Skip to navigation – Site map

HomeSectionsSystems, Modelling, Geostatistics1999Comparaison de deux approches de ...

1999
89

Comparaison de deux approches de modélisation des dynamiques spatiales par simulation multi-agents : les approches "spatiale" et "acteurs"

Comparing two ways of modelising spatial dynamics through multi-agents simulation : "spatial" and "actor" approaches
François Bousquet and Denis Gautier

Abstracts

The multi-agents systems developed within the framework of distributed artificial intelligence represent a promising tool for modelling spatial dynamics. Using such an approach involves a reflexion on the objects and more specifically on the geographical levels which have to be taken in account. In this article, we present and compare two simulation models for describing an agricultural conquest’s process. In one model, the agents are defined at the level of individuals, as actors of change. In the other, the agents represent the spatial aggregates for which aggregated mechanisms of transformation are defined.

Top of page

Author's notes

L'application présentée dans cet article résulte d'un exercice réalisé dans le cadre du réseau montpelliérain des ''SMA spatialisés'' créé à l'initiative de S.Lardon et R.Lifran (Inra).

Full text

  • 1 Etude des Phénomènes Spatiaux

1La modélisation des dynamiques spatiales pose la question des méthodes - ou plutôt de l'intégration des méthodes permettant de passer de l'analyse thématique des objets géographiques à la simulation de leurs interactions. Des réflexions sur ce thème ont cours depuis deux ans dans le cadre des réseaux CASSINI (CNRS-IGN) et EPS1 (INRA). Elles ont permis en particulier d'évaluer la capacité des SIG à rendre compte des dynamiques spatiales et s'orientent désormais vers des tentatives d'association des SIG (Systèmes d'Information Géographique) avec des méthodes de simulation type automates cellulaires et SMA (Simulation Multi-Agents).

  • 2 Laboratoire d'Informatique, de Robotique et de Micro-électronique de Montpellier

2Dans le même temps, un certain nombre d'applications de SMA ont été développées sur la question de la gestion des ressources naturelles renouvelables, créant des pôles de compétences (CIRAD-GREEN, ORSTOM entre autres). En milieu rural, les rapports qu'entretiennent les ressources et l'espace ont conduit ces équipes à s'intéresser au point de vue géographique et à rechercher une intégration de l'espace dans leurs méthodes de modélisation multi-agents. Il était intéressant sur le plan méthodologique que ces deux mondes de recherche collaborent, d'autant que toutes ces équipes sont localisées à Montpellier et entretiennent des relations avec le LIRMM2. Un groupe de réflexion s'est créé autour des questions de l'intégration de l'espace dans la simulation multi-agent. Pour concrétiser cette réflexion, il était intéressant de réaliser un exercice permettant de comparer deux niveaux de prise en compte de l'espace dans les SMA, l'espace comme support de la gestion des ressources par des acteurs et l'espace comme agent. Ce travail, présenté ici, est destiné à comparer les modélisations de type multi-agents des dynamiques spatiales selon ces deux points de vue. Il est réalisé à partir de Cormas, un environnement de simulation élaboré par le CIRAD-GREEN. Ce n'est donc pas tant les résultats que la comparaison entre les deux méthodes de simulation des dynamiques spatiales qui est discutée ici.

3Dans un premier temps, nous présentons les deux modes d'intégration de l'espace dans l'analyse de la gestion des ressources, qui fondent les deux approches de modélisation SMA envisagées. Puis, nous présentons l'environnement de simulation Cormas et les deux simulations effectuées sur un même exemple théorique. Enfin, nous discutons des spécificités méthodologiques des deux approches, en intégrant les débats que leur présentation a suscité au groupe de réflexion auquel cet exercice a été présenté.

L'espace comme support ou comme agent

4Dans tout système de gestion des ressources renouvelables, l'espace peut être considéré comme un support des interactions entre les acteurs de ce système. Il localise la ressource et intervient par des contraintes spatiales à sa gestion. Il peut aussi être considéré comme le produit de ces interactions, une nouvelle organisation spatiale résultant de la gestion des ressources. A la fois support et produit, l'espace peut être compris comme un sous-système du système de gestion des ressources, avec son organisation et sa dynamique propre.

