Soutenance mémoire
Télécharger le fichier pdf d’un mémoire de fin d’études
Retour sur la problématique : crédibilité et passage à l’échelle
Dans ce chapitre, nous avons présenté une revue des études empiriques qui nous semblent les plus pertinentes sur le déplacement des piétons. Nous avons évoqué notamment plusieurs phénomènes d’écoulement en les mettant en relation avec les congurations environnementales dans lesquelles ils sont observés. Ces phénomènes d’écoulement, que nous avons également appelés eets macroscopiques, sont observables dans des congurations où le niveau de congestion est important et où les inuences réciproques entre les piétons sont par conséquent plus accentuées. La persistance de ces observations légitimise l’idée d’un principe de déplacement universel qui expliquerait de manière objective la nature des inuences entre les piétons ainsi que la dynamique de leurs déplacements. Plusieurs travaux de recherche en psychologie du comportement soulignent l’importance de l’énergie métabolique dans la coordination, le contrôle et l’apprentissage du mouvement chez les êtres humains en particulier. Les mécanismes de régulation de la quantité d’énergie métabolique dépensée semblent être l’élément explicatif le plus décisif. Newell et Sparrow (1998) argumentent, en analysant une série de plusieurs expérimentations tirées de la littérature du domaine, que la régulation de la quantité d’énergie métabolique dépens ée permet d’expliquer la dynamique des mouvements des organismes vivants à court et à long terme (Newell et Sparrow, 1998, Page 2). Ils soulignent l’importance du support d’informations sensorielles dans l’estimation de la dépense énergétique. Nous prenons pour acquis ces travaux et posons les hypothèses suivantes pour circonscrire le cadre de notre réexion :
1. Le déplacement est un mouvement continu du corps dans l’espace et dans le temps que le piéton corrige à partir de sa perception et de ces capacités motrices (Loomis et al., 1992).
2. La crédibilité peut être évaluée objectivement pour un déplacement s’eectuant entre deux points, en considérant, en accord avec le principe du moindre eort appliqué au mouvement, qu’un déplacement crédible est un déplacement économe en énergie métabolique (Newell et Sparrow, 1998).
3. L’économie du mouvement basée sur la notion d’énergie s’applique à tout type de déplacements quelque soit le niveau de congestion. Il appartient au modélisateur de mettre en place convenablement les mécanismes de perception des acteurs de la simulation pour que leurs comportements s’adaptent à l’évolution de l’environnement. Nous supposons que ces considérations clarient susamment la notion de crédibilité pour la modélisation et l’évaluation ce qui constituait la première diculté de notre travail. La seconde diculté est de proposer un modèle de déplacement crédible quelque soit le nombre d’acteurs et robuste au passage à l’échelle.
Rappelons que simuler un grand nombre d’acteurs soulève une problématique à la fois technique et scientique. En eet, avec l’augmentation du nombre de piétons consid- érés, il est certes important de restreindre la consommation en ressources de calcul à des proportions raisonnables, puisque cette consommation augmente proportionnellement au nombre d’acteurs impliqués dans la simulation. Cependant, il est également important que la simulation reproduise, entre autres, les eets macroscopiques que nous avons évoqu és dans la section 2.2 pour pouvoir être validée. Un bon modèle doit donc être, d’une part, susamment économe en ressources de calcul pour s’accommoder aux simulations pouvant mettre en scène une grande quantité d’acteurs, et d’autre part, susamment expressif pour garantir des déplacements crédibles quelque soit le nombre d’acteurs.
Les niveaux de décision
Il est commun de distinguer trois niveaux de décision dans le comportement d’un pié- ton : un niveau stratégique, un niveau tactique et un niveau opérationnel (Hoogendoorn et al., 2002; Hoogendoorn et Bovy, 2004; Daamen, 2004).
1. Au niveau stratégique, le piéton décide des activités qu’il entend réaliser dans son environnement et, le cas échéant, de l’ordonnancement entre ces activités (exemple : lire un journal, valider son ticket avant de rentrer dans le bus, acheter un sandwich).
Le choix des activités est lié aux préférences et prédispositions du piéton et aux services disponibles via les infrastructures de l’environnement. Dans notre travailnous n’abordons pas les mécanismes de choix de ces activités, car il relèvent d’une autre problématique de recherche abordée au sein du projet Terra Dynamica qui concerne la modélisation des motivations des agents (Reynaud et al., 2012).
