Soutenance de thèse de doctorat 7 Octobre 2015 EDITE de Paris

Étude et définition de mécanismes sémantiques dans les environnements virtuels pour améliorer la crédibilité comportementale des agents Utiltion d une ontologie de services Soutenance de thèse de doctorat 7 Octobre 2015 EDITE de Paris Présentée par : KENZA HARKOUKEN Équipe SMA Direction et encadrement: NICOLAS SABOURET Encadrement : JEAN-YVES DONNART

Contexte : Projet Terra Dynamica Peupler une ville virtuelle Représenter «la vie dans la ville» Humains Réalistes Individuel / groupe Interaction avec l environnement Comportements crédibles Sélectionné par le FUI8 Soutenu par Cap digital et Advancity Plusieurs partenaires industriels 6 thèses (Sémantique de l environnement, Décision, Navigation, Scénartion, Comportements émotionnels et Coordination) 2

Contexte : Projet Terra Dynamica TERRA DYNAMICA Peupler une ville virtuelle Représenter «la vie dans la ville» Humains Réalistes Individuel / groupe Interaction avec l environnement Comportements crédibles Systèmes Multi-Agents Agents autonomes Environnement virtuel 3

Contexte : Projet Terra Dynamica TERRA DYNAMICA Peupler une ville virtuelle Représenter «la vie dans la ville» Humains Réalistes Individuel / groupe Interaction avec l environnement Comportements crédibles Systèmes Multi-Agents Agents autonomes Environnement virtuel Sémantique de l EV Objets (Banc public) Fonctions (s asseoir) 4

Contexte : Projet Terra Dynamica TERRA DYNAMICA Peupler une ville virtuelle Représenter «la vie dans la ville» Humains Réalistes Individuel / groupe Interaction avec l environnement Comportements crédibles Systèmes Multi-Agents Agents autonomes Environnement virtuel Sémantique (EVS) Objets (Banc public) Fonctions (s asseoir) 5

Environnement Virtuel Sémantique Problématique : Compromis entre Autonomie et contrôle par l environnement Environnement Virtuel Sémantique (EVS) [Latoschik 07] VS Agents virtuels Informations sur l'ev Raisonnement sur l'état de l'ev Proposition d objets Connaissances internes Raisonnement sur les croyances Choix d action et planification Contrôle par l EV Autonomie 6

Environnement Virtuel Sémantique Problématique : Compromis entre Autonomie et contrôle par l environnement Environnement Virtuel Sémantique (EVS) [Latoschik 07] VS Agents virtuels Informations sur l'ev Raisonnement sur l'état de l'ev Proposition d objets Connaissances internes Raisonnement sur les croyances Choix d action et planification Contrôle par l EV Autonomie Conserver l autonomie des agents évoluant dans un environnement virtuel sémantique 7

Contribution Représentation sémantique de l'ev Modèle de proposition de services Augmenter la crédibilité comportementale des agents virtuels Protocole d évaluation de la crédibilité 8

Plan État de l art Modèle de l environnement Évaluation : Passage à l échelle Évaluation : Impact sur la crédibilité 9

État de l art 10

État de l art Simulation Environnement virtuel Agents virtuels Représentation Sémantique de l EV Crédibilité comportementale 11

État de l art Simulation Environnement virtuel Agents virtuels 1 2 Représentation Sémantique de l EV Crédibilité comportementale 12

Représentation de l environnement virtuel sémantique Modéltion de l EV En ajoutant de l annotation [Loughlin94], [Harmon96] Compléter la représentation par des annotations sémantiques En se basant sur un modèle préexistant [Linturi00], [Dokonal04] Tirer profit d une représentation de l EV existante Avec son modèle sémantique [Doyle02], [Yong06] Couche sémantique indépendante de la représentation des entités de l EV 13

Représentation de l environnement virtuel sémantique Modéltion de l EV En ajoutant de l annotation [Loughlin94], [Harmon96] Compléter la représentation par des annotations sémantiques En se basant sur un modèle préexistant [Linturi00], [Dokonal04] Tirer profit d une représentation de l EV existante Avec son modèle sémantique [Doyle02], [Yong06] Couche sémantique indépendante de la représentation des entités de l EV Modèle de représentation existant Cette représentation n a de sens que pour les utilteurs 14

