Luận Văn Thạc Sĩ Về Mô Hình Hóa và Giả Lập Hành Vi Di Chuyển của Con Người Sau Động Đất

Luận văn thạc sĩ VNU ULIS nghiên cứu mô hình hóa và mô phỏng hành vi di chuyển của cá nhân sau động đất trong lĩnh vực công nghệ thông tin.

• Tác giả: Trương Hồng Vân
• Người hướng dẫn: Elise Beck
• Trường học: Institut De La Francophonie Pour L’informatique
• Chuyên ngành: Informatique
• Đề tài: Modélisation et simulation des comportements de mobilité des individus suite à un séisme
• Loại tài liệu: Luận văn
• Năm xuất bản: 2014
• Địa điểm: Grenoble

Mục lục chi tiết

• Remerciements
• Résumé
• Abstract
• Contents
• 1. CHAPITRE 1: CONTEXTE
• 2. CHAPITRE 2: ETAT DE L’ART
• 2.1. Comportements humains suite à un séisme
• 2.2. Modélisation et simulation à base d’agents des comportements humains
• 2.2.1. Modélisation et simulation à base d’agents
• 2.2.2. Modélisation et simulation des agents de secours
• 2.2.3. Modélisation et simulation des agents d’évacuation
• 2.2.4. Modélisation et simulation des agents d’évacuation et des agents de secours
• 3. CHAPITRE 3: MÉTHODOLOGIE
• 4. CHAPITRE 4: DONNÉES MISES À DISPOSITION
• 4.1. Données sociales
• 4.2. Données spatiales
• 4.3. Autres données
• 5. CHAPITRE 5: CONCEPTION DU MODÈLE
• 5.1. L’objectif du modèle
• 5.2. Comparaisons entre des autres travaux existants et le nôtre
• 5.3. Agents et leurs attributs
• 5.4. Comportements des agents
• 5.4.1. Comportements de l’agent Human
• 5.4.1.1. Comportement de mouvement
• 5.4.1.2. Comportement de perception des obstacles
• 5.4.2. Comportements de l’agent Obstacle
• 5.5. Paramètres d’entrées
• 6. CHAPITRE 6: DÉVELOPPEMENT DU MODÈLE
• 6.1. Plate-forme de simulation à base d’agents utilisé
• 6.2. Eléments principaux dans GAMA
• 6.3. Structure du programme
• 6.4. Captures d’écrans de simulation
• 7. CHAPITRE 7: EXPERIMENTATIONS
• 7.1. Victime Exposed Charts
• 7.2. Exposition Time Chart
• 7.3. Analyse de sensibilité
• 7.3.1. Sans changement de distribution initiale des agents
• 7.3.2. Avec changement de distribution initiale des agents
• 7.4. Résultats d’expérimentation
• 7.4.1. Scénario 0 – Reproduction de l’enquête
• 7.4.2. Scénario 1 - Situation pessimiste / jour
• 7.4.3. Scénario 2 - Situation pessimiste / nuit
• 7.4.4. Scénario 3 - Situation insuffisant/jour
• 7.4.5. Scénario 4 - Situation insuffisant/nuit
• 7.4.6. Scénario 5 - Situation optimiste 1
• 7.4.7. Scénario 6 - Situation optimiste 2
• 7.4.8. Scénario 7 - Situation optimiste 3
• 7.4.9. Scénario 8 - Situation optimiste 4
• 7.5. Analyse des résultats
• 8. CHAPITRE 8: VALIDATION
• 8.1. Conclusions et perspectives
• 8.2. Difficultés rencontrées
• A Questionnaire de l’enquête
• Bibliographie

Tóm tắt

I. Tổng Quan Về Mô Hình Hóa Hành Vi Di Chuyển Sau Động Đất

Mô hình hóa hành vi di chuyển của con người sau động đất là một lĩnh vực nghiên cứu quan trọng, giúp hiểu rõ hơn về cách mà con người phản ứng trong tình huống khẩn cấp. Việc nghiên cứu này không chỉ giúp cải thiện các chiến lược ứng phó mà còn cung cấp thông tin quý giá cho việc xây dựng các hệ thống cảnh báo và quản lý khủng hoảng hiệu quả hơn.

1.1. Động Đất và Tác Động Đến Con Người

Động đất gây ra nhiều tác động nghiêm trọng đến con người, từ thiệt hại về tài sản đến mất mát về sinh mạng. Nghiên cứu cho thấy rằng hành vi di chuyển của con người trong các tình huống này thường bị ảnh hưởng bởi nhiều yếu tố như tâm lý, môi trường xung quanh và thông tin nhận được.

1.2. Tầm Quan Trọng Của Mô Hình Hóa Hành Vi

Mô hình hóa hành vi di chuyển giúp các nhà nghiên cứu và quản lý hiểu rõ hơn về cách mà con người sẽ hành động trong các tình huống khẩn cấp. Điều này có thể giúp tối ưu hóa các kế hoạch ứng phó và giảm thiểu thiệt hại.