2. Les activités déterminées au niveau stratégique peuvent être réalisées de plusieurs manières ou à des endroits diérents. La manière précise de les réaliser et le choix des itinéraires pour atteindre ces lieux sont considérés comme relevant du niveau tactique.
3. Au niveau opérationnel, les piétons prennent des décisions pour chaque instant conformément aux choix eectués au niveau tactique. Le choix de la trajectoire, de la vitesse de déplacement, de l’attitude, ou de toute autre action à réaliser dans l’immédiat relève de ce niveau (Daamen, 2004, Page 124).
Il peut y avoir des interactions entre les diérents niveaux de décision. En particulier, l’impossibilité d’eectuer une action peut inciter le piéton à envisager d’autres alternatives pour l’activité en cours ou à modier l’ordonnancement entre les diérentes activités qu’il souhaite réaliser (voir gure 3.1).
Les modèles macroscopiques
L’approche macroscopique suppose que les piétons sont soumis à des lois d’écoulement. Celles-ci peuvent être discrètes ou continues. Les modèles macroscopiques qui impl émentent des lois continues exploitent généralement l’analogie entre les déplacement des piétons et la dynamique des particules. Ceux qui implémentent des lois discrètes dénissent généralement des automates cellulaires.
Analogie avec la dynamique des particules
Henderson fut l’un des premiers auteurs à exploiter l’analogie entre les déplacements de piétons et l’écoulement de particules en particulier, des molécules de gaz dans une perspective de simulation. Ses observations, suivant lesquelles le déplacement des piétons est similaire à l’écoulement de molécules de gaz qui interagissent entre elles par collisions, en respectant des lois de conservation de masse, de quantité de mouvement et d’énergie cinétique (Henderson, 1974), posent les bases d’une théorie de l’écoulement du trac piéton.
Plusieurs auteurs s’inspirent de ces travaux et adaptent les lois de mouvement pour reproduire des situations où l’analogie avec les molécules de gaz n’est pas directement applicable (Hughes, 2002, 2003; Treuille et al., 2006) (exemple : plusieurs piéton empruntant un passage étroit 11).
Hughes (2002) étudie les propriétés analytiques des équations capables de modéliser l’écoulement du trac d’une forte concentration de piétons (> 4 m2). La démarche présent ée par cet auteur est typique des modélisations continues exploitant l’analogie avec la dynamique des particules. L’auteur commence par poser 3 hypothèses traduisant, selon lui, le déplacement moyen d’un piéton :
H1 La vitesse à laquelle se déplace un piéton est entièrement déterminée par la densité de son entourage et ses caractéristiques individuelles.
Cette hypothèse est justiée au regard des observations que nous avons présentées à la section 2.2.
H2 Les piétons ont un sens commun du déplacement qu’ils eectuent pour atteindre leur destination. Ce sens commun peut se traduire en potentiel que les piétons associent à chaque position de l’espace et qu’ils apprécient relativement à leur destination.
Cela suppose par exemple que deux piétons situés à des positions distinctes A et B présentant le même potentiel (A = B) ne verraient aucun intérêt à changer de place (nous revenons sur cette notion d’intérêt dans la section 3.5).
H3 Les piétons ont une forte tendance à minimiser leur distance ou leur temps de trajet lorsqu’ils se déplacent. Cependant, ils tempèrent cette tendance pour éviter les zones de forte densité.
Hughes (2002) propose ensuite un modèle de déplacement des piétons décrit par une série d’équations diérentielles qui vérient ces hypothèses. Grâce à sa compacité, ce modèle présente un grand intérêt pour la simulation d’une grande quantité de piétons.
Treuille et al. (2006) concrétisent le modèle de Hughes (2002) pour la simulation en temps réel et représentent l’espace comme une grille uniforme de faible résolution i.e proportionnelle à la taille des piétons an d’y maintenir un champ de potentiel dont les valeurs sont conformes aux hypothèses de Hughes (2002). L’écoulement du trac piéton est modélisé par un champ de potentiel discrétisé via les cellules de la grille. Chaque cellule dénit une valeur de potentiel qui représente le coût du chemin optimal pour atteindre le but à partir de cette cellule. La simulation consiste à calculer la valeur de la fonction de potentiel en chaque cellule de la grille cf. algorithmes de fast marching (Tsitsiklis, 1995) et à déplacer les particules dans le sens contraire du gradient de en leur appliquant la bonne vitesse (Treuille et al., 2006, voir algorithme, Page 4). De manière générale, l’intérêt des modèles macroscopiques exploitant l’analogie avec la dynamique des particules est qu’ils reproduisent des phénomènes d’écoulement du trac piéton à moindre coût, pour une population de grande taille. En eet, la complexité des calculs ne dépend pas du nombre d’acteurs mais de la taille de l’environnement et dunombre de destinations. Cependant, ces modèles ont leurs limites car ils simulent des piétons qui ne sont pas souverains dans leurs choix. Il n’est pas toujours possible de prendre en compte les individualités sans perdre les analogies qui justient l’intérêt de ce type de modèle (Hughes, 2003; Helbing et Johansson, 2009).
