Microscopic Crowd Simulation : Evaluation and Development of Algorithms

Simulation microscopique de foules : évaluation et développement d'algorithmes

David Wolinski - PhD's student in UMR Irisa (MIMETIC)

Directeur de thèse: Julien Pettré

PhD defense - January 22nd, 2016

Composition du Jury:

Pr. Yiorgos Chrysanthou, Professeur, University of Cyprus, Chypre / Rapporteur

Pr. Pierre Degond, Professeur, Imperial College London, Grande-Bretagne / Rapporteur

Pr. Ming Lin, Professeur, University of North Carolina, États-Unis / Examinatrice

Pr. Armin Seyfried, Professeur, Jülich Supercomputing Centre, Allemagne / Examinateur

Pr. Kadi Bouatouch, Professeur, Université de Rennes 1, France / Examinateur

Dr. Julien Pettré, Chargé de recherche, Inria Rennes, France / Directeur de thèse

Résumé :

Dû au grand intérêt porté à la simulation de foules, beaucoup d'algorithmes ont été et sont encore proposés.

Toutefois, (1) il n'existe pas de méthode standard pour évaluer le réalisme et la flexibilité de ces algorithmes, et (2) même les algorithmes les plus récents produisent encore des artéfacts évidents.

Abordant la première question, nous proposons une méthode visant à évaluer le réalisme des algorithmes de simulation de foules d'une manière objective et impartiale.
"Objective" grâce à des métriques quantifiant la similitude entre les simulations et des données acquises en situation réelle.
"Impartiale" grâce à l'estimation de paramètres permettant d'étalonner automatiquement les algorithmes en vue de décrire au mieux les données (par rapport aux métriques), permettant de comparer les algorithmes au mieux de leur capacité.

Nous explorons aussi comment ce processus permet d'augmenter le niveau de contrôle d'un utilisateur sur la simulation tout en réduisant son implication.

Abordant la deuxième question, nous proposons un nouvel algorithme d'évitement de collisions.
Alors que les algorithmes existants prédisent les collisions en extrapolant linéairement les trajectoires des agents, nous allons au-delà grâce à une approche probabiliste et non-linéaire, prenant en compte entre autres la configuration de l'environnement, les trajectoires passées et les interactions avec les obstacles.
Nous éliminons ainsi des simulations résultantes des artéfacts tels que: les ralentissements et les agglomérats dérangeants d'agents, les mouvements oscillatoires non naturels, ou encore les manœuvres d'évitement exagérées/fausses/de dernière minute.

Dans une troisième contribution, nous abordons aussi l'utilisation de notre travail sur l'évaluation et l'estimation de paramètres dans le cadre de systèmes plus larges.

Dans un premier temps, nous l'appliquons à la simulation d'insectes, prenant en charge leur comportement local.
Après avoir complété le système aux niveaux intermédiaire et global, cette approche basée-données est capable de simuler correctement des essaims d'insectes.

Dans un second temps, nous appliquons notre travail au suivi de piétons, construisant un "méta-algorithme" servant à calculer la probabilité de transition d'un filtre particulaire, et surpassant les systèmes existants.