«Цифровой двойник» населения Арктики в демографических исследованиях и управлении развитием территорий

В современном мире цифровые технологии оказывают большое влияние на все сферы жизни людей [1, Lundgren A., Randall L., Norlén G. et al., с. 52]. Благодаря высокой удалённости и урбанизации арктические территории занимают лидирующие позиции по показателям проникновения интернета и использования цифровых технологий [2, Смирнов А.В., с. 260]. В государственных и частных информационных системах сегодня накапливается огромное количество информации о населении [3, Китчин Р., с. 62], которую можно применять в научных исследованиях и государственном управлении. Однако применительно к российской Арктике эта информация носит разрозненный характер, фрагментарна, требует систематизации и обработки [4, Дмитриева Т.Е., Чупрова И.А.]. Одним из подходов к решению проблемы может стать создание цифрового двойника населения — подробного электронного профиля, отражающего характеристики населения Арктики и позволяющего их анализировать без применения дополнительного инструментария.

Объект исследования — население российской и мировой Арктики. Цель статьи состоит в разработке и апробации интерактивного веб-приложения «Цифровой двойник населения Арктики». Первая часть статьи посвящена обзору существующего опыта создания цифровых двойников населения и интерактивных веб-сайтов, содержащих детальные демографические данные. Во второй части предложена методика создания цифрового двойника населения Арктики, основанная на трёх методологических принципах: учёте иерархии территорий, пространственном представлении данных, сочетании демографической статистики с новыми цифровыми источниками данных. Третья часть статьи посвящена описанию возможностей созданного в рамках исследования «Цифрового двойника населения Арктики» 1.

В работе делаются некоторые выводы о социально-демографических проблемах российской Арктики, а также представлены детальные демографические профили арктических территорий.

Цифровые двойники населения и демографические дашборды

Цифровой двойник — развивающийся цифровой профиль исторического, текущего и перспективного поведения физического объекта или процесса, который помогает оптимизировать эффективность управления 2. Чаще всего этот термин применяется в отношении физических систем и процессов. Например, существует «Цифровой двойник северного завоза», разработанный в Восточном центре государственного планирования. Это информационная система для оптимизации стоимости, сроков и логистики поставки жизненно важных грузов в труднодоступные районы Дальневосточного федерального округа и Арктической зоны Российской Федерации 3. В последнее время термин «цифровой двойник» применяется и в отношении социальных систем.

«Цифровой двойник» населения характеризует население стран, регионов, городов или районов, рассматривает население через призму академических исследований, бизнеса или государственного управления с использованием больших геопространственных данных, методов пространственного анализа, науки о данных, искусственного интеллекта 4. Пример цифрового двойника населения — модель QUANT, разработанная в Институте Алана Тьюринга. Она моделирует городское развитие, включая демографию, расположение рабочих мест и транспортные взаимодействия в Великобритании [5, Batty M., Milton R.]. Модель создана для поддержки принятия управленческих решений, в том числе в условиях эпидемий.

Технически «цифровые двойники» населения чаще всего создаются в форме интерактивных веб-приложений — дашбордов (от англ. dashboard — приборная панель). Использование диаграмм, таблиц, картограмм, инфографики в сочетании с различными элементами управления позволяет анализировать данные различными способами, упорядочивать их [6, Wickham H.]. Дашборд — это рабочий инструмент для специалистов, позволяющий получить необходимые данные в удобном виде. В государственном управлении дашборды городов и регионов нацелены на увеличение безопасности, прозрачности и подотчётности деятельности органов власти [7, Matheus R., Janssen M., Maheshwari D.], а также на повышение качества и обоснованности принимаемых решений [8, Nochta T., Wan L., Schooling J.M., Parlikad A.K.].