5Dans la pratique, la plupart des analyses de systèmes de gestion des ressources s'intéressent au rapport dialectique entre le comportement des acteurs et l'évolution des ressources. L'espace est le plus souvent réduit à la fonction de support de ces interactions entre acteurs. Il fait partie de l'environnement dans lequel se déplacent les acteurs, participant à la définition de leurs comportements. Toutefois, considérant les liens systémiques qui unissent l'espace et la gestion des ressources dans certains cas, il est aussi possible d'analyser un système de gestion des ressources renouvelables en entrant dans ce système par l'espace lui-même. Selon le point de vue de l'analyse spatiale, on s'intéresse alors à l'organisation et aux dynamiques spatiales telles qu'elles s'expriment suite aux activités de gestion des ressources renouvelables.

6Il résulte de ce qui précède que, lorsque l'objet de l'analyse est les changements spatiaux liés à la gestion des ressources, deux approches sont possibles. (1) On peut s'intéresser aux «acteurs» du territoire (éléments) et aux relations qu'ils entretiennent avec l'espace et les ressources qui s'y localisent (interactions). Dans cette approche, l'espace est perçu comme le support des interactions entre les sous-systèmes naturels et sociaux qui produisent de la différentiation spatiale. L'organisation spatiale résulte de l'impact des interactions entre acteurs sur l'espace, agissant lui-même comme une contrainte dans les comportements. (2) On peut également s'intéresser aux entités spatiales (éléments) et aux relations qu'elles entretiennent avec les autres entités spatiales du système (interactions). Dans cette deuxième approche l'organisation spatiale est perçue comme le produit des interactions entre les entités spatiales, celles-ci étant liées au comportement des acteurs.

7Ainsi, par exemple, le système de chasse aux céphalophes bleu dans la forêt équatoriale camerounaise peut-il être analysé selon ces deux points de vue. Selon le premier, on prend en compte d'une part les rapports sociaux qu'entretiennent les céphalophes entre eux pour leur alimentation et leur reproduction, et d'autre part les contraintes dans leurs déplacements liées à la présence de rivières, de villages ou de champs, et les pratiques des chasseurs. L'organisation des céphalophes dans l'espace résulte de leur propre comportement et de leurs interactions avec les chasseurs et les objets géographiques. Ce même système peut aussi être analysé en considérant la projection des groupes de céphalophes sur l'espace comme des entités spatiales animées d'un mouvement. Ces entités rentrent en interaction avec d'autres entités spatiales (les rivières, les villages, les champs, les secteurs de chasse) selon des règles spatiales qui renvoient aux comportements des acteurs.

8Quelle que soit l'approche privilégiée, par les acteurs ou par l'espace, le système de gestion des ressources renouvelables analysé reste le même, avec les mêmes composantes naturelles et sociales et les mêmes forces en jeu dans sa dynamique. Seul le point de vue systémique change. Les objets d'analyse et les règles de comportement de ces objets sont déclinés en fonction de ce point de vue. A ce titre, on peut faire l'hypothèse que l'organisation spatiale résultante des interactions entre les acteurs agissant sur l'espace d'une part ou des interactions entre les entités spatiales d'autre part est similaire, les deux sous-systèmes humain et spatial étant intimement liés au sein du même système de gestion des ressources. Ce n'est toutefois pas tant de comparer les organisations spatiales auxquelles conduisent des simulations basées sur chacune de ces deux approches qui nous intéresse, que de comparer leurs spécificités théoriques et méthodologiques, en particulier la manière dont l'espace peut être pris en compte dans chacune des démarches.

9Pour réaliser cette comparaison, il nous a paru intéressant de partir de l'exemple théorique d'un territoire rural, présentant la trilogie ager, saltus, sylva et soumis à des règles de gestion ayant une forte inscription spatiale : des agro-éleveurs défrichent autour de leur village les secteurs fertiles pour y installer des cultures et de nouvelles implantations, et ils font pâturer leurs troupeaux dans la savane.

