Simulations multi-agent pour les villes intelligentes : une architecture multi-environnement temporelle, spatiale et organisationnelle. Apports pour l’anticipation

Multi-Agent Simulations for Smart Cities : a Multi-Environmental, Temporal, Spatial and Organizational Architecture. Contributions for Anticipation

• Auteur / Autrice : Tahina Vololona Eulalie Ralitera
• Direction : Rémy Courdier, Denis Payet
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 04/09/2020
• Etablissement(s) : La Réunion
• Ecole(s) doctorale(s) : École doctorale Sciences, Technologies et Santé (Saint-Denis, La Réunion)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique et de mathématiques (Saint-Denis, Réunion)
• Jury : Président / Présidente : Florence Sèdes
• Jury : Examinateurs / Examinatrices : Amal El Fallah Seghrouchni, Olivier Boissier
• Jury : Rapporteurs / Rapporteuses : Laurent Vercouter, Zahia Guessoum

Mots clés

Mots clés contrôlés

Bases de données spatio-temporelles

Système d'information géographique

Progiciels de gestion intégrés

Intelligence artificielle répartie

Villes intelligentes

Mots clés libres

Environnement temporel

Anticipation

Villes intelligentes

Mobilité intelligente

Système multi-agent

Simulation

Temps

Gestion de ressources

Temporal environment

Anticipation

Smart cities

Smart mobility

Multi-agent system

Simulation

Time

Ressources management

Résumé

La simulation multi-agent est une approche prometteuse pour la construction et la planification des villes intelligentes. Dans ce contexte, nous nous basons sur l'exemple du rechargement de véhicules électriques avec des bornes de recharge publiques. Cet exemple illustre une problématique de gestion de ressources partagées et limitées dans le temps et dans l'espace. Rolland May définit trois principales dimensions que doit intégrer le système : l'espace, l'organisation et le temps. Dans la littérature des simulations multi-agent, la dimension spatiale et la dimension sociale font l'objet de nombreuses propositions. Contrairement à cela, la considération du temps comme une dynamique du système reste sujette à très peu d'étude. De plus, si beaucoup de travaux de recherche traitent de la considération spatiale et organisationnelle dans le raisonnement de l'agent, la considération de la dynamique temporelle est souvent négligée. Cela met en évidence deux aspects sur lesquels nous aimerions contribuer : - le besoin de support d'interaction pour échanger des informations spatiale, sociale et temporelle ; - le besoin de raisonnement anticipatif prenant en compte ces informations spatiale, temporelle et organisationnelle échangées. À travers cette thèse, notre premier objectif consiste à faire évoluer le paradigme de simulation multi-agent de manière à considérer le temps comme un nouveau milieu d'interaction que nous appelons l'environnement temporel. Pour mettre en place cet environnement temporel au sein du système, nous proposons un modèle appelé Agent-Groupe-Rôle-Environnement-Temps (AGRET). Il s'agit d'une extension du modèle générique d'organisation Agent-Groupe-Rôle (AGR) et de sa variante Agent-Groupe-Rôle-Environnement (AGRE). L'originalité de notre approche consiste en la considération de la dimension temporelle comme un environnement, au même titre que l'environnement spatial et l'environnement social. L'environnement temporel est utilisé comme support pour l'échange et le stockage d'informations temporelles. Il vient en complément à l'ordonnanceur de la simulation qui gère le cycle d'activation de la simulation. L'implémentation de ce nouveau milieu d'interaction apporte de nouvelles possibilités. Une d'entre elles est l'usage des informations temporelles perçues à travers l'environnement temporel pour optimiser le raisonnement anticipatif de l'agent. Ce raisonnement anticipatif est particulièrement intéressant dans le contexte de la ville intelligente, car il augmente le réalisme de la simulation en faisant transparaître une capacité cognitive qui est propre à l'humain. Il permet également d'améliorer le mécanisme de décision de l'agent en choisissant un comportement plus pertinent qui prend en compte le contexte d'activation temporel, spatial et social de l'agent. Il se base sur des informations sur le passé, sur le présent et sur le futur planifié, que l'agent perçoit au niveau de l'environnement temporel. La prise en compte des informations futures planifiées constitue une originalité de cette approche. Pour résumer, nos deux contributions relèvent du temps. La première concerne la représentation du temps comme un milieu d'interaction : l'environnement temporel. La deuxième concerne le raisonnement temporel : un raisonnement anticipatif basé sur la perception de l'environnement spatial, de l'environnement temporel et de l'environnement social. Plus particulièrement, nous exploitons la visibilité sur la dimension future du temps qui est permise par l'environnement temporel. Dans l'exemple du rechargement des véhicules électriques, l'intégration de notre approche permet l'optimisation de la répartition des recharges dans l'espace et dans le temps. Nous montrons cela à travers une implémentation sur un modèle de simulation appelé SkuadCityModel. Plus généralement, au niveau de la ville intelligente, l'implémentation de nos contributions permet l'optimisation de la gestion des ressources dans l'espace et dans le temps.

