International audience ; Increasing urban sprawl all over the world leads to an increase of vulnerabilities, as greater numbers of goods and people are exposed to hazards, both natural (flood, quakes, fires, tsunami, epidemic) and industrial (factories, plants). Population evacuation features amongst the tools political managers can use to mitigate these risks. When evacuations are decided, managers must strike a fine balance between displacing all the people needed to avoid injuries and fatalities, and not evacuating people that would finally not be struck by the hazard. Evacuated populations convoys must furthermore not lead to a sub-crisis where they become new vulnerabilities, or through disorder and density prevent the management of other vulnerabilities. There is regretfully a scarcity of tools to help risks manager make this kind of decision. We present here our works on such tools. Most risk management policies focus on a planar, continuous conception of space. Seveso Directives for example use different radius around the hazard center, a plant for example, to find which housings and business will be affected at which degree. We described in our presentation for UrbanNet 2013 how this approach was found lacking for handling road networks, both as vulnerabilities of the direct hazard, and as the means for a successful crisis management. In order to overcome this obstacle we proposed a city-wide agent based simulation called MOSAIIC to model the car traffic, both in normal and extraordinary situations. In MOSAIIC each driver is capable of strategical, tactical and operational planning and decision making. They have a list of destinations they try to reach, and choose a path to get there using their knowledge of the network. They accelerate, brake, change ways depending on their surroundings and personality. They choose alternative solutions if trapped in traffic jams of when facing a road networks altered from their initial knowledge. In this follow-up article we would like to discuss the data and its ...
International audience ; Increasing urban sprawl all over the world leads to an increase of vulnerabilities, as greater numbers of goods and people are exposed to hazards, both natural (flood, quakes, fires, tsunami, epidemic) and industrial (factories, plants). Population evacuation features amongst the tools political managers can use to mitigate these risks. When evacuations are decided, managers must strike a fine balance between displacing all the people needed to avoid injuries and fatalities, and not evacuating people that would finally not be struck by the hazard. Evacuated populations convoys must furthermore not lead to a sub-crisis where they become new vulnerabilities, or through disorder and density prevent the management of other vulnerabilities. There is regretfully a scarcity of tools to help risks manager make this kind of decision. We present here our works on such tools. Most risk management policies focus on a planar, continuous conception of space. Seveso Directives for example use different radius around the hazard center, a plant for example, to find which housings and business will be affected at which degree. We described in our presentation for UrbanNet 2013 how this approach was found lacking for handling road networks, both as vulnerabilities of the direct hazard, and as the means for a successful crisis management. In order to overcome this obstacle we proposed a city-wide agent based simulation called MOSAIIC to model the car traffic, both in normal and extraordinary situations. In MOSAIIC each driver is capable of strategical, tactical and operational planning and decision making. They have a list of destinations they try to reach, and choose a path to get there using their knowledge of the network. They accelerate, brake, change ways depending on their surroundings and personality. They choose alternative solutions if trapped in traffic jams of when facing a road networks altered from their initial knowledge. In this follow-up article we would like to discuss the data and its analysis we used to calibrate and validate simulations built with MOSAIIC to study theoretical all-car evacuation of the city of Rouen. Furthermore, since MOSAIIC, we started a new project, ESCAPE (Exploring by Simulation Cities Awareness on Population Evacuation), which aims at simulating massive evacuation:
National audience ; Nous nous intéressons aux recommandations d'un utilisateur à un système autonome. En pratique, on souhaite que l'utilisateur puisse spécifier au système des modifications ponctuelles du monde, ou ses propres préférences. Par exemple, dans le cas d'un G.P.S, l'utilisateur peut souhaiter lui indiquer des embouteillages, des travaux, ou une préférence sur les routes à prendre. Nous souhaitons avant tout que l'utilisateur puisse fournir de telles recommandations sans avoir besoin de représenter en détail ses connaissances sur le monde. Notre but est de permettre à l'agent d'estimer le modèle sous-jacent de l'utilisateur, à partir de recom-mandations simples de ce dernier, et d'en déduire une politique d'actions répondant à l'objectif du système tout en satisfaisant les recommandations. Ce problème peut être vu comme un problème d'apprentissage par renforcement inverse, où nous cher-chons à déterminer la fonction de récompense de l'utilisateur au travers d'informations qu'il nous donne [Abbeel & Ng, ICML 2004, Ramachandran & Amir, IJCAI 2007]. Il existe également de nombreuses études cherchant à simplifier le transfert d'informations utilisateur-agent, en particulier à partir de démonstrations sous-optimales [Brys et al., IJCAI 2015] et de renforcements locaux [Knox & Stone, Artif. Intell. 2015]. Plus proches de nos travaux, on trouve dans la littérature récente de nombreuses approches pour prendre des décisions à partir d'informations partielles sur la fonction de récompense de l'utilisateur [Regan & Boutilier, UAI 2009, Fürnkranz et al., Machine Learning 2012]. Les premiers de ces travaux nécessitent que l'utilisateur aient une idée assez précise d'une politique d'actions, et les seconds demandent un compromis entre la qualité de la politique calculée par l'agent et la quantité d'intéractions utilisateur-agent. Notre approche se distingue par le fait que nous étudions des recommandations extrêmement simples en terme de quantité d'informations, au prix d'hypothèses plus fortes sur ...
