人口シミュレーションの基礎：集団を作ることと、反応を予測すること

ある地域で、共同施設の利用時間を変えるとする。平日の昼に開ける案と、夕方に開ける案では、利用できる人が違う。実施前にその違いを調べるには、その地域にどんな人々がいて、時間の変更にどう反応するかを考える必要がある。

人口シミュレーションでは、対象となる集団の構成を計算上に表し、その集団に条件を与えたときの結果を推定する。集団を作る処理と、反応を予測する処理を分けると、AaruやSimileの説明も読みやすくなる。ただし、この分野のすべての手法が同じ内部構成を持つわけではない。

1．母集団と標本

母集団とは、知りたい対象の全体である。「日本の成人」「ある地域の住民」「その施設を利用できる人々」は、それぞれ異なる母集団だ。人口シミュレーションの人口は、必ずしも国民全員を意味しない。

母集団の全員を調べられないとき、一部を観測する。その一部を標本と呼ぶ。アンケートに答えた人や、記録に含まれる利用者が標本になる。

標本に含まれない人の行動は、その記録から直接は分からない。昼に施設へ来た人だけを調べると、昼に来られない人の事情が抜ける。観測人数だけでなく、誰を観測できているかを確認する必要がある。

2．モデルと仮想人口

モデルとは、知りたい問題に必要な現実の特徴や関係を、計算できる形で表したものである。施設の利用時間を考えるなら、就業時間、移動時間、家族の世話などが関係し得る。目的と関係のない特徴まで、すべて再現する必要はない。

仮想人口は、そのモデルから作る計算上の人々である。年齢、就業状態、地域、世帯構成などを、一人分のプロフィールとして持たせる。現実の特定個人を完全に複製したものではない。

合成人口とも呼ばれる。合成とは、資料に基づいて計算上の記録を作ることを指す。実際に新しく調査した人が増えるわけではない。

概念図。AaruやSimileの非公開内部実装を示したものではない。

3．割合を表す分布

分布とは、値や種類ごとに、どれくらいの人数や確率があるかを表したものである。100人のうち若年層が50人、高年齢層が50人なら、年齢層の分布は50％と50％になる。

ただし、年齢層だけを合わせても、集団全体を再現したことにはならない。年齢と就業状態がどう重なっているかも、施設の利用時間を考えるために必要になる。

次の人数は、説明用の架空例である。実測データやAaruの測定結果ではない。

どちらも若年層50人、高年齢層50人、就業50人、非就業50人である。しかし、若年層で働いている人は、人口Aでは40人、人口Bでは10人になる。

属性を一つずつ見た分布を周辺分布、属性を組み合わせて見た分布を結合分布と呼ぶ。単独の割合がすべて合っていても、組み合わせは違い得る。

年齢と就業の関係だけで利用行動が決まるわけではない。この例が示すのは、単独の集計だけでは組み合わせを特定できないということである。

4．条件付き確率

条件付き確率は、ある条件に絞ったときの割合を表す。人口Aの若年層は50人で、そのうち就業しているのは40人だ。したがって、若年層に限った就業割合は40÷50＝80％になる。人口Bでは10÷50＝20％になる。

全体の就業割合はどちらも50％だが、若年層に絞ると違いが見える。このように対象の条件を指定して考えることが、集団の反応予測の基礎になる。

ただし、年齢と就業が関連していることから、年齢が就業を引き起こすと結論することはできない。条件付きの割合と、条件を変更したときの因果効果は別である。

5．人口を作ることと、行動を予測すること

人口モデルが答えるのは「どんな人々が、どれくらいいるか」である。行動モデルが答えるのは「その人々が、この条件でどう選ぶか」である。

あるプロフィールについて、夕方の開館時間なら利用する確率を70％と推定したとする。この数値も説明用の仮定である。70％は、その人が必ず利用するという意味ではない。同じような条件に対して、利用する可能性を表している。

シミュレーションには、一人ずつ行動を抽出して集計する方法も、確率を使って期待人数を計算する方法もある。複数の代表的なプロフィールに人数の重みを持たせる方法もある。必ず全員に会話をさせるわけではない。

人口の構成が正しくても、利用確率の推定を誤れば結果は外れる。行動予測が正しくても、対象の集団から重要な人々が抜けていれば、全体の結果はずれる。両方を別々に評価する必要がある。

