nfluence de la mobilite quotidienne sur la propagation de la dengue developpement dun modele urbain integre a base d’agents b ảnh hưởng của di chuyển hằng ngày tới việc lan truyền bệnh sốt xuất huyết phát triển một mô

Dans ce travail, nous essayons de comprendre les liens qui pourraient exister entre la mobilité de la population et la propagation d’épidémies de dengue.. Pour la population humaine : Po

UNIVERSITE NATIONALE DU VIETNAM, HANOI INSTITUT FRANCOPHONE INTERNATIONAL

PINON PIERRE-ANTOINE

INFLUENCE DE LA MOBILITE QUOTIDIENNE SUR LA PROPAGATION DE LA DENGUE: DEVELOPPEMENT D'UN MODELE URBAIN

INTEGRE A BASE D’AGENTS

ẢNH HƯỞNG CỦA DI CHUYỂN HÀNG NGÀY TỚI VIỆC LAN TRUYỀN BỆNH SỐT XUẤT HUYẾT: PHÁT TRIỂN MỘT MÔ HÌNH ĐÔ THỊ

TRÊN NỀN HỆ ĐA TÁC TỬ

MEMOIRE DE FIN D’ETUDES DU MASTER INFORMATIQUE

HANOI – 2015

UNIVERSITE NATIONALE DU VIETNAM, HANOI INSTITUT FRANCOPHONE INTERNATIONAL

PINON PIERRE-ANTOINE

INFLUENCE DE LA MOBILITE QUOTIDIENNE SUR LA PROPAGATION DE LA DENGUE: DEVELOPPEMENT D'UN MODELE URBAIN

INTEGRE A BASE D’AGENTS

ẢNH HƯỞNG CỦA DI CHUYỂN HÀNG NGÀY TỚI VIỆC LAN TRUYỀN BỆNH SỐT XUẤT HUYẾT: PHÁT TRIỂN MỘT MÔ HÌNH ĐÔ THỊ

TRÊN NỀN HỆ ĐA TÁC TỬ

Spécialité: Systèmes Intelligents et Multimédia Code: Programme pilote

MEMOIRE DE FIN D’ETUDES DU MASTER INFORMATIQUE

Dr Nicolas MARILLEAU, Ingénieur de recherche

Lu et validé, bon pour la soutenance

HANOI - 2015

ATTESTATION SUR L’HONNEUR

J’atteste sur l’honneur que ce mémoire a été réalisé par moi-même et que les données

et les résultats qui y sont présentés sont exacts et n’ont jamais été publiés ailleurs La source des informations citées dans ce mémoire a été bien précisée

LỜI CAM ĐOAN

Tôi cam đoan đây là công trình nghiên cứu của riêng tôi

Các số liệu, kết quả nêu trong Luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác Các thông tin trích dẫn trong Luận văn đã được chỉ rõ nguồn gốc

Signature de l’étudiant

PINON Pierre-Antoine

REMERCIEMENTS

Je tiens à exprimer toute ma reconnaissance à M Alexis Drogoul, directeur de recherche à l’IRD UMMISCO/UPMC, qui m'a proposé cette offre de stage, et je le remercie pour l'encadrement sans faille, le suivi qu’il ma apporté à mon stage, les conseils, les discussions et réunions que nous avons pu avoir tout au long de la réalisation de ce stage, aussi pour l’inspiration, et pour le temps qu’il a bien voulu me consacrer

Je tiens à remercier toute l’équipe pédagogique de l’Institut de la Francophonie pour l’Informatique (IFI) de Hanọ, Vietnam et les intervenants professionnels responsables

de la formation en master de recherche en informatique, pour avoir assuré la partie théorique de celle-ci

Mes sincères remerciements s’adressent aussi à l’ensemble de l’équipe du projet PICURS, Mlle Julie Blot, Post-Doctorante en géographie, M Frédérick Gay, Spécialiste en statistique et M Bernard Gazelles, Spécialiste en épidémiologie, pour les données épidémiologiques qu’il m'a apportées

Je remercie l’ensemble du personnel "ICTLab" de l'Université des Sciences et Techniques de Hanoi, pour son accueil très chaleureux et pour les conditions de travail optimales

Je souhaite remercier toutes les personnes qui m'ont aidé et soutenu durant toute la période du stage, en particulier à M Truong Chi Quang, qui m'a aidé à la création des données shapefiles, à Huynh Quang Nghi, qui m'a aidé à la mise en place de la plateforme ainsi que Duc An Vo, développeur du plug-in Gen* sous GAMA, qui m'a aidé à comprendre et à implémenter ce plug-in dans le modèle

Egalement, je remercie les personnes qui m'ont accueillie lors de ma mission à Can Tho, Minh Thu, Van Pham Dang Tri et Nguyen Hieu Trung

Enfin, j’adresse mes plus sincères remerciements à ma famille, qui m’a toujours soutenue et encouragé au cours de la réalisation de mes études et de ce mémoire