Les modèles microscopiques
À l’inverse des modèles macroscopiques, les entités élémentaires dans les modèles microscopiques sont les piétons eux-mêmes. Les modèles microscopiques procèdent d’une approche individu-centrée qui semble plus naturelle et plus intelligible pour la modélisation des déplacements de piétons (Shao et Terzopoulos, 2005). Les travaux de Goman (1972) que nous relevions dans le chapitre précédent (cf. section 2.3), sur la dimension sociale du comportement d’un piéton au sein d’une foule, sont d’une grande importance pour comprendre la philosophie des modèles microscopiques. Goman (1972) propose une classication méthodique des interactions entre individus en s’appuyant sur une observation éthologique. Pour ce faire, l’auteur signale que la notion d’individu est beaucoup trop vague et ne peut être étudiée en dehors d’un système de référence. Il propose 2 référentiels qui, selon lui, résument ce que peut être un piéton qui interagit : il s’agit du référentiel véhiculaire et du référentiel de participation (Goman, 1972, Page 5).
Suivant le référentiel véhiculaire, les interactions entre piétons ne sont qu’un instrument au service du déplacement. Intuitivement, le piéton n’est rien de plus qu’un véhicule interagissant avec d’autres véhicules dans le but de uidier son déplacement.
Deux mécanismes fondamentaux permettraient de mettre en ÷uvre ces interactions :
1. l’externalisation, qui désigne les mécanismes par lesquels les piétons font connaître leurs trajectoires aux autres et se rendent compréhensibles. Il s’agit essentiellement de prégurations gestuelles.
2. la recherche d’information, qui se fait de manière systématique. Les piétons semblent maintenir une zone de sécurité à l’intérieur de laquelle toute intrusion doit potentiellement faire l’objet d’une réponse (arrêt, déviation, accélération, ralentissement). Cette zone peut avoir la forme d’un cercle ou d’une ellipse en fonction de l’allure de déplacement. Le balayage de la zone se fait grâce à des mouvements de la tête (Goman, 1972, Page 12).
Suivant le référentiel de participation, un piéton peut appartenir à un groupe d’une seule personne lui même ou de plusieurs personnes (exemple : famille, group d’écoliers). Les membres d’un groupe de plusieurs personnes sont conscients du lien social qui les unit et maintiennent entre eux une forme de proximité écologique qui leur permet par exemple d’échanger une conversation verbale, ou encore, d’exclure ceux qui ne sont pas membres du groupe. Joindre ou Quitter un groupe se fait suivant des rituels précis et connus des membres du groupe (Goman, 1972, Page 19). L’étude des interactions entre piétons suivant ce référentiel fait intervenir une dimension aective.
Les hypothèses de Goman se retrouvent, tel quel, dans la plupart des modèles microscopiques du déplacement que nous analysons dans les paragraphes suivants. Nous limitons notre spectre d’analyse aux modèles qui ne s’intéressent qu’aux interactions entre piétons suivant le référentiel véhiculaire. Le référentiel de participation fait intervenir une dimension aective qui, selon nous, sort du cadre de nos travaux (les travaux de (Campano et al., 2012) traitent plus particulièrement de cet aspect).
Les modèles à base de forces sociales
Une force sociale désigne un vecteur décrivant une accélération ou une décélération causée par une interaction à caractère social, et non par une interaction physique (Helbing et Johansson, 2009). Le concept de force sociale a été proposé pour la première fois par Helbing et Molnar (1998), et s’inspire de la conjecture de Henderson (1974) cf. section 3.2.
Le modèle de forces sociales de Helbing et Molnar suppose que chaque individu se déplace dans une direction désirée !e 0 avec une vitesse désirée !v 0 = v0 !e 0 et qu’il adapte progressivement suivant un temps de relaxation sa vitesse courante !v à sa vitesse désirée. v0 désigne la norme du vecteur !v 0 et !e 0 désigne son orientation ( !e 0 = 1) .