National audience ; Nous nous intéressons aux recommandations d'un utilisateur à un système autonome. En pratique, on souhaite que l'utilisateur puisse spécifier au système des modifications ponctuelles du monde, ou ses propres préférences. Par exemple, dans le cas d'un G.P.S, l'utilisateur peut souhaiter lui indiquer des embouteillages, des travaux, ou une préférence sur les routes à prendre. Nous souhaitons avant tout que l'utilisateur puisse fournir de telles recommandations sans avoir besoin de représenter en détail ses connaissances sur le monde. Notre but est de permettre à l'agent d'estimer le modèle sous-jacent de l'utilisateur, à partir de recom-mandations simples de ce dernier, et d'en déduire une politique d'actions répondant à l'objectif du système tout en satisfaisant les recommandations. Ce problème peut être vu comme un problème d'apprentissage par renforcement inverse, où nous cher-chons à déterminer la fonction de récompense de l'utilisateur au travers d'informations qu'il nous donne [Abbeel & Ng, ICML 2004, Ramachandran & Amir, IJCAI 2007]. Il existe également de nombreuses études cherchant à simplifier le transfert d'informations utilisateur-agent, en particulier à partir de démonstrations sous-optimales [Brys et al., IJCAI 2015] et de renforcements locaux [Knox & Stone, Artif. Intell. 2015]. Plus proches de nos travaux, on trouve dans la littérature récente de nombreuses approches pour prendre des décisions à partir d'informations partielles sur la fonction de récompense de l'utilisateur [Regan & Boutilier, UAI 2009, Fürnkranz et al., Machine Learning 2012]. Les premiers de ces travaux nécessitent que l'utilisateur aient une idée assez précise d'une politique d'actions, et les seconds demandent un compromis entre la qualité de la politique calculée par l'agent et la quantité d'intéractions utilisateur-agent. Notre approche se distingue par le fait que nous étudions des recommandations extrêmement simples en terme de quantité d'informations, au prix d'hypothèses plus fortes sur ...
National audience ; Une modélisation centralisée n'est pas toujours une solution viable pour les problèmes de planification, à cause de la taille exponentielle de la représentation ou bien à cause de contraintes de vie privée entre les composants du système. Dans ce papier, un modèle distribué de système basé entités est utilisé pour résoudre ces problèmes. Le but est d'optimiser chaque entité en utilisant des actions pouvant affecter d'autres entités. N'ayant qu'une connaissance d'un sous-ensemble du système, les entités affectées par ses actions, un agent doit se coordonner avec d'autres agents pour atteindre une solution localement optimale du contrôle du système. Avec la coordination hors-ligne de planifications locales, chaque agent mettra à jour son propre plan en prenant en compte ceux des autres agents, en utilisant les principes de coévolution et de détection de la terminaison introduits par le Distributed Breakout Algorithm. Une approche générique est introduite pour coordonner la planification hors-ligne de tels problèmes. Cela résulte en chaque agent ayant sa propre politique, ne nécessitant pas de communiquer durant l'exécution. Des résultats expérimentaux sur un réseau de voies navigables utilisant cette approche donnent de bons résultats et montrent une capacité à passer à l'échelle.