К числу наиболее детализированных демографических дашбордов можно отнести интерактивные карты переписи населения Великобритании 2021 г. 5. Карты позволяют визу-

СЕВЕРНЫЕ И АРКТИЧЕСКИЕ СОЦИУМЫ

Смирнов А.В. «Цифровой двойник» населения Арктики … ализировать данные о демографии, образовании, здоровье, жилищных условиях и занятости в Англии и Уэльсе не только на уровне районов и населённых пунктов, но и для отдельных участков статистического наблюдения, состоящих всего из несколько домов. Численность населения почти каждого из 189 тыс. участков находится в пределах от 100 до 625 человек, что позволяет предоставлять пользователям сверхдетализированные данные. Сайт City Population ⁶, созданный Томасом Бринкхоффом, профессором Института прикладной фотограмметрии и геоинформатики из Ольденбурга, содержит регулярно обновляемые дашбор-ды о численности населения городов и территорий по всем странам мира.

Другая сфера применения демографических дашбордов — демонстрация результатов моделирования и прогнозирования. Так, в австрийском Центре демографии и глобального человеческого капитала Витгенштейна разработан дашборд 7, позволяющий строить прогнозы динамики и образовательного состава населения стран мира до 2100 г. по пяти прогнозным сценариям. Доступны половозрастные пирамиды с детализацией по уровням образования и картограммы [9, Lutz W., Goujon A., K.C. S., Stonawski M., Stilianakis N.].

В России к интерактивным базам демографических данных, содержащим некоторые элементы дашбордов (например, возможность строить графики), можно отнести Единую межведомственную информационно-статистическую систему 8 и приложение сайта Демо-скоп Weekly 9. Более широким функционалом, включая построение карт, обладает BI-портал Росстата 10, на котором в будущем планируется размещать итоги переписей населения. Интересен проект «Виртуальное население России» 11, представляющий собой своеобразную цифровую перепись населения России [10, Замятина Н.Ю., Яшунский А.Д.]. На основе данных профилей пользователей социальной сети «ВКонтакте» авторы отразили в интерактивном атласе на региональном и муниципальном уровнях сведения о половозрастном составе, популярных именах, образовании, миграции и сетях дружбы.

Наибольшее развитие демографические дашборды получили в период пандемии COVID-19, когда стала особенно цениться оперативность распространения информации. В первые месяцы пандемии внимание средств массовой информации всего мира было приковано к дашборду Университета Джона Хопкинса 12, где публиковались данные о заражениях и смертях по странам. В дальнейшем были разработаны дашборды с более подробными данными. Например, Эдвард Паркер из Лондонской школы гигиены и тропической медици- ны разработал дашборд 13, где отражены и другие крупные эпидемии XXI в.: SARS-2003, H1N1-2009, Ebola-2014. В Университете Северной Айовы на платформе ArcGIS были разработаны дашборды [11, Petrov A.N., Welford M., Golosov N. et al.] о заражениях и смертях от коронавируса в арктических странах и регионах. В России наибольшую известность приобрёл дашборд Яндекса 14, где данные представлены на уровне стран и субъектов РФ. Помимо заражений и смертей там публиковались данные о соблюдении самоизоляции по городам России и о популярности поисковых запросов, связанных с коронавирусом. Статистика поисковых запросов о лечении коронавируса, потере обоняния или вызове скорой помощи может применяться для прогнозирования вспышек заражений [12, Ahmad I., Flanagan R., Staller K.].

Несмотря на большой опыт создания демографических дашбордов, отсутствуют примеры достаточно проработанных решений, охватывающих различные аспекты демографического развития Арктики.

Методы и данные

При разработке «Цифрового двойника населения Арктики» использовались три методологических принципа.

Во-первых, учитывалась иерархия территорий. Арктическая зона Российской Федерации состоит из территорий разных уровней: муниципальных образований, субъектов РФ, макроуровня (АЗРФ в целом). Пять субъектов РФ и одно муниципальное образование (Эвенкийский район) входят в Арктическую зону частично, что усложняет формирование единообразной информационной базы. Поэтому практически вся статистика при создании цифрового двойника собиралась на местном муниципальном уровне, затем агрегировалась на более высокие уровни. Такой подход согласуется с принципами освоения арктического пространства. «Из “атомов” локального освоения собирается региональное и зональное. “Большое” освоение мегапроектов и федеральных трасс-коридоров развития может быть успешным только при опоре на “малое”, на освоение “снизу” усилиями местных сообществ и предпринимателей» [13, Замятина Н.Ю., Пилясов А.Н., с. 17]. На муниципальном уровне удалось собрать статистику по более чем 50 показателям, характеризующим численность и состав населения, естественное и миграционное движение, занятость и экономическую активность, образование и качество жизни.

