Thèse Modèle dynamique de transport basé sur les activités

2.2.2. Planification et cognition
Dans cette section, nous essaierons de répondre à la question du dynamisme de décision sur
le programme d’activités via la science de la cognition et de l’intelligence artificielle. La
planification humaine est difficile à modéliser à cause de la complexité du problème. Des
recherches dans la science de la cognition montrent que la fonction principale de la cognition
humaine consiste à recueillir, stocker et traiter des informations extérieures pour atteindre
certains objectifs (Wezel et Jorna, 2001). L’intelligence humaine se traduit par la capacité de
planification et de résolution de problèmes. Du point de vue d’un individu, la planification
correspond au processus de résolution de problèmes pour atteindre ses objectifs. Des
stratégies adoptées dans le processus de planification décrivant la manière dont la séquence
d’exécution des tâches est conçue, se classent en deux théories : hiérarchique ou opportuniste.
La théorie hiérarchique suppose que des objectifs de planification ont une structure
hiérarchique pour résoudre les problèmes. Le processus de concrétisation d’objectifs permet
de générer des actions pour résoudre les problèmes. Cependant, des expériences empiriques
ont montré que la planification s’effectue de manière asynchrone et est déterminée par le
contexte du problème au moment de l’exécution (Hayes-Roth et Hayes-Roth, 1979). Or, en
réalité la stratégie de planification adoptée se situe entre les deux cas, c’est à dire que les
individus utilisent différentes stratégies pour résoudre différents types de problèmes,
conformément à la différence des individus et des expériences accumulées. Une autre
stratégie de planification humaine, proposée par (Riesbeck et Schank, 1989), décrit la
planification humaine comme un processus d’adaptation, c’est à dire que les individus
cherchent des solutions basées sur leurs expériences similaires. Cette stratégie reflète que la
planification humaine est un processus d’apprentissage et d’adaptation qui se décompose en
plusieurs étapes séquentielles : établir les objectifs, chercher les objectifs similaires et
résolus, chercher des plans existants, adapter ces plans, enregistrer les plans utilisés. Cette
stratégie explique les comportements habituels induits par leurs expériences (Aarts et al.,
1997 ; Chen et al., 2004). Plusieurs applications issues de cette stratégie visant à simuler le
processus de programmation des activités et des déplacements en milieu urbain ont été
réalisées (TRANSIMS, 2003 ; Raney et al, 2003).
2.3. Méthodes de modélisation
Dans cette section, nous présentons différentes méthodes utilisées pour modéliser le PAD.
Les méthodes de modélisation des PADs peuvent être classées en trois groupes : méthodes
simultanées, méthodes séquentielles et méthodes basées sur les systèmes multi-agent. Les
méthodes simultanées traitent le problème selon un cadre de maximisation d’utilité en
décrivant les PADs par des attributs d’activités. Les techniques utilisées sont basées soit sur
la simulation soit sur des méthodes d’optimisation mathématique. Les méthodes
séquentielles considèrent que le processus de décision du PAD est heuristique et dépend du
contexte. Le PAD est déduit d’une séquence de décision définie par un ensemble de règles de
décision du type « condition-action ». La troisième classe regroupe les méthodes qui traitent
le problème en simulant le comportement de nombreux agents (systèmes multi-agent). Un
état de l’art récent sur les méthodes de modélisation du PAD a été proposé dans l’article de
Timmermans (Timmermans, 2002). D’autres méthodes consistent à modéliser la durée
d’activités, et le lien entre les facteurs d’influence sur la génération de PADs (Pas, 1996 ;
Golob, 2003).
- 10 -