Tsunami est une des pires catastrophes naturelles de la planète, particulièrement pour les villes côtières et bondées. Une question importante dans le domaine est comment trouver une meilleure procédure d’évacuation qui permet de minimiser le nombre de victimes. Dans le cadre de cette thèse, nous nous intéressons au problème des simulations grande échelle pour évacuer des piétons sur un réseau routier d'une ville. Tout d'abord, les modèles base d'équations (EBM) ont l'avantage de résoudre les grands problèmes dans un délai de temps acceptable. Par conséquent, nous choisissons EBM pour optimiser le système de signe de placement. Nous avons appelé Minimisation du Temps Moyen d'Evacuation (MAET). En outre, nous utilisons le modèle Lighthill, Whitham et Richards des flux de piétons sur un réseau routier. Cependant, il est difficile de considérer le problème en détail avec différents facteurs réalistes. Pour examiner le problème en détail, les modèles multi-agents sont l'approche. Les modèles multi-agents (ABM) prennent en compte l'hétérogénéité des comportements des piétons. Cependant, le coût de calcul était énorme lorsqu'il est appliqué avec un grand nombre de personnes évacuées et un milieu dynamique, large. Le résultat de la simulation nécessite d'énormes expérimentations, donc la vitesse de la simulation est un problème que nous voulons Étudier. Nous considérons un modèle hybride qui combine les avantages des deux ABM et EBM. Troisièmement, le problème d'accélération d’un très grand environnement dans les ABMs, tels que ceux utilisés dans la simulation de foule est la clé pour soutenir les systèmes d'aide à la décision réalistes. L'idée principale est d'exploiter les avantages à la fois de la macro et de la micro modélisation. Les résultats que nous obtenons dans la thèse sont : a) Formulation du problème de l'Évacuation ; b) Formulation optimal du système de signes d'alerte ; c) Description de la répartition de la population initiale; d) Simulation de l’évacuation de Tsunami sur le réseau de routier de Nha Trang; e) Construction du modèle hybride pour accélérer la simulation; f) Intégration de ABM et MAET pour un meilleur résultat pour le système alerte de signe optimal. / One of the world's worst natural disasters is tsunami, in particularly when they hit a crowded coastal city. Coastal cities need to be prepared for such disasters in order to mitigate losses. One major problem would be to find the best evacuation procedure in evacuating a coastal city so as to minimize the number of casualties. In this thesis, we address the problems which involved scaling up simulations for evacuating of pedestrians in a city. Firstly, EBMs have the advantage of solving the big problems in acceptable time. Therefore, EBMs are chosen for optimizing sign placement system by Minimization of Average Evacuation Time (MAET). In addition, we use Lighthill, Whitham and Richards model (LRW) of pedestrian flow on a road network. However, they are difficult to consider the problem in detail with different realistic factors. While Agent-based models (ABMs) take into account the heterogeneity of pedestrians' behaviors and the unspecified road network conditions. However, the computational cost was huge when applied for larger number of evacuees and large dynamic environment. The result of simulation using ABM requires huge experiments, so the speed of simulation is a problem that we want to investigate. We consider a Hybrid-based model (HBM) combining the advantages of both ABM and EBM. Thirdly, the problem of speeding up very large environment in ABMs such as the ones used in crowd simulation is key to support realistic Decision Support Systems. The key idea is to exploit the advantages from both macro and micro modeling. Last but not least, the results achieved in the thesis are: (i) Formulating the problem of evacuation; (ii) Formulating the optimal alert signs system; (iii) Describing the initial population distribution (iv) Simulating Tsunami evacuation on road network of Nha Trang city; (v) Building the Hybrid-Based Model to speed up simulation; (vi) Integrating ABM and MAET to make the results better for the optimal alert signs system.