Représentation de l environnement virtuel sémantique Modéltion de l EV En ajoutant de l annotation [Loughlin94], [Harmon96] En se basant sur un modèle préexistant [Linturi00], [Dokonal04] Avec son modèle sémantique Rendre l EV compréhensible par les agents Représentation indépendante de la représentation graphique de l EV Portabilité [Pellens05], [Vanacken07] Réutilbilité [Otto05], [Ibàñez06] Flexibilité [Gutierrez05] Généricité [Grimaldo08], [Chevaillier09] Raisonnement [Chang05], [Ibàñez06] Planification[Kalogerakis06],[Lourdeaux10] 15

Représentation de l environnement virtuel sémantique Modéltion de l EV En ajoutant de l annotation [Loughlin94], [Harmon96] En se basant sur un modèle préexistant [Linturi00], [Dokonal04] Avec son modèle sémantique Rendre l EV compréhensible par les agents Représentation indépendante de la représentation graphique de l EV Ontologie Lever les ambiguïtés Modéliser des relations complexes Utilise un langage formel Portabilité [Pellens05], [Vanacken07] Réutilbilité [Otto05], [Ibàñez06] Flexibilité [Gutierrez05] Généricité [Grimaldo08], [Chevaillier09] Raisonnement [Chang05], [Ibàñez06] Planification[Kalogerakis06],[Lourdeaux10] 16

Représentation de la sémantique Dans le domaine du Web Sémantique Propriétés fonctionnelles Ontologie de services [Martin04] Représentation des services Découverte de services Comparaison entre les services QoS Propriétés de qualité Propriétés non-fonctionnelles Réservation de billet d avion : Dates + lieu payement et réservation E S Fct Réservation de billet d avion : Payement CB payement sécurisé Paramètres QoS Choisir le meilleur service 17

Représentation de la sémantique Modèle de sélection Propriétés fonctionnelles VS Propriétés fonctionnelles Propriétés non-fonctionnelles Éviter aberration QoS Choix cohérent Un meilleur choix 18

Représentation de la sémantique Modèle de sélection Propriétés fonctionnelles Insuffnt pour sélectionner le meilleur choix 19

Représentation de la sémantique Modèle de sélection Propriétés fonctionnelles Insuffnt pour sélectionner un meilleur choix Les agents n expriment pas leurs préférences explicitement Difficile d appliquer les techniques de décision multifactorielles [Fishburn,70] 20

Représentation de la sémantique Modèle de sélection Propriétés fonctionnelles Insuffnt pour sélectionner un meilleur choix Les agents n expriment pas leurs préférences explicitement Difficile d appliquer les techniques de décision multifactorielles [Fishburn,70] Grand nombre d agents Difficile de tenir compte des préférences des agents pour différents services proposés par des objets hétérogènes 21

Représentation de la sémantique Modèle de sélection Propriétés fonctionnelles Insuffnt pour sélectionner un meilleur choix Les agents n expriment pas leurs préférences explicitement Difficile d appliquer les techniques de décision multifactorielles [Fishburn,70] Grand nombre d agents Difficile de tenir compte des préférences des agents pour différents services proposés par des objets hétérogènes Ontologie de services QoS Un meilleur choix Augmenter la crédibilité 22

Crédibilité & Comportement La crédibilité de la simulation dépend de la crédibilité comportementale [Loyall97] Interprétable et compréhensible [Sengers99] En accord avec le contexte [Loyall97] Consistant et cohérent [Ortony03] Émotionnel [Laakosolahti01] Sociable [Guye-Vuillème00] Comment évaluer la crédibilité? 23

Crédibilité & Comportement Évaluation Questionnaire Tester avec un certain nombre d utilteurs Mesurer le degré d empathie [Laaksolahti01] Illusion de la vie [Isbister02] Déroulement de l apprentissage [Garnier13] Analyse cohérente Explicitation des comportements Temps de traitement des résultats 24

Objectifs et Propositions Rendre l environnement compréhensible? Représentation sémantique Ontologie de services Offrir un meilleur choix? Propriété Non-fonctionnelle QoS Mesurer la crédibilité? Élaborer un protocole d évaluation (Questionnaire) 25

Modèle de sélection de services dans l EVS 26

Modèle : Sélection de services dans l EVS Environnement Virtuel Objets (Feux de signaltion Bancs, etc) 27