L’équation de l’accélération, qui sert par la suite à dénir la position d’un individu à chaque instant, est donnée par : !f = 1 a (!v !v 0 ) + X 6= !f (t) + X i !f i(t) (3.1).
Où les composantes !f (t) et !f i(t) désignent les forces répulsives qui permettent de maintenir une distance avec les autres individus et les obstacles i respectivement. Plusieurs autres forces peuvent être introduites pour modéliser, par exemple les liens aectifs entre individus (Moussaïd et al., 2010) (exemple : famille, groupe d’amis, couple, etc.), ou encore des comportements altruistes (Braun et al., 2005; Pelechano et al., 2007).
Le modèle de forces sociales a le mérite de reproduire quelques phénomènes macroscopiques, comme la formation de le et eet sablier (Helbing et Molnar, 1998), à partir d’une formulation microscopique générique et non ambigüe (i.e. peu de paramètres). Cependant, l’hypothèse de conservation du mouvement, au delà des problèmes d’anticipation liés au fait que les interactions se limitent à un évitement de collisions réactif, est très discutable et peut biaiser certaines prédictions (Saboia et Goldenstein, 2012). En eet, les piétons peuvent s’arrêter et reprendre leur déplacement de manière quasi instantanée, se fauler, etc., ce qui est incompatible avec certaines hypothèses de conservation (Still, 2000).
Les modèles de steering
Les modèles de steering 12, qui consistent à appliquer des forces sociales sans hypoth èses de conservation mais suivant des règles de navigation, suscitent beaucoup d’int érêt depuis les travaux de Reynolds (2000) sur les Boids. En modélisant quelques règles de navigation simples alignement, séparation et cohésion Reynolds arrive à animer des mouvements de banc de poissons ou encore des vols d’oiseaux 13 de manière convaincante.
Depuis, plusieurs travaux visant à appliquer ce même principe à la navigation des piétons ont été proposés (Teknomo, 2002; Metoyer et Hodgins, 2003; Kamphuis et Overmars, 2004; Nieuwenhuisen et al., 2007).
La dénition de règles est naturellement couplée à une architecture décisionnelle bas-niveau an de faire cohabiter les règles entre elles et d’assurer la persistance des choix des agents virtuels. Plusieurs exemples d’architectures décisionnelles pour les comportements d’agents virtuels existent dans la littérature (Hanon et al., 2005). Pour la navigation en temps réel, les auteurs privilégient celles qui sont peu gourmandes en temps de calcul et susamment génériques pour s’appliquer à plusieurs scénarios (Paris et al., 2007; Pettré et al., 2009; Ondrej et al., 2010). Malheureusement, il est dicile d’être exhaustif dans la dénition des règles, ce qui constitue le véritable handicap de ce type de modèle, surtout pour la simulation des déplacements dans des espaces caractérisés par une forte densité et une forte dynamicité (Kapadia et al., 2009).
Les modèles hybrides
Les travaux que nous avons présentés dans les sections 3.2 et 3.3 sont particulièrement instructifs pour la simulation d’un nombre variable de piétons. En eet, les modèles microscopiques donnent la possibilité de tenir compte nement des caractéristiques individuelles des piétons : cependant, les processus de décisions individus-centrés semblent, à première vue, limités pour reproduire les phénomènes d’auto-organisation observés dans les espaces fortement congestionnés (Treuille et al., 2006). Les modèles macroscopiques reproduisent ces phénomènes à moindre coût (en termes de ressources de calcul), mais négligent l’autonomie des piétons, ce qui entraîne un réalisme cinématique limité, et peut biaiser les résultats des simulations (Kapadia et al., 2009; Guy et al., 2010a).
Plusieurs travaux proposent des approches hybrides an de composer les deux niveaux de représentation dans un même modèle.
Yersin et al. (2008) propose la notion de ROI Region Of Interest pour mettre en place des simulations de déplacements d’une grande quantité de piétons permettant de combiner les avantages des deux types de représentation. Ainsi, les régions ayant un grand intérêt pour l’observateur, utilisent des modèles microscopiques, et les régions d’un intérêt moindre (par exemple : éloignées de la caméra) utilisent des modèles macroscopiques moins coûteux ressources de calcul. Le concept de ROI permet de uidier la simulation et d’améliorer le passage à l’échelle. Cependant, il pose également de nouvelles problématiques comme la distribution des régions sur l’espace de navigation, et la cohérence des déplacements aux frontières entre les diérentes régions.
