Mô hình tác nhân ứng dụng với GAMA cho mô phỏng môi trường và xã hội

Tổng quan nhanh

Mô tả

Đây là khóa học chuyên sâu kéo dài 3 ngày, cung cấp kiến thức thực hành về mô hình tác nhân (Agent-Based Modeling – ABM) với nền tảng GAMA – một phần mềm mã nguồn mở mạnh mẽ cho mô phỏng các hệ thống xã hội – môi trường phức tạp.

Người học sẽ:

• Xây dựng các mô hình như mô hình phân tán Schelling, dòng giao thông, và động thái sử dụng đất.
• Tích hợp dữ liệu GIS để mô phỏng các kịch bản không gian thực tế.
• Sử dụng GAML (GAMA Modeling Language) để định nghĩa hành vi tác nhân và động lực môi trường.
• Học kỹ thuật nâng cao như hiệu chỉnh mô hình, xử lý hàng loạt bằng chế độ headless, và mô hình lai với các phương trình toán học.
• Làm việc theo nhóm để giải quyết một vấn đề thực tế (ví dụ: sơ tán lũ, đảo nhiệt đô thị, hoặc phát triển khu dân cư phi chính thức).
• Kết nối với chuyên gia quốc tế và đồng nghiệp trong lĩnh vực mô hình hóa thông qua các phiên tương tác và hoạt động xã hội.

Mục tiêu

Làm chủ khái niệm ABM cốt lõi:

• Hiểu nguyên lý chính của ABM (tính tự phát, thích nghi, vòng phản hồi).
• Chuyển đổi hiện tượng thực tế thành mô hình tương tác giữa tác nhân và môi trường.

Thành thạo nền tảng GAMA:

• Viết logic tác nhân bằng GAML với các thuộc tính, phản xạ, hành động, và máy trạng thái.
• Tích hợp và xử lý lớp GIS (shapefile, bản đồ raster, OpenStreetMap).
• Sử dụng công cụ hiển thị 3D, biểu đồ và dashboard trong GAMA để phân tích theo thời gian thực.

Kỹ thuật mô hình hóa nâng cao:

• Chạy các kịch bản mô phỏng và tự động hóa với chế độ headless.
• Áp dụng phân tích độ nhạy, hiệu chỉnh mô hình và mô hình hóa bậc cao.
• Kết hợp mô hình phương trình (ví dụ: phương trình vi phân cho động lực dân số) với ABM.
• Triển khai mô phỏng bằng chế độ server để làm việc nhóm hoặc chạy quy mô lớn.

Chủ đề chính

Ngày 1:

• Giới thiệu về mô hình tác nhân và GAMA.
• Hướng dẫn giao diện GAMA và cú pháp GAML cơ bản.
• Phòng lab: Mô hình Schelling (tùy biến, trực quan hóa, mở rộng).
• Tích hợp GIS: Nhập shapefile, tọa độ thực, lớp chồng bản đồ.

Ngày 2:

• Nghiên cứu tình huống mô hình giao thông: hành vi tác nhân vi mô và trung mô.
• Hội thảo: Xây dựng mô hình giao thông nhiều tác nhân sử dụng dữ liệu mạng giao thông Hà Nội.
• Chế độ headless: Chạy hàng loạt thí nghiệm, xuất kết quả, viết script tự động.
• Khám phá tham số: Phân tích độ nhạy và hiệu chỉnh với dữ liệu CSV.

Ngày 3:

• Mô hình lai: Tích hợp động lực học hệ thống (ví dụ: mô hình con mồi – kẻ săn mồi, SIR) với ODE.
• Dự án nhóm cuối khóa: Mô phỏng kịch bản thực tế (kiên cường đô thị, y tế công cộng, v.v.).
• Trình bày và nhận phản hồi từ bạn học.
• Tổng kết và trao chứng nhận.

Công cụ & Công nghệ

Nền tảng mô phỏng:

• GAMA Platform v1.9.1
• Mở rộng GIS cho dữ liệu không gian raster/vector
• Bộ công cụ hiển thị 3D
• Chế độ headless để chạy batch và mở rộng quy mô
• Dashboard và công cụ vẽ biểu đồ qua web

Phần mềm GIS:

• QGIS để xử lý dữ liệu không gian (gộp lớp, cắt lớp, chuyển đổi hệ tọa độ)

Ngôn ngữ và phân tích:

• GAML cho mô hình hóa
• Python hoặc R (tùy chọn) để xử lý kết quả và phân tích thống kê

Hiển thị 3D:

• Tích hợp với Blender hoặc ParaView để hiển thị kết quả mô phỏng chất lượng cao

Đối tượng tham gia

• Nhà nghiên cứu trong các lĩnh vực hệ thống đô thị, động lực xã hội và mô hình sinh thái
• Quy hoạch viên giao thông, chuyên gia tư vấn môi trường
• Học giả và sinh viên cao học trong ngành khoa học máy tính, kỹ thuật, hoặc chính sách công
• Nhà khoa học dữ liệu và thiết kế hệ thống quan tâm đến mô phỏng

Yêu cầu đầu vào:

• Có kinh nghiệm lập trình (ví dụ: Python, Java hoặc NetLogo) là một lợi thế
• Có hiểu biết cơ bản về GIS là khuyến khích nhưng không bắt buộc

Giảng viên

• TS. Patrick Taillandier – Nhà phát triển chính GAMA; chuyên gia ABM cho hệ thống giao thông thông minh
• TS. Alexis Drogoul – Người sáng lập GAMA; chuyên nghiên cứu về rủi ro thiên tai và mô hình xã hội quy mô lớn
• Arthur Brugiere – Chuyên gia tích hợp GIS-3D và kể chuyện bằng hình ảnh trong ABM
• Tri Nguyễn Hữu – Nhà phát triển module headless/server trong GAMA; nhấn mạnh quy trình mô phỏng có thể mở rộng
• Nguyễn Ngọc Doanh – Tổng quan về mô hình và mô phỏng

Hình thức học

• Bài giảng trực tiếp: Tương tác, lập trình cùng giảng viên, hỗ trợ gỡ lỗi trực tiếp
• Phòng lab thực hành: Dữ liệu từ giao thông Hà Nội và sử dụng đất ở Malaysia để xây dựng mô hình từ đầu
• Dự án nhóm: Học viên lập nhóm để thiết kế, chạy và trình bày mô phỏng bằng GAMA
• Phản hồi từ bạn học: Nhận xét và góp ý chéo khi trình bày dự án cuối khóa

Đánh giá & Chứng nhận

Tiêu chí đánh giá:

• Dự án cuối khóa (Mô hình + Báo cáo): 100%
• Mô hình cần thể hiện được tích hợp không gian, tham số hóa và trực quan hóa
• Báo cáo bao gồm mục tiêu, cấu trúc tác nhân, hiệu chỉnh tham số và phân tích kết quả

Chứng nhận:

• Cấp bởi VinUniversity và nhóm phát triển GAMA (dạng số)
• Có nhận xét cá nhân về chất lượng dự án và thiết kế mô phỏng

Liên hệ

• Email: ummisco.sea@gmail.com
• Điều phối viên khóa học: Đỗ Bùi Khánh Linh (linh.dbk@vinuni.edu.vn)