Etude du comportement humain grâce à la simulation multi-agents et aux méthodes de fouille de données temporelles
Abstract
The simulation tools have already been tested for the study of many phenomena, but to simulate human behavior remains a challenge for both computer and human sciences. In this context, we have worked on the simulation of individual behavior and social interactions in groups of individuals to observe the emergence of social phenomena. To this end, we conduct an inter-disciplinary mix of artificial intelligence techniques, multi-agent systems, social studies and data mining spatio-temporal. This thesis presents a new model of emotional agent: the agent EFT (Emotion, Feeling, Temperament). Based on BDI architecture, our model integrates the OCC model emotional and behavioral model PerformanSe. We also present a concrete implementation of our model: the simulation of brain injured persons on a packaging line. We describe the modeling of the interactions of our system through AgentUML. Through methods of data mining spatio-temporal, we extract relevant information from data from the simulation.
Les outils de simulation ont déjà été éprouvés pour l'étude de nombreux phénomènes, mais simuler le comportement humain reste un défi à la fois pour l'informatique et les sciences humaines. Dans ce contexte, nous avons travaillé sur la simulation des comportements individuels et des interactions sociales dans les groupes d'individus pour observer l'émergence de phénomènes sociaux. À cette fin, nous avons mener un travail inter-disciplinaire mêlant des techniques d'intelligence artificielle, de systèmes multi-agents, de sciences humaines et de fouille de données spatio-temporelles. Cette thèse présente un nouveau modèle d'agent émotionnel : l'agent EFT (Emotion, Feeling, Temperament). Basée sur une architecture BDI, notre modèle intègre le modèle émotionnel OCC et le modèle comportemental PerformanSe. Nous présentons également une implémentation concrète de notre modèle : la simulation de personnes cérébrolésés sur une chaîne de conditionnement. Nous décrivons la modélisation des interactions de notre système grâce à AgentUML. Via des méthodes de fouille de données spatio-temporel, nous extrayons les informations pertinentes à partir des données issues de la simulation.