Modèle global et paramétrable, pour la gestion des foules d'agents en animation comportementale - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2011

Global and configurable model for crowd control in behaviour animation

Modèle global et paramétrable, pour la gestion des foules d'agents en animation comportementale

Résumé

The realism of crowd behavioral animation is based on one hand on a rendering of graphic scenes generated by the application, and on the other hand on the realism of the behavior. This is last point which is our object of study. The realism of crowds' behavior is essentially global (macroscopic realism). It must respect the required statistical characteristics of the crowd (density, dispersal, speed…) similar to those of a real crowd. The realism is also local (microscopic realism), i.e. agents should ideally behave like humans or human groups taken as reference, at least in the focus of the considered application. The aim of our research is to propose a generic model to perform crowd behavior simulation in order to simultaneously satisfy the criterion of macroscopic and microscopic realism and that may be used to build various crowd behavioral simulations (homogeneous crowds, groups, collections of agents). To do this, we identified some simple principles and inexpensive resources; we introduce the notion of context (global, localized, and propagator). Global contexts applied to a group of agents, it tends to give them the same behavior and thus constitutes a means for global control of those agents (macroscopic realism). Propagator contexts allow the propagation of information among agents (communication). Agents are themselves equipped with tendencies that differentiate them within the context, and give them a variety of behaviors that contributes to microscopic realism.
Le réalisme d'une application traitant de l'animation comportementale de foules est fondé d'une part sur le rendu graphique des scènes produites par l'application, mais aussi sur le réalisme du comportement lui-même. C'est ce dernier point qui est notre objet d'étude. Le réalisme du comportement d'une foule est avant tout global (réalisme macroscopique) : elle doit avoir des propriétés statistiques (densité, dispersion, vitesse moyenne,…) proches de celles d'une foule réelle. Il est aussi local (réalisme microscopique), c'est-à-dire que les agents ou groupes d'agents doivent idéalement avoir des comportements proches de ceux des humains ou groupes humains pris pour référence, tout au moins dans le domaine d'application restreint considéré. L'objet de cette thèse est de proposer un modèle générique pour effectuer des simulations comportementales de foules, pour pouvoir satisfaire simultanément les deux types de réalisme macroscopique et microscopique et rendre compte de la plupart des types de foules (foules homogènes, groupes, collection d'agents). Pour ce faire, nous avons dégagé quelques principes simples et peu coûteux en ressources. Nous introduirons la notion de contexte (global, localisé, et propagateur). Les contextes globaux et localisés appliqués à un groupe d'agents tendent à leur donner un même comportement et constituent ainsi un moyen de contrôle global de ces acteurs (réalisme macroscopique). Le contexte propagateur donne un moyen de propagation d'informations entre les agents de la foule (communication). Les agents eux-mêmes sont dotés de tendances qui, en les différenciant dans un même contexte, leur donne une variété de comportements qui concourt au réalisme microscopique.
Fichier principal
Vignette du fichier
these_A_SOUSSI_Hakim_2011.pdf (11.69 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-00762319 , version 1 (07-12-2012)

Identifiants

  • HAL Id : tel-00762319 , version 1

Citer

Hakim Soussi. Modèle global et paramétrable, pour la gestion des foules d'agents en animation comportementale. Sociologie. Université de Bourgogne, 2011. Français. ⟨NNT : 2011DIJOS069⟩. ⟨tel-00762319⟩
640 Consultations
3396 Téléchargements

Partager

Gmail Facebook X LinkedIn More