10D'un point de vue spatial, cet exemple combine trois processus d'organisation, communs en géographie rurale : (1) une mise en valeur agricole de l'espace, en auréoles à partir de l'habitat suivant un modèle centre- périphérie (habitat, champs permanents, parcours et champs temporaires, forêt) ; (2) un principe de compacité de l'exploitation agricole, l'agrandissement d'un terroir villageois ne pouvant se faire au-delà d'une limite fixée par les distances des habitations aux champs ; (3) une réplication de ce motif auréolaire suivant un modèle orbital, la création d'un nouveau village engendrant la création de champs permanents contigus et une augmentation de la pression de pâturage dans sa périphérie. Ces trois principes de mise en valeur agricole de l'espace se combinent et sont contraints par les potentialités de l'espace. En effet, il existe des contraintes foncières, écologiques et d'accessibilité à la localisation des parcelles d'usage agro-pastoral. Dans notre exemple théorique, les trois principes de mise en valeur de l'espace ne sont contraints que par l'obligation de créer de nouveaux champs sur des zones fertiles.

11Ces principes d'organisation spatiale sont intimement liées à la combinaison de processus biophysiques (ex. en l'absence de pression humaine ou pastorale, la forêt progresse au détriment des parcours) et de processus humains, dus en particulier aux pratiques des agriculteurs (ex. l'homme cultive la terre, coupe du bois, fait pâturer les parcours au détriment de la forêt, en fonction des règles d'accès à la ressource) qui mettent en jeu des comportements d'acteurs. Cette liaison autorise, pour un même état initial du territoire et pour un même scénario de gestion de ce territoire, l'établissement de correspondances entre les interactions entre les entités spatiales d'une part et les règles de comportement des acteurs gérant les ressources de l'espace d'autre part. Ainsi, pour un scénario de conquête agricole, on peut établir deux séries de règles de comportement conjointes, selon que les objets privilégiés sont les acteurs ou les entités spatiales.

Figure 1. L'état initial du territoire théorique servant de base aux deux simulations. La forêt est en vert foncé, la savane en vert clair, les champs en jaune et le village en bleu.

12Le scénario de conquête agricole, commun aux deux approches, est le suivant : à partir d'un site d'implantation original d'un village situé sur une zone fertile, un petit groupe d'agriculteurs cultive les terres arables à proximité immédiate des maisons, selon ses besoins, et utilise les pâturages aux alentours (principe de mise en valeur auréolaire). La population augmente et la demande en champs et en parcours augmente en conséquence. Les nouvelles familles d'exploitants qui se forment construisent des maisons au voisinage immédiat des autres maisons et défrichent de nouveaux champs au détriment des parcours au voisinage du village (principe de compacité de l'exploitation). Dans le même temps, les troupeaux et la pression de pâturage sur les parcours augmentent. Lorsque la population s'accroît au point qu'il ne reste plus de terres arables disponibles à proximité des habitations, les nouvelles familles d'exploitants doivent aller rechercher de nouvelles terres et s'y installer, selon les mêmes principes (principe orbital). Suivant cet accroissement de la population, la pression pastorale augmente et atteint un seuil où son effet se combine à la demande en bois de chauffe pour provoquer la régression de la forêt.

13Dans la version "acteur" de ce scénario, les entités privilégiées sont les agriculteurs et leurs troupeaux qui se déplacent dans l'espace pour utiliser et gérer les ressources renouvelables dont il est le support. Dans la version «spatiale» de ce scénario, les entités privilégiées sont les entités spatiales : maisons, champs, parcours, forêt, dont la dynamique est liée au comportement des acteurs qui gèrent les ressources qu'elles contiennent. Dans les deux cas, les règles de comportement s'appliquent à des individus, agriculteur, troupeau ou bien village, groupe de champs, portion de parcours ou bout de forêt.

La simulation des dynamiques spatiales

14Nous avons simulé les deux versions de ce scénario à l'aide d'un environnement de simulation multi-agents nommé Cormas -Common-Pool resource and multi-agent systems-, mis au point au CIRAD-GREEN. Nous présentons tout d'abord les principes de cet environnement qui fournissent un filtre pour la modélisation, puis les deux modèles que nous avons créés pour simuler les deux versions du scénario.