Во-вторых, все данные имеют пространственное представление. Это важно, поскольку в Арктике практически все аспекты жизни зависят от удалённости территорий от основных центров расселения. Эти закономерности лучше всего демонстрирует «Атлас населения, общества и экономики в Арктике» [14, Jungsberg L., Turunen E., Heleniak T. et al.]. В «Цифровом двойнике населения Арктики» ключевая роль также отводится картографическим материа- лам: каждый район или округ представлен своими границами на картах-схемах. Населённые пункты отражаются как точки с определёнными координатами. В картограммах использовалась равновеликая коническая проекция Альберса, центрированная в точке с координатами (71°N, 107°E) на севере Красноярского края. Эта проекция удобна для изображения территорий, вытянутых в широтном направлении, подобно Арктической зоне. В дашборде находит отражение не только географическое, но и социальное пространство. В визуализации миграционных сетей с помощью графов территории находятся тем ближе друг к другу, чем большее число людей переместилось между ними.

В-третьих, сочетались традиционные и новые источники данных, возникшие благодаря цифровой трансформации — цифровые следы. Под цифровыми следами понимают результаты социального взаимодействия с помощью цифровых инструментов и пространств, а также цифровые записи других культурно значимых материалов [15, Cesare N., Lee H., McCormick T., Spiro E., Zagheni E., с. 1980; 16, Смирнов А.В., с. 60]. Они позволяют получать более детальные и оперативные данные о демографических процессах. Главными источниками традиционных статистических данных «Цифрового двойника населения Арктики» стали База данных показателей муниципальных образований Росстата 15 и итоги переписей населения 1939–2021 гг. Среди используемых новых цифровых источников можно отметить данные упоминавшегося выше проекта «Виртуальное население России» (миграция), сервиса по продаже билетов Туту.ру 16 (перемещения людей на поездах и самолётах, число пассажиров рейсов восстановлено до 100%), Яндекса (заболеваемость, смертность, самоизоляция и поисковые запросы в период пандемии), проекта «Инфраструктура научно-исследовательских данных» 17 (расселение). Эти данные дополняют традиционную статистику, более полно раскрывают различные аспекты демографических проблем.

Все наборы данных приведены к упорядоченному формату. Упорядоченный или аккуратный (от англ. — tidy) формат данных организован таким образом, что каждой переменной соответствует свой столбец определённого типа, каждому наблюдению — своя строка, каждому значению — своя ячейка, а каждому типу наблюдения — своя таблица [17, Wickham H., с. 10]. Столбцы одной таблицы имеют равный размер, но могут содержать пропущенные значения. Приведение данных к такому формату обеспечивает единообразный подход для обращения к данным. К примеру, оно позволяет представить любой маркер на графике или карте в виде отдельно взятой независимой строки, что упрощает определение цвета, размера и других атрибутов точек данных [18, Dabbas E.]. В нашем случае каждая строка представляет собой сочетание территории и года (например, городской округ Архангельск в

2019 г.). Каждой переменной соответствует ровно один столбец (численность населения, число рождений, миграционный прирост и др.).

Дашборд «Цифровой двойник населения Арктики» имеет клиент-серверную браузерную архитектуру. Основные использованные технологии отражены на схеме (рис. 1). Прежде всего это веб-фреймворк Dash на языке программирования Python. Большинство графиков и картограмм создано с помощью пакета Plotly, а визуализации сетей миграции — с помощью Cytoscape. Для кластеризации и прогнозирования использовались пакеты scikit-learn, NumPy и pandas, для анализа сетевых структур данных — NetworkX, пространственных данных — GeoPy. Взаимодействие пользователя с дашбордом осуществляется через веб-сервер Nginx и WSGI-сервер Gunicorn. Исходный код проекта и файлы данных опубликованы в свободном доступе в репозитории проекта на GitHub 18.

