Résumé
Ce sujet de thèse porte, généralement, sur l’étude, la modélisation et la simulation de foules, et plus particulièrement sur les approches guidées par les données. Le sujet porte à la fois sur l’exploitation d’une base de données brutes existante sur le comportement des foules denses, et sur son utilisation à des fins de modélisation.
Contexte
La simulation de foules se divise en quelques grandes catégories d’approches, dont les approches macroscopiques, qui modélisent la foule comme un champ de densité évoluant dans l’espace et le temps, et les microscopiques, souvent sous la forme de systèmes particulaires ou de systèmes multi-agents qui modélisent les individus composant la foule, leurs comportements individuels ainsi que leurs interactions locales. Ce sujet de thèse porte essentiellement sur ce deuxième type d’approche. Dans ces dernières, le mouvement des particules ou agents sont dictées à la fois par leurs motivations propres (quels sont les buts des individus dans l’environnement) et le type d’interactions qu’ils entretiennent avec leurs voisins (qui dépend de nombreux facteurs, comme leurs relations sociales, le contexte, leur état psychologique, leur physiologie, etc.). La complexité intrinsèque des règles qui régissent les individus, et par rebond, le comportement émergent des foules, rendent très difficile leur modélisation et la simulation. En particulier, alors que les méthodes de modélisation des foules se concentrent très majoritairement sur les comportements piétonniers, les simulateurs de foule ont beaucoup de difficultés à rendre compte de la très grande variété des comportements autres que piétons.
Objectif
L’objectif général de cette thèse est d’explorer de nouvelles méthodes de modélisation pour prendre en compte cette variété, et en particulier de partir des données existantes sur le comportement de foules dans des lieux publics pour les modéliser et capturer efficacement leur dynamique particulière.
Etapes principales
La thèse se décompose en deux étapes majeures.
-
Analyse d’un jeu de données existant captant le comportement de foules denses. Cet objectif vise tout d’abord à traiter d’un jeu de données existant, se composant essentiellement de vidéos capturant des comportements de foules denses, filmées lors d’événements culturels musicaux. L’objectif de cette analyse sera d’extraire des informations liées aux densités et aux mouvements de la foule permettant de décrire la dynamique de la foule. Pour cela, les techniques les plus récentes d’analyse d’image seront employées, permettant la détection d’individus dans foule, ainsi que l’estimation de leurs mouvements. Les échelles des données disponibles ne permettant pas un suivi individuel, l’estimation de la dynamique de la foule se fera par des méthodes à établir.
-
Modélisation guidée donnée du comportement de la foule. Dans un deuxième temps, les résultats d’analyse de données seront utilisés à des fins de modélisation de la foule. Les méthodes actuelles de modélisation par apprentissage focalisent leur attention sur de petites échelles. En particulier, le domaine de la prédiction de trajectoires humaines (HTP) fournit des solutions permettant de prédire les trajectoires individuelles en présence d’autres individus, mais ces solutions restent inadaptées à la situation de foule dense, et ne cherchent pas à couvrir des phénomènes de plus grande échelle très importants dans l’explication de la dynamique de foules spécifiques. Nous chercherons à faire évoluer les méthodes existantes vers cet objectif, en explorant la possibilités de prédiction à plusieurs échelles pour mieux rendre compte des phénomènes de grande échelle.