SIGNALER une erreur

Massive Simulation à base d'agents pour la gestion des crises

par Wenshuai Bai

Projet de thèse en Informatique

Sous la direction de Stéphane Galland.

Thèses en préparation à Bourgogne Franche-Comté , dans le cadre de École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; Dijon ; Belfort) , en partenariat avec LE2I - Laboratoire d'Electronique, d'Informatique et de l'Image (laboratoire) depuis le 12-10-2017 .


  • Résumé

    Ce sujet de thèse aborde le sujet de la formation des acteurs de la cellule de crise. Le projet de doctorat porte sur les outils de simulation pour la formation des personnels de gestion de crise. Ce projet de thèse vise à fournir une solution technologique basée sur des simulations basées sur des agents pour permettre la pratique d'exercices virtuels pour la formation des acteurs des cellules de crise tout en évitant le déploiement d'unités de secours sur un véritable terrain opérationnel. Dès que l'on considère une simulation microscopique de plusieurs individus et de leurs relations, la complexité du système et les coûts de calcul associés augmentent. Nous sommes donc confrontés à un dilemme commun dans le domaine de la simulation: gérer un compromis entre performance et précision. Notre objectif consiste à concevoir un modèle de simulation basé sur un agent générique et un outil capable de simuler des phénomènes massifs tels que le trafic et les foules. L'objectif principal est d'adapter le modèle pour permettre l'exécution distribuée sur un réseau informatique ou dans le Cloud. La question scientifique devient: comment modéliser et simuler une population massive d'agents en assurant l'évolution du temps et en évitant le problème de causalité.

  • Titre traduit

    Massive Agent-Based Simulation for Crisis Management


  • Résumé

    This PhD subject addresses the subject of crisis cell actors training. The PhD project addresses the simulation tools for training of crisis management staffs. This PhD project aims to provide a technological solution based on agentbased simulations to enable practice with virtual exercises for the training of crisis cell actors while avoiding the deployment of rescue units on a real operational field. As soon as we consider a microscopic simulation of several individuals and their relationships, the complexity of the system and associated computational costs increase. We are therefore faced a dilemma common in the field of simulation: to manage a compromise between performance and accuracy. Our goal consists in designing a generic agent-based simulation model and a tool that are able to simulate massive phenomenon such as traffic and crowds. The main goal is to adapt the model for enabling distributed execution over a computer network or in the Cloud. The scientific question becomes: how to model and simulate massive population of agents by ensuring time evolution and avoiding causality problem.