We study in this thesis the problem of social attitude formation and dynamics using multi agent simulation. The concept of attitude could be defined as a global evaluation of a social object, based on cognitive or affective information. Our works belongs to the field of social simulation which aims to reproduce in a virtual environment complex social phenomenon at a macroscopic level based on microscopic representations of individuals and their interactions. While existing approaches in this field rarely consider the results of studies in human sciences on the topic of attitude, we propose to follow a psychomimtic approach by micro-founding the cognitive model of our agents on human and social sciences' theories on individual's perception, inter-personal and media communication, belief revision, affective responses and the sentiment of unexpectedness. This model aims to reproduce at a microscopic level attitude dynamics toward actors who perpetuate actions witnessed by the individuals. We have proceeded to a functional analysis of the model's various components based on abstracts scenarios in order to study the capabilities of our model, and more precisely the describable phenomenon such as information diffusion, resistance to disinformation or the conformity process. The model has been applied in the context of French military operations of stabilisation in Afghanistan. The goal of this experience consists in reproducing opinion polls results of the locals toward the present Forces, collected during the intervention, based on a military scenario which has been recreated in partnership with officers who were in charge of operations between 2011 and 2012. Simulation results that follow a model calibration process show an error below 3 points of disparity compared to the real data. Finally, we propose a microscopic analysis of the results by applying automatic classification techniques on the simulated individuals in order to explain the multiple attitudes tendencies in the population. ; Nous étudions dans cette ...
We study in this thesis the problem of social attitude formation and dynamics using multi agent simulation. The concept of attitude could be defined as a global evaluation of a social object, based on cognitive or affective information. Our works belongs to the field of social simulation which aims to reproduce in a virtual environment complex social phenomenon at a macroscopic level based on microscopic representations of individuals and their interactions. While existing approaches in this field rarely consider the results of studies in human sciences on the topic of attitude, we propose to follow a psychomimtic approach by micro-founding the cognitive model of our agents on human and social sciences' theories on individual's perception, inter-personal and media communication, belief revision, affective responses and the sentiment of unexpectedness. This model aims to reproduce at a microscopic level attitude dynamics toward actors who perpetuate actions witnessed by the individuals. We have proceeded to a functional analysis of the model's various components based on abstracts scenarios in order to study the capabilities of our model, and more precisely the describable phenomenon such as information diffusion, resistance to disinformation or the conformity process. The model has been applied in the context of French military operations of stabilisation in Afghanistan. The goal of this experience consists in reproducing opinion polls results of the locals toward the present Forces, collected during the intervention, based on a military scenario which has been recreated in partnership with officers who were in charge of operations between 2011 and 2012. Simulation results that follow a model calibration process show an error below 3 points of disparity compared to the real data. Finally, we propose a microscopic analysis of the results by applying automatic classification techniques on the simulated individuals in order to explain the multiple attitudes tendencies in the population. ; Nous étudions dans cette thèse la formation et la dynamique des attitudes sociales à l'aide de la simulation multi agent. L'attitude peut se définir comme une évaluation globale d'un objet social sur la base d'informations cognitives ou affectives. Nos travaux s'inscrivent dans le cadre de la simulation sociale qui tente de reproduire informatiquement des phénomènes sociaux complexes à une échelle macroscopique, sur la base de la représentation des individus et de leurs interactions au niveau microscopique. Tandis que les approches existantes dans cette discipline font généralement abstraction des travaux en sciences humaines sur le sujet de l'attitude, nous proposons de suivre une approche psychomimétique en micro-fondant le modèle cognitif de nos agents sur des théories issues de psychologie sociale et des sciences cognitives. Ainsi, nous proposons un modèle de dynamique d'attitude combinant des théories issues de travaux en sciences humaines et sociales de la perception des individus, la communication inter-personnelle et médiatique, la révision de croyances, la réponse émotionnelle ainsi que le sentiment de surprise. Ce modèle a pour objectif de reproduire au niveau microscopique la dynamique des attitudes vis-à-vis d'acteurs qui effectuent des actions observées par la population. Nous avons procédé à une analyse fonctionnelle des différents composants du modèle sur des scénarii abstraits afin d'étudier les capacités de notre modèle, en particulier les phénomènes descriptibles tels que la diffusion de l'information, la résistance à la désinformation ou le processus de conformité. Le modèle a été appliqué dans le contexte des opérations militaires françaises de stabilisation en Afghanistan. L'objectif de cette expérience consiste à reproduire les sondages d'opinions vis-à-vis des Forces en présence, récoltés durant l'intervention, à partir d'un scénario militaire qui a été reconstitué en partenariat avec les officiers en charge des opérations de 2011 à 2012. Les résultats de simulations qui suivent un processus de calibration du modèle affichent une erreur inférieure à 3 points d'écart par rapport aux données réelles. Enfin, nous proposons une analyse microscopique des résultats en appliquant des techniques de classifications automatiques sur les individus afin d'expliquer les différentes tendances d'attitudes au sein de la population.
