UNIVERS VIRTUELS

5.1/ I

NTRODUCTION

L’ ´etude des ph ´enom `enes de mobilit ´e individuelle suscite un int ´er ˆet important dans l’am ´enagement des sites urbains, l’ ´etude de la s ´ecurit ´e, l’architecture, et l’ana-lyse des flux, o `u les deux classes d’applications dominantes sont la simulation d’ ´evacuations et l’analyse des flux des d ´eplacements d’un grand nombre d’indi-vidus dans un environnement int ´erieur ou ext ´erieur [Thalmann and Musse, 2007]. L’objectif de ces simulations est d’aider les d ´ecideurs et les experts `a com-prendre la « relation entre l’organisation de l’espace et les comportements hu-mains » [Okazaki and Matshushita, 1993]. Les environnements consid ´er ´es sont h ´et ´eroclites : les rues [Farenc et al., 1999a, Thomas and Donikian, 2000], les b ˆatiments [Braun et al., 2005, Thompson and E., 1995], les m ´etros [Hareesh, 2000], les bateaux [Kl ¨upfel et al., 2000], les avions [Owen et al., 1998], les stades [Still, 2000] ou encore les a ´eroports [Szymanezyk et al., 2011].

Les mod `eles de simulation de ces syst `emes peuvent ˆetre class ´es en quatre grandes familles : macroscopique, microscopique, m ´esoscopique, et multiniveaux.

Les mod `eles de simulation macroscopiques sont bas ´es sur des relations d ´eterministes entre la circulation, la vitesse et la densit ´e de population, constituant la foule ou le trafic routier simul ´e [Helbing and Treiber, 1998]. La simulation d’un mod `ele macroscopique se focalise principalement sur des r ´egions ou des populations plut ˆot que sur les comporte-ments individuels. Ces mod `eles ont ´et ´e initialement d ´evelopp ´es pour mod ´eliser le trafic dans les r ´eseaux de transport, tels que les autoroutes, les r ´eseaux de rues, et les routes rurales. Cette approche permet la simulation d’une tr `es grande population avec un rela-tivement faible co ˆut de calcul. Toutefois, en raison de son haut niveau de repr ´esentation, les r ´esultats sont agr ´eg ´es, impr ´ecis et li ´es `a la masse de la population simul ´ee.

Les mod `eles de simulation microscopiques s’int ´eressent aux mouvements des per-sonnes sur la base de comportements dynamiques et individuels. Citons par exemple les comportements de v ´ehicule-suiveur et de changement de voie pour repr ´esenter des conducteurs, ou les comportements bas ´es sur des forces pour les pi ´etons [Reynolds, 1987, Thalmann and Musse, 2007, Thalmann and Musse, 2007, Dey and Roberts, 2007, Razavi et al., 2011b, Razavi et al., 2011a, Galland et al., 2009]. Ces mod `eles sont efficaces pour l’ ´evaluation des conditions d’encombrement et de

turation d’un syst `eme, l’ ´etude de la configuration topologique du syst `eme, et l’ ´evaluation des impacts des comportements individuels sur ce syst `eme. Cependant, ces mod `eles sont difficile `a mettre en œuvre, co ˆuteux en termes de temps de calcul, et peuvent ˆetre difficiles `a calibrer.

Les mod `eles m ´esoscopiques combinent les propri ´et ´es des mod `eles de simulation mi-croscopiques et mami-croscopiques. Par exemple, ils peuvent se focaliser sur des entit ´es composant le syst `eme en utilisant des mod `eles ne permettant pas de distinguer les in-dividus les uns des autres comme les mod `eles particulaires [Schaefer et al., 1998] ; en regroupant les individus au sein d’entit ´es de plus haut niveau comme des groupes de pi ´etons [Gaud et al., 2008a] ; ou encore en utilisant un mod `ele discret de l’environnement comme les automates cellulaires [Karafyllidis and Thanailakis, 1997].

