Analyse dynamique des mouvements de foule

https://github.com/ARE2020-G10G11/MVT_FOULES/blob/master/blog.md Déterminer le temps nécessaire pour le retour au calme d’une foule (si possible) en modélisant chaque individu dans un espace 2D

English version

Determine the amount of time necessary for a panicked crowd to go back to normal by representing each individual in a 2D space

Présentation de l’équipe

(´・ω・｀)	( ͡° ͜ʖ ͡°)	ಠ_ಠ	ᕕ( ᐛ )ᕗ
Z. ADJISSA	S. PERMALNAICK	R. AICHI	X. WEI

Description synthétique du projet: Les humains modélisés sont représentés dans un espace 2D par deux états:

L’état paniqué (1) et l’état calme (0). Chaque individu est caractérisé par son « taux de crédulité » entre 0 et 1 cette valeur représentera la susceptibilité D’un individu à être convaincu par la réalité de la menace. Chaque individu possède un « taux de persuasion» entre 0 et 1 cette valeur représentera la capacité de l’individu À convaincre ses voisins directs. Un voisinage est le nombre d’individus plus proches voisins, il sera déterminé par les modélisateurs. Un individu sera persuadé si la moyenne TDP des individus différents de son voisinage est supérieure à son TDC. Les TDC et TDP sont répartis aléatoirement tout en gardant une moyenne de 0,5 pour chacun. Le ou les initiateurs de la panique seront fabriqués par les modélisateurs (TDP, TDC) et position Les individus suivent le membre de leur voisinage au TDP le plus élevé.

Problématique : Une foule en délire peut-elle revenir à l’ordre d’elle-même ?

Hypothèse principale :-Une foule en délire ne peut pas se calmer d’elle-même.

Hypothèses secondaires : -Un seul individu ne peut pas, de lui-même déclencher un mouvement de foule. -La position du ou des initiateurs est primordiale à la bonne propagation de la panique.

Objectifs :- Evaluer l’instant t (s’il existe) à partir duquel toutes les cellules sont retournées dans leur état initial.

• Evaluer l’effet moyen d’une cellule sur ses voisins et voir si certaines sont démesurément influentes.

Critère(s) d’évaluation :-Nombre de cellules initialement excitées pour une propagation Totale de la panique.

Présentation structurée des résultats

Présentation du choix de modélisation, des outils, du code et des résultats (tableaux, courbes, animations…) (avec une analyse critique).

Lien vers page de blog : C’est ici !

Bibliographie :

Carte mentale de vos mots-clés, en utilisant Framindmap

Bibliographie Intermédiaire [1] D. Helbing et H. Z. Al-Abideen, Dynamics of crowd disasters: An empirical study, Phys. Rev. E, vol. 75, article n°046109, 2007. (référencée dans un article de magazine spécialisé)

[2] M. Moussaïd et al., The amplification of risk in experimental diffusion chains, PNAS, vol. 112(18), pp. 5631-5636, 2015.(référencée dans un article de magazine spécialisé)

[3] S. Motsch et al., Modeling crowd dynamics through coarse-grained data analysis, Math. Biosci. Eng., vol. 15(6), pp. 1271-1290, 2018(référencée dans un article de magazine spécialisé)

[4] M. Moussaïd « Moins la foule est dense, plus elle est imprévisible » 25 juin 2019

POUR LA SCIENCE N° 501 (recherche google)

[5] C.Dupont, L.Tob´ıas, B.Luvison Crowd-11: A Dataset for Fine Grained Crowd Behaviour Analysis, CEA, LIST, Vision and Content Engineering Laboratory (référencée dans un article de magazine spécialisé)

[6] Samuel Lemercier. Simulation du comportement de suivi dans une foule de piétons à travers l’expérience, l’analyse et la modélisation P.11/12. Modélisation et simulation. Université Rennes 1,

1. Français. ffNNT : 2012REN1S028ff. fftel-00724072f (scholar)

[7] S. D. REICHER, ‘The Battle of Westminster’: developing the social identity model of crowd behaviour in order to explain the initiation and development of collective conflict, 1996. (scholar)

[8] D. Helbing, I.J. Farkas, P. Molnar, T. Vicsek, Simulation of pedestrian crowds in normal and evacuation situations, 2002. (scholar)