Modélisation mathématique et numérique de mouvements de foule
Transcription
Modélisation mathématique et numérique de mouvements de foule
Mouvements de Foule J. Venel Modèle Etude théorique Réécriture Résolution Etude numérique Modélisation mathématique et numérique de mouvements de foule Présentation Convergence Programmation Juliette Venel Résultats numériques Perspectives Groupe de Travail “Applications des Mathématiques” ENS Cachan Rennes, 14 Janvier 2009 Mouvements de Foule Introduction J. Venel Modèle Etude théorique Réécriture Résolution Etude numérique Présentation • Situations d’évacuation d’urgence Convergence Programmation Résultats numériques • Gestion directe des contacts Perspectives • Déterminer les zones de fortes pressions Mouvements de Foule Plan J. Venel Modèle Etude théorique 1 Présentation du modèle Réécriture Résolution Etude numérique Présentation Convergence Programmation Résultats numériques Perspectives 2 Etude théorique Réécriture du modèle Problème bien posé 3 Etude numérique Présentation du schéma Résultat de convergence 4 Programmation 5 Résultats numériques 6 Perspectives Mouvements de Foule Plan J. Venel Modèle Etude théorique 1 Présentation du modèle Réécriture Résolution Etude numérique Présentation Convergence Programmation Résultats numériques Perspectives 2 Etude théorique Réécriture du modèle Problème bien posé 3 Etude numérique Présentation du schéma Résultat de convergence 4 Programmation 5 Résultats numériques 6 Perspectives Mouvements de Foule J. Venel Deux principes Modèle Etude théorique Réécriture Résolution Etude numérique Présentation Convergence Programmation Résultats numériques Perspectives Vitesse souhaitée Vitesse réelle Mouvements de Foule Notations J. Venel Modèle eij (q) Etude théorique rj Réécriture Résolution Etude numérique Présentation Convergence qj ri qi Dij (q) q = (q1 , q2 , .., qN ) ∈ R2N eij (q) = qj − qi |qj − qi | Programmation Résultats numériques Perspectives Ensemble des configurations admissibles n o Q0 = q ∈ R2N , ∀ i < j, Dij (q) = |qi − qj | − ri − rj ≥ 0 Gij (q) = ∇Dij (q) = (0 ... 0, −eij (q) , 0 ... 0, eij (q) , 0 ... 0) i j Mouvements de Foule Vitesse souhaitée J. Venel Modèle Etude théorique Notation : U(q) = (U1 (q), U2 (q), ..., UN (q)) Réécriture Résolution Etude numérique Description du comportement piétonnier Présentation Convergence Programmation Résultats numériques Perspectives Prise en compte de la géométrie des lieux • Ui construit à la main pour donner des directions privilégiées • Ui dirigé par le plus court chemin vers la sortie, évitant les obstacles Prise en compte de la présence d’autres personnes • ajout de stratégies Mouvements de Foule Vitesse réelle J. Venel Modèle Etude théorique Réécriture Résolution Etude numérique Présentation Convergence Programmation Résultats numériques Perspectives Pour gérer les contacts, on définit le Cône des vitesses admissibles n Cq = v ∈ R2N , ∀ i < j Dij (q) = 0 ⇒ o Gij (q) · v ≥ 0 , où Gij (q) = ∇Dij (q). En notant u la vitesse réelle des N personnes, le modèle s’écrit Z q = q0 + u, u = P U. Cq Mouvements de Foule Plan J. Venel Modèle Etude théorique 1 Présentation du modèle Réécriture Résolution Etude numérique Présentation Convergence Programmation Résultats numériques Perspectives 2 Etude théorique Réécriture du modèle Problème bien posé 3 Etude numérique Présentation du schéma Résultat de convergence 4 Programmation 5 Résultats numériques 6 Perspectives Mouvements de Foule J. Venel Modèle Etude théorique Réécriture Résolution Etude numérique Présentation Convergence Programmation On introduit Nq le cône polaire de Cq : Définition Cône Nq Nq = Cq◦ = {w , (w, v) ≤ 0 ∀ v ∈ Cq } . Nq̄ Résultats numériques D13 < 0 q̄ Perspectives D34 < 0 D12 < 0 Cq̄ Nq q Cq Mouvements de Foule J. Venel Modèle Etude théorique Inclusion différentielle Nq est appelé cône normal sortant et s’écrit comme suit : Caractérisation Réécriture Résolution Etude numérique Présentation Convergence Programmation Résultats numériques n X o Nq = − λij Gij (q) , λij ≥ 0 , Dij (q) > 0 =⇒ λij = 0 . En utilisant la propriété suivante (J.