Modélisation multi-agents de la dynamique de foules piétonnes denses : Prévoir & Comprendre – MADRAS

Pour prévoir les flux piétonniers et gérer de vastes foules, mais aussi, plus fondamentalement, pour comprendre les dénominateurs communs entre piétons et matière active et les spécificités des premiers, une modélisation fiable de la dynamique de foules denses est requise. Or, les modèles actuels souffrent de certaines failles aiguës, notamment à haute densité. Dans ce contexte, MADRAS aspire à développer des modèles innovants à base d'agents pour prédire et comprendre la dynamique des foules denses (de 2 à 8 piétons/m2) et à appliquer ces modèles dans une étude de cas de grande envergure. Deux approches complémentaires de modélisation seront entreprises :
(i) des réseaux de neurones (RN) seront entraînés sur des données déjà disponibles pour prédire le mouvement des piétons en fonction de leur environnement local et de leur trajectoire. Cette approche basée sur les données est confortées par des succès récents, qui ont montré le potentiel des RN récurrents à densités faibles à intermédiaires; il s'agira de trouver des descripteurs appropriés pour le voisinage de l'agent et la géométrie locale pour permettre l'étude de foules denses dans des géométries complexes.
(ii) un modèle basé sur la physique couplera une couche décisionnelle, où une vitesse souhaitée est sélectionnée selon une stratégie d'anticipation des collisions qui a été validée empiriquement, et une couche mécanique, qui prend en charge les collisions et les contacts. Pour porter cette approche à des densités plus élevées, il est nécessaire d'intégrer des formes de piétons plus réalistes et de mieux séparer le processus de décision des forces mécaniques.

Ces approches seront confrontées à de nouvelles méthodes de validation, utilisant des données issues d'expériences contrôlées. Les modèles seront ensuite exploités à plus grande échelle pour simuler les flux piétons dans les rues bondées lors de la Fête des Lumières, à Lyon. À cette fin, des données empiriques seront collectées en filmant de haut des portions de rues et en immergeant dans la foule des participants portant des gilets avec des capteurs de forces, pour mesurer les contacts physiques.

La reproduction numérique de ce scénario réel demandera des méthodes d'assimilation de données appropriées et des simulations multi-agents efficaces à partir des deux modèles. Ces derniers seront combinés sur une même plateforme en ligne, permettant de visualiser les prédictions de flux et de les comparer avec la réalité du terrain.

Enfin, l'impact des différents ingrédients et des caractéristiques des modèles (par exemple, l'hétérogénéité des morphologies) sur la dynamique de foule observée à grande échelle sera étudié au moyen de simulations numériques des deux modèles, en utilisant comme scénario de référence le cas de la Fête des Lumières.

Pour mener à bien cet ambitieux projet interdisciplinaire, quatre équipes de formations différentes (informatique, physique statistique, mathématiques appliquées) combineront leurs forces et leurs outils de recherche (plateforme de simulation, modèles continus, jeux de données, outils d'analyse expérimentale). La coopération sera favorisée par l'existence d'un objectif ultime commun, reproduire un scénario à grande échelle, et par des séjours de recherche prolongés (3 mois) dans un autre institut pour tous les doctorants impliqués.