WEBVTT
Kind: captions
Language: fr

00:00:00.170 --> 00:00:05.630
Nous accueillons maintenant Sirish Namilae,
qui remplace son collègue Ashok Srinivasan,

00:00:05.630 --> 00:00:11.650
malheureusement privé d'électricité en
raison de l'ouragan qui a frappé la Floride.

00:00:11.650 --> 00:00:17.340
Nous remercions Sirish de nous avoir rejoints
dans un délai aussi court et nous sommes

00:00:17.340 --> 00:00:19.390
impatients d'entendre parler de votre travail.

00:00:19.390 --> 00:00:20.390
Merci Katie.

00:00:20.390 --> 00:00:23.760
Cette présentation devait être faite par
Ashok Srinivasan.

00:00:23.760 --> 00:00:29.300
Il est basé à Pensacola, qui est actuellement
frappée par l'ouragan, et il m'a donc demandé

00:00:29.300 --> 00:00:31.560
de faire cette présentation à sa place.

00:00:31.560 --> 00:00:35.510
Je fais partie du département d'ingénierie
aérospatiale de l'université aéronautique

00:00:35.510 --> 00:00:36.510
Embry-Riddle.

00:00:36.510 --> 00:00:44.030
Le titre de l'exposé et de notre projet est
"Exploiter de nouvelles sources de données

00:00:44.030 --> 00:00:49.010
pour analyser le risque de Covid-19 dans les
lieux très fréquentés".

00:00:49.010 --> 00:00:51.250
Le projet réunit deux équipes.

00:00:51.250 --> 00:00:55.290
L'équipe VIPRA : moi-même, Ashok, Matthew
Scotch et Anuj Mubayi.

00:00:55.290 --> 00:01:00.330
Nous avons étudié la dynamique des piétons
et les modèles de propagation des infections

00:01:00.330 --> 00:01:05.600
dans les transports aériens au cours des
deux ou trois dernières années.

00:01:05.600 --> 00:01:11.370
L'équipe CAM2, composée de Yung-Hsiang Lu,
David Barbarash, David Ebert et George, s'est

00:01:11.370 --> 00:01:18.240
quant à elle penchée sur les données des
webcams accessibles au public.

00:01:18.240 --> 00:01:24.950
Ce que nous faisons ici, c'est combiner ces
deux sources de données, les images des webcams

00:01:24.950 --> 00:01:31.361
accessibles au public et les données LBS,
pour analyser le mouvement des piétons à

00:01:31.361 --> 00:01:33.960
l'aide de modèles de mouvement des piétons.

00:01:33.960 --> 00:01:36.930
Je remercie la NSF pour son soutien.

00:01:36.930 --> 00:01:39.770
La motivation du projet est la suivante.

00:01:39.770 --> 00:01:42.040
Nous savons que la proximité entre les êtres
humains est le principal moteur de propagation

00:01:42.040 --> 00:01:45.710
de la Covid-19, mais l'éloignement social
pose un défi économique et perturbe de nombreuses

00:01:45.710 --> 00:01:47.560
activités humaines, dont certaines sont inévitables.

00:01:47.560 --> 00:01:49.409
Par exemple, les voyages en avion.

00:01:49.409 --> 00:01:52.829
Nous pouvons les réduire, mais leur arrêt
complet ne serait pas économiquement réalisable.

00:01:52.829 --> 00:01:57.270
Ce que nous voulons faire, c'est élaborer
des politiques précises qui peuvent être

00:01:57.270 --> 00:02:00.740
suivies dans les environnements bâtis pour
déterminer comment les piétons peuvent se

00:02:00.740 --> 00:02:01.740
déplacer.

00:02:01.740 --> 00:02:02.740
Par exemple, les aménagements.

00:02:02.740 --> 00:02:07.090
Les procédures d'embarquement dans les avions,
par exemple, peuvent augmenter la distance

00:02:07.090 --> 00:02:11.560
sociale et réduire la propagation des infections
sans perturber complètement les activités.

00:02:11.560 --> 00:02:13.760
Notre approche - nous utilisons l'informatique
parallèle pour traiter différentes situations

00:02:13.760 --> 00:02:14.760
pour une politique donnée et chercher - identifier
les vulnérabilités dans le système global

00:02:14.760 --> 00:02:16.230
au lieu de prédire le nombre d'infections.

00:02:16.230 --> 00:02:21.720
Par exemple, nous voulons étudier l'efficacité
de la politique dans différentes conditions

00:02:21.720 --> 00:02:22.720
en utilisant le calcul parallèle.

00:02:22.720 --> 00:02:23.720
Notre idée de base est d'utiliser les dynamiques
des piétons.

00:02:23.720 --> 00:02:25.819
Il s'agit ici d'une simulation des dynamiques
piétonnes pendant l'embarquement.

00:02:25.819 --> 00:02:30.380
Pour la dynamique des piétons, nous utilisons
une approche connue sous le nom de modèle

00:02:30.380 --> 00:02:32.070
de force sociale.

00:02:32.070 --> 00:02:39.239
Ce modèle emprunte beaucoup aux simulations
de dynamique moléculaire où les atomes interagissent

00:02:39.239 --> 00:02:41.030
les uns avec les autres.