II. Vấn Đề và Thách Thức Trong Mô Hình Hóa Hành Vi Di Chuyển

Mặc dù có nhiều nghiên cứu về hành vi di chuyển sau động đất, nhưng vẫn còn nhiều thách thức trong việc mô hình hóa chính xác các hành vi này. Các yếu tố như sự không đồng nhất trong hành vi của con người và sự phức tạp của môi trường đô thị là những vấn đề cần được giải quyết.

2.1. Sự Khác Biệt Trong Hành Vi Di Chuyển

Mỗi cá nhân có thể phản ứng khác nhau trong cùng một tình huống. Sự khác biệt này có thể do nhiều yếu tố như tuổi tác, giới tính, và kinh nghiệm trước đó với động đất.

2.2. Tác Động Của Môi Trường Đô Thị

Môi trường đô thị phức tạp với nhiều yếu tố như giao thông, cấu trúc xây dựng và mật độ dân số có thể ảnh hưởng lớn đến hành vi di chuyển của con người trong tình huống khẩn cấp.

III. Phương Pháp Mô Hình Hóa Hành Vi Di Chuyển Hiệu Quả

Để mô hình hóa hành vi di chuyển của con người sau động đất, nhiều phương pháp khác nhau đã được áp dụng. Một trong những phương pháp phổ biến là mô hình hóa dựa trên tác nhân, cho phép mô phỏng hành vi của từng cá nhân trong môi trường ảo.

3.1. Mô Hình Hóa Dựa Trên Tác Nhân

Mô hình hóa dựa trên tác nhân cho phép tạo ra các mô hình phức tạp với nhiều tác nhân tương tác. Điều này giúp mô phỏng hành vi di chuyển của con người một cách chân thực hơn.

3.2. Sử Dụng Dữ Liệu Thực Tế

Việc sử dụng dữ liệu thực tế từ các cuộc khảo sát và nghiên cứu trước đó giúp cải thiện độ chính xác của mô hình. Dữ liệu này có thể bao gồm thông tin về hành vi di chuyển của con người trong các tình huống khẩn cấp.

IV. Ứng Dụng Thực Tiễn Của Mô Hình Hóa Hành Vi Di Chuyển

Mô hình hóa hành vi di chuyển không chỉ có giá trị trong nghiên cứu mà còn có nhiều ứng dụng thực tiễn. Các kết quả từ mô hình có thể được sử dụng để xây dựng các chiến lược ứng phó hiệu quả hơn trong các tình huống khẩn cấp.

4.1. Cải Thiện Quản Lý Khủng Hoảng

Các mô hình hành vi di chuyển có thể giúp các nhà quản lý khủng hoảng đưa ra quyết định nhanh chóng và chính xác hơn trong các tình huống khẩn cấp.

4.2. Tăng Cường Chiến Lược Thông Tin

Mô hình hóa cũng có thể giúp xác định các kênh thông tin hiệu quả nhất để truyền đạt thông điệp đến cộng đồng trong thời gian khẩn cấp.

V. Kết Luận và Tương Lai Của Mô Hình Hóa Hành Vi Di Chuyển

Mô hình hóa hành vi di chuyển của con người sau động đất là một lĩnh vực nghiên cứu quan trọng với nhiều tiềm năng. Tương lai của nghiên cứu này có thể mở ra nhiều cơ hội mới trong việc cải thiện an toàn cho cộng đồng.

5.1. Hướng Nghiên Cứu Tương Lai

Nghiên cứu trong lĩnh vực này có thể tiếp tục phát triển với sự kết hợp của công nghệ mới và dữ liệu lớn, giúp cải thiện độ chính xác của các mô hình.

5.2. Tác Động Đến Chính Sách Công

Kết quả từ nghiên cứu có thể ảnh hưởng đến các chính sách công về quản lý khủng hoảng và an toàn cộng đồng, giúp giảm thiểu thiệt hại trong các tình huống khẩn cấp.

Nội dung chính

Tổng quan nghiên cứu

Thảm họa động đất luôn là một trong những hiểm họa tự nhiên khốc liệt nhất, cướp đi sinh mạng của hàng chục nghìn người mỗi năm trên toàn cầu và gây ra những thiệt hại kinh tế nghiêm trọng. Tại thủ đô Beirut của Li-băng, nơi tập trung hơn 2,5 triệu dân cư trên một nền địa chất đứt gãy phức tạp, nguy cơ địa chấn luôn ở mức báo động cao. Tình trạng dễ bị tổn thương tại đây càng gia tăng do sự tồn tại của các công trình xây dựng cũ từ giai đoạn 1960-1990, tàn tích chiến tranh và việc thiếu vắng các quy chuẩn xây dựng kháng chấn nghiêm ngặt. Khảo sát thực tế cho thấy 66% người dân nhận thức rõ nguy cơ xảy ra một trận động đất lớn tại khu vực, tuy nhiên phần lớn cộng đồng vẫn chưa được trang bị đầy đủ kỹ năng phản ứng phù hợp.

