Cette thèse propose un modèle organisationnel et holonique de l'environnement pour la simulation des déplacements de piétons dans des bâtiments. Une foule de piétons peut être considérée comme un système composé d'un grand nombre d'entités en interaction, dont la dynamique globale ne peut se réduire à la somme des comportements de ses composants. La simulation multiniveau fondée sur les modèles multiagents holoniques constitue une approche permettant d'analyser la dynamique de tels systèmes. Elle autorise leur analyse en considérant plusieurs niveaux d'observation (microscopique, mésoscopique et macroscopique) et prend en compte les ressources de calcul disponibles. Dans ces systèmes, l'environnement est considéré comme l'une des parties essentielles. La dynamique des piétons composant la foule est alors clairement distinguée de celle de l'environnement dans lequel ils se déplacent. Un modèle organisationnel décrivant la structure et la dynamique de l'environnement est proposé. L'environnement est structurellement décomposé en zones, sous-zones, etc. Les organisations et les rôles de cet environnement sont projetés dans une société d'agents ayant en charge de simuler la dynamique de l'environnement et les différentes missions qui lui sont classiquement assignées dans les systèmes multiagents. Ce modèle précise également les règles de passage entre deux niveaux d'observation. Ainsi, chaque agent appartenant au modèle de l'environnement tente d'utiliser une approximation des comportements de ses sous-zones afin de limiter la consommation de ressources durant la simulation. La qualité de l'approximation entre ces deux niveaux d'observation est évaluée avec des indicateurs énergétiques. Ils permettent de déterminer si l'agent approxime correctement les comportements des agents associés aux sous-zones. En sus du modèle organisationnel et holonique proposé, nous présentons un modèle concret de la simulation de voyageurs dans un terminal d'aéroport. Ce modèle concret est implanté sur les plateformes JaSIM et Janus. / This work presents a holonic organizational model of the environment for the simulation of pedestrians in buildings. A crowd of pedestrians is considered as a system composed of a large number of interacting entities. The global dynamics of this system cannot be reduced to the sum of the behaviors of its components, Multilevel simulation based on holonic multiagent models is one approach to analyze the dynamics of such systems. It allows their analysis by considering several levels of observation (microscopic, mesoscopic and macroscopic) and the available computing resources. In these systems, the environment is considered as an essential part. The behavior of the crowd is clearly distinguished from the behavior of the environment in which the pedestrians move. An organizational model is proposed to describe the structure and the dynamics of the indoor environment. This environment is structurally divided into areas, sub-areas, etc. Organizations and roles are mapped into a society of agents in charge of simulating the dynamics of the environment and their various missions in multiagent systems. This model also specifies the rules for changing the level of observation dynamically. Thus, each agent belonging to the model of the environment tries to use an approximation of behaviors of its sub-zones, and at the same time to minimize the resource consumption. The quality of the approximation between these two levels is evaluated with energy-based indicators. They help to determine if the agent approximates the behaviors of its sub-agents correctly. In addition to the organizational and holonic model proposed in this work, we present a concrete model of the simulation of passengers in an airport terminal. This concrete model is implemented on the platforms JaSIM and Janus.

Cette thèse propose un modèle organisationnel et holonique de l'environnement pour la simulation des déplacements de piétons dans des bâtiments. Une foule de piétons peut être considérée comme un système composé d'un grand nombre d'entités en interaction, dont la dynamique globale ne peut se réduire à la somme des comportements de ses composants. La simulation multiniveau fondée sur les modèles multiagents holoniques constitue une approche permettant d'analyser la dynamique de tels systèmes. Elle autorise leur analyse en considérant plusieurs niveaux d'observation (microscopique, mésoscopique et macroscopique) et prend en compte les ressources de calcul disponibles. Dans ces systèmes, l'environnement est considéré comme l'une des parties essentielles. La dynamique des piétons composant la foule est alors clairement distinguée de celle de l'environnement dans lequel ils se déplacent. Un modèle organisationnel décrivant la structure et la dynamique de l'environnement est proposé. L'environnement est structurellement décomposé en zones, sous-zones, etc. Les organisations et les rôles de cet environnement sont projetés dans une société d'agents ayant en charge de simuler la dynamique de l'environnement et les différentes missions qui lui sont classiquement assignées dans les systèmes multiagents. Ce modèle précise également les règles de passage entre deux niveaux d'observation. Ainsi, chaque agent appartenant au modèle de l'environnement tente d'utiliser une approximation des comportements de ses sous-zones afin de limiter la consommation de ressources durant la simulation. La qualité de l'approximation entre ces deux niveaux d'observation est évaluée avec des indicateurs énergétiques. Ils permettent de déterminer si l'agent approxime correctement les comportements des agents associés aux sous-zones. En sus du modèle organisationnel et holonique proposé, nous présentons un modèle concret de la simulation de voyageurs dans un terminal d'aéroport. Ce modèle concret est implanté sur les plateformes JaSIM et Janus.

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 artefacts 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. / With the considerable attention crowd simulation has received, many algorithms have been and are being proposed. Yet, (1) there exists no standard scheme to evaluate the accuracy and flexibility of these algorithms, and (2) even the most recent algorithms produce noticeable simulation artifacts. Addressing the first issue, we propose a framework aiming to provide an objective and fair evaluation of the realism of crowd simulation algorithms. ''Objective'' here means the use of various metrics quantifying the similarity between simulations and ground-truth data acquired with real pedestrians. ''Fair'' here means the use of parameter estimation to automatically tune the tested algorithms to match the ground-truth data as closely as possible (with respect to the metrics), effectively allowing to compare algorithms at the best of their capability. We also explore how this process can increase a user's control on the simulation while reducing the amount of necessary intervention. Addressing the second issue, we propose a new collision-avoidance algorithm. Where current algorithms predict collisions by linearly extrapolating agents' trajectories, we better predict agents' future motions in a probabilistic, non-linear way, taking into account environment layout, agent's past trajectories and interactions with other obstacles among other cues. Resulting simulations do away with common artifacts such as: slowdowns and visually erroneous agent agglutinations, unnatural oscillation motions, or exaggerated/last-minute/false-positive avoidance manoeuvres. In a third contribution, we also explore how evaluation and parameter estimation can be used as part of wider systems. First, we apply it to insect simulation, taking care of local insect behavior. After completing it at the intermediate and global levels, the resulting data-driven system is able to correctly simulate insect swarms. Second, we apply our work to pedestrian tracking, constructing a ''meta-algorithm'', more accurately computing motion priors for a particle-filter-based tracker, outperforming existing systems.