Face à une situation de crise sanitaire liée à l'apparition d'une pandémie de grande envergure, des mesures adéquates doivent rapidement être prises pour la contenir tout en préservant la capacité de production de l'économie. D'autre part, beaucoup de travaux sont réalisés dans le domaine de la diffusion de la propagation d'une épidémie. C'est pourquoi, nous accentuons notre apport à un décideur afin de lui permettre de maintenir les fonctions minimums de survie de la société dans le cadre d'une crise sanitaire. Ainsi, nous proposons un modèle d'aide à la décision de gestion de crise sanitaire. Par ailleurs, la société est située au coeur de notre modèle. Nous sommes donc amenés à considérer un certain nombre d'interactions directes et indirectes entre divers individus. La théorie des graphes, et principalement les graphes aléatoires, permettent de gérer une à une ces relations. Or, dans notre cas, la gestion des relations une à une n'est pas appropriée d'autant plus que les relations peuvent varier sous l'influence de facteurs incontrôlables. Cela nous a conduits à proposer un modèle mathématique de réseaux stochastiques basé sur une extension de la théorie des graphes aléatoires. Il s'agit de la prétopologie stochastique qui est issue du couplage de deux théories mathématiques fondamentales, la prétopologie classique et les ensembles aléatoires. La simulation de notre modèle est effectuée selon une approche multi-agents. Nous avons opté pour cette approche car nous souhaitons mettre en place un modèle d'aide à la décision. Cette méthode va donc nous permettre de faire des simulations et des analyses de sensibilités. Nous avons une représentation explicite des comportements des individus qui ne sont pas figés. Située entre la théorie et l'ensemble des données de l'expérience, l'approche multi-agents permet de prendre en compte de manière simultanée les comportements individuels, les interactions entre les individus et les hypothèses dynamiques formulées dans le modèle. Cette approche sera couplée au système d'information géographique afin de considérer l'aspect spatial. Considéré comme un " oignon ", le système d'information géographique permet d'exploiter différentes données et de les superposer sous forme de couches. Disposant de données épidémiologiques provenant des Groupes Régionaux d'Observation de la Grippe (GROG) et des données sociodémographiques issues de l'Institut National de la Statistique et des Etudes Economiques (INSEE), nous pourrons tester la robustesse de notre modèle.
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00755031 |
| Date | 02 December 2011 |
| Creators | Basileu, Cynthia |
| Publisher | Université Claude Bernard - Lyon I |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | French |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.013 seconds