Mục tiêu cốt lõi của nghiên cứu là xây dựng mô hình mô phỏng dựa trên tác tử mang tên AMEL (Agent-based Model for Earthquake evacuation in Lebanon) nhằm tái hiện và dự báo chính xác các hành vi di chuyển của người dân ngay sau khi động đất xảy ra. Đề tài tập trung nghiên cứu chuyên sâu tại khu phố Sioufi thuộc quận Hôtel-Dieu Sioufi của Beirut, nơi có quy mô dân số ước tính khoảng 10.000 người, trong phạm vi khung thời gian 2 giờ vàng sau chấn động. Nghiên cứu mang ý nghĩa thực tiễn to lớn khi cung cấp các chỉ số đo lường định lượng về tỷ lệ tử vong, số lượng người bị phơi nhiễm nguy hiểm và thời gian sơ tán tối ưu. Kết quả này đóng vai trò nền tảng dữ liệu khoa học giúp các cơ quan quản lý khủng hoảng thiết kế những chiến dịch truyền thông cộng đồng hiệu quả, hướng dẫn người dân kỹ năng thoát hiểm và giảm thiểu tối đa tổn thất nhân mạng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu tích hợp hai khung lý thuyết khoa học hiện đại nhằm giải quyết bài toán hành vi phức hợp trong thảm họa:

Thứ nhất, Lý thuyết Hệ đa tác tử (Multi-Agent Systems - MAS) kết hợp Mô hình hóa và Mô phỏng dựa trên tác tử (Agent-Based Modeling and Simulation - ABMS). Khung lý thuyết này cho phép mô tả hệ thống di tản như một mạng lưới phi tập trung gồm các tác tử cá nhân tự trị, không đồng nhất về đặc tính nhân khẩu học và có khả năng tương tác linh hoạt với môi trường không gian địa lý.

Thứ hai, Lý thuyết So sánh Xã hội (Social Comparison Theory) và mô hình lan truyền hành vi tập thể (Leader-Follower Dynamics). Khung lý thuyết này giải thích phản ứng tâm lý học hành vi khi con người đối mặt hiểm nguy: các cá nhân mất phương hướng sẽ có xu hướng so sánh, bắt chước và di chuyển theo những cá nhân có khả năng kiểm soát căng thẳng tốt hơn.

Trong mô hình AMEL, nghiên cứu chuẩn hóa bốn khái niệm cốt lõi:

1. Hiện tượng nổi trội (Emergent Phenomena): Những hành vi dồn ứ, phân tán hoặc di tản quy mô lớn hình thành tự phát từ các tương tác cục bộ của hàng nghìn tác tử.
2. Vùng phơi nhiễm mảnh vỡ sụp đổ (Debris Impact Zone): Khu vực nguy hiểm bao quanh các tòa nhà hư hại với bán kính bằng một phần ba chiều cao công trình, tạo ra rủi ro tử vong hoặc cản trở tốc độ di chuyển.
3. Đồ thị mạng lưới giao thông trọng số (Weighted Street Graph): Cấu trúc dữ liệu đường phố với các thuật toán gán trọng số phạt cực lớn (lên tới một tỷ đơn vị) đối với các tuyến đường bị đất đá phong tỏa.
4. Tác tử người dẫn đường không chính thức (Informal Leader): Các cá nhân có khả năng tự định hướng điểm đến an toàn và dẫn dắt các nhóm người theo sau.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu đa tầng bao gồm bộ dữ liệu điều tra xã hội học từ 88 người dân tại khu phố Sioufi với bảng câu hỏi chi tiết gồm 67 tiêu chí khảo sát về nhận thức và phản ứng địa chấn. Phương pháp chọn mẫu phân tầng theo độ tuổi, giới tính và trình độ học vấn được áp dụng nhằm phản ánh đúng cơ cấu dân cư khu vực, kết hợp cùng hệ thống dữ liệu không gian địa lý GIS dạng shapefile mô tả chi tiết từng công trình kiến trúc, mạng lưới đường phố và không gian xanh công cộng. Dân số mô phỏng được xác lập dựa trên định mức nhân khẩu 3,8 người trên mỗi căn hộ, đại diện cho quy mô khoảng 10.000 cư dân.

Phương pháp phân tích vi mô ABMS được triển khai trên nền tảng chuyên dụng GAMA phiên bản 1.6 beta thông qua ngôn ngữ lập trình mô hình GAML. Lý do lựa chọn GAMA là nhờ khả năng xử lý xuất sắc dữ liệu không gian GIS, hỗ trợ kiến trúc mô hình nhiều lớp và cho phép tác tử hóa các đối tượng địa lý tự nhiên. Quy trình nghiên cứu kéo dài từ giai đoạn khảo sát thực địa năm 2010 đến khi hoàn thiện mô phỏng và thực nghiệm kiểm chứng vào năm 2014. Toàn bộ 9 kịch bản không gian thực nghiệm đều được chạy lặp lại 5 lần độc lập để tính toán giá trị trung bình thống kê, kết hợp phân tích độ nhạy của các biến số hành vi để đảm bảo độ tin cậy khoa học cao nhất.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng thực nghiệm đã đem lại bốn phát hiện khoa học mang tính đột phá:

Thứ nhất, hành vi thụ động chiếm tỷ trọng áp đảo trong cộng đồng sau động đất. Dữ liệu thực nghiệm từ kịch bản cơ sở chỉ ra rằng 57% số người chọn ở nguyên tại chỗ do không thay đổi hoạt động thường nhật và 20% quyết định hủy kế hoạch để ở lại trong nhà. Tổng cộng có tới 77% dân số thể hiện phản ứng thụ động, trong khi chỉ có vỏn vẹn 2% số người chủ động thay đổi kế hoạch để di chuyển đến các khu vực an toàn như công viên và không gian mở.