-J. Moreau 62) P Cq + PNq = Id, Perspectives le problème prend la forme d’une inclusion différentielle du premier ordre. Modèle d q + N ∋ U(q), q dt q(0) = q0 . Mouvements de Foule J. Venel Cas d’un mouvement rectiligne Modèle Etude théorique Réécriture Résolution Etude numérique Q0 = {q ∈ RN , qi+1 − qi ≥ ri+1 + ri } est un convexe fermé. Comme pour tout q, Présentation Convergence Programmation Résultats numériques Perspectives Nq = ∂IQ0 (q), on en déduit que N est un opérateur maximal monotone. Théorème Soit U lipschitzienne, alors pour tout T > 0, pour tout q0 ∈ Q0 , il existe une unique fonction q ∈ W 1,1 [0, T ], RN solution de d q + N ∋ U (q) , q dt q (0) = q0 . (voir par exemple H. Brezis 73) Mouvements de Foule Généralisation ? J. Venel Modèle Etude théorique Réécriture Résolution Etude numérique ⋄ défaut de convexité de Q0 Présentation q̃2 Convergence q̄2 Programmation Résultats numériques Perspectives q1 q2 configuration q q̃1 configuration e q ⋄ absence de monotonie de N q̄1 configuration q̄ = q+e q 2 Mouvements de Foule J. Venel Notion de prox-régularité Modèle Etude théorique η Réécriture Résolution Etude numérique Présentation Convergence Programmation Résultats numériques Ensemble prox-régulier Perspectives Soit S un ensemble fermé, S est η-prox-régulier si pour tout point q̃ à distance d < η de S, la projection de q̃ sur S est bien définie. H. Federer 59, A. Canino 88 F. Clarke, R. Stern, P. Wolenski 95 R. Poliquin, R. Rockafellar, L. Thibault 00 Mouvements de Foule Prox-régularité de Q0 J. Venel Modèle Etude théorique Proposition Q0 est η-prox-régulier avec η = η(N, ri ). Réécriture Résolution Etude numérique Présentation Convergence Programmation Résultats numériques Perspectives Idée de la preuve : Cas d’une seule contrainte : Qij = {q ∈ R2N , Dij (q) = |qj − qi | − (rj + ri ) ≥ 0} est ri + rj ηij -prox-régulier avec ηij = √ . 2 T Généralisation à plusieurs contraintes : Q0 = Qij . i<j n1 n2 Mouvements de Foule J. Venel Modèle Etude théorique Réécriture Résolution Etude numérique Présentation Convergence Programmation Résultats numériques Perspectives Problème bien posé Théorème On suppose U lipschitzienne et bornée. Alors quel que soit q0 dans Q0 , il existe une unique fonction q absolument continue vérifiant d q + N ∋ U(q) p.p. sur [0, T ], q dt q(0) = q0 . Application des résultats de J.-F. Edmond et L. Thibault sur les processus de rafle par des ensembles uniformément prox-réguliers (2006). On vérifie que pour tout q, Nq = N(Q0 , q), où n o N(Q0 , q) = v ∈ R2N , ∃α > 0 , q ∈ PQ0 (q + αv) est appelé cône proximal normal de Q0 au point q. (F. Clarke, R. Stern, P. Wolenski 95) Mouvements de Foule Plan J. Venel Modèle Etude théorique 1 Présentation du modèle Réécriture Résolution Etude numérique Présentation Convergence Programmation Résultats numériques Perspectives 2 Etude théorique Réécriture du modèle Problème bien posé 3 Etude numérique Présentation du schéma Résultat de convergence 4 Programmation 5 Résultats numériques 6 Perspectives Mouvements de Foule Schéma numérique J. Venel 0 Modèle Etude théorique Initialisation : q = q0 Boucle en temps : qn connu un = PCh (qn ) (U(qn )) Réécriture Résolution Etude numérique Présentation Convergence Programmation Résultats numériques Perspectives n qn+1 = qn + h un o où Ch (qn ) = v ∈ R2N , ∀ i < j, Dij (qn ) + h Gij (qn ) · v ≥ 0 . Adaptation d’un schéma développé pour les écoulements granulaires (B. Maury). Si l’on interprète cet algorithme en termes de position, on a qn+1 = PK (qn ) (qn + h U(qn )) n o où K (qn ) = q ∈ R2N , ∀ i < j, Dij (qn ) + Gij (qn ) · (q − qn ) ≥ 0 . Mouvements de Foule Projections théorique et numérique J. Venel Modèle Etude théorique Réécriture Résolution Etude numérique Présentation Convergence Programmation qn + h U(qn ) qn + h U(qn ) q̃n+1 q̃n+1 qn+1 qn+1 Résultats numériques Perspectives qn Q0 K (qn ) Mouvements de Foule J. Venel Convergence Modèle Etude théorique Réécriture Résolution Etude numérique On note qh la fonction continue affine par morceaux associée au schéma numérique. Présentation Convergence Programmation Résultats numériques Perspectives