LEMONS: An open-source platform to generate non-circuLar, anthropometry-based pEdestrian shapes and simulate their Mechanical interactiONS in two dimensions

Le papier présente LEMONS, une plateforme open-source combinant des bibliothèques Python et C++ pour générer des foules de piétons aux formes non circulaires basées sur l'anthropométrie et simuler leurs interactions mécaniques en deux dimensions, tout en permettant aux utilisateurs de définir leur propre couche décisionnelle.

L'essentiel

🍋 LEMON : Le Simulateur de Foule "Réaliste"

Imaginez que vous essayez de modéliser une foule de personnes dans un logiciel. Jusqu'à présent, la plupart des scientifiques faisaient une chose très simple : ils représentaient chaque personne par un cercle parfait, comme des pièces de monnaie qui glissent sur une table.

Le problème ? Les humains ne sont pas des pièces de monnaie. Nous sommes plus larges sur les épaules, plus étroits à la taille, et nous avons une poitrine. Si on utilise des cercles, on ne peut pas simuler une foule très dense (comme dans un métro bondé ou un concert) sans que ça devienne faux. Avec des cercles, on arrive à peine à 4 personnes par mètre carré, alors que dans la réalité, on peut en avoir plus de 8 !

C'est là qu'intervient LEMONS (le nom du projet), un nouvel outil open-source créé par des chercheurs français. Voici comment ça marche, en trois étapes clés :

1. La "Recette" : Des Humains en 5 Pièces (au lieu d'un Cercle)

Au lieu de dessiner un rond, les chercheurs ont pris des données médicales réelles (des scans de corps humains conservés au froid) pour voir à quoi ressemble un torse humain de profil.

Ils ont découvert qu'on pouvait représenter un humain très simplement avec 5 disques qui se chevauchent :

• Deux pour les épaules (les plus larges).
• Deux pour la poitrine.
• Un pour le dos.

L'analogie : Imaginez que vous construisez un bonhomme avec des boules de pâte à modeler. Au lieu d'une seule grosse boule (le cercle), vous collez 5 petites boules ensemble pour former une silhouette en "H" ou en "8". C'est beaucoup plus proche de la réalité !

Grâce à cette forme, on peut maintenant empiler les gens beaucoup plus serrés, comme des sardines dans une boîte, atteignant des densités réalistes de 7,2 personnes par mètre carré.

2. La "Danse" : Comment les corps se poussent

Dans les vieux modèles, quand deux cercles se touchent, c'est comme deux balles de billard : ça rebondit ou ça glisse. C'est trop simple.

Dans LEMON, quand deux "humains" (ces 5 disques) se touchent :

• Le ressort : Si on vous pousse, votre corps se comprime un peu (comme un ressort). Le logiciel calcule cette élasticité.
• Le frottement : Si vous glissez contre quelqu'un, il y a une résistance (comme quand on frotte du cuir contre du bois). Le logiciel simule ce frottement.
• La rotation : Si on vous pousse sur l'épaule, vous tournez sur vous-même. Le logiciel calcule ce mouvement de rotation.

L'analogie : Imaginez que chaque personne est un petit robot fait de 5 balles élastiques collées ensemble. Si vous poussez l'un, les balles se déforment, les ressorts s'activent, et le robot recule ou tourne. C'est de la physique pure, pas de la magie.

3. Le "Cerveau" : À vous de décider où aller

C'est le point le plus important : LEMONS ne décide pas où les gens vont.

Le logiciel est comme un moteur de voiture très puissant, mais il n'a pas de conducteur.

• Le logiciel gère la mécanique : "Si je pousse ici, ça va bouger comme ça."
• L'utilisateur (vous, le chercheur ou l'architecte) est le conducteur. Vous dites au logiciel : "Cette personne veut aller vers la sortie", "Celle-ci panique", "Celle-ci pousse un landau".

C'est une boîte à outils. Vous pouvez y ajouter n'importe quelle règle de comportement (décisionnelle) et voir comment la physique réagit.

🛠️ À quoi ça sert concrètement ?