Modèle : Sélection de services dans l EVS Environnement Virtuel Objets (Feux de signaltion Bancs, etc) Services (s orienter, s asseoir, etc) 28

Modèle : Sélection de services dans l EVS Agent Environnement Virtuel Objets (Feux de signaltion Bancs, etc) Moteur de Décision (Choix d action + Planification) Services (s orienter, s asseoir, etc) 29

Modèle : Sélection de services dans l EVS Agent Environnement Virtuel 1 Demande de services Objets (Feux de signaltion Bancs, etc) Moteur de Décision (Choix d action + Planification) Services (s orienter, s asseoir, etc) 30

Modèle : Sélection de services dans l EVS Agent Environnement Virtuel 1 Demande de services Objets (Feux de signaltion Bancs, etc) Moteur de Décision (Choix d action + Planification) Sélection d objet = Calcul de QoS Services (s orienter, s asseoir, etc) 31

Modèle : Sélection de services dans l EVS Agent Environnement Virtuel 1 Demande de services Objets (Feux de signaltion Bancs, etc) Moteur de Décision (Choix d action + Planification) 2 Proposition d objets Sélection d objet = Calcul de QoS Services (s orienter, s asseoir, etc) 32

Modèle : Sélection de services dans l EVS Agent Environnement Virtuel 1 Demande de services Objets (Feux de signaltion Bancs, etc) Moteur de Décision (Choix d action + Planification) 2 Proposition d objets Sélection d objet = Calcul de QoS Services (s orienter, s asseoir, etc) Principe général Représenter les fonctions proposées par les objets par des services Calculer une QoS pour sélectionner le meilleur objet 33

Modèle Interactions avec l EV Besoins du module de décision des agents Pendant la planification Informations sur l environnement pour élaborer un plan Qu est ce qui me permet de m asseoir? (banc public, chaise ) Agent Pendant l exécution Adapter le comportement des agents selon le contexte et l état de l environnement Réaliser une action non prioritaire / les objets qui permettent de réaliser l action sont plus difficiles à atteindre que les autres objets du plan Est-ce que ce banc est libre pour m asseoir? (oui/proposition d un autre objet) J aimerai jeter un papier dès que je trouve un objet qui me permet de le faire! (poubelle)

Modèle Interactions avec l EV Trois modes d interactions (agent / environnement) Pendant la planification Mode Interrogatif Elaborer un plan Pendant l exécution Mode Réactif Mode Proactif Action imminente action + état objet Action opportuniste

Modèle Représentation sémantique de l EVS Description générique Description des services de l EV Description graphique de l EV Ontologie de services Base de Données Graphiques Représentation sémantique Instance

Modèle Ontologie de services Thing Service Critère Objet Concepts S O C r où S l ensemble de tous les services O l ensemble de tous les types d objets C r rassemble les critères d évaluation Relations propose(o, s) O S offertpar(s, o) S O évalue(c, s) C r S évaluépar(s, c) S C r 37

Modèle Ontologie de services Exemple Thing Service Qualité Temps Quantité coût Critère évalue Manger Objet propose Restaurant Brasserie Boulangerie Fast-food Concepts S O C r où S l ensemble de tous les services O l ensemble de tous les types d objets C r rassemble les critères d évaluation Relations propose(o, s) O S offertpar(s, o) S O évalue(c, s) C r S évaluépar(s, c) S C r 38

Modèle Ontologie de services Thing Service Niveau générique Critère Objet Service de comportement implement Service d action dep Services S = S a S c où S a les services d action S c les services de comportement Avec S c S a = φ Relations implement(s, s ) S a S c dep(s, s ) S a S a

Modèle Ontologie de services Exemple Thing Service Critère Objet Service de comportement Manger implement implement Service d action serestaurer casserlacroute grignoter dep 40

Modèle Ontologie de services Exemple Critère Service de comportement Thing Service implement Service d action Objet dep Restaurant Distributeur Boulangerie Fast-food Instances Quick McDonald s Manger implement serestaurer grignoter casserlacroute 41

Modèle Ontologie de services Exemple Critère Service de comportement Thing Service implement Service d action Objet dep Niveau générique S asseoir Boire café Bar/Café propose dep Services S = S a S c où S a les services d action S c les services de comportement Avec S c S a = φ Relations implement(s, s ) S a S c dep(s, s ) S a S a 42