Présentation de l'environnement de simulation Cormas

15L'environnement de simulation Cormas correspond à une organisation de classes du langage Smalltalk et à des interfaces pour programmer des systèmes multi-agents pour la simulation. Cormas comprend différents ensembles de programmes. Le premier sert à modéliser les agents et les interactions ; la médiation de ces interactions se fait soit par l'intermédiaire d'un espace de simulation compris comme un ensemble de cellules, soit par l'intermédiaire de messages. Le deuxième ensemble de programmes concerne le contrôle de la dynamique de la simulation alors que le troisième ensemble de programmes sert à définir les différents points de vue de l'observateur.

16Agents et interactions

17Nous avons défini trois types d'agents. Le premier est appelé agent situé. Une entité située possède des références spatiales (la cellule). Elle est caractérisée par son champ de perception. Des méthodes départ et arrivée sont proposées qui permettent à l'utilisateur de programmer le départ de l'agent dela cellule et son arrivée sur une autre cellule. Le second est appelé agent communicant. Un agent communicant possède une boîte aux lettres ainsi que des programmes de base pour recevoir et envoyer des messages. Le troisième type d'agent est l'agent situé et communicant qui cumule les caractéristiques des deux précédents. Pour créer un agent l'utilisateur utilise le concept d'héritage propre à la conception orientée-objet. L'agent créé par l'utilisateur sera une spécialisation soit de la classe ObjetSitue, soit de la classe ObjetCommunicant, soit de la classe ObjetSitueCommunicant.

18Deux modes d'interactions sont prévus pour ces agents. Le premier concerne la prise en compte d'un espace qui est une grille de cellules comme dans les automates cellulaires, correspondant à un espace support sur lequel se déroulent les interactions entre agents. La cellule possède ainsi une liste d'agents situés qui sont localisés sur elle. Elle fournit des primitives pour les accès aux cellules voisines dans des rayons variables. Le deuxième mode d'interaction est modélisé par des messages que les agents s'envoient par l'intermédiaire d'un canal de transmission. Tous les agents communicants sont reliés par un canal qui sert à transmettre les messages.

19Contrôler la dynamique de la simulation.

20Les agents, les cellules et le canal sont les composantes de base requises pour préparer une simulation multi-agents. Pour effectuer une simulation, il est tout d'abord nécessaire de créer un univers artificiel dans une configuration donnée. Un espace doit être créé, des agents dans des états initiaux doivent être positionnés. La dynamique des interactions entre les agents doit être spécifiée ; cela pose des questions d'ordonnancement. Ainsi, par exemple, on sait qu'un modèle distribué fonctionnant en mode synchrone (où les agents calculent leur nouvel état et attendent que les autres agents aient fait de même avant de changer d'état) ne donnera pas les mêmes résultats qu'un modèle fonctionnant en mode asynchrone (où l'agent calcule et change d'état sans attendre le changement des autres). Pour cette raison, dans le cas des simulations, l'ordonnancement des activités des agents constitue une partie spécifique des programmes de modélisation. Tout autant que le comportement des agents, le modélisateur doit ainsi programmer l'organisation de la simulation.

21Point de vue de l'observateur et interfaces.

22L'émergence est un des concepts fondateurs des systèmes multi-agents. On simule des comportements et des interactions au niveau microscopique pour observer l'émergence de comportements complexes au niveau macroscopique. Progressivement, on donne de moins en moins d'importance au concept d'émergence pour plus insister sur la notion d'observation. L'utilisateur d'un système multi-agents doit modéliser les agents, leurs interactions potentielles et définir ce qu'il va observer (l'évolution d'un indicateur, une carte de répartition des agents ou autres). L'environnement Cormas est équipé de différents outils pour programmer le point de vue avec lequel on va observer l'évolution du système.