00:02:41.030 --> 00:02:47.550
À la place des atomes, nous avons des particules
de piétons qui ont des forces équilibrées

00:02:47.550 --> 00:02:49.550
parce que les piétons se déplacent vers
une cible particulière et des forces de répulsion

00:02:49.550 --> 00:02:52.260
en raison des interactions.

00:02:52.260 --> 00:02:59.010
Par exemple, dans cette simulation de l'embarquement
à bord d'un avion, nous pouvons créer différents

00:02:59.010 --> 00:03:03.280
modèles d'embarquement et examiner le nombre
de minutes de contact.

00:03:03.280 --> 00:03:08.879
Dans une étude récente, nous avons constaté
qu'à cause de Covid-19, de nombreuses compagnies

00:03:08.879 --> 00:03:12.250
aériennes sont passées à l'embarquement
de l'arrière vers l'avant.

00:03:12.250 --> 00:03:15.209
Or, l'embarquement par l'arrière augmente
le nombre de minutes de contact avec les personnes

00:03:15.209 --> 00:03:19.340
se trouvant dans les allées, de sorte qu'il
existe d'autres méthodes d'embarquement.

00:03:19.340 --> 00:03:25.890
Par exemple, la division en plusieurs zones
ou l'embarquement aléatoire avec un embarquement

00:03:25.890 --> 00:03:32.650
très lent permettent de réduire le nombre
de minutes de contact dans une simulation

00:03:32.650 --> 00:03:33.650
d'embarquement.

00:03:33.650 --> 00:03:37.849
Lorsqu'il s'agit d'un seul avion, il est plus
facile de réaliser ce type de simulation

00:03:37.849 --> 00:03:40.340
car les conditions initiales sont bien connues.

00:03:40.340 --> 00:03:46.470
Mais s'il s'agit d'un avion entier ou d'un
parc d'attractions Disney - de grands espaces

00:03:46.470 --> 00:03:53.290
- les conditions initiales sont très variables
et le comportement humain est intrinsèquement

00:03:53.290 --> 00:03:54.290
incertain.

00:03:54.290 --> 00:04:01.670
Pour tenir compte de ces incertitudes, nous
voulons intégrer de nouvelles sources de

00:04:01.670 --> 00:04:10.340
données dans la modélisation des conditions
initiales et la modélisation de la variation

00:04:10.340 --> 00:04:17.829
du comportement associé aux humains dans
la dynamique des piétons.

00:04:17.829 --> 00:04:25.300
Les nouvelles sources de données sont les
services de géolocalisation basés sur les

00:04:25.300 --> 00:04:32.500
données d'utilisation des téléphones portables
et les images des webcams accessibles au public.

00:04:32.500 --> 00:04:51.240
L'idée générale est la suivante : nous
commençons par l'agencement et les procédures,

00:04:51.240 --> 00:04:52.240
les politiques.

00:04:52.240 --> 00:04:57.570
Par exemple, si vous parlez d'un aéroport,
il y a différentes étapes à la billetterie,

00:04:57.570 --> 00:05:08.510
à l'enregistrement, à la barrière de sécurité,
vous savez, il y a donc ces dispositions et

00:05:08.510 --> 00:05:11.670
procédures associées à l'embarquement et
ainsi de suite.

00:05:11.670 --> 00:05:18.720
Il est possible d'étudier la dynamique des
piétons à ces différentes étapes afin

00:05:18.720 --> 00:05:26.669
d'établir les contacts et de poursuivre les
études d'infection à l'aide du modèle d'infection

00:05:26.669 --> 00:05:27.669
SIR.

00:05:27.669 --> 00:05:47.400
Nous ajoutons à cela des données de services
basés sur la localisation et des caméras

00:05:47.400 --> 00:05:59.479
de réseau qui peuvent identifier des éléments
tels que l'utilisation des masques et fournir

00:05:59.479 --> 00:06:12.810
des informations sur la vitesse et la densité
des piétons, etc.

00:06:12.810 --> 00:06:19.840
Telle est l'idée de base et je voudrais présenter
un exemple très rapide.

00:06:19.840 --> 00:06:22.940
Il s'agit de l'aéroport international d'Orlando.

00:06:22.940 --> 00:06:33.440
Lorsque nous utilisons les données des téléphones
portables, nous pouvons identifier les endroits

00:06:33.440 --> 00:06:42.020
où la densité de piétons est la plus élevée
et qui se trouvent être des points de contrôle

00:06:42.020 --> 00:06:45.099
de sécurité aux deux extrémités de l'aéroport,
puis nous pouvons concevoir des files d'attente

00:06:45.099 --> 00:06:47.150
qui réduiraient le nombre de contacts.

00:06:47.150 --> 00:06:53.500
Nous avons également constaté que l'utilisation
de barrières solides, l'application de la

00:06:53.500 --> 00:06:59.190
file d'attente unique, toutes ces mesures
permettent de réduire le nombre total de

00:06:59.190 --> 00:07:02.259
contacts de 75 %. Je m'arrêterai ici, merci.