Anh et al. (2012) adoptent une approche similaire et proposent un modèle hybride pour la simulation de l’évacuation de plusieurs piétons dans un espace urbain ayant la structure d’un réseau laire. Le modèle hybride proposé par Anh et al. se décline en un modèle macroscopique pour simuler la partie centrale de chaque arc du réseau, et un modèle microscopique pour simuler les extrémités de chaque arc du réseau. Anh et al. proposent des mécanismes de transitions plus robustes entre les modèles de diérents niveaux de représentation. Les hypothèses de simulation, à savoir la structure de l’espace (réseaux laires), le pas de simulation (de l’ordre de la minute), sont trop contraignantes pour que ces travaux puissent être appliqués, tel quel, à la simulation des déplacements de piétons en temps réel.
Les modèles microscopiques où les piétons planient leurs déplacements à partir d’unestructure topologique contenant des informations dynamiques sur le trac piétons constituent probablement l’une des meilleures pistes vers un couplage réussi entre la prise en compte des interactions et le suivi d’itinéraire (Arkin, 1989). Des informations macroscopiques sont, dans ce cas, stockées dans une infrastructure de navigation (voir (Harkouken- Saiah et al., 2011) pour une revue sur les infrastructures de navigation pour la simulation des déplacements en temps réel) et prises en compte par la planication. Cependant, introduire un processus de planication ne sut pas, encore faut-il le coupler avec les actions les plus élémentaires, de manière imperceptible, en tenant compte des caractéristiques biomécaniques des piétons.
Loscos et al. (2003) proposent de stocker dynamiquement les informations concernant la fréquentation et les directions des agents dans une grille 2D. Ces informations sont ensuite utilisées par les agents pour s’orienter. Les auteurs ne proposent pas d’algorithme de calcul de chemin explicite mais suggèrent plusieurs règles de déplacement exploitantces informations (Loscos et al., 2003). Karamouzas et al. (2009) présentent une approche similaire qui exploite un algorithme A (Nilsson, 1980) pour permettre aux piétons de suivre des itinéraires qui contournent les zones denses. Les données sur la fréquentation de l’espace évoluent en fonction du déplacement des piétons et en fonction du temps. Sud et al. (2008) exploitent un graphe de navigation dynamique dont la structure topologique est modiée en temps réel et utilisent les liens pour accélérer les calculs d’évitement de collision et détecter les zones de congestion. Saboia et Goldenstein (2012) modient le modèle de Helbing et Molnar (1998) et associent à chaque agent une grille de perception mobile qui lui permet de calculer des vitesses désirées en temps raisonnable et en tenant compte de la densité.
Ces travaux proposent plusieurs solutions techniques intéressantes pour la prise en compte de la congestion, mais n’insistent pas assez sur le cadre formel permettant d’appr éhender la complexité du comportement, notamment, l’articulation entre la plani cation d’itinéraire et la prise en compte des interactions entre agent , et la nature des inuences entre les agents, qui donne leur véritable sens aux informations stockées dans les infrastructures de navigation et qui justie les méthodes de planication employées. L’importance donnée aux performances computationnelles semblent prendre le dessus sur la recherche de la crédibilité proprement dite.
Apport des systèmes multi-agents pour la simulation des déplacements
Les agents sont généralement compris comme des entités physiques ou virtuelles qui agissent 16, et les systèmes multi-agents, comme une agrégation d’agents agissant et interagissant via des moyens de communication dans un même environnement (Wooldridge, 2002). Les modalités et la nalité de l’agir, l’objet et les mécanismes d’interaction entre agents, ou encore, la nature de l’environnement sont dicilement descriptibles de manière générique cela constitue d’ailleurs l’une des grandes richesses des concepts d’ agent et d’environnement. Une autre richesse du concept d’agent, qui marque une diérence essentielle avec le concept d’objet par exemple, est que l’agent est lui même une source de contrôle : les actions d’un agent ne sont pas déclenchées de l’extérieur, mais par lui même, en réponse à des stimuli ou pour satisfaire des objectifs. Ainsi est-il possible de distinguer deux grandes classes d’agents 17 : les agents réactifs et les agents cognitifs. Le comportement d’un agent réactif se résume à une activité réexe, tandis que celui d’un agent cognitif dépend d’un état interne susceptible d’évoluer.
En informatique, l’utilisation du paradigme SMA pour l’étude des systèmes complexes est un exercice très courant (Drogoul et Ferber, 1994; Ferber et Perrot, 1995; Jennings, 2000), et présente un grand intérêt scientique. En eet, un système complexe peut être vu comme une organisation d’entités dont il est impossible de prédire l’évolution sans tenir compte des interactions qui existent entre elles la modélisation et la simulation de tels systèmes via le paradigme SMA sur des supports adéquats permettent d’observer leur évolution, de tester ou de valider des hypothèses sur les comportements des agents, la nature des interactions, etc.