23Trois types d'interfaces sont proposés : (1) des graphiques ; (2) une grille pour visualiser l'ensemble des cellules de l'espace-support et des agents situés qui y sont localisés, ce qui constitue une représentation de l'espace géographique analysé. Le nombre, la taille et la forme des cellules peuvent être paramétrées. Il est possible d'importer des fichiers de données pour définir l'état des cellules. Des données peuvent être importées en provenance de SIG en mode raster. (3) Le troisième type d'interface est un observateur de liens qui peut être utilisé pour visualiser les échanges de messages entre agents en dessinant des graphes dynamiques.

24Deux modèles différents ont été élaborés pour les deux approches des dynamiques spatiales. Le premier s'appuie sur une représentation des comportements et des interactions des acteurs de la dynamique envisagée sur un support spatial que ces interactions vont modifier. Le modèle qui représente la version spatiale du scénario s'appuie sur des agents entités spatiales qui interagissent sous l'effet de processus naturels et sociaux.

Des acteurs agents : paysans et troupeaux.

25L'espace ressource est constitué d'un ensemble de cellules sur lesquels se déplacent et agissent les agents. Ces cellules sont caractérisées par deux attributs (variables), l'état et la fertilité. L'état qui peut prendre quatre valeurs (forêt, savane, champ, village) et la fertilité qui peut prendre deux valeurs (fertile, pasFertile). Des cartes sont chargées pour configurer l'espace ressource.

26Deux classes d'agents ont été créées :

27L'agent Paysan : il hérite de la classe ObjetSitué. Il a un attribut champs qui est une collection des champs qu'il cultive. Son comportement est le suivant : à chaque pas de temps l'agent perçoit dans un rayon de trois cellules et cherche parmi celles-ci une cellule qui soit à la fois dans l'état savane et de fertilité "fertile''. S'il trouve une telle cellule, il transforme l'état de cette dernière en champ et l'ajoute à sa collection champs. Lorsqu'un agent a trouvé trois champs, il installe un membre de sa famille près de son habitation. Pour cela, une cellule d'état champ est transformée en cellule d'état village.

28L'agent troupeau : il hérite de la classe ObjetSitué. A chaque pas de temps, l'agent perçoit dans un rayon de une cellule et cherche une cellule qui ne soit pas dans l'état village ou champ. Parmi celles qui correspondent à cette condition il se déplace au hasard.

29Au niveau du contrôle de la simulation, pour gérer la temporalité, on active le programme de comportement des agents Paysans (chaque agent cherche un champ) puis les agents Troupeau (chaque agent effectue un déplacement). Les figures 2 et 3 présentent un écran au pas de temps 50 et 150.

Figure 2. 50ème pas de temps. En vert foncé figurent les cellules de type forêt, en vert clair de type savane, en jaune de type champs et en bleu de type village. Les triangles blancs représentent les agents paysans, les cercles foncés représentent les agents troupeaux

Figure 2. 50ème pas de temps. En vert foncé figurent les cellules de type forêt, en vert clair de type savane, en jaune de type champs et en bleu de type village. Les triangles blancs représentent les agents paysans, les cercles foncés représentent les agents troupeaux

Figure 3 : 150ème pas de temps

Un espace agent

30Les cellules de l'espace sont les mêmes que pour la simulation précédente. Quatre classes d'agents sont créées. Il s'agit des agents Village, Champs, Foret et Savane. Ces quatre classes d'agents ont des points communs. Ces agents héritent la classe ObjetCommuniquant. Ces agents possèdent un attribut «composantes». Cet attribut représente la collection de cellules de l'espace ressource que l'agent contrôle. Chaque agent sait lire sa boîte aux lettres et s'approprier les cellules qui lui sont envoyées. Une classe Message est créée. Elle possède l'attribut «donnée» qui sert à échanger des cellules entre les agents selon des règles données.

31L'agent Village peut calculer un besoin en terre de cultures en fonction de l'importance du village. Celle-ci est égale à la quantité de cellules dont se compose le village. A chaque pas de temps, l'agent Village lit sa boîte aux lettres et réceptionne dans sa collection «composantes» les cellules qui lui ont éventuellement été cédées. Il envoie un message à l'agent Champs pour lui demander des cellules et envoie un message à l'agent Savane pour lui demander trois fois plus de cellules (soit trois cellules champ pour une cellule village).

