель российского общества: создание и анализ виртуальной популяции // Искусственные общества. 2020, Т. 15, № 4.

7. Хачатрян Н.К., Кузнецова О.И. Компьютерное моделирование вариантов пространственного развития научно-технологической сферы в Российской Федерации // Экономика и математические методы. 2020, Т. 56, №3.

8. Akinshin A.A., Khachatryan N.K., Kuznetsova O.I., Borisova S.V. Agent-based model "Intellectual Russia": model construction and optimization of calculations // CEUR Workshop Proceedings. – 2021.

Комментарии

Сообщения не найдены

Написать отзыв
Перевести