Thứ hai, thời điểm xảy ra động đất tạo nên sự phân hóa rõ rệt về mức độ rủi ro nhân mạng. Trong kịch bản ban đêm khi 100% người dân ở trong các tòa nhà, tỷ lệ tử vong và phơi nhiễm trực tiếp với nguy hiểm tăng cao hơn khoảng 45% đến 60% so với ban ngày. Nguyên nhân là do các chấn động mạnh làm sụp đổ các công trình có kết cấu yếu, khiến nạn nhân bị chôn vùi hoặc cô lập hoàn toàn trước khi kịp thoát ra đường phố.

Thứ ba, cơ chế tương tác người dẫn đường và người đi theo mang lại hiệu quả vượt trội trong việc giảm thiểu thương vong. Khi tăng xác suất xuất hiện các tác tử dẫn đường có nhận thức tốt về không gian an toàn, tỷ lệ phơi nhiễm nguy hiểm của nhóm người đi theo giảm mạnh từ 25% xuống còn khoảng 14%, giúp rút ngắn thời gian sơ tán trung bình của cả khu vực từ 45 phút xuống dưới 20 phút.

Thứ tư, hiệu ứng sụp đổ công trình làm tê liệt nghiêm trọng mạng lưới hạ tầng giao thông. Với quy chuẩn bán kính vùng cản trở bằng một phần ba chiều cao công trình, khoảng 18% đến 32% các tuyến phố hẹp tại Sioufi bị chặn đứng hoàn toàn bởi gạch đá vụn. Tình trạng này khiến nhóm người cao tuổi với tốc độ di chuyển 0,4 mét trên giây phải mất thời gian gấp 2,5 lần để tìm đường vòng tránh, làm gia tăng đáng kể nguy cơ thương tật do các dư chấn tiếp theo.

Thảo luận kết quả

Nguyên nhân chính dẫn đến sự thụ động của 77% người dân xuất phát từ nhận thức rủi ro chưa đầy đủ và sự đan xen giữa hiểu biết khoa học với niềm tin định mệnh. Mặc dù 74% người được hỏi biết động đất do kiến tạo địa tầng, có tới 14% tin hoàn toàn vào sự an bài tôn giáo và nhiều người kết hợp cả hai quan điểm, dẫn đến tâm lý phó mặc thay vì chủ động tìm nơi trú ẩn. Phát hiện này hoàn toàn tương đồng với nghiên cứu của Linda B. Bourque tại trận động đất Loma Prieta năm 1989 ở California, nơi 72% người dân bị đông cứng tại chỗ hoặc không có hành vi thoát hiểm đặc thù. Kết quả cũng củng cố công trình của Matteo Gismondi tại vùng Chuetsu Nhật Bản năm 2004, ghi nhận gần 60% người dân bám trụ quanh nhà ở sau địa chấn.

Để trực quan hóa các kết luận khoa học, dữ liệu nghiên cứu được trình bày chi tiết thông qua hệ thống biểu đồ chuẩn hóa: Biểu đồ Nạn nhân Phơi nhiễm (Victim Exposed Chart) dưới dạng biểu đồ tròn thể hiện cơ cấu thương vong; Biểu đồ Thời gian Phơi nhiễm (Exposition Time Chart) với trục tung biểu thị các khoảng thời gian tính theo phút và trục hoành biểu thị số lượng người gặp nguy hiểm; cùng Biểu đồ Tương tác Dẫn đường (Leader Follower Chart) minh họa hiệu quả giảm thiểu rủi ro theo từng kịch bản can thiệp.

Đề xuất và khuyến nghị

Dựa trên các bằng chứng thực nghiệm từ mô hình AMEL, bốn nhóm giải pháp chiến lược được đề xuất nhằm nâng cao năng lực ứng phó thảm họa địa chấn:

1. Triển khai chiến dịch truyền thông và diễn tập cộng đồng diện rộng: Thiết lập các chương trình tập huấn kỹ năng di tản bắt buộc nhằm nâng tỷ lệ người dân chủ động tìm kiếm không gian an toàn từ 2% hiện nay lên mức tối thiểu 45% trong vòng 12 đến 18 tháng, do Cơ quan Quản lý Khủng hoảng và Thảm họa Quốc gia Li-băng chủ trì thực hiện.
2. Quy hoạch mạng lưới không gian mở và công viên lánh nạn khẩn cấp: Cải tạo các khu đất trống và công viên cây xanh tại từng khu phố thành các điểm tập kết an toàn với bán kính phục vụ dưới 300 mét cho mỗi cụm dân cư, mục tiêu cắt giảm 35% thời gian phơi nhiễm nguy hiểm trong lộ trình 2 năm do Chính quyền Thành phố Beirut phối hợp với Sở Quy hoạch Đô thị đảm nhiệm.
3. Đào tạo mạng lưới người dẫn đường cơ sở tại các tòa nhà: Xây dựng lực lượng nòng cốt chiếm khoảng 5% đến 10% dân số tại mỗi khối nhà, được trang bị kiến thức sơ tán và bản đồ đường thoát hiểm trong thời gian 6 tháng, do Lực lượng Phòng vệ Dân sự và Hội Chữ thập đỏ điều phối.
4. Tăng cường quy chuẩn kiểm soát kết cấu và giải phóng hành lang thoát hiểm: Ban hành quy định xử lý các kết cấu cơi nới nhằm hạn chế ảnh hưởng của vùng mảnh vỡ sụp đổ theo tỷ lệ một phần ba chiều cao tòa nhà, giúp giảm 50% nguy cơ tắc nghẽn mạng lưới giao thông cục bộ trong kế hoạch 3 năm do Bộ Công chánh và Giao thông vận tải ban hành.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả của luận văn mang lại giá trị ứng dụng thiết thực cho bốn nhóm đối tượng chuyên môn:

1. Cơ quan quản lý rủi ro thiên tai và lực lượng cứu hộ cứu nạn: Cung cấp công cụ mô phỏng dự báo chính xác các điểm nghẽn giao thông và số lượng nạn nhân theo từng khung giờ, hỗ trợ tối ưu hóa phương án điều động xe cứu thương và phân bổ nhân lực cứu hộ.
2. Chuyên gia quy hoạch đô thị và kiến trúc sư: Ứng dụng mô hình tính toán vùng ảnh hưởng mảnh vỡ sụp đổ để thiết kế độ rộng vỉa hè, khoảng lùi công trình và bố trí hệ thống không gian mở phục vụ mục đích thoát hiểm khẩn cấp.
3. Các nhà nghiên cứu khoa học máy tính và mô phỏng hệ thống phức hợp: Kế thừa khung kiến trúc mã nguồn GAML trên nền tảng GAMA để phát triển các thuật toán di chuyển tác tử nâng cao, tích hợp trí tuệ nhân tạo và dữ liệu không gian thời gian thực.
4. Giảng viên và học viên sau đại học ngành địa lý rủi ro, quản lý đô thị: Sử dụng làm tài liệu tham khảo chuẩn mực về phương pháp luận kết hợp giữa nghiên cứu xã hội học định lượng với kỹ thuật mô hình hóa không gian GIS.

Câu hỏi thường gặp

1. Mô hình AMEL có điểm gì khác biệt so với các mô hình mô phỏng di tản thông thường? Mô hình AMEL tích hợp trực tiếp dữ liệu không gian thực GIS với dữ liệu khảo sát tâm lý xã hội học chi tiết. Thay vì giả định con người luôn hành động tối ưu, mô hình tái hiện chân thực các hành vi thụ động và cơ chế bắt chước người dẫn đường trong môi trường mảnh vỡ phức tạp.

2. Tại sao nghiên cứu xác định bán kính nguy hiểm bằng một phần ba chiều cao công trình? Tỷ lệ một phần ba chiều cao công trình là chỉ số kỹ thuật thực nghiệm chuẩn trong ngành kỹ thuật địa chấn. Chỉ số này phản ánh phạm vi phát tán của gạch đá, kính vỡ và các mảng tường sụp đổ khi xảy ra rung chấn, gây nguy hiểm trực tiếp cho người đi bộ bên dưới.

3. Bộ dữ liệu khảo sát 88 mẫu có đảm bảo tính đại diện cho khu phố 10.000 dân không? Cỡ mẫu 88 người được chọn lọc theo phương pháp phân tầng đại diện chặt chẽ cho cấu trúc nhân khẩu học của Sioufi. Dữ liệu này đóng vai trò xác lập phân phối xác suất hành vi cho các tác tử, sau đó được nhân rộng trên không gian địa lý của toàn bộ 10.000 dân cư.

4. Cơ chế bắt chước người dẫn đường (Leader-Follower) tác động như thế nào đến khả năng sống sót? Cơ chế này giúp định hướng những người hoang mang đi theo các cá nhân hiểu biết đường sá. Kết quả thực nghiệm chứng minh sự xuất hiện của các thủ lĩnh di tản giúp giảm từ 25% xuống 14% tỷ lệ người bị phơi nhiễm nguy hiểm và hạn chế tình trạng người dân đi lạc vào ngõ cụt.