L'équipe a créé trois choses pour rendre ça facile à utiliser :

1. Un site web interactif : Vous pouvez aller sur une page web, choisir des tailles de corps (hommes, femmes, tailles différentes), et voir la foule se former devant vos yeux.
2. Un moteur ultra-rapide (C++) : Pour faire les calculs de physique complexes sans que votre ordinateur ne plante.
3. Un pont facile (Python) : Pour que les gens puissent écrire des scripts simples pour tester des scénarios.

Exemple d'utilisation :
Imaginez qu'on veuille tester la sécurité d'une sortie de secours dans un stade.

• Avec les vieux modèles (cercles), on pensait que tout le monde sortirait bien.
• Avec LEMON, on voit que parce que les gens ont des épaules larges et des poitrines, ils se coincent différemment. On peut voir comment une poussée se propage dans la foule (comme une onde) et identifier les points de danger réels.

🚀 En résumé

LEMONS, c'est comme passer d'un dessin animé où les personnages sont des bonhommes-bâtons à un film d'animation en 3D réaliste, mais en 2D.

• Avant : Des pièces de monnaie qui glissent.
• Maintenant : Des silhouettes humaines réalistes qui se compriment, frottent et tournent comme de vrais corps.

C'est un outil gratuit pour aider les architectes, les pompiers et les chercheurs à mieux comprendre comment les foules se comportent quand ça devient vraiment serré, pour éviter les accidents et sauver des vies.

Résumé technique

1. Problématique et Contexte

La modélisation des foules denses repose souvent sur des hypothèses simplificatrices qui limitent la précision des simulations, notamment dans les scénarios de haute densité (ex. : bousculades, évacuations d'urgence).

• Limites des modèles actuels : La majorité des modèles existants représentent les piétons comme des disques (cercles). Bien que cela simplifie les calculs de contact, cette géométrie est irréaliste. Elle sous-estime la densité maximale atteignable (environ 4 piétons/m² pour des disques de largeur d'épaule réaliste, contre plus de 8 piétons/m² observés empiriquement) et ne permet pas de capturer la complexité des contacts multiples (un piéton peut toucher jusqu'à 8 autres personnes simultanément, contre un maximum de 6 pour des disques).
• Manque de données anthropométriques : Les formes non circulaires (ellipses, polygones) utilisées dans certains modèles manquent souvent de fondement médical ou anthropométrique quantitatif, ce qui empêche de reproduire fidèlement l'hétérogénéité des populations et les statistiques de collision.
• Découplage mécanique/décisionnel : Il existe une séparation fréquente entre les modèles de prise de décision (navigation) et les modèles mécaniques (forces de contact), alors que ces deux niveaux sont intrinsèquement couplés dans les foules denses.

2. Méthodologie et Approche

Les auteurs proposent LEMONS (Local Environment for Mechanical Observation of Non-circular Shapes), une plateforme open-source conçue pour surmonter ces limitations.

A. Génération de foules réalistes (Niveau Python)

• Base de données anthropométriques : Le système utilise les données du projet Visible Human (images de cadavres cryoconservés) et la base de données ANSUR II (mesures corporelles de 6 000 militaires américains).
• Forme du piéton : Au lieu d'un disque unique, le piéton est modélisé en 2D par une projection de son torse à hauteur de poitrine, approximée par cinq disques partiellement superposés (deux pour les épaules, deux pour les pectoraux, un pour le dos).
• Génération synthétique : Les centres et les rayons de ces cinq disques sont ajustés via des homothéties pour correspondre aux mesures individuelles de profondeur de poitrine et de largeur bi-délotidienne (largeur d'épaule), permettant de générer des foules hétérogènes et réalistes.
• Outils : Une bibliothèque Python permet de générer ces foules, de les visualiser (2D/3D) et de les configurer via une interface graphique (Streamlit).