Les mod `eles multiniveaux sont constitu ´es de plusieurs des niveaux mentionn ´es ci-dessus. L’utilisation conjointe de ces niveaux peut ˆetre abord ´ee selon deux approches : les niveaux sont conjointement simul ´es et les sorties de l’un peuvent servir d’entr ´ees `a un autre [Burghout et al., 2005] ; un niveau de simulation est dynamiquement s ´electionn ´e afin de fournir le meilleur compromis entre la qualit ´e des r ´esultats obtenus et le temps de calcul pour les obtenir [Gaud et al., 2008a, Galland et al., 2008].

Dans les simulations de foules, les environnements sont g ´en ´eralement ´etudi ´es suivant deux principaux points de vue. Le premier concerne l’ ´evolution de la structure de l’envi-ronnement [Pouyanne, 2004, Lamarche and Donikian, 2004], et le second traite davan-tage les activit ´es sociales, et notamment l’analyse du trafic et des d ´eplacements de foules [Jian et al., 2005, Thalman et al., 1999]. L’ ´etude de ces points de vue n ´ecessite la prise en compte non seulement des aspects macroscopiques, mais aussi des en-tit ´es du point de vue microscopique. Quel que soit l’environnement ´etudi ´e, ext ´erieur ou int ´erieur, l’approche multiagent est un outil particuli `erement bien adapt ´e `a l’ ´etude des dynamiques des d ´eplacements de populations. Les syst `emes multiagents s’av `erent plus flexibles que les mod `eles macroscopiques `a base d’ ´equations diff ´erentielles pour simuler des ph ´enom `enes spatiaux et ´evolutifs [Bretagnolle et al., 2003].

Les mod `eles pr ´esent ´es ci-dessus sont confront ´es `a deux probl `emes principaux qui sont ´egalement au centre de nos travaux.

1 - Approximation du syst `eme et pr ´ecision des r ´esultats: Les r ´esultats de la simu-lation sont d ´ependants de l’approximation introduite par le mod `ele s ´electionn ´e pour repr ´esenter le syst `eme, et ´egalement par l’approximation introduite par l’im-plantation de ce mod `ele [Zeigler et al., 2000]. Tous les mod `eles pr ´ec ´edents se concentrent principalement sur les entit ´es du syst `eme plut ˆot que sur l’environne-ment. Ainsi, les travaux de recherche sont souvent men ´es pour optimiser le com-portement des entit ´es et de leurs interactions `a l’aide d’une repr ´esentation tr `es simple de l’environnement. Nous consid ´erons que ces mod `eles d’environnement introduisent des biais qui ne permettent pas de simuler pr ´ecis ´ement les com-portements d’individus sous certaines conditions. Par exemple, il est difficile de prendre en compte la visibilit ´e de la signal ´etique d’urgence lors de la simulation de l’ ´evacuation d’un b ˆatiment en feu : la fum ´ee peut cacher partiellement ou totalement cette signal ´etique.

2 - Mise `a l’ ´echelle du mod `ele et performances du simulateur: La simulation, et notamment la simulation multiagent, est un outil appropri ´e pour les domaines et les applications mentionn ´ees au d ´ebut de ce chapitre. L’un des objectifs commun ´ement admis est de mod ´eliser et de simuler des syst `emes complexes

r ´eels. La cons ´equence directe est une demande croissante pour simuler de « grands » mod `eles avec de nombreuses entit ´es. Avec la complexit ´e croissante et un nombre croissant d’entit ´es `a simuler, la mise `a l’ ´echelle d’un mod `ele de simulation, et les performances de son implantation, deviennent des probl `emes cruciaux et conditionnent la capacit ´e de ce mod `ele `a repr ´esenter la complexit ´e du syst `eme mod ´elis ´e [Pawlaszczyk and Strassburger, 2009]. Ce point de vue est partag ´e par de nombreux auteurs s’int ´eressant `a la simulation d’individus dans des univers virtuels 3D [Stylianou and Fyrillas, 2004, Thalmann and Musse, 2007, Gupta et al., 2009, Veksler, 2013].