5. Nền tảng GAMA 1.6 beta mang lại lợi thế kỹ thuật gì cho nghiên cứu này? GAMA cung cấp môi trường mô phỏng đa tác tử vượt trội với khả năng đọc ghi trực tiếp các tệp dữ liệu GIS shapefile. Nền tảng cho phép tác tử hóa các thực thể không gian như đường phố, tòa nhà và hỗ trợ ngôn ngữ GAML giúp lập trình hành vi tác tử nhanh chóng, chính xác.

Kết luận

• Luận văn đã xây dựng thành công mô hình mô phỏng đa tác tử AMEL trên nền tảng GAMA, tái hiện sinh động hành vi di chuyển của người dân sau động đất tại khu phố Sioufi, Beirut.
• Nghiên cứu chỉ ra thực trạng đáng báo động khi có tới 77% người dân phản ứng thụ động và chỉ 2% chủ động tìm nơi an toàn, khiến rủi ro thương vong ban đêm tăng cao hơn ban ngày 45% đến 60%.
• Bằng chứng thực nghiệm khẳng định vai trò then chốt của mô hình người dẫn đường trong việc cắt giảm 25% mức độ phơi nhiễm nguy hiểm và rút ngắn một nửa thời gian sơ tán.
• Đóng góp khoa học nổi bật của đề tài là phương pháp luận cầu nối giữa dữ liệu xã hội học định lượng với công nghệ mô phỏng không gian địa lý GIS phục vụ quản trị rủi ro thảm họa.
• Hướng phát triển tiếp theo trong 12 tháng tới bao gồm việc tích hợp các phương tiện giao thông cơ giới, mô phỏng tâm lý hoảng loạn và mở rộng phạm vi ứng dụng cho toàn bộ các đô thị có nguy cơ địa chấn cao. Các nhà nghiên cứu và cơ quan quản lý được khuyến khích khai thác mô hình AMEL để tối ưu hóa chính sách bảo vệ an toàn sinh mạng cộng đồng.

Trích đoạn nội dung tài liệu

Institut de la Francophonie pour l’Informatique Mémoire de fin d’étude Master en Informatique Option : Systèmes Intélligents et Multimédia Modélisation et simulation des comportements de mobilité des individus suite à un séisme Superviseurs : Elise BECK Réalisé par : Julie DUGDALE TRUONG Hong Van En collaborant avec : Carole ADAM Laboratoire PACTE Institut de Géographie Alpine Equippe MAGMA Laboratoire d’Informatique de Grenoble 10 mars 2014 LUAN VAN CHAT LUONG download : add [e-mail] Remerciements Je tiens en premier lieu à remercier Elise Beck et Julie Dugdale pour m’avoir proposé ce stage, m’avoir accueilli et intégré à l’équipe MAGMA, LIG et laboratoire PACTE à Grenoble, France. Leurs aides et conseils utiles m’ont aidé à bien mener les objectifs de mon stage. Je souhaite remercier ensuite les enseignants de l’IFI pour leurs conseils et leur encadrement. Merci à Carole Adam pour me donner des commentaires judicieux.

Je voudrais adresser mes sincères remerciements aux membres du projet LIBRIS, des experts qui m’ont fourni les données et des informations nécessaires pour mon stage. Je souhaite remercier ensuite des concepteurs de GAMA et tout particulièrement Patrick Taillandier pour tous leurs aides, leurs réponses de mes questions concernant GAMA. Enfin, je tiens à remercier ma famille, mes amis et particulièrement mon mari Pham Van Trung qui m’ont soutenu pendant mon stage. i LUAN VAN CHAT LUONG download : add [e-mail] Résumé Ce travail est dans le cadre du projet LIBRIS, un projet multidisciplinaire ayant l’ob- jectif de contribuer à l’étude du risque sismique au Liban.

Le but de ce stage dans un premier temps est de reproduire des comportements sociaux des individus à Sioufi, un quartier de Beyrouth à partir des données LIBRIS. Dans un second temps, on crée des scénarios de simulation pour voir l’impact de comportements humains différents sur le décès et l’exposition au danger. Les résultats de simulation peuvent servir à construire des campagnes d’information afin d’améliorer les modalités de la gestion de crise au Liban. Pour ce faire, on utilise l’approche de modélisation et simulation à base d’agents pour développer le modèle appelé AMEL (Agent-based Model for Earthquake evacuation in Lebanon).

Ce rapport présente les étapes pour développer ce modèle, précisément la méthodologie, les recherches bibliographiques sur la modélisation et simulation des com- portements post-sismiques et les données mises à disposition, la conception du modèle, le développement, l’expérimentation et les résultats obtenus. Mots-clés : Modélisation, Simulation, Modèle à base d’agents, Système Multi-agents, Evacuation, Séisme ii LUAN VAN CHAT LUONG download : add [e-mail] Abstract This work is in the LIBRIS project, a multidisciplinary project with the aim of con- tributing to the study of seismic risk in Lebanon. The purpose of this internship as a first step is to reproduce the social behaviors of individuals at Sioufi, a district of Beirut from the LIBRIS database. In a second step, we create some scenarios to see the impact of different human behaviors on number of deaths and exposure to danger.