B. Moteur de simulation mécanique (Niveau C++)

• Interactions mécaniques : Le moteur calcule les forces de contact entre les disques constitutifs des agents et les obstacles.
  • Direction normale : Modèle de ressort-amortisseur (Kelvin-Voigt) pour capturer l'élasticité et la dissipation d'énergie.
  • Direction tangentielle : Modèle de frottement de Coulomb avec un ressort en série, gérant les phases d'adhérence (stick) et de glissement (slip).
• Équations du mouvement : Le mouvement du centre de masse et la rotation du torse sont régis par des équations différentielles couplées incluant :
  • Les forces de contact (piéton-piéton et piéton-mur).
  • Une force de propulsion ($F_p$) et un couple ($\tau_p$) définis par l'utilisateur (couche décisionnelle).
  • Une friction fluide effective avec le sol (relaxation vers l'état d'arrêt).
• Algorithme : Intégration temporelle via l'algorithme de Velocity-Verlet. Le système gère dynamiquement les listes de voisins pour optimiser les calculs de collision.

C. Architecture Logicielle

• Format de configuration : Utilisation de fichiers XML génériques pour définir la géométrie, les matériaux (module de Young, coefficients d'amortissement), les agents et les conditions dynamiques. Cela assure la flexibilité et l'extensibilité.
• Interface : Une bibliothèque C++ performante pour le calcul mécanique, encapsulée par une interface Python pour faciliter l'utilisation, la génération de foules et le contrôle des forces de propulsion.

3. Résultats et Validation

• Densité maximale : Les simulations montrent que l'utilisation de formes anisotropes (5 disques) permet d'atteindre des densités de 7,2 piétons/m², beaucoup plus proches des observations réelles que les modèles à disques (4 piétons/m²).
• Tests mécaniques : Huit suites de tests unitaires ont été développées pour valider chaque terme du modèle mécanique (poussée, collision mur, glissement, rotation, relaxation). Les résultats concordent avec les attentes théoriques.
• Étude de cas (Propagation de poussée) : Une simulation de la propagation d'une poussée dans une file de piétons a été réalisée et comparée à des expériences récentes (Feldmann et al.). Les trajectoires simulées correspondent bien aux données expérimentales, validant la capacité du modèle à reproduire la dynamique des foules denses sans nécessiter de modélisation complexe des bras ou de la posture (les effets sont capturés par les forces de contact et la friction).
• Extensibilité : La plateforme a été testée avec des agents hétérogènes (piétons + vélos), démontrant la flexibilité du format de configuration XML pour intégrer de nouvelles formes géométriques.

4. Contributions Clés

1. Outil Open-Source Complet : Une plateforme unifiée (Python/C++/Streamlit) accessible aux chercheurs et aux praticiens (débutants à experts) pour simuler des foules denses.
2. Modélisation Anthropométrique : Introduction d'une forme de piéton basée sur des données médicales réelles (5 disques), remplaçant l'hypothèse du disque unique et permettant une meilleure estimation des densités et des contacts multiples.
3. Découplage Flexible : La séparation claire entre la couche mécanique (calcul des forces) et la couche décisionnelle (choix des vitesses désirées) permet aux utilisateurs d'implémenter n'importe quel modèle de comportement (social-force, RVO, etc.) tout en bénéficiant d'une physique de contact réaliste.
4. Standardisation : Proposition d'un format XML générique pour la configuration des foules, facilitant l'échange de modèles et l'extension future (enfants, personnes avec bagages, etc.).

5. Signification et Impact

L'article LEMONS marque une avancée significative dans la modélisation des foules en levant les barrières techniques liées à la complexité géométrique. En passant de formes circulaires idéalisées à des formes anisotropes basées sur des données réelles, il permet :

• D'étudier plus fidèlement les phénomènes de foule dense et les risques de bousculade.
• D'explorer l'impact de l'hétérogénéité de la population sur la dynamique globale.
• De fournir un outil pédagogique et de recherche robuste pour la physique des systèmes complexes et la matière active.

Ce travail ouvre la voie à des simulations plus réalistes pour les autorités publiques et les entreprises, tout en posant les bases pour de futures extensions en 3D et l'intégration de modèles de déformation corporelle plus avancés.