学習とは、観測した資料を使って、モデルの予測に関わる設定を調整することである。例えば、過去の利用記録から、時間帯や移動時間と利用の関係を推定する。予測と観測のずれを数値にし、そのずれを小さくするように設定を選ぶ方法がある。このずれを表す計算を損失関数と呼ぶ。

学習資料にだけよく合う設定を選ぶと、新しい地域や時期で外れることがある。そのため、設定を選ぶ資料と、最後に性能を測る資料を分ける。人口生成の計算方法や学習条件を、行動モデルと同じものにする必要もない。

6．Aaruの公開説明を、この構成で読む

Aaruの公式説明では、利用者が目的、対象人口、質問や条件を指定する。その後にAaruが資料を統合し、人口を構成し、反応を推定して、分析可能な記録を返す。[1]

資料には、公的人口統計、ライセンスされた行動データ、顧客が提供する資料などを使うと説明している。公開例にはAmerican Community Surveyもある。ただし、すべての情報源や、統合する重みの詳細が公開されているわけではない。[1]

人口生成については、データに支えられた属性間の関係をネットワークとして学び、その関係からプロフィールを抽出すると説明する。例えば、年齢、就業、所得を互いに無関係な列として生成しないということだ。具体的なアルゴリズムやネットワーク構造を、この説明だけから断定することはできない。[1]

反応の推定では、個人の条件による違いと、集団全体の分布を観測資料と照合して学習すると説明する。公開評価では、個人の行動軌跡を予測する中核モデルは言語モデルではないと明記している。Aaru全体で言語モデルを一切使わないという意味ではない。[1][2]

公開研究の評価では、質問、選択肢、対象人口の説明を入力し、予測した回答割合を公開調査の割合と比較している。購買記録との順位比較も報告しているが、回答分布、購買順位、介入効果は別の評価対象である。[2]

7．実装の中で行われる処理

基礎を実装する場合、処理を次のように分けられる。これは理解用の一般的な構成で、Aaruのコードを再現したものではない。

1. 資料を読み、各列の意味、期間、対象を確認する。
2. 年齢や就業などの人数と組み合わせを集計する。
3. その集計に合うプロフィールや重みを作る。
4. 価格、時間、制度などの条件を入力する。
5. 条件ごとの反応を予測する。
6. 対象集団の重みで結果を集計する。
7. 学習に使っていない実測資料と比較する。

行動モデルには、統計的な選択モデル、規則、ニューラルネットワーク、言語モデルを使う方法などがある。どれを使うかは、予測対象と観測できる資料によって変わる。生成型の人工知能が登場する前から、人口合成やエージェントに基づくシミュレーションは研究されてきた。[3]

Simileも人口の行動分布を予測するが、取引記録、インタビュー、調査、実験などを組み合わせて人間の行動モデルを学習する方法を説明している。「Aaruは人口だけ、Simileは個人だけ」という二分では、両社の重なりを説明できない。[4]

8．予測が正しいかを確かめる

検証では、予測と比較する資料を、モデルの学習や調整から分ける。問題の答えを見て設定を選び、その同じ問題で高精度を主張すると、公平な評価にならない。

説明用の例として、利用する割合を60％と予測し、実測では55％だったとする。差は5パーセントポイントである。これは「個人の行動を95％当てた」という意味ではない。

全体の割合が合っていても、若年層と高年齢層の誤差が打ち消し合っている可能性がある。利用する人数だけでなく、必要な集団ごとにも確認する。

また、仮想人口を何度も抽出することによる揺れと、現実を誤って表していることによる誤差は違う。生成する人数を増やして前者を小さくしても、抜けている集団や誤った行動関係は修正されない。

人口の構成を表せた後にも、反応のモデル、未使用資料での評価、時間と相互作用、実地の介入効果という別の課題が残る。

出典

1. Aaru, How a simulation works
2. Aaru, Population simulation at the replication floor
3. Farooq et al., Simulation based population synthesis, 2013 — 本稿では人口合成の先行研究の案内として掲載。論文の方法の詳説は次稿で確認する。
4. Simile, Building the What-If Machine

読者との対話で改訂する草稿。確認日：2026年10月12日。説明用の数値と、企業が報告する内容を区別している。