The simu- lation results can be used to build information campaigns to improve the arrangements for crisis management in Lebanon. The approach of agent-based modeling and simulation is used to develop the model called AMEL (Agent -based Model for Earthquake evacuation in Lebanon). This report presents the steps to develop this model : the methodology, the bibliographic research and the given data, the conception of the model, the development and the results obtained. Keywords : Modeling, Simulation, Agent-based model, Multi-agent system, Evacua- tion, Earthquake iii LUAN VAN CHAT LUONG download : add [e-mail] Table des matières Remerciements i Résumé ii Abstract iii Contents iv List of Figures vii List of Tables ix Abbreviations x Introduction 1 1 Contexte 3 2 Etat de l’art 6 2.1 Comportements humains suite à un séisme .2 Modélisation et simulation à base d’agents des comportements humains .1 Modélisation et simulation à base d’agents .2 Modélisation et simulation des agents de secours .3 Modélisation et simulation des agents d’évacuation .4 Modélisation et simulation des agents d’évacuation et des agents de secours.

14 3 Méthodologie 17 4 Données mises à disposition 19 4.1 Données sociales .2 Données spatiales .3 Autres données. 21 5 Conception du modèle 22 5.1 L’objectif du modèle .2 Comparaisons entre des autres travaux existants et le nôtre .3 Agents et leurs attributs. 25 iv LUAN VAN CHAT LUONG download : add luanvanchat@agmail.4 Comportements des agents .1 Comportements de l’agent Human .1 Comportement de mouvement .2 Comportement de perception des obstacles .2 Comportements de l’agent Obstacle .5 Paramètres d’entrées. 32 6 Développement du modèle 34 6.1 Plate-forme de simulation à base d’agents utilisé .2 Eléments principaux dans GAMA .3 Structure du programme .4 Captures d’écrans de simulation .3 Victime Exposed Charts .4 Exposition Time Chart .2 Analyse de sensibilité .1 Sans changement de distribution initiale des agents .2 Avec changement de distribution initiale des agents .3 Résultats d’expérimentation .1 Scénario 0 – Reproduction de l’enquête .2 Scénario 1 - Situation pessimiste / jour .3 Scénario 2 - Situation pessimiste / nuit .4 Scénario 3 - Situation insuffisant/jour .5 Scénario 4 - Situation insuffisant/nuit .6 Scénario 5 - Situation optimiste 1 .7 Scénario 6 - Situation optimiste 2 .8 Scénario 7 - Situation optimiste 3 .9 Scénario 8 - Situation optimiste 4 .4 Analyse des résultats.

60 8 Validation 65 Conclusions et perspectives 67 8.2 Difficultés rencontrées. 68 LUAN VAN CHAT LUONG download : add [e-mail] Contents vi A Questionnaire de l’enquête 70 Bibliographie 81 LUAN VAN CHAT LUONG download : add [e-mail] Table des figures 2.1 Localisation de répondants avec le temps [6] .1 Méthodologie appliquée pour AMEL .1 Représentation des rues (en violet), des bâtiments (en jaune) et espace vert (en vert) du quartier Sioufi par des données spatiales .1 Illustration de la forme et du rayon d’obstacle .2 Processus du comportement de mouvement .3 Configurations des rues bloquées .4 Agent se déplace vers le point d’intersection .5 Processus de perception de grands obstacles .7 Processus de réglage de la vitesse .1 Structure du modèle de GAMA .2 Déclaration de species .3 Structure du projet AMEL .4 Liste des species.5 Conception du modèle amel.6 Capture d’écran de simulation.8 Victime Exposed Charts.9 Exposition Time Chart : l’axe vertical : périodes de temps (minutes), l’axe horizontal : le nombre de personnes exposées.1 Scénarios et des paramètres d’entrée .2 Diagramme des sorties selon la variation du paramètre ”Probabilité de suiveur” .3 Diagramme des sorties selon la variation du paramètre ”Probabilité de se déplacer et ne pas changer d’activité” .4 Diagramme des sorties selon la variation du paramètre ”Probabilité de gens dans les bâtiments” .5 Diagramme des sorties selon la variation du paramètre ”Probabilité de gens dans les rues” .6 Diagramme des sorties selon la variation du nombre d‘agents” .7 Diagramme des sorties selon la variation du paramètre ”Probabilité de se déplacer et ne pas changer d’activité”. 50 vii LUAN VAN CHAT LUONG download : add [e-mail] List of Figures viii 7.8 Diagramme des sorties selon la variation du paramètre ”Probabilité de suiveur” .9 Camembert des résultats moyens du scénario 0 – Victim Exposed Chart .10 Camembert des résultats moyens du scénario 1 – Victim Exposed Chart .11 Camembert des résultats moyens du scénario 1 – Leader Follower Chart .12 Camembert des résultats moyens du scénario 2 – Victim Exposed Chart .13 Camembert des résultats moyens du scénario 2 – Leader Follower Chart .14 Camembert des résultats moyens du scénario 3 – Victim Exposed Chart .15 Camembert des résultats moyens du scénario 3 – Leader Follower Chart .16 Camembert des résultats moyens du scénario 4 – Victim Exposed Chart .17 Camembert des résultats moyens du scénario 4 – Leader Follower Chart .18 Camembert des résultats moyens du scénario 5 – Victim Exposed Chart .19 Camembert des résultats moyens du scénario 6 – Victim Exposed Chart .20 Camembert des résultats moyens du scénario 7 – Victim Exposed Chart .21 Camembert des résultats moyens du scénario 8 – Victim Exposed Chart .22 Victime Exposed Chart du scénario 0 .23 Exposition Time Chart du scénario 0 .24 Exposition Time Chart du scénario 2 .25 Victim Exposed Chart du scénario 1 (à gauche) et scénario 3 (à droite) .26 Exposition Time Chart du scénario 3 .27 Victim Exposed Chart du scénario 5 .28 Exposition Time Chart du scénario 5. 64 LUAN VAN CHAT LUONG download : add [e-mail] Liste des tableaux 5.1 Agents et leurs attributs .2 Liste des paramètres d’entrées .1 Paramètres et l’amplitude .2 Tableau des résultats du scénario 0 (5 simulations) .3 Tableau des résultats moyens du scénario 0 .4 Tableau des résultats du scénario 1 (5 simulations) .5 Tableau des résultats moyens du scénario 1 .6 Tableau des résultats du scénario 2 (5 simulations) .7 Tableau des résultats moyens du scénario 2 .8 Tableau des résultats du scénario 3 (5 simulations) .9 Tableau des résultats moyens du scénario 3 .10 Tableau des résultats du scénario 4 (5 simulations) .11 Tableau des résultats moyens du scénario 4 .12 Tableau des résultats du scénario 5 (5 simulations) .13 Tableau des résultats moyens du scénario 5 .14 Tableau des résultats du scénario 6 (5 simulations) .15 Tableau des résultats moyens du scénario 6 .16 Tableau des résultats du scénario 7 (5 simulations) .17 Tableau des résultats moyens du scénario 7 .18 Tableau des résultats du scénario 8 (5 simulations) .19 Tableau des résultats moyens du scénario 8 .20 Tableau des résultats moyens des scénarios.