The multiagent simulation is a promising approach for smart city design and planning. In this context, we focus on the example of recharging electric vehicles on public charging points. This example illustrates a problem of managing limited and shared resources in time and space. Rolland May defines three main dimensions that should be integrated by the system: the space, the organisation and the time. In multi-agent simulations, the spatial dimension and the social dimension are the subject of numerous proposals in the literature. In opposite, time remains subject to very few studies and consideration. In addition, if a lot of research deals with spatial and organisational consideration in the agent's reasoning, the time consideration, as a system dynamic, is often overlooked.This highlights two aspects to which we want to contribute:- the need for interaction support to exchange spatial, social and temporal information;- the need for reasoning that takes this exchanged spatial, temporal and organisational information into account.Thought this thesis, our first objective aim at making the multiagent simulation paradigm evolve in order to consider time as a new medium of interaction, in the same way as the spatial environment or the organisational environment. For that purpose, we draw on existing approaches that are commonly used for modelling the space and organisations. Our model is called Agent-Group-Environment-Time (AGRET). It is an extension of the generic organisational model AGR and its variant AGRE.The originality of our approach is that it integrates the temporal dimension as an environment, in the same way as the spatial environment and the social environment. This time environment is used to support the exchange and the storage of time information. It complements the simulation scheduler which manages the simulation activation cycle. The implementation of this new interaction environment brings new possibilities. One of these possibilities is the use of temporal, spatial and social information, perceived through the environments, to optimise the agent's reasoning. In this context, we choose to focus on anticipatory reasoning which is particularly interesting in the context of the smart city. This anticipatory reasoning increases the realism of the simulation by showing a cognitive capacity that is specific to humans. It also improves the agent's decision mechanism by choosing a more relevant behaviour that takes into account the agent's temporal, spatial and social activation context. This anticipatory reasoning is based on information about the past, the present and the future, which the agent perceives through the temporal environment. The inclusion of future information in the anticipative reasoning is an original feature of this approach. This functionality is made possible by the temporal environment, which allows storing and perceiving information on the temporal dimension.To summarise, our contributions are both about time. Our first contribution is about the representation of time as an environment. In the multi-agent level, we propose an interaction support for the exchange and storage of information on space, time and organisation. Our second contribution is about temporal reasoning. We propose an anticipative reasoning based on the perception of spatial, temporal and social environments. In particular, we exploit the visibility of the future dimension of time that is allowed by the temporal environment. In the example of electric vehicles recharge, the integration of our approaches allows, at the collective level, the optimisation of the recharge distribution in space and time. We show this through an implementation on a multi-agent simulation model called SkuadCityModel. More generally, at the level of the smart city, the implementation of our contributions allows the optimisation of resource management in space and time.