32L'agent Champs lit sa boîte aux lettres et réceptionne dans sa collection composantes les cellules qui lui ont éventuellement été cédées. S'il reçoit un message de l'agent Village, il lui cède les cellules demandées à condition qu'il en contrôle quatre fois plus.

33L'agent Savane lit sa boîte aux lettres et réceptionne dans sa collection composantes les cellules qui lui ont éventuellement été cédées. S'il reçoit un message de l'agent Village, il cède les cellules demandées en envoyant un message à l'agent Champs. Pour cela, l'agent Savane recense les cellules qui le composent et qui sont voisines d'une cellule d'état champ ou village et de fertilité fertile. Au cas où ce sous-ensemble n'est pas suffisant pour satisfaire la demande l'agent Savane recherche les cellules sur le seul critère de fertilité et non plus de voisinage. Il envoie ensuite un message à l'agent Forêt en lui demandant la moitié de la quantité de cellules qu'il vient lui-même de donner.

34L'agent Forêt lit sa boîte aux lettres et réceptionne dans sa collection composantes les cellules qui lui ont éventuellement été cédées. L'agent Forêt recherche pour cela dans les cellules qui le composent les cellules voisines de cellules d'état savane.

35Au niveau du contrôle de la simulation, on active successivement les agents village, champs, savane et forêt.

36Les figures 4 et 5 présentent deux écrans successifs aux pas de temps 8 et 15

Figure 4. 8ème pas de temps

Figure 4. 8ème pas de temps

Figure 5 : 15ème pas de temps

Discussion

37L'élaboration de cet exercice de comparaison entre deux approches de simulation SMA des dynamiques spatiales nous a conduit, chemin faisant, à discuter de la place de l'espace dans les SMA et de l'intérêt que représente cette approche ''entités spatiales'' par rapport à une approche «acteurs». L'avantage le plus immédiat de considérer les entités spatiales comme des agents est qu'un lien direct peut être fait avec l'analyse des systèmes géographiques qui considère les structures et dynamiques spatiales. Les règles de gestion des ressources sont généralement établies pour une entité globale (ex. la forêt) ou pour une partie de cette entité globale (ex. la lisière de la forêt), tandis que les règles établies à la cellule ne sont qu'un artifice de simulation qui nécessite des agrégations pour reconstituer l'entité spatiale. Simuler la gestion des ressources à partir d'entités spatiales est de ce fait plus en accord avec la pensée que de le faire à partir de chacune des cellules qui sont affectées par les processus en jeu. Concrètement, dans l'exemple de la gestion des agroforêts au Burundi, il est plus naturel de modéliser la dynamique d'une forêt soumise à la recherche de bois de feu à partir du comportement des taches de forêt, plutôt qu'à partir de la somme des actions individuelles qui affectent les cellules de ces taches.

38Le deuxième intérêt méthodologique de cette approche par entités spatiales est qu'elle apporte une nouvelle dimension dans le canevas de modélisation SMA. En effet la construction de modèles avec des entités composées de plusieurs cellules nous a amené à introduire une entité «groupe» dans la plateforme Cormas. Cette entité groupe possède des composantes qui peuvent être soit un ensemble de cellules, c'est le cas de nos entités spatiales, soit un ensemble d'agents dans une approche qui serait plus sociale. Cette entité «groupe» possède des propriétés spécifiques par rapport à l'ensemble des agents qui la constituent. Elle est en interaction avec ses composantes (cellules) ce qui permet d'envisager une articulation entre les deux points de vue sur les dynamiques spatiales. Grâce à cette introduction, on peut désormais modéliser des règles spatiales au niveau de l'entité «groupe» qui contraignent le comportement de ses composantes, ou bien des interactions entre entités à un niveau qui jouent sur le comportement des entités à un autre niveau, ou encore des interactions entre entités de niveaux différents. L'intérêt de cet apport dans la simulation multi-agent est tel qu'il conduit à l'introduction dans CORMAS d'un quatrième type d'agent (après le situé, le communiquant, le situé-communiquant) qui est l'agent «groupe» dont un des principaux buts est de permettre la simulation des dynamiques spatiales.