Modèle Définition des propriétés non fonctionnelles de la QoS Pertinence des résultats Vérifier tous les critères d évaluation du service Pas de conditions supplémentaires Éviter aux agents de rajouter une action supplémentaire à leur plan Accessibilité du service Faire la différence entre : un type d objet très présent dans l EV facile d accès un type d objet rare dans l EV mais qui reste le seul moyen d avoir le service 43

Modèle Calcul de la QoS Propriétés Non-fonctionnelles de la QoS Efficacité Eff o, s : pertinence du service proposé par un objet / service demandé Difficulté Diff o, s : contraintes supplémentaires à rajouter pour accéder au service souhaité Proximité Prox(o, s) : proximité d un service en fonction de l abondance des objets qui le proposent QoS(o, s) = a x Eff o,s +b x Diff o,s +c x Prox(o,s) a+b+c avec QoS(o, s) [0, 1] 44

Modèle Calcul de la QoS Critères de qualité QC(o,s) C r (s) QC(Distributeur, casserlacroute)= {Coût, Temps, Qualité, Quantité} QC(FastFood, casserlacroute)= {Coût, Temps, Qualité, Quantité, Ambiance}. Qualité Temps Quantité coût Ambiance Critère Service de comportement Thing Service implement Service d action Objet dep Manger implement casserlacroute 45

Modèle Calcul de la QoS Critères de qualité QC(o,s) C r (s) QC(Distributeur, casserlacroute)= {Coût, Temps, Qualité, Quantité} QC(FastFood, casserlacroute)= {Coût, Temps, Qualité, Quantité, Ambiance}. Qualité Temps Quantité coût Critère Service de comportement Thing Service implement Service d action Objet dep Restaurant Boulangerie Distributeur Fast-food Manger implement casserlacroute 46

Modèle Calcul de la QoS Critères de qualité QC(o,s) C r (s) QC(Distributeur, casserlacroute)= {Coût, Temps, Qualité, Quantité} QC(FastFood, casserlacroute)= {Coût, Temps, Qualité, Quantité, Ambiance}. Qualité Temps Quantité coût Ambiance Critère Service de comportement Thing Service implement Service d action Objet dep Restaurant Boulangerie Distributeur Fast-food Manger implement casserlacroute 47

Modèle Calcul de la QoS Valeurs de qualité d un service V q (s,c) V(c) s = casserlacroute, c = Quantité, Quantité évaluépar Distributeur propose V q (s,c) = {Moyenne, Petite} casserlacroute 48

Modèle Calcul de la QoS Valeurs de qualité d un service V q (s,c) V(c) s = casserlacroute, c = Quantité, Quantité évaluépar Distributeur propose V q (s,c) = {Moyenne, Petite} casserlacroute Estimation de la qualité d un service EQ(s) = {(c,v) C r (s) V q (s,c)} EQ(s) = {(Quantité, Petite), (Quantité, Moyenne)} 49

Modèle Calcul de la QoS Valeurs de qualité d un service V q (s,c) V(c) s = casserlacroute, c = Quantité, Quantité évaluépar Distributeur propose V q (s,c) = {Moyenne, Petite} casserlacroute Estimation de la qualité d un service EQ(s) = {(c,v) C r (s) V q (s,c)} EQ(s) = {(Quantité, Petite), (Quantité, Moyenne)} Effet d un service par type d objet EQ(o,s) = {(c,v)/c QC(o,s) v V q (s,c)} EQ(o,s)= { (Coût, Pas Cher), (Temps, Rapide), (Quantité, Petite)}. 50

Modèle Calcul de la QoS : Efficacité Efficacité Eff(o,s) = EQ(s) EQ(o,s) QC(o,s) Exemple Qualité Temps Quantité coût Agent Critère Action = Casser la croute? Service d action Service implement Module sémantique de l EV Objet Service de comportement Restaurant Fast-food Boulangerie Distributeur casserlacroute implement Manger 51

Modèle Calcul de la QoS : Efficacité Efficacité Eff(o,s) = EQ(s) EQ(o,s) QC(o,s) Exemple Agent Action = Casser la croute? Module sémantique de l EV Objet o = Distributeur, Service s = Casser la croute QC (o, s) = {Coût, Temps, Qualité, Quantité} EQ(s) = {(coût, Pas Cher), (Temps, Rapide), (Temps, Moyen), (Quantité, Petite), (Quantité, Moyenne), (Qualité, Moyenne), (Qualité, Bonne)} EQ(o, s) = {(Coût, Pas Cher), (Temps, Rapide), (Quantité, Petite), (Qualité, Mauvaise)} Eff(o, s) = 3/4 52

