SynPop-DE: 生成ニューラルネットワークを用いたドイツの4000万世帯の合成人口

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Use SynPop-DE for energy transition modeling or adapt the generative method to other countries.

🏢実務担当者:Datasets like SynPop-DE can inform customer segmentation or demand-side management strategies for energy utilities.

🏛政策担当者:Supports evidence-based energy policy by enabling simulation of household-level impacts of transition measures.

これはSynPop-DE（ドイツの合成人口）のデータリポジトリであり、論文「SynPop-DE: generative neural networksを用いたドイツの4000万世帯の合成人口」に付随するものです。 はじめに：社会人口統計、住居、所得、支出の属性を組み合わせた世帯マイクロデータは、エネルギー転換の世帯レベルへの影響をモデル化するなど、定量的社会科学の多くの研究にとって中核的なリソースです。しかし、ドイツの全人口についてそのようなデータは公開されていません。SynPop-DEは、2022年国勢調査に較正され、世帯あたり34属性を持つ、ドイツ全400地区における40,235,916世帯とその81,629,116人の構成員からなる合成人口を提供します。合成世帯は、2段階の機械学習アーキテクチャを通じてドイツ家計予算調査の結合属性分布を推定することにより生成されます。オートエンコーダーがまず高次元のカテゴリカルデータを連続潜在空間に圧縮し、その後、生成的敵対ネットワークがこの表現から新しいレコードをサンプリングすることを学習します。これらのレコードは、空間的代表性を確保するために、反復比例更新を用いて全ドイツ地区の国勢調査マージナルと整合されます。3つの次元に沿った検証により、モデルが属性関係を学習し、調査データの統計的特性を再現する合成世帯を生成すること（忠実度）、元の調査と同等の精度で下流分析を支援すること（有用性）、個々の回答者の開示を防ぐこと（プライバシー）が確認されます。データセットはhttps://synpop.de で公開されています。 データ：SynPop-DEの現在のデータは常にsynpop.de で見つけることができます。 コード：データを再現するためのコードはこちらにあります：https://gitlab.pik-potsdam.de/metab/synpopde

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

This is the data repository for the SynPop-DE  ( Syn thetic  Pop ulation of Germany) accompanying the publication: "SynPop-DE: Synthetic population of 40 million German households using generative neural networks". Introduction: Household microdata combining socio-demographic, housing, income and expenditure attributes are a core resource for many studies in quantitative social science, such as modelling the household-level impacts of the energy transition. Yet no such data are openly available for Germany’s full population. SynPop-DE provides a synthetic population of 40,235,916 households and their 81,629,116 members in all 400 German districts, calibrated to the 2022 census, with 34 attributes per household. Synthetic households are generated by estimating the joint attribute distribution of the German Household Budget Survey through a two-stage machine learning architecture. While an autoencoder first compresses high-dimensional categorical data into a continuous latent space, a generative adversarial network subsequently learns to sample new records from this representation. These records are then aligned with census marginals for all German districts using iterative proportional updating to ensure spatial representativeness. Validation along three dimensions confirms that the model learns attribute relationships and generates synthetic households that reproduce the statistical properties of the survey data (fidelity), supports downstream analyses with accuracy comparable to the original survey (utility), and prevents disclosure of individual respondents (privacy). The dataset is openly available at https://synpop.de . Data: The current data for SynPop-DE can always be found at  synpop.de Code: The code to reproduce the data can be found here: https://gitlab.pik-potsdam.de/metab/synpopde  

• Zenodo https://zenodo.org/records/20439916first seen 2026-06-02 04:12:08 · last seen 2026-06-08 04:13:30