Théorème On suppose U lipschitzienne et bornée. Alors qh converge uniformément sur [0, T ] vers la fonction q vérifiant d q + N ∋ U(q) p.p. sur [0, T ], q dt q(0) = q0 . Mouvements de Foule Problèmes continu et discret J. Venel Modèle Etude théorique Réécriture Résolution Le problème discret associé à l’algorithme précédent est Etude numérique un + N(K (qn ), qn+1 ) ∋ U(qn ). Présentation Convergence Programmation Résultats numériques Comme Nq = N(Q0 , q), le problème continu s’écrit dq + N(Q0 , q) ∋ U(q). dt Perspectives Proposition N(Q0 , q) = N(K (q), q). Mouvements de Foule Les deux étapes de la preuve J. Venel Modèle Etude théorique Réécriture Résolution Etude numérique Présentation Convergence Extraction : il existe une sous-suite de la suite (qh ) qui converge uniformément vers une fonction absolument continue q sur [0, T ]. Vérification de l’inclusion différentielle : dq + N(K (q), q) ∋ U(q) p.p. sur [0, T ]. dt Programmation Résultats numériques Perspectives Proposition Soient q ∈ Q0 , (qn )n∈N ∈ (Q0 )N vérifiant qn −−−−→ q, n→+∞ on définit pour tout q̃ ∈ R2N , p = PK (q) (q̃) et pn = PK (qn ) (q̃). Alors il existe ν > 0 tel que pour tout q̃ ∈ B(q, ν), pn −−−−→ p. n→+∞ Mouvements de Foule Convergence des projections J. Venel Modèle Etude théorique Réécriture Résolution Etude numérique Présentation Convergence Programmation Résultats numériques Perspectives X e+ λij Gij (q) p=q i<j 1 2 e e ∀i < j, Dij (q) + Gij (q) · (p − q) ≥ 0 p = argmin |p − q| ⇔ e p∈K (q) 2 X λij (Dij (q) + Gij (q) · (p − q)) = 0, i<j X e+ λnij Gij (qn ) pn = q i<j 1 2 n e −q e| ⇔ ∀i < j, Dij (qn ) + Gij (qn ) · (pn − qn ) ≥ 0 p = argmin |p e p∈K (qn ) 2 X λn (D (qn ) + G (qn ) · (pn − qn )) = 0, ij ij ij i<j où les coefficients λij et λnij sont des réels positifs. Proposition Les multiplicateurs de Lagrange λnij sont bornés. Mouvements de Foule Plan J. Venel Modèle Etude théorique 1 Présentation du modèle Réécriture Résolution Etude numérique Présentation Convergence Programmation Résultats numériques Perspectives 2 Etude théorique Réécriture du modèle Problème bien posé 3 Etude numérique Présentation du schéma Résultat de convergence 4 Programmation 5 Résultats numériques 6 Perspectives Mouvements de Foule J. Venel Méthodes numériques Modèle Etude théorique Réécriture Résolution Vitesse réelle Algorithme d’Uzawa pour calculer les projections. Etude numérique Présentation Convergence Programmation Résultats numériques Perspectives Vitesse souhaitée Méthode de type Fast Marching (R. Kimmel, J. Sethian) pour calculer la distance géodésique D à la sortie la plus proche, en prenant en compte les obstacles. Cette fonction D vérifie |∇D| = 1. Programmation orientée objet C++, STL, VTK. Intégration de la vitesse souhaitée à SCoPI (A. Lefebvre). Mouvements de Foule Plan J. Venel Modèle Etude théorique 1 Présentation du modèle Réécriture Résolution Etude numérique Présentation Convergence Programmation Résultats numériques Perspectives 2 Etude théorique Réécriture du modèle Problème bien posé 3 Etude numérique Présentation du schéma Résultat de convergence 4 Programmation 5 Résultats numériques 6 Perspectives Mouvements de Foule J. Venel Résultats numériques Modèle Etude théorique Réécriture Résolution Etude numérique • Formation d’arches Film Pression Présentation Convergence Programmation Résultats numériques • Ajout de stratégies individuelles Film Perspectives • Évacuation d’un bâtiment Film Géodésiques Film Zoom Mouvements de Foule Plan J. Venel Modèle Etude théorique 1 Présentation du modèle Réécriture Résolution Etude numérique Présentation Convergence Programmation Résultats numériques Perspectives 2 Etude théorique Réécriture du modèle Problème bien posé 3 Etude numérique Présentation du schéma Résultat de convergence 4 Programmation 5 Résultats numériques 6 Perspectives Mouvements de Foule Perspectives J. Venel Modèle Etude théorique Réécriture Résolution Etude numérique Présentation Convergence • Problèmes théoriques liés à la présence d’obstacles Programmation Résultats numériques • Ajout de la friction Perspectives • Comparaison avec des données réelles