Modèle Calcul de la QoS : Difficulté Difficulté Diff(o,s) = C r(s ) QC(o,s) QC(o,s ) C r (s ) Si dep(s, s ) Diff(o, s) = 1 Sinon Diff(o, s) = 0 Exemple Agent Action = s asseoir? Module sémantique de l EV Confort Calme coût Critère Service Service d action Objet Banc public Bar / Café Boire café dep S asseoir 53

Modèle Calcul de la QoS : Difficulté Difficulté Diff(o,s) = C r(s ) QC(o,s) QC(o,s ) C r (s ) Si dep(s, s ) Diff(o, s) = 1 Sinon Diff(o, s) = 0 Exemple Agent Action = s asseoir? Module sémantique de l EV Service souhaité s = S asseoir, Service imposé s = Boire café, Objet o = Bar Café, C r (s )={Coût }, QC(o, s )= { Coût }, QC(o, s)= { Confort, Calme }, QC(o, s) QC(o, s ) = 0 Diff(o, s) = 1-0/1 = 1 54

Modèle Calcul de la QoS : Proximité Proximité Prox(o,s) = O p(o) O s (s) Instances Exemple Agent Action = s asseoir? Module sémantique de l EV Banc1 Banc2 Confort Calme coût Critère Service Service d action Objet Banc public Bar / Café Banc3 Banc4 BarCafé1 BarCafé2 Boire café dep S asseoir 55

Modèle Calcul de la QoS : Proximité Proximité Prox(o,s) = O p(o) O s (s) Exemple Agent Action = s asseoir? Module sémantique de l EV Service souhaité s = S asseoir, objet o = Banc public Objets à proximité 2 x Bar Café + 4x Banc public, Prox(o, s) = 4/6 = 2/3 56

Evaluation : Passage à l échelle 57

Intégration du module dans Terra DYNAMICA Scénario Perceptions Informations Environnement Virtuel Actors & Special Effects Requêtes Résultats Effets IA Proposition de comportements Actions Notifications d actions Exécution MAC Navigation Modèle physique Visu & Son 3D Animations visuelles et sonores 58

Évaluation Passage à l échelle Grand nombre d agents Nombre de requêtes élevé Temps de réponse 59

Évaluation Passage à l échelle Grand nombre d agents Nombre de requêtes élevé Temps de réponse Temps de réponse aux requêtes Nombre d agents Nombre d agents + taille de l ontologie Nombre d agents + type d interactions 60

Évaluation Passage à l échelle Grand nombre d agents Nombre de requêtes élevé Temps de réponse Temps de réponse aux requêtes Nombre d agents Nombre d agents + taille de l ontologie Nombre d agents + type d interactions Machine utilisée : Windows XP Professional 64bits, 8Go de RAM, Processeur Intel Xenon CPU 3,20GHz 61

Passage à l échelle : Performance selon le nombre d agents Taille de l ontologie Jusqu à 2000 Agents avec buts Taille ontologie > 10000 concepts Requêtes en mode Interrogatif Évolution linéaire Temps < 0,25 ms / requête Pas de surcoût 62

Passage à l échelle : Performance selon le nombre d agents Mode Réactif Jusqu à 3000 Agents avec buts Taille ontologie < 100 concepts Requêtes en mode Réactif Temps de réponse pour mode interrogatif < 0,25 ms Pas de surcoût Négligeable / nombre d agents 63

Passage à l échelle : Performance selon le nombre d agents Mode Pro-actif Jusqu à 3000 Agents avec buts Taille ontologie < 100 concepts Requêtes en mode Pro-actif Temps de réponse pour mode interrogatif < 0,25 ms Évolution exponentielle / +1000 agents Surcoût recherche active 64

Passage à l échelle Conclusion Pas d impact sur le temps de réponse par rapport à : un grand nombre d agents ( 3000 agents) la taille de l ontologie ( 10000 concepts) différents modes d interactions Type d agents Agents sans but 760 Agents standards (avec but) 670 Nombre d agents maximal avant ralentissement Temps de réponse négligeable pour < 1000 agents quelque soit la taille de l ontologie et le mode d interaction Passe à l échelle 65