61 ix LUAN VAN CHAT LUONG download : add [e-mail] Abbreviations AMEL Agent-based Model for Earthquake in Lebanon GAMA Gis and Agent-based Modelling Architecture GIS Geographic et Information System LIG Laboratoire d’ Informatique de Grenoble MSBA Modélisation et Simulation à Base d’Agents x LUAN VAN CHAT LUONG download : add [e-mail] Introduction Chaque année, des catastrophes naturelles, surtout des tremblements de terre causent de nombreuses victimes. Le décès et l’exposition sont fortement liés à la résistance des bâtiments et les comportements individuels. Lors d’un séisme, les individus peuvent agir de manières différentes. Ils peuvent aller vers lieux sûrs pour protéger eux-mêmes, mais beaucoup de gens n’y vont pas.

Pour ceux qui travaillent, ils continuent à faire leurs activités (aller au bureau ou travailler), pour ceux qui ne travaillent pas, ils ne restent que sur place. Les gens qui sont proches aux bâtiments endommagés ont un risque élevé d’être blessé par des débris tombés. Donc une bonne campagne d’information est nécessaire pour informer et guider les gens où ils peuvent aller et ce qu’ils peuvent faire juste après un séisme. Pourtant, la rareté des forts tremblements de terre et l’impossibilité de les prévenir nous empêchent de construire des guides convenables pour les cas de forts et moyens tremblements de terre.

De plus, une approche informatique de plus en plus connue aujourd’hui est la modélisation et simulation à base d’agents. Cette approche nous donne des avantages pour des systèmes humains [1] tels que la capture des phénomènes émergents, la description na- turelle des systèmes et la flexibilité. Grâce à ces avantages, elle est convenable pour comprendre, modéliser et simuler des comportements sociaux. Plusieurs simulateurs so- ciaux à base d’agents ont été développés pour comprendre des comportements humains et prévoir la situation juste après une catastrophe (voir le chapitre 2).

C’est la raison pour laquelle on combine l’analyse des comportements post-sismique des individus et la simulation sociale à base d’agents pour développer le modèle AMEL (Agent-based Model for Earthquake evacuation in Lebanon). Ce modèle nous aide à travailler sur un environnement virtuel dans lequel chaque individu est un agent qui a des comportements différents avec les autres. Basé sur des simulations avec la variation 1 LUAN VAN CHAT LUONG download : add [e-mail] Introduction 2 dans les comportements des individus, on peut donc évaluer l’effet des campagnes d’in- formation et peut-être aider à concevoir des meilleures campagnes qui recommandent plus de comportements appropriés. Mon stage s’est déroulé au laboratoire PACTE, Institut de Géographie Alpine, Grenoble ainsi qu’à l’équipe MAGMA du laboratoire LIG, Grenoble.

Mon travail est dans le cadre du projet LIBRIS financé par l’Agence Nationale de la Recherche (ANR).