Prévenir le risque d’inondation grâce aux algorithmes de décision

Dans le cadre des projets Criz’Innov et i-Nondations, les équipes SEPIA (Système d’Exploitation, systèmes Répartis, de l’Intergiciel à l’Architecture) et SMAC (Systèmes Multi-Agents Coopératifs) présentent, en vidéo, comment les algorithmes de décision peuvent permettre d’anticiper et de gérer une crise. À l’aide de la plateforme multi agents GAMA, les chercheurs ont travaillé sur deux simulations de situation d’inondation dans la ville de Trèbes.

Prévenir le risque d’inondation

Le consortium du projet ANR i-Nondations fait le constat suivant :

“Chaque année, des inondations se produisent. Des solutions existent pour les inondations lentes mais les inondations rapides sont difficiles à prévoir et à gérer.”

Ce projet scientifique novateur, débuté en 2018 et terminant en août 2022, vise à modéliser les inondations rapides. Les données collectées par des capteurs technologiques ou humains permettent d’anticiper les risques et d’optimiser l’impact d’une inondation sur les infrastructures. Il propose de gérer trois phases qui sont les périodes avant, pendant et après une crise, dans une boucle de rétroaction provenant du domaine de l’autonomie appelée boucle MAPE-K. Elle est basée sur quatre étapes : Surveillance, Analyse, Planification et Exécution avec une base de données de connaissances. La surveillance permet de détecter les événements, l’analyse permet d’analyser les risques à partir de modèles de prédictions, de créer des métriques pour mesurer l’impact sur les infrastructures et de proposer des fonctions pour évaluer des trajectoires alternatives. La planification permet de définir la manière dont il faut gérer la crise, parmi plusieurs scénarios possibles. L’exécution est la phase de mise en action du scénario de planification choisi.

Gérer une situation de crise

GAMA est utilisé pour simuler les stratégies d’évacuation dans la ville dans une situation de crise, celle d’une inondation. GAMA est un environnement de développement de modélisation et de simulation permettant de construire des simulations à base d’agents spatialement explicites. GAMA a été développé avec une approche très générale et peut être utilisé pour de nombreux domaines d’application. Quelques plugins supplémentaires ont été développés pour répondre à des besoins particuliers. Les domaines d’application où GAMA est le plus présent sont le transport, l’urbanisme, l’épidémiologie et l’environnement. Dans le cadre du projet Criz’Innov, GAMA a été utilisé pour simuler deux scénarios d’inondation dans la ville française de Trèbes. La première simulation utilise les algorithmes développés dans le cadre du projet i-Nondations. Cette dernière a deux objectifs principaux : estimer la durée totale d’évacuation et déterminer le nombre de bus nécessaires afin d’éviter d’utiliser des moyens plus difficiles à déployer. Ces simulations sont réalisées à l’aide de données géo-spatiales. Ces données correspondent, par exemple, à la localisation des enjeux prioritaires à évacuer en cas d’inondation, aux routes empruntables ou encore au calcul des sept niveaux de submersion. Cet outil comporte également un algorithme d’optimisation qui calcule pour chaque véhicule le meilleur chemin à emprunter. Toutes ces données vont permettre d’optimiser l’utilisation des véhicules en fonction des différents niveaux de submersion possibles.

Protéger les populations

La deuxième simulation réalisée vise à optimiser la mise à l’abri de la population, avec ou sans gendarmes. L’objectif est d’estimer le temps nécessaire à la population pour se réfugier chez elle ou dans des centres d’évacuation. Le modèle peut aussi être utilisé pour déterminer le meilleur emplacement des gendarmes dans la ville. Toutes ces données permettent de réaliser des comparatifs permettant d’adapter la stratégie de mise en sécurité des personnes. Par exemple, lorsqu’il y a un déploiement de gendarmes, le temps de mise à l’abri est réduit. Lorsque l’on simule une limitation des déplacements réduits aux seuls déplacements dirigés vers un abri et coordonnés par des gendarmes, on observe une accélération du temps de mise à l’abri.

Ces deux simulations et les projets Criz’Innov et i-Nondations montrent comment les outils et algorithmes de décision peuvent jouer un rôle décisif en situation de crise ou de catastrophe naturelle. Ils peuvent permettre d’anticiper une crise et de gérer les moyens et les ressources disponibles pour optimiser les stratégies de réponse. Les comportements peuvent être simulés pour mieux répondre à la mise en sécurité des personnes.