Nous proposons d’utiliser conjointement les approches organisationnelles et holoniques, pr ´esent ´ees dans les chapitres pr ´ec ´edents, et d’utiliser un mod `ele de simulation multi-niveau afin d’adapter dynamiquement la simulation aux objectifs et aux contraintes im-pos ´ees par les sc ´enarios de simulation et les ressources de calcul disponibles.

Ce chapitre est structur ´e comme suit : une vision g ´en ´erale de notre mod `ele de simulation est pr ´esent ´ee dans la section 5.2. Les sections 5.3 et 5.4 d ´etaillent les parties d ´edi ´ees `a l’environnement et aux comportements des individus, respectivement. La section 5.5 pr ´esente une approche d’ ´evaluation de la coh ´erence dans nos mod `eles de simulation multiniveau. L’implantation de notre mod `ele (dans une version acad ´emique et une ver-sion commerciale) est succinctement pr ´esent ´ee dans la section 5.6. Enfin, la section 5.7 conclut ce chapitre.

5.2/ V

UE GEN

´

ERAL SUR LE MOD

´

ELE DE SIMULATION

`

Dans [Michel, 2004, Michel, 2006, Gaud et al., 2008a], les auteurs consid `erent que les mod `eles de simulation peuvent ˆetre d ´ecompos ´es en quatre parties principales :

– Comportements des agents : mod ´elisation du processus d ´elib ´eratif des agents ; – Interactions : mod ´elisation des actions et des interactions des agents ;

– Environnement : d ´efinition et sp ´ecification des objets qui composent le monde simul ´e, ainsi que les dynamiques endog `enes `a l’environnement ;

– Ordonnancement et ex ´ecution : mod ´elisation du passage du temps, et d ´efinition du mod `ele d’ordonnancement des agents.

La limite entre ce qui est consid ´er ´e comme un agent et ce qui est consid ´er ´e comme partie de l’environnement d ´epend du probl `eme consid ´er ´e. Toutefois, les agents repr ´esentent toujours les composants actifs du probl `eme ´etudi ´e.

Un certain nombre de principes fondamentaux doivent ˆetre respect ´es pour garantir la qualit ´e d’une simulation et limiter les biais de simulation : (i) respecter la contrainte d’int ´egrit ´e de l’environnement, (ii) respecter la contrainte de localit ´e des agents, (iii) une distinction claire entre le corps de l’agent (variables d’ ´etat en dehors du contr ˆole de l’agent et faisant partie de la repr ´esentation de l’agent dans l’environnement, par exemple : sa vitesse, sa position, . . .) et l’esprit de l’agent (variables d’ ´etat sous le contr ˆole de l’agent, par exemple son ´emotivit ´e, ses objectifs, ses motivations, . . .). Cette distinction peut ˆetre rapproch ´ee de la disctinction propos ´ee parGALILEOGALILEIentre les « qualit ´es premi `eres », qui pouvaient ˆetre d ´ecrites math ´ematiquement (Physique), et les « qualit ´es secondes », plus subjectives [Burtt, 1932].

Nous proposons un mod `ele de simulation respectant ces principes pour cr ´eer des mod `eles de simulation d’individus dans des univers virtuels. L’architecture de notre

Scenegraph 2D/3D Rendering Engine

Environment Model for Agent-based Simulation

Changes in the world's state

Body Agent₁ Body Agent₂ Body Agent₃ Avatar Immersed real user Simulation supervisor Visitor

FIGURE5.1 – Architecture g ´en ´erale d’un simulateur pour un environnement virtuel

mod `ele est illustr ´ee par la partie sup ´erieure de la figure 5.1. Chaque agent peut interagir avec les autres agents, soit directement, soit par stigmergie. L’agent ne peut percevoir et agir sur l’environnement physique que par l’interm ´ediaire de sa repr ´esentation dans celui-ci : son corps. La partie inf ´erieure de la figure repr ´esente le logiciel d’affichage. No-tons la pr ´esence d’un « avatar ». L’avatar est la repr ´esentation d’un utilisateur humain r ´eel dans l’univers simul ´e. Afin de garantir la coh ´erence des interactions entre cet avatar et les agents peuplant l’univers, l’avatar est soumis aux m ˆemes contraintes que les corps des agents (impos ´es par les principes ci-dessus) : l’avatar respecte les lois du monde virtuel et ne peut agir en dehors de leurs limites.

