AGENT : un modèle de généralisation cartographique

La généralisation cartographique consiste à transformer de l’information géographique qui correspond à un certain niveau de représentation, en une information (une carte) généralisée qui correspond à un autre niveau de représentation plus abstrait ou schématique.

L’objectif du projet AGENT est de produire un logiciel novateur de conception de carte basé sur la technologie multi agents [Lamy et al., 1999 ; Duchène et Cambier, 2003] reposant sur des interactions bilatérales entre ‘‘agents géographiques’’ (routes et bâtiments) qui sont des objets en provenance d’une base de données géographique.

Les données généralisées sont extraites de zones rurales de la BD Topo, base de données de résolution métrique de l’IGN pour la production des cartes topographiques à des échelles allant de 1 : 25 000 à 1 : 50 000. Le modèle est implémenté de façon à pouvoir traiter les conflits de superposition et proximité entre les routes et les bâtiments, et entre les bâtiments entre eux. Les routes sont fixes, seuls les bâtiments sont mobiles. Trois types de contraintes relationnelles sont considérés : non superposition entre une route et un bâtiment ou entre deux bâtiments, un seuil de proximité (paramètre du modèle) entre deux agents et une contrainte topologique entre un agent route et un agent bâtiment (un bâtiment ne doit pas sauter par-dessus une route). De plus une contrainte interne de précision planimétrique empêche les bâtiments de trop s’éloigner de leur position initiale. Pour atteindre leurs buts (respecter leurs contraintes relationnelles), les routes ont pour comportement de « pousser » les bâtiments, en leur demandant de bouger pour résoudre le conflit. De la même manière, un bâtiment, pour résoudre ses conflits avec les autres bâtiments, les « pousse » en leur demandant de bouger. La priorité est donnée aux conflits de superposition entre routes et bâtiment. Autrement dit, un bâtiment acceptera de s’écarter d’une route même s’il doit pour cela empiéter sur un autre bâtiment (il résoudra ce nouveau conflit dans un deuxième temps en poussant l’autre bâtiment). En revanche, un bâtiment n’accepte jamais de résoudre un conflit avec une route (ou avec un autre bâtiment) si cela suppose de créer un conflit avec une autre route. Les illustrations ci- contre, extraites des articles de Duchène et Cambier [Duchène et Cambier, 2003, op. cit. ; Duchène, 2003] dont le premier à fait l’objet d’un prix de la conférence JFSMA’0316, résument assez bien le comportement des agents du système.

Figure 4.6 : Interaction entre agents route et bâtiment (Extrait de [Duchène et Cambier,

2003, op. cit.])

Figure 4.7 : Généralisation cartographique d’une base de données géographique

L’investissement des SMA dans le monde de la simulation rejoint un courant scientifique beaucoup plus ancien, qui retrouve une nouvelle façon de s’exprimer et de s’actualiser. Ce courant consiste en une approche de la modélisation qui considère directement les entités élémentaires d’un certain niveau d’organisation, pour en décrire les interactions et recomposer à partir d’elles, les dynamiques de niveaux d’organisations supérieurs. En effet, il s’agit des approches particulaires en sciences physiques [Hockney et Eastwood, 1998], de modélisations individus-centrées en écologie [Grimm, 1999], ou de microsimulation en démographie ou en géographie [Van Imhoff et Post, 1988] ou d’individualisme méthodologique en sociologie [Dupuy, 1992]. La popularité de ce courant scientifique attentif aux interactions entre entités et aux articulations entre échelles spatio-temporelles est en partie liée aux possibilités simulatoires de l’informatique. Elle bénéficie également des acquis mathématiques et d’un ensemble de réflexions théoriques propres à chaque discipline.

Aussi, l’avantage du recours au paradigme multi agents en simulation urbaine, repose d’abord, sur l’adéquation de la structure des agents avec la conceptualisation de la réalité sous forme d’entités et de processus en interactions. Dans le cadre de notre travail de recherche, la dimension spatiale est modélisée par des agents réactifs que nous assimilons aux automates cellulaires présentés au prochain chapitre.

Bibliographie référencée

[Agbossou, 2006] I. Agbossou. Modèles d’agents pour la simulation urbaine : méthodologie,

architecture et formalisme, XXIIèmes journées de l’Association Tiers-Monde URGENCE, SOLIDARITÉ, GOUVERNANCE ET DÉVELOPPEMENT. ARRAS, 22-24 mai 2006

[Aschan et al., 2000] C. Aschan, H. Mathian, L. Sanders, K. Mäkilä. A spatial microsimulation

of population dynamics in Southern France: a model integrating individual decisions and spatial constraints. In Applications of Simulation to Social Sciences. Editions Hermès. Paris, 2000

[Bazzan et Klügl, 2003] A. Bazzan, F. Klügl. Route Decision Behaviour in a Commuting

Scenario: Simple Heuristics Adaptation and Effect of Traffic Forecast. Euroworkshop on Behavioural Responses to ITS. Eindhoven, 2003

[Bensaid, 2003] L. Bensaid. Simulation multi-agent des comportements des consommateurs

dans un contexte concurrentiel. Thèse de l’université Pierre et Marie Curie. Paris, juin 2003

[Bura et al., 1993] S. Bura, F. Guérin-Pace, H. Mathian, D. Pumain, L. Sanders. Multi-Agents

Systems and the Dynamics of a Settlement System. In Simulation Societies Symposium. Siena, 1993

[Casare et Sichman, 2005] S. Casare, J.S. Sichman. Towards a functional ontology of

reputation.In International Joint Conference on Autonomous Agents and Multi-Agent Systems AAMAS, 2005

[Castelfranchi, 1990] C. Castelfranchi. Social Power : A Point Missed in Multi-Agent, DAI,

and HCI. In Decentralized Artificial Intelligence: Proceedings of the first European Workshop on Modelling Automous Agents in a Multi-agent World (MAAMAWA’89). Amsterdam, 1990

[Collinot et Drogoul, 1996] A. Collinot, A. Drogoul. Application de la méthode Cassiopée à

l’organisation d’une équipe de robots. In Actes des 4èmes journées francophones d’intelligence Artificielle et Systèmes Multi-Agents, 1996.