39Au-delà de l'intérêt méthodologique qu'il y a à considérer les entités spatiales comme des agents, la présentation des deux approches aux membres du groupe «Sma Spatialisés» a suscité des discussions qui ont permis de comparer les deux modes de modélisation.

40Même si le but de l'exercice était de comparer les méthodes plutôt que les résultats auxquels elles conduisaient, les discussions ont tout d'abord été motivées par les différences de résultat entre les deux simulations. Après avoir fait tourner plusieurs fois chaque modèle, il apparaissait en particulier que dans le cas de la simulation «spatiale», l'espace convergeait rapidement vers un état qui était toujours le même.

41Les problèmes de calibration des modèles mis à part, qui nécessitent d'établir des règles de comportement strictement similaires pour les deux modèles, il est apparu qu'une différence fondamentale entre ces deux approches est liée aux nombres d'agents qu'elles mettent en jeu.

42Pour J. Le Fur (ORSTOM) en particulier, dans le cas de l'approche spatiale il y a peu d'agents, les interactions sont peu nombreuses et ce sont de ce fait les mécanismes cognitifs (de calcul au niveau de l'entité groupe) qui sont les moteurs de la dynamique plus que les interactions ; dans le cas de l'approche acteur, il y a beaucoup d'agents et ce sont leurs interactions qui sont le moteur de la dynamique.

43Pour P. Monestier (INRA), pour remédier à ce problème lié au faible nombre d'agents dans la simulation «spatiale» et aboutir à des dynamiques similaires dans les deux approches, il faudrait complexifier très nettement les règles.

44Ces réflexions suscitées par la comparaison des résultats obtenus par les deux approches permettent de spécifier les particularités de l'approche par les entités spatiales. A la différence des acteurs qui ont une perception limitée de leur environnement, les entités spatiales connaissent toutes leurs composantes (leurs qualités et leur emplacement). Elles ont de ce fait une plus grande capacité à trouver des solutions aux interactions qu'engendrent leur comportement et la part d'aléatoire est plus faible que dans le cas des acteurs.

45Pour parvenir à une bonne correspondance entre les deux approches, il faudrait en effet soit avoir des acteurs avec une plus grande connaissance de l'espace dans lequel ils évoluent, soit avoir une plus grande diversité dans les entités spatiales, donc un plus grand nombre d'agents, d'interactions et d'aléatoire.

Conclusion

46Ces spécificités qui ont émergé de nos discussions soulignent et précisent les particularités de l'approche par les entités spatiales. Il en ressort un intérêt accru pour introduire un nouveau type d'agent «groupe» dans la modélisation SMA, afin de pouvoir combiner les deux types d'approche «spatial» et «acteur». Les perspectives thématiques qu'offrent cette combinaison sont importantes.

47Tout d'abord, pour l'analyse de la gestion des ressources naturelles renouvelables, le lien entre des individus et des entités spatiales va permettre de préciser le rapport entre l'espace et la gestion de ces ressources, grâce à l'explicitation de règles associant des comportements d'acteurs à des comportements d'entités spatiales.

48Cela va permettre en particulier de préciser l'articulation entre les processus biophysiques et sociaux d'une part et spatiaux d'autre part.

49Pour l'analyse des dynamiques spatiales, le lien entre une entité spatiale et les cellules qui la composent permet d'envisager de modéliser les interactions spatiales entre les entités et en particulier leurs déformations et déplacements ce qui est très complémentaires des potentialités actuelles des SIG. Les hypothèses de dynamiques spatiales qui se fondent sur des analyses sous SIG peuvent ainsi être testées grâce à ce mode de modélisation, en considérant le résultat des simulations de ces hypothèses . En retour, les règles de comportement des entités spatiales sous SMA pourraient être calibrées par les SIG. Surtout, la combinaison de ces deux méthodes pourrait conduire à expliciter les règles biophysiques et sociales, leurs dimensions spatiale et temporelle, et leurs liens, du fait même de la nécessité de calibrer des processus identifiés par des états.

