Table of Content

Open Access iconOpen Access

ARTICLE

Modélisation sémantique et programmation générative pour une simulation multi-agent dans le contexte de gestion de catastrophe

Claire Prudhomme1 , Ana Roxin2 , Christophe Cruz2 , Frank Boochs1

1. Institut i3mainz de l’Université des Sciences appliquées, Lucy-Hillebrand-Str. 2, 55128 Mainz, Allemagne
{claire.prudhomme, frank.boochs}@hs-mainz.de
2. Laboratoire d’Informatique de Bourgogne (LIB) - EA 7534, Université de Bourgogne Franche-Comté, Bâtiment i3 M rue Sully, 21000 Dijon, France
{ana-maria.roxin,christophe.cruz}@ubfc.fr

Revue Internationale de Géomatique 2020, 30(1), 37-65. https://doi.org/10.3166/rig.2020.00102

Abstract

Disaster management requires collaborative preparedness among the various stakeholders. Collaborative exercises aim to train stakeholders to apply the plans prepared and to identify potential problems and areas for improvement. As these exercises are costly, computer simulation is an interesting tool to optimize preparation through a wider variety of contexts. However, research on simulation and disaster management focuses on a particular problem rather than on the overall optimization of the plans prepared. This limitation is explained by the challenge of creating a simulation model that can represent and adapt to a wide variety of plans from various disciplines. The work presented in this paper addresses this challenge by adapting the simulation model based on disaster management information and plans integrated into a knowledge base. The simulation model created is then automatically programmed to perform simulation experiments to improve action plans. The results of the experiments are analyzed in order to generate new knowledge to enrich disaster management plans in a virtuous cycle. This paper presents a proof of concept on the French national NOVI plan, for which simulation experiments have made it possible to know the impact of the physicians distribution on the plan application as well as to identify their best distribution.

RÉSUMÉ
La gestion de catastrophe nécessite une préparation collaborative entre les divers intervenants. Les exercices collaboratifs visent à entraîner les intervenants à appliquer les plans préparés ainsi qu’à identifier les problèmes et points d’améliorations potentiels. Ces exercices étant coûteux, la simulation informatique est un outil permettant d’optimiser la préparation à l’aide d’une plus grande diversité de cas. Cependant, les travaux de recherche centrés sur la simulation et la gestion de catastrophe sont spécialisés sur un problème spécifique plutôt que sur l’optimisation globale des plans préparés. Cette limite s’explique par le défi que constitue la réalisation d’un modèle de simulation capable de représenter et de s’adapter à une large diversité de plans provenant de diverses disciplines. Les travaux présentés dans cet article répondent à ce défi en adaptant le modèle de simulation en fonction des informations et des plans de gestion de catastrophes intégrés dans une base de connaissances. Le modèle de simulation généré est ensuite programmé automatiquement afin d’exécuter des expériences de simulation. Les résultats sont ensuite analysés afin de générer de nouvelles connaissances et d’enrichir les plans de gestion de catastrophe dans un cycle vertueux. Cet article présente une preuve de concept sur le plan national français NOVI (NOmbreuses VIctimes), pour lequel les expériences de simulation ont permis de savoir quel est l’impact de la répartition des médecins sur l’application du plan et d’identifier la meilleure répartition.

Keywords


Cite This Article

Prudhomme, C. (2021). Modélisation sémantique et programmation générative pour une simulation multi-agent dans le contexte de gestion de catastrophe. Revue Internationale de Géomatique, 30(1), 37–65.



cc This work is licensed under a Creative Commons Attribution 4.0 International License , which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.
  • 372

    View

  • 240

    Download

  • 0

    Like

Share Link