Part 3: Financial and Management Applications of AI ; International audience ; To ensure long-term competitiveness, companies try to maintain a high level of agility, flexibility and responsiveness. In many domains, hierarchical SCs are considered as dynamic systems that deal with many perturbations. In this paper, we handle a specific type of supply chain: a Crisis Management Supply Chain (CMSC). Supply during peacetime can be managed by proactive logistics plans and classic supply chain management techniques to guaranty the availability of required needs. However, in case of perturbations (time of war, natural disasters.) the need for support increases dramatically and logistics plans need to be adjusted rapidly. Subjective variables like risk, uncertainty and vulnerability will be used in conjunction with objective variables such as inventory levels, delivery times and financial loss to determine preferred courses of action.
JFSMA'15 - 23es Journées Francophones sur les Systèmes Multi-Agents, RENNES, FRANCE, 29-/06/2015 - 01/07/2015 ; With the generalization of real-time traveler information, the behavior of modern transport networks becomes harder to analyze and to predict. It is now critical to develop simulation tools for mobility policies decision makers, taking into account this new information environment. Indeed, the spread of individualized information may highly influence the traffic network. However, existing mobility multiagent and micro-simulations can only consider a sample of the real volumes of travelers, especially for large areas. With distributed simulations, it would become possible to analyze and predict the status of current and future networks, with informed and connected travelers. ; Avec la généralisation de l'information voyageurs en temps réel, la dynamique des réseaux de transport est de plus en plus diffcile à analyser et à prévoir. Il devient nécessaire de développer des outils de simulation pour les décideurs de politiques de mobilité, tenant compte de ce nouvel environnement informationnel. En effet, informer un très grand nombre de voyageurs guidés individuellement peut avoir des conséquences importantes sur l'état du trafic. Il est utile d'évaluer cet impact par la simulation. Or, les simulations multi-agents existantes pour la mobilité de voyageurs ne peuvent prendre en considération qu'une partie du volume réel de voyageurs. En distribuant ces simulations, il serait possible de prendre en compte des volumes réels de voyageurs connectés et d'analyser et de prévoir l'état des réseaux de transport. Dans cet article, nous proposons une comparaison entre deux méthodes pour la distribution des simulations multi-agents de mobilité des voyageurs, permettant la prise en compte de flux réalistes et de zones géographiques étendues.
JFSMA'15 - 23es Journées Francophones sur les Systèmes Multi-Agents, RENNES, FRANCE, 29-/06/2015 - 01/07/2015 ; With the generalization of real-time traveler information, the behavior of modern transport networks becomes harder to analyze and to predict. It is now critical to develop simulation tools for mobility policies decision makers, taking into account this new information environment. Indeed, the spread of individualized information may highly influence the traffic network. However, existing mobility multiagent and micro-simulations can only consider a sample of the real volumes of travelers, especially for large areas. With distributed simulations, it would become possible to analyze and predict the status of current and future networks, with informed and connected travelers. ; Avec la généralisation de l'information voyageurs en temps réel, la dynamique des réseaux de transport est de plus en plus diffcile à analyser et à prévoir. Il devient nécessaire de développer des outils de simulation pour les décideurs de politiques de mobilité, tenant compte de ce nouvel environnement informationnel. En effet, informer un très grand nombre de voyageurs guidés individuellement peut avoir des conséquences importantes sur l'état du trafic. Il est utile d'évaluer cet impact par la simulation. Or, les simulations multi-agents existantes pour la mobilité de voyageurs ne peuvent prendre en considération qu'une partie du volume réel de voyageurs. En distribuant ces simulations, il serait possible de prendre en compte des volumes réels de voyageurs connectés et d'analyser et de prévoir l'état des réseaux de transport. Dans cet article, nous proposons une comparaison entre deux méthodes pour la distribution des simulations multi-agents de mobilité des voyageurs, permettant la prise en compte de flux réalistes et de zones géographiques étendues.