Les deux sections suivantes pr ´esentent les mod `eles de l’environnement et des agents (architecture d’agent) `a la base de nos simulations.

5.3/ M

ODELE DE L

` ’

ENVIRONNEMENT

L’environnement est commun ´ement consid ´er ´e comme l’une des parties essentielles d’une simulation multiagent. Cependant, diff ´erentes perspectives existent sur le r ˆole qu’il joue dans un syst `eme multiagent et sur sa d ´efinition. Les environnements uti-lis ´es dans nos travaux peuvent ´egalement ˆetre consid ´er ´es comme des cas parti-culiers d’« environnement physique » [Odell et al., 2002, Weyns et al., 2005]. La notion d’« environnement physique » se r ´ef `ere `a la classe de syst `emes dans laquelle les agents, ainsi que les objets, disposent d’une position explicite et produisent des actions elles aussi localis ´ees [Ferber and M ¨uller, 1996].

Le mod `ele d’environnement propos ´e est un mod `ele d’environnement situ ´e d ´edi ´e `a la simulation dans des environnements virtuels 1D, 2D ou 3D. Il est consid ´er ´e comme

inac-cessible, non deterministe, dynamique et continu [Russell and Norvig, 2003]. Il est prin-cipalement conc¸u pour la simulation de foules et de trafic routier. Le mod `ele combine l’approche organisationnelle orient ´ee-agent de CRIO avec les structures orient ´ees-objet et les algorithmes classiquement utilis ´es dans les domaines de la simulation en r ´ealit ´e virtuelle et des jeux vid ´eos. Ce mod `ele est conc¸u pour fournir des m ´ecanismes de per-ception et d’action r ´ealistes aux agents. Il s’agit d’un cadriciel fournissant une collection d’outils connus ou adapt ´es pour une mise en œuvre plus facile et efficace de simulation de foules.

Les missions d ´evolues `a l’environnement sont d ´ecrites dans la section 5.3.1. La tion 5.3.2 pr ´esente les concepts principaux associ ´es `a l’environnement. Dans la sec-tion 5.3.3, nous proposons un mod `ele organisasec-tionnel et holonique de l’environnement.

5.3.1/ MISSIONS DE L’ENVIRONNEMENT

Les missions d’un environnement dans une simulation multiagent, initialement propos ´ees par [Weyns et al., 2006], peuvent ˆetre adapt ´ee `a notre cadre et r ´esum ´ees par :

M1 - Partager l’information: L’environnement est une structure partag ´ee par les agents, o `u chacun d’entre eux perc¸oit et agit. Les donn ´ees associ ´ees sont g ´en ´eralement compos ´ees de structures hi ´erarchiques regroupant tous les objets qui composent le monde virtuel et sont utiles aux agents. L’environnement est ainsi hi ´erarchiquement d ´ecompos ´e en un ensemble de zones, sous-zones et ainsi de suite. Chaque zone est associ ´ee `a l’ensemble des objets y ´etant localis ´es. `A chaque niveau de la hi ´erarchie, les objets sont eux-m ˆemes reli ´es par le biais d’un ensemble de structures pour maintenir l’information topologique. De plus, chaque objet est associ ´e `a un ensemble d’informations s ´emantiques. Cela donne naissance `a une structure complexe de donn ´ees qui peut ˆetre consid ´er ´ee comme une sorte de ``clustered graph´´ ou hypergraphe. Cette partie de l’environnement contient toutes les structures utilis ´ees pour organiser les informations structurelles, topologiques et s ´emantiques telles que des graphes, octrees, quadtrees, grilles, . . .