Рис. 1. Архитектура дашборда «Цифровой двойник населения Арктики».

Применение цифрового двойника населения Арктики

Рассмотрим некоторые задачи, которые могут быть решены с помощью разработанного инструментария. Дашборд позволяет определять пространственные границы социально-демографических проблем на определённый момент времени, т. е. выполнить проблемное районирование Арктики [19, Лаженцев, В.Н., с. 40]. В табл. 1 представлены наиболее и наименее благополучные территории по некоторым социально-демографическим показателям за 2019–2021 гг. По большинству показателей (рождаемость, смертность, миграция, демографическая нагрузка, заработная плата, объём производства) лучшие значения демонстрируют территории нового освоения в азиатской части Арктики. С худшими значениями ситуация не столь однозначна. По части показателей аутсайдерами являются сельские территории и города старого освоения европейской части Арктики (рождаемость, половозрастной состав, заработная плата), по другим — некоторые азиатские территории (смертность, миграция внутри региона). Пандемия COVID-19 менее всего отразилась на смертности в удалённых и изолированных территориях. Единственный показатель, по которому лидируют крупнейшие города европейской части Арктики (Архангельск и Мурманск) — удельный вес студентов в населении.

Таблица 1

Территории-лидеры и аутсайдеры по социально-демографическим показателям, 2019–2021 гг. 19

Показатель	Лучшие значения	Худшие значения
Специальный коэффициент рождаемости	МО Ямальский, МР Оленекский, МР Чукотский	ГО Инта, ГО Архангельск, ГО Анадырь
Стандартизованный коэффициент смертности	ГО Губкинский, МО Надымский, ГО Новый Уренгой	МР Чукотский, МР Жиганский, ГО Провиденский
Избыточная смертность в период пандемии	ЗАТО Островной, МР Красноселькупский, МР Усть-Цилемский	МР Абыйский, МР Беломорский, МР Кемский
Коэффициент миграционного прироста внутри региона	ГО Эгвекинот, МР Приморский, ГО Нарьян-Мар	МР Чукотский, МР Среднеколымский, МР Красноселькупский
Коэффициент межрегионального миграционного прироста	ГО Певек, МР Анадырский, МО Надымский	ГО Анадырь, ГО Воркута, ГО Усинск
Коэффициент международного миграционного прироста	ГО Певек, МР Билибинский, МР Анадырский	ГО Губкинский, МО Приуральский, МР Ловозерский
Соотношение полов (оптимальным считается равенство численности)	МР Среднеколымский, МР Верхоянский, МР Анабарский	ГО Певек, ГО Новодвинск, ГО Архангельск
Общая демографическая нагрузка	ГО Норильск, ГО Анадырь, ГО Губкинский	МР Лешуконский, МР Мезенский, МР Лоухский
Отношение зарплаты к стоимости набора товаров и услуг	МО Надымский, ГО Норильск, ГО Новый Уренгой	МР Онежский, МР Калевальский, МР Ловозерский
Отгружено товаров, выполнено работ, услуг на 1 человека	МО Ямальский, МО Тазовский, МР Туруханский	МР Лешуконский, МР Калевальский, МР Усть-Цилемский
Число студентов вузов и учреждений СПО на 1000 жителей	ГО Архангельск ГО Салехард ГО Мурманск	в 33 муниципальных образованиях нет учреждений ВО и СПО

Более подробное представление о пространственной дифференциации территорий по каждому из рассмотренных показателей можно получить, построив соответствующие картограммы (рис. 2a). Дашборд автоматически ранжирует все территории по выбранному показателю на выбранный год. Для выявления закономерностей между различными показателями разработан инструмент многомерного анализа. Он позволяет на основе пузырьковой диаграммы сравнивать территории Арктики одновременно по четырём переменным: значение первой отражается по оси X, второй — по оси Y, третьей — через размер кружка, четвертой — через его цвет (рис. 2b). Инструмент позволяет выявлять самые разные закономерности, комбинируя переменные, используя логарифмические шкалы и линии тренда. Для более детального анализа внешними инструментами файлы данных могут быть загружены из репозитория проекта.

