Applications de réponses aux désastres à l’aide de la modélisation basée sur des agents

Présentation:

Battelle représente l’organisation de R&D indépendante et non lucrative la plus importante au monde ; elle est un leader mondial dans le développement, la commercialisation et le transfert de technologies. La société gère ou co-gère des laboratoires pour le Département américain de l’énergie, le Département de la sécurité intérieure, et un laboratoire nucléaire international au Royaume Uni.

Problème:

Dans son effort pour trouver des solutions opérationnelles pratiques pour trouver une réponse rapide et efficace à une crise imprévue ou une catastrophe naturelle, Batelle avait besoin de tester l’efficacité d’une mise enplace d’un abri en 48 heures dans un scénario d’abri nucléaire improvisé (IND). Le but visé était de réduire les doses de radiations reçues pendant une évacuation de masse non coordonnée, en comparant l’évacuation immédiate avec la mise en place d’un abri.

La modélisation d’une catastrophe, qu’elle soit naturelle ou humaine, représente de nombreux défis inédits. Ceci génère des conséquences distinctes tant environnementales que physiques, et de nombreux scénarios possibles et facteurs de menace. De plus, les stratégies de réponse sont rarement mises en œuvre telles qu’elles ont été planifiées, et l’on se heurte à des réactions humaines inconnues.

Solution:

La simulation a été choisie pour la modélisation des catastrophes parce qu’elle pouvait évaluer l’espace des scénarios potentiels. Les modèles déterministes comportaient des limitations dans l’incorporation de facteurs, comme les réponses humaines fondamentalement imprévisibles et la nécessité de comparer les alternatives au lieu de rechercher des réponses exactes.

Le choix de Battelle s’est naturellement porté sur le logiciel AnyLogic, car celui-ci avait déjà été utilisé dans un large éventail de projets au sein de l’organisation, notamment:

En outre, les capacités de modélisation basée sur les agents d’AnyLogic ont permis à Battelle de schématiser les dynamiques les plus importantes d’une catastrophe. L’émergence, ou comportement émergent, est un principe essentiel dans la modélisation du comportement humain. Egalement, un modèle peut parfois produire des résultats inattendus. Ces deux problèmes ne peuvent être intégrés que dans une modélisation à base d’agents.

Disaster Response Simulation Framework

Disaster Response Model Framework

Le cadre du modèle exhaustif comprenait un environnement de réseaux routiers, de véhicules, de chauffeurs, et des événements catastrophiques. Le réseau routier a été construit avec des agencements tirés des bases de données GIS, des données des agences d’autoroutes proches (limites de vitesse, capacité de la voie), et des agents comme points nodaux pour un meilleur contrôle. Les changements du réseau, tels qu’une inondation des routes ou la destruction de ponts, ont été incorporées sous forme d’événements dynamiques à mesure que la catastrophe se déroule.

Les limites physiques des véhicules étaient gouvernées par des données de paramètres fournies par le Bureau de recensement américain (Bureau du transport). Le modèle utilisait des données tirées des études de réponse aux désastres passés en les représentant sous forme de comportements d’agents, en tenant compte des changements se produisant chez les conducteurs irrationnels dans des circonstances normales par opposition aux évacuations de masse. Le modèle incorporait également la recherche d’itinéraire dynamiques (plusieurs ensembles d’état d’agents inter-reliés suivis et mis à jour de manière dynamique). De plus, tous les états de comportements étaient liés aux paramètres de mouvement des véhicules physiques pour déclencher des arrêts de véhicules à mesure que les conducteurs sont frappés d’incapacité.

Les variables de comportement d’agent tirées des valeurs initiales étaient calibrées, et les données d’évacuation provenant de désastres passés étaient utilisées pour définir des cibles de précision, car le calibrage et la validation constituaient des étapes essentielles pour prouver la validité du modèle de simulation. Si aucunes données historiques n’étaient disponibles, Battelle a utilisé des données provenant d’autres événements de transport majeurs, une analyse de sensibilité basée sur d’autres catastrophes, et des données d’enquête.

Disaster Response Simulation Model Structure

Model Structure

Le modèle avait recours aux contours dynamiques pour suivre les régions affectées par le désastre, souvent tirées d’autres modèles de simulation, pour compartimenter les exigences de traitement. Il était possible d’adapter les contours mis à jour en temps réel en fonction des schémas de prévisions météo, de la couverture terrestre, etc., et des ensembles de contours inter-reliés afin de pouvoir représenter pratiquement n’importe quel scénario de désastre (par exemple, les niveaux d’inondation, la propagation des incendies, le chemin des dommages, la propagation de la contamination/retombées). Dans le scénario IND, deux ensembles de contours principaux ont été utilisés ; les niveaux de rayon de l’effet de souffle (centre de l’explosion et contours de la force de la surpression) et la distribution des retombées (les niveaux de radiation dans l’air et les dépôts sur le sol de divers types de particules radioactives).

Résultats:

Le modèle de simulation construit dans le logiciel AnyLogic comparait l’évacuation immédiate avec l’ordre de la mise en place d’un abri, et montrait que la mise en place d’un abri réduisait les doses reçues de manière significative, de même que les cas d’empoisonnement graves par radiation pour les IND de grande ampleur.

Le modèle a également produit des résultats de modèles en aval pour tester différentes stratégies de réponse et trouver la meilleure stratégie de réponse parmi plusieurs options possibles. Battelle a pu incorporer les agents de réponse aux urgences, des scénarios à interventions multiples, et des composants de modèles interchangeables (différents emplacements pour le même scénario, ou différents scénarios pour le même emplacement), afin de trouver des solutions opérationnelles pratiques pour des réponses rapides et efficaces au crises inattendues ou aux catastrophes naturelles.

Études de cas similaires

Plus d’études de cas