Evaluation : Impact sur la crédibilité 66

Evaluation Impact sur la crédibilité comportementale Objectif Évaluer la crédibilité comportementale des agents Valider les paramètres du modèle de sélection de services (QoS) Valider les différents modes d interaction avec l environnement Hypothèses Hyp1 : Crédibilité des choix des agents par rapport aux objets proposés Hyp2 : Crédibilité des comportements des agents Hyp3 : Crédibilité des interactions des agents avec leur environnement 67

Evaluation Impact sur la crédibilité comportementale Protocole Implémentation d'un scénario de simulation avec notre modèle (différents scénarios) Production de vidéos de simulation avec ces scénarios permettant de contrôler chaque hypothèse (9 vidéos au total) Questionnaire en ligne sur les vidéos produites (liste de diffusion du RISC) 106 participants 68

Evaluation Impact sur la crédibilité comportementale Vidéo EVALUATION SUBJECTIVE 69

Evaluation Résultats Hyp1 Crédibilité des choix des agents / aux objets proposés Question sur l Efficacité Q. Le choix des personnages est motivé par la fonction de l objet proposé? Vidéos Moyenne des réponses > 3 Test t de Student significatif Propositions pertinentes v1a : sans le paramètre Difficulté (E ND P) v1b : avec le paramètre Difficulté (E D P) v2a : sans le paramètre Proximité (E D NP) v2b : avec le paramètre Proximité (E D P) µ σ Mo v1a/eff 4,57 0,88 5 v1b/eff 3,59 1,44 5 v2a/eff 3,95 1,25 5 v2b/eff 4,06 1,15 5 70

Evaluation Résultats Hyp2 Crédibilité des comportements des agents Question sur la perception de l EV Q. Les personnages arrivent à voir et à interpréter ce qui se passe autour d eux? Vidéos v3a : sans le mode Réactif (E D P) v3b : avec le mode Réactif (E D P) µ σ Mo v3a 2,45 1,23 2 v3b 3,82 1,41 5 Test t de Student significatif Propositions pertinentes Interprétation des perceptions 71

Evaluation Résultats Hyp3 Crédibilité des interactions des agents avec leur environnement Question sur la crédibilité Q. Le comportement des agents est-il crédible? Vidéos v3a : sans le mode Réactif (E D P) v3b : avec le mode Réactif (E D P) v4 : avec le mode Proactif (E D P) µ σ Mo v3a 1,82 1,17 1 v3b 3,98 1,22 5 v4 3,90 1,27 5 Test t de Student significatif Propositions pertinentes Interactions crédibles 72

Evaluation Impact sur la crédibilité comportementale Conclusion Toutes les hypothèses sont vérifiées Le modèle de sélection de services permet d augmenter la crédibilité Les modes d interactions avec l environnement augmentent la crédibilité EVALUATION SUBJECTIVE 73

Conclusion et Perspectives 74

Conclusion Modèle Modèle de représentation de la sémantique des environnements virtuels Représentation des fonctions des objets dans une ontologie de services Comparer entre les services avec le calcul de la QoS Modèle générique appliqué sur les composants hétérogènes de l environnement Différents modes d interactions entre les agents et leur environnement Pour déduire des informations d aide à la décision (performance) Avoir des comportements crédibles (usage) 75

Conclusion Evaluation Passage à l échelle Grand nombre d agents Grand nombre de concepts dans l ontologie Protocole d évaluation de la crédibilité dans EVS Comportements des agents jugés crédibles Validation des paramètres de QoS 76

Perspectives Evaluation Paramètre de la QoS «Proximité» non validé Reprendre l évaluation du paramètre «Proximité» Utiliser un autre protocole d évaluation de notre modèle (Avec un avatar + Questionnaire) Évaluer l adaptabilité / portabilité Implémentation du modèle dans une autre architecture décisionnelle (BDI) Utiltion de notre modèle avec d autres types d EV (complexes *Lourdeau10+) 77

Perspectives Modèle Proposition de comportement Proposer des comportements relatifs aux changements d état de l environnement Adapter les propositions de l environnement Combiner notre modèle de sélection avec les techniques de l apprentissage Tenir compte d autres éléments de l EV : le moment de la simulation (Heure de pointe / creuse) la météo (beau temps / pluvieux) 78

Merci pour votre attention