National audience ; Ce papier présente une architecture multirobots permettant une allocation automatique de plusieurs objectifs sur une flotte de robots. Le challenge consiste à rendre des robots autonomes pour réaliser coopérativement leur mission sans qu'un plan soit prédéfini. Cette architecture, appelée PRDC, est basée sur 4 modules (Perception, Représentation, Délibération et Contrôle). Nous nous intéressons plus particulièrement au module de délibération en considérant le problème des voyageurs de commerce coopératifs dans un environnement incertain. L'objectif des robots est alors de visiter un ensemble de points d'intérêt représentés dans une carte topologique stochastique (Road-Map). Le processus proposé pour la construction des politiques collaboratives est distribué. Chaque robot calcule ses politiques individuelles possibles de façon à négocier collectivement l'allocation des points d'intérêt entre les membres de la flotte. Enfin, l'approche est évaluée via un important nombre de simulations
National audience ; Ce papier présente une architecture multirobots permettant une allocation automatique de plusieurs objectifs sur une flotte de robots. Le challenge consiste à rendre des robots autonomes pour réaliser coopérativement leur mission sans qu'un plan soit prédéfini. Cette architecture, appelée PRDC, est basée sur 4 modules (Perception, Représentation, Délibération et Contrôle). Nous nous intéressons plus particulièrement au module de délibération en considérant le problème des voyageurs de commerce coopératifs dans un environnement incertain. L'objectif des robots est alors de visiter un ensemble de points d'intérêt représentés dans une carte topologique stochastique (Road-Map). Le processus proposé pour la construction des politiques collaboratives est distribué. Chaque robot calcule ses politiques individuelles possibles de façon à négocier collectivement l'allocation des points d'intérêt entre les membres de la flotte. Enfin, l'approche est évaluée via un important nombre de simulations
National audience ; Ce papier présente une architecture multirobots permettant une allocation automatique de plusieurs objectifs sur une flotte de robots. Le challenge consiste à rendre des robots autonomes pour réaliser coopérativement leur mission sans qu'un plan soit prédéfini. Cette architecture, appelée PRDC, est basée sur 4 modules (Perception, Représentation, Délibération et Contrôle). Nous nous intéressons plus particulièrement au module de délibération en considérant le problème des voyageurs de commerce coopératifs dans un environnement incertain. L'objectif des robots est alors de visiter un ensemble de points d'intérêt représentés dans une carte topologique stochastique (Road-Map). Le processus proposé pour la construction des politiques collaboratives est distribué. Chaque robot calcule ses politiques individuelles possibles de façon à négocier collectivement l'allocation des points d'intérêt entre les membres de la flotte. Enfin, l'approche est évaluée via un important nombre de simulations
National audience ; Ce papier présente une architecture multirobots permettant une allocation automatique de plusieurs objectifs sur une flotte de robots. Le challenge consiste à rendre des robots autonomes pour réaliser coopérativement leur mission sans qu'un plan soit prédéfini. Cette architecture, appelée PRDC, est basée sur 4 modules (Perception, Représentation, Délibération et Contrôle). Nous nous intéressons plus particulièrement au module de délibération en considérant le problème des voyageurs de commerce coopératifs dans un environnement incertain. L'objectif des robots est alors de visiter un ensemble de points d'intérêt représentés dans une carte topologique stochastique (Road-Map). Le processus proposé pour la construction des politiques collaboratives est distribué. Chaque robot calcule ses politiques individuelles possibles de façon à négocier collectivement l'allocation des points d'intérêt entre les membres de la flotte. Enfin, l'approche est évaluée via un important nombre de simulations
National audience ; Ce papier présente une architecture multirobots permettant une allocation automatique de plusieurs objectifs sur une flotte de robots. Le challenge consiste à rendre des robots autonomes pour réaliser coopérativement leur mission sans qu'un plan soit prédéfini. Cette architecture, appelée PRDC, est basée sur 4 modules (Perception, Représentation, Délibération et Contrôle). Nous nous intéressons plus particulièrement au module de délibération en considérant le problème des voyageurs de commerce coopératifs dans un environnement incertain. L'objectif des robots est alors de visiter un ensemble de points d'intérêt représentés dans une carte topologique stochastique (Road-Map). Le processus proposé pour la construction des politiques collaboratives est distribué. Chaque robot calcule ses politiques individuelles possibles de façon à négocier collectivement l'allocation des points d'intérêt entre les membres de la flotte. Enfin, l'approche est évaluée via un important nombre de simulations