La simulation de déplacements de piétons fait partie des nombreux cas pratiques pour lesquels les modèles multi-agents semblent les plus naturels et les plus intelligibles (Shao et Terzopoulos, 2007), grâce notamment au parallèle intuitif entre un agent et un piéton. Nous ne remettons pas en cause cette intuition, bien au contraire. Dans cette section nous relevons, à travers une sélection de travaux, quelques éléments de modélisation issus du paradigme SMA qui nous semblent sous-exploités dans les diérents travaux de recherche que nous venons d’explorer concernant la simulation déplacement de piétons.
|
Table des matières
Chapitre 1 Simuler la vie dans la ville
1.1 Contexte de la thèse : le projet Terra Dynamica
1.2 Présentation de la problématique : crédibilité et passage à l’échelle
1.3 Plan du document
Chapitre 2 Étude du déplacement des piétons en milieu urbain
2.1 Biomécanique
2.2 Propriétés dynamiques
2.2.1 L’eet sablier
2.2.2 L’eet accordéon
2.2.3 Les phénomènes d’agrégation : formation de groupes et formation de les
2.2.4 Les eets de bord
2.3 Psychologie du déplacement en milieu urbain
2.4 Synthèse : le principe du moindre eort et la dépense énergétique
2.5 Retour sur la problématique : crédibilité et passage à l’échelle
Chapitre 3 Modélisation des déplacements de piétons
3.1 Les niveaux de décision
3.2 Les modèles macroscopiques
3.2.1 Analogie avec la dynamique des particules
3.2.2 Automates cellulaires
3.3 Les modèles microscopiques
3.3.1 Les modèles à base de forces sociales
3.3.2 Les modèles de steering
3.3.3 Les modèles géométriques
3.4 Les modèles hybrides
3.5 Apport des systèmes multi-agents pour la simulation des déplacements
3.5.1 L’environnement comme une abstraction de première classe
3.5.2 Le principe Inuence / Réaction
3.5.3 Systèmes multi-agents et théorie de l’utilité
3.6 Introduction de notre approche : modèle microscopique à inuence macroscopique
Chapitre 4 Modèle Microscopique à Inuence Macroscopique (MIM)
4.1 Principe du moindre eort
4.2 Formulation du problème
4.2.1 Mesures dynamiques
4.2.2 Introduction au module de trac et aux interactions entre agents
4.2.3 Déplacement de ressource en ressource : introduction au moteur physique
4.3 Présentation schématique du modèle
4.3.1 Inuence et réaction
4.3.2 Module de trac
4.4 Heuristique de mise à jour dynamique d’itinéraire
4.4.1 Principe général des méthodes taboues
4.4.2 Notre proposition
4.4.3 Exemple d’exécution
4.5 Synthèse : potentiel du modèle MIM
Chapitre 5 Évaluation
5.1 Mise en place du modèle MIM
5.2 Paramétrage de la simulation
5.3 Évaluation non experte
5.3.1 Questionnaire d’évaluation non experte
5.3.2 Analyse des résultats du questionnaire
5.3.3 Conclusion de l’évaluation non experte
5.4 Évaluation experte
5.4.1 Rendu visuel et dépense énergétique
5.4.2 Performances computationnelles
5.5 Synthèse de l’évaluation
Chapitre 6 Intégration dans la plate-forme Terra Dynamica
6.1 Présentation générale des choix technologiques
6.1.1 Espace Navigable
6.1.2 Navigation bas niveau
6.2 Prise en compte de la sémantique
6.3 Synthèse de l’intégration
Chapitre 7 Conclusions et Perspectives
7.1 Résumé de la contribution scientique de la thèse
7.2 Amélioration du modèle MIM
7.2.1 Modélisation de comportements spéciques de groupe
7.2.2 Prise en compte de la dangerosité du trac grâce à un module sé- mantique
7.2.3 Agrégation de ressources
7.2.4 Prise en compte des infrastructures d’écoulement de trac
Annexe A Développement du modèle MIM
A.1 Présentation de la bibliothèque RVOLib
A.2 Modèle MIM
A.2.1 Modélisation d’un agent
A.2.2 Modélisation de l’environnement
A.2.3 Utilisation de RVOLib
Bibliographie
Télécharger le rapport complet