M2 - G ´erer les actions des agents et leurs interactions: Cet aspect est li ´e `a la ges-tion des acges-tions simultan ´ees et conjointes des agents, et `a la pr ´eservages-tion de l’int ´egrit ´e environnementale. Par exemple, lorsque deux agents poussent la m ˆeme boˆıte, l’environnement peut calculer l’emplacement r ´eel de la boˆıte selon les lois de la physique, et les forces appliqu ´ees. Sur cet aspect, le mod `ele influence-r ´eaction [Michel, 2007] fouinfluence-rnit une solution efficace.

M3 - G ´erer les perceptions et les observations des agents: L’environnement doit ˆetre localement et partiellement observable. L’acc `es aux informations environne-mentales par les agents peut ˆetre g ´er ´e et contr ˆol ´e. Ainsi il est possible de garantir le caract `ere partiel et local des perceptions.

M4 - Maintenir la dynamique endog `ene: L’environnement est une entit ´e active, il peut avoir ses propres processus, ind ´ependamment de ceux des agents. Un exemple typique est l’ ´evaporation de ph ´eromones dans les algorithmes bas ´es sur les colonies de fourmis.

5.3.2/ VUE GEN´ ERALE DU MOD´ ELE DE L` ’ENVIRONNEMENT

L’ensemble des missions cit ´ees ci-dessus a abouti la proposition d’une architecture abs-traite pour le mod `ele de l’environnement, et illustr ´ee par la figure 5.2 et le diagrammeUML sur la figure 5.3. Cette architecture est proche de celle propos ´ee par [Weyns et al., 2005] tout en se focalisant sur la mod ´elisation d’univers virtuels.

Solveur _Endogène^Moteur

Generateur de

Perceptions ^{Modèle de}Monde

Influences Ré_act ions Perceptions Perceptions Influences Influences Descriptions entités Int erf ace M od èl e A gen t Descriptions entités

FIGURE5.2 – Mod `ele de l’environnement dans JASIM

5.3.2.1/ E^´TAT DE L’ENVIRONNEMENT

L’environnement est caract ´eris ´e par son ´etat σt ∈ Σ `a l’instant t. σt est constitu ´e des ´etats des objets composant l’environment (WorldModel, WorldEntity, . . .) et des variables associ ´ees aux dynamiques endog `enes de l’environnement (attributs de EndogenousEngine). Pour repr ´esenter les diff ´erentes possibilit ´es de modifica-tion de l’ ´etat de l’environnement, nous introduisons le concepts de meterio et raf-finons les concepts d’action et d’influence [Galland et al., 2009, Behe et al., 2014a, Behe et al., 2012a, Behe et al., 2014b].

5.3.2.2/ GESTION DU TEMPS DANS L’ENVIRONNEMENT

Nous avons sp ´ecialis ´e et raffin ´e le mod `ele formel de [Weyns and Holvoet, 2004] afin de r ´esoudre les nœuds scientifiques d ´ecrits par les auteurs :

– Synchronisation des agents et de la dynamique endog `ene : Le probl `eme est, que dans de nombreux cas, les activit ´es en cours dans l’environnement sont associ ´ees au temps physique. L’ ´evaporation de ph ´eromones, par exemple, est principalement mise en œuvre en fonction du temps physique [Sauter et al., 2002]. Toutefois, la charge sur un syst `eme informatique fluctue continuellement. En cons ´equence, le d ´eclin de l’intensit ´e des ph ´eromones n’ ´evolue pas au prorata du temps de calcul disponible pour les agents.

– ´Evolution du temps : L’ ´evolution temporelle d’un SMA peut ˆetre consid ´er ´ee comme une machine `a ´etats abstraite qui ex ´ecute, `a chaque cycle, les activit ´es des agents et l’activit ´e dans l’environnement au m ˆeme instant. De cette fac¸on, le mod `ele assure la simultan ´eit ´e conceptuelle entre les agents et l’environnement. Toutefois, l’ex ´ecution sur un calculateur ´etant s ´equentielle, la mise en œuvre pratique pose ´egalement le probl `eme de la simultan ´eit ´e des actions dans l’environnement.