Top of page

Bibliography

I. Bakam, A. Takforyan, H. Proton, F. Bousquet, J. Weber 1997 Simulations Spatio-Temporelles D'interactions Entre Chasseurs et Ressources Par Les Systèmes Multi-Agents : Illustration Par Le Cas de la Chasse Dans l'Est-Cameroun, Gestion de la Faune Sauvage et Usages de L'espace Dans Les Paysages Ouverts, 23ème congrès de l'union internationale des biologistes du gibier.

F. Bousquet and P. Guizol and C. Ndikumagenge and H. Proton "Multi-Agent models for analysing dynamics between forest and agroforest on a regional level" Agroforestry System (in revision).

F. Bousquet and I.Bakam And. H. Proton and C. Le Page Cormas : Common-Pool Resources and Multi-Agent Systems. Lecture Notes in Artificial Intelligence, 1998.

J.-P. Cheylan and S. Lardon and H. Mathian and L. Sanders Les Problématiques Liées Au Temps Dans Les SIG. Revue Internationale de Géomatique 4 pp. 287-305 1994.

C. Claramunt and M. Thériault and C. Parent. A Qualitative Representation of Evolving Spatial Entities in Two-Dimensional Spaces, GIS Research UK: 5th National Conference, 1997.

N. Ferrand and Y.Demazeau and C. Baejs, 1997, Des Systèmes Multi-Agents Réactifs Pour la Résolution de Problèmes Spatialisés, Revue d'Intelligence Artificielle

H.Mathian, L.Sanders, D. Mikula. Modelling the dynamics of spatial systems within a Gis : problems and perspectives. In : GIS-DATA Specialist Meeting «Spatial Modelling and GIS», Stockholm, 1997.

G. Masini and A. Napoli and D. Colnet and D. Leonard and K. Tombre 1989, Les Langages à Objets, InterEditions.

H. Proton and F. Bousquet and P. Reitz. J. Quinqueton and M.C. Thomas and B. Trousse, 1997, Un outil pour observer l'organisation d'une société d'agents. Le cas d'une société d'agents chasseurs-agriculteurs, Actes des 5èmes journées francophones sur l'IAD et les SMA, 159--172,Paris, Hermès.

Top of page

Notes

1 Etude des Phénomènes Spatiaux

2 Laboratoire d'Informatique, de Robotique et de Micro-électronique de Montpellier

Top of page

List of illustrations

URL http://journals.openedition.org/cybergeo/docannexe/image/2389/img-1.png
File image/png, 6.0k
URL http://journals.openedition.org/cybergeo/docannexe/image/2389/img-2.png
File image/png, 8.8k
Title Figure 2. 50ème pas de temps. En vert foncé figurent les cellules de type forêt, en vert clair de type savane, en jaune de type champs et en bleu de type village. Les triangles blancs représentent les agents paysans, les cercles foncés représentent les agents troupeaux
URL http://journals.openedition.org/cybergeo/docannexe/image/2389/img-3.png
File image/png, 9.2k
URL http://journals.openedition.org/cybergeo/docannexe/image/2389/img-4.png
File image/png, 5.9k
Title Figure 4. 8ème pas de temps
URL http://journals.openedition.org/cybergeo/docannexe/image/2389/img-5.png
File image/png, 6.8k
Top of page

References

Electronic reference

François Bousquet and Denis Gautier, « Comparaison de deux approches de modélisation des dynamiques spatiales par simulation multi-agents : les approches "spatiale" et "acteurs" », Cybergeo: European Journal of Geography [Online], Systems, Modelling, Geostatistics, document 89, Online since 13 April 1999, connection on 12 October 2024. URL : http://journals.openedition.org/cybergeo/2389 ; DOI : https://doi.org/10.4000/cybergeo.2389

Top of page

About the authors

François Bousquet

CIRAD-GREEN : Gestion des ressources Renouvelables, France

Denis Gautier

Environnement INRA-SAD : Systèmes Agraires et Développement, France

By this author

Top of page

Copyright

CC-BY-4.0

The text only may be used under licence CC BY 4.0. All other elements (illustrations, imported files) are “All rights reserved”, unless otherwise stated.

Top of page
Search OpenEdition Search

You will be redirected to OpenEdition Search