[Conte et al., 1998] R. Conte, N. Gilbert, J.S. Sichman. MAS and Social Simulation : A

Suitable Commitment. MABS’98. Paris, 1998

[Doran, 2001] J. Doran. Agent-Based Modelling of EcoSystems for Suitable Resource

Management. 3rd _{EASSS’01. Prague, 2001}

[Drogoul, 1993] A. Drogoul. De la simulation multi-agent à la résolution collective de

problèmes. Thèse de l’université Paris VI. Paris, novembre 1993

[Duchène et Cambier, 2003] C. Duchène, C. Cambier. Généralisation cartographique avec des

agents qui voient et communiquent. In Journées Francophones sur les Systèmes-Multi-Agents (JFSMA’03). Hammamet, Tunisie, novembre 2003

[Duchène, 2003] C. Duchène. Coordination multi-agents pour la generalisation automatique. In

Bulletin d’Information de l’IGN, n° 74, mars 2003

[Dupuy, 1992] J.P Dupuy. Introduction aux sciences socials : logique des phénomènes

collectifs. Editions, Ellipses, Paris, 1992

[Edmonds, 2003] B. Admonds. Simulation and Complexity – how they can relate ? In Virtual

[Ferber, 1989] J. Ferber. Objets et agents : une étude des structures de représentation et de

communication en IA. Thèse d’Etat, Université de Paris VI, juin 1989

[Ferber, 1995] J. Ferber Les Systèmes multi-agents. Vers une intelligence collective. IIA.

InterEditions, Paris, 1995

[Folley, 2002] D. Folley. The strange history of the economic agent. Working paper of the

Graduate Faculty of New School University, 2002

[Grimm, 1999] V. Grimm. Ten years of individual-based modelling in ecology: what have we

learned and what could be learned in the future. In Ecological Modelling, vol. 115, 1999

[Hockney et Eastwood, 1998] R.W. Hockney, J.W. Eastwood. Computer simulation using

particles. Institute of Physics Publishing. London, 1998

[Huynh et al., 2006] T.D. Huyng, N. Jennings, N.R. Shadbolt. Certified Reputation: How an

Agent can Trust a stranger. International Joint Conference on Autonomous Agents and Multiagent Systems (AAMAS’06). ACM Press, 2006

[Kruchten, 2000] P. Kruchten. The Rational Unified Process – An Introduction. 2nd _edition. Addisson-Wesley, 2000.

[Lamy et al., 1999] S. Lamy, Y. Demazeau, C. Baeijs, M. Jackson, W. Mackaness, R. Weibel.

AGENT Project : Automated Generalisation New Technology, 1999. Disponible sur

http://egent.ign.fr/public/stresa.pdf (Consulté le 15.12.2005).

[Larman, 2003] C. Larman. Agile and Iterative development: A Managers Guide. Editions

Addison-Wesley, 2003.

[Moukas et al., 1998] A. Moukas, K. Chandrinos, P. Maes. Trafficopter : a Distributed

Collection System for Traffic Information. CIA’98. Paris, 1998

[Padgham et Winikoff, 2005] L. Padgham, M. Winikoff. Prometheus: A Pratical Agent-

Oriented Methodology. In Agent-oriented methodologies, Edition Idea Group Publishing, 2005

[Pàvon et al., 2005] J. Pàvon, J. Gomez-Sanz, R. Fuentes. The INGENIAS methodology and

tools. In Agent-oriented methodologies, Edition Idea Group Publishing, 2005.

[Platon et al., 2005] E. Platon, N. Sabouret, S. Honiden. Overhearing and Direct Interactions :

Point of View of an Active Environment, a Prelimary Study. Proceedings of AAMAS Workshop on Environment for Multi-Agent Systems (E4MAS 2005), 2005

[Servat, 2000] D. Servat. Distribution du contrôle de l’action et de l’espace dans les simulations

multi-agents de processus physiques. In JFIADSMA’2000. Editions Hèrmes, Paris, 2000

[Vanbergue et Drogoul, 2002] D. Vanbergue, A. Drogoul. Approche multi-agent pour la

simulation urbaine. In Actes des journées Cassini, Brest, septembre 2002

[Van Imhoff et Post, 1988] E. Van Imhoff, W. Post. Méthodes de micro-simulations pour les

projections de population. In Population, n°4, 1988

[Zambonelli et al., 2005] F. Zambonelli, N. Jenning, M. Wooldrige. Multi-Agents Systems as

Computational Organizations: The Gaia Methodology. In Agent-oriented methodologies, Edition Idea Group Publishing, 2005.

5

LES AUTOMATES CELLULAIRES COMME