Ces deux points sont primordiaux dans le cadre d’une simulation dans un univers virtuel. L’environnement repr ´esentant le monde physique, le temps ´evolue pour tous

FIGURE5.3 – Diagramme simplifi ´e de classes du mod `ele de l’environnement

les agents de mani `ere synchronis ´ee. Ainsi, `a chaque instant, tous les agents doivent percevoir le m ˆeme ´etat de l’environnement. De plus, la moindre incoh ´erence concer-nant l’application simultan ´ee de changements de l’ ´etat de l’environnement peut ˆetre perc¸ue par l’utilisateur r ´eel et ainsi provoquer une perte de l’immersion de ce der-nier [Fuchs and Moreau, 2006]. Concernant la synchronisation des agents et de l’en-vironnement, nous proposons d’int ´egrer et d’adapter le mod `ele d’interaction entre un agent et son environnement propos ´e dans [Ferber and M ¨uller, 1996]. Concernant le se-cond point, nous proposons d’int ´egrer une horloge globale dans l’environnement : c’est le mod `ele de l’environnement qui fait ´evoluer le temps dans la simulation. La valeur as-soci ´ee `a cette horloge pourra ˆetre perc¸ue par les agents. Mais elle ne peut pas changer durant la phase d’ex ´ecution des agents. Cette ´evolution du temps est repr ´esent ´ee dans le cycle d’ex ´ecution illustr ´e par la figure 5.4

5.3.2.3/ METERIO, ACTION ET INFLUENCE

Meterio : Une meterio¹ est une repr ´esentation abstraite participant `a la mod ´elisation des diverses interactions qui sont possibles pour un agent (agent et agent-environnement). Les meterios sont les ´el ´ements d’entr ´ee ou de sortie des interactions d’un agent. Ainsi, chaque meterio repr ´esente un changement d’ ´etat de l’environnement ou de l’agent. Ce changement d’ ´etat peut ˆetre r ´eellement appliqu ´e ou simplement d ´esir ´e par un agent :

Meterio: Σ −→ Σ

E_t^r 7−→ E^d_t+∆t (t, ∆t) ∈ N+× N+ (5.1) Lorsqu’elle est appliqu ´ee `a l’agent, une meterio correspond `a un changement de l’ ´etat

Simulation Life Cycle Envi ron^m en^t Age nt 1 Agent i Envi ron m en t Dyn am ics Inf^lue nce Pr^oce ssin g Act^ion Proce ssin^g Percept_ion Re act ion Em its desi red st at es Perceptioⁿ Compu-tation Per^ce ptioⁿ Reaction Em its d_esi red stat_es t := t + ∆t

FIGURE5.4 – Cycle d’ex ´ecution du mod `ele de simulation

mental de cet agent. Lorsqu’elle est associ ´ee `a l’environnement, une meterio est un changement d’ ´etat de ce dernier. Dans ce cas, l’ensemble des agents et l’environnement formant un syst `eme complexe, il est impossible de pr ´edire ou de garantir `a chaque agent que l’ ´etat qu’il veut atteindre Ed

t+∆test accessible ou peut ˆetre atteint dans le temps indiqu ´e ∆t. Par cons ´equent, lorsqu’une meterio est appliqu ´ee `a l’environnement, l’ ´etat d’arriv ´ee associ ´e est d ´ecrit comme ´etant un ´etat souhait ´e de l’environnement : l’influence ; soit comme un changement r ´eel de cet ´etat : l’action (aussi appel ´ee r ´eaction dans le mod `ele de [Ferber and M ¨uller, 1996]). La meterio est une abstraction commune aux concepts d’action et d’influence, d ´ecrits dans les paragraphes ci-dessous. Initialement, le concept de meterio a ´et ´e propos ´e dans [Behe et al., 2014a] pour permettre la construction d’une ontologie de b ˆatiments virtuels, et l’inf ´erence sur le contenu de cette ontologie. Le mod `ele

Dans le document Méthodologie et outils pour la simulation multiagent dans des univers virtuels (Page 72-99)