Источник: Цифровой двойник населения Арктики. URL: (дата обращения: 01.03.2023).

Рис. 2. Некоторые элементы дашборда: a) районирование по показателю; b) многомерный анализ; c) динамика поисковых запросов о пандемии; d) крупнейшие потоки сети миграций;

e) рейтинг стран по уровню рождаемости; f) карта расселения мировой Арктики 20.

Дашборд позволяет выполнять кластеризацию территорий, в том числе многомерную, методом k-средних; прогнозировать значения показателей; анализировать систему расселения, например, оценивать численность населения в определённом радиусе от населённого пункта; визуализировать временные ряды показателей пандемии (рис. 2c), включая динамику поисковых запросов и индекс самоизоляции [2, Смирнов А.В.]; изучать сети миграций [20, Danchev V., Porter M.A.] (рис. 2d) и транспортные пассажиропотоки в Арктике [16, Смирнов А.В.]; анализировать показатели научных и образовательных организаций, расположенных в пределах Арктической зоны. Отдельное внимание в «цифровом двойнике» уделяется мировой Арктике. Реализовано сравнение арктических стран по основным демографическим показателям (рис. 2e). Доступна интерактивная карта расселения населения мировой Арктики (рис. 2f) 21.

• ²⁰    Мировая Арктика. Цифровой двойник населения Арктики URL: https://digital-arctic.ru/ (дата обращения: 01.03.2023).

• ²¹    Мировая Арктика. Цифровой двойник населения Арктики. URL: https://digital-arctic.ru/Мировая%20Арктика (дата обращения: 01.03.2023).

«Цифровой двойник населения Арктики» содержит демографические профили всех 75

городских округов, муниципальных округов и муниципальных районов, а также 9 регионов Арк- тической зоны РФ. Выбор территории осуществляется в меню в правом верхнем углу дашборда.

Профиль включает краткую характеристику территории, графики динамики демографических показателей с возможностью сравнения с другими территориями, информацию о численности населения всех городов и поселков городского типа с 1939 г., возрастную пирамиду на 2021 г., образовательный состав населения и значения основных демографических показателей. В каче- стве примера на рис. 3 продемонстрирован фрагмент профиля городского округа Воркута — од- ного из самых быстро убывающих муниципальных образований российской Арктики [21, Фаузер

В.В., Лыткина Т.С., Фаузер Г.Н., с. 47].

Рис. 3. Фрагмент демографического профиля ГО Воркута: краткие сведения, динамика численности в сравнении с другими территориями, расселение в 1939–2021 гг., возрастная пирамида, образовательный состав, основные показатели 22.

Заключение

В рамках исследования реализован дашборд «Цифровой двойник населения Арктики» — интерактивный веб-сайт, содержащий детальные — вплоть до муниципального и по-

• ²²    ГО Воркута — Цифровой двойник населения Арктики. URL: https://digital-arctic.ru/ГО%20Воркута (дата обращения: 01.03.2023).

селенческого уровней — данные о населении Арктики. «Цифровой двойник» охватывает такую проблематику, как численность, динамика и состав населения, расселение, естественное и миграционной движение, труд и занятость, транспортные перемещения, наука и образование, влияние пандемии. Для исследователей реализованы инструменты ранжирования, многомерного анализа, кластеризации и прогнозирования значений показателей. С точки зрения государственного и муниципального управления, а также местного бизнеса, главный интерес представляют демографические профили регионов и территорий, отражающие информацию об имеющейся демографической ситуации.

В будущем планируется совершенствование цифрового двойника в нескольких направлениях. Во-первых, путём добавления новых показателей и актуализации данных. Во-вторых, на основе итогов переписи населения 2021 г. планируется разработка детального демографического прогноза, учитывающего в том числе образовательный состав населения, что позволит прогнозировать численность и качественный состав трудовых ресурсов арктических территорий.