Merci à toutes et à tous

RESUME

La maladie de dengue est une maladie virale transmis par les moustiques Aedes aegypti à l’homme Cette maladie se propage géographiquement très vite si certaines mesures ne sont pas prises au moment opportun La vitesse de propagation d’épidémies de dengue dépend fortement des différents facteurs tels que les facteurs climatiques, les facteurs démographiques, et les facteurs hydrologiques Mise à part ces trois facteurs, la mobilité de la population est aussi un facteur non négligeable lors

de la propagation d’épidémies de dengue vis à vis des risques sanitaires Dans ce travail, nous essayons de comprendre les liens qui pourraient exister entre la mobilité

de la population et la propagation d’épidémies de dengue Nous avons construit un modèle à base d’agents couplé à un modèle mathématique permettant de simuler la propagation d’épidémies de dengue au niveau microscopique Notre modèle s’appuie sur les données réelles d’une grande ville à risques : Can Tho (Vietnam) Nous avons constaté lors des expérimentations que plus les individus se déplacent, plus la maladie s’étend très vite Ce qui nous permet de dire que la mobilité de la population a un impact direct sur le ralentissement ou l’accélération de la vitesse de propagation d’épidémies de dengue Nous avons constaté aussi que l’aménagement du territoire a

un effet sur la propagation d’épidémies de dengue Egalement, nous avons constaté que le changement climatique a un impact direct sur la reproduction des moustiques,

ce qui favorise ou pénalise la propagation d’épidémies de dengue dans une courte durée Notre modèle pourrait aider les décideurs à comprendre le rôle de la mobilité de

la population face à la propagation d’épidémies de dengue

ABSTRACT

The dengue disease is a viral disease transmitted by Aedes aegypti mosquitoes to humans This disease is spread geographically very quickly if some measures are not taken at the right time The speed of propagation of epidemics of dengue is highly dependent on various factors such as climatic factors, demographic factors, and hydrology factors Aside from these three factors, the mobility of the population is also

a significant factor in the spread of dengue epidemics In this work, we try to understand the relationships that may exist between the mobility of the population and spread of dengue epidemics overlooked health risks We built an agent based model coupled with a mathematical model to simulate the spread of dengue epidemics at the microscopic level Our model is based on the actual data of the population of the a citie at risk : Can Tho (Vietnam) We found in experiments that more individuals move, more the disease spreads very quickly This allows us to say that the mobility of the population has a direct impact on slowing or accelerating the rate of spread of dengue epidemics We also found that land has an effect on the spread of dengue epidemics Also, we found that climate change has a direct impact on the reproduction

of mosquitoes, which favors or penalizes the spread of dengue outbreaks in a short time Our models can help decision makers to understand the role of population mobility upon the spread of dengue epidemics

TABLE DES MATIERES

REMERCIEMENTS 1

RESUME 2

ABSTRACT 3

TABLE DES MATIERES 4

TABLE DES FIGURES 6

LISTE DES TABLEAUX 7

INTRODUCTION 8

CHAPITRE 1 – PRESENTATION GENERALE 10

1.1 Présentation de l’établissement d’accueil 10

1.1.1 Présentation de l’IRD 10

1.1.2 Ses missions et ses ambitions 10

1.1.3 Données et chiffres clés de l’IRD 10

1.1.4 Les recherche de l’IRD au Vietnam 11

1.1.5 Présentation d’UMI UMMISCO 11

1.1.6 Quelques partenaires d’UMI MMISCO 12

1.1.7 Présentation d’ICTLab 12

1.2 Description du stage 12

1.3 Travaux effectués 14

1.3.1 Recueil de données de terrain 14

1.3.2 Construction de cartes SIG 15

1.3.3 Génération d’une population synthétique 15

1.3.4 Développement d’un modèle multi-échelle à base d’agents 15

CHAPITRE 2 – CONTEXTE DU SUJET 16

2.1 Contexte de la maladie de dengue 16

2.1.1 Dengue hémorragique 16

2.1.2 Vie d’un moustique 15

2.1.3 Propagation de dengue 17

2.1.4 Lutte contre la dengue 18

2.2 Contexte de la modélisation 18

2.2.1 Quelques définitions 18

2.2.2 Domaine d’application 19

2.2.3 Principaux outils de la modélisation 19

2.2.4 Modèles existants 20

2.2.4.1 Modèles à base des systèmes d’équations différentielles 20

2.2.4.2 Modèles à base des systèmes multi-agents (SMA) 24

2.2.4.3 Modèle épidémiologique de Damien Philippon 29

CHAPITRE 3 – MODELE PROPOSE 33

3.1 Données à disposition 33

3.2 Outils utilisés 34

3.3 Intérêt du modèle proposé 36

3.3.1 Environnement du modèle 36

3.3.2 Entités du modèle 37

3.3.4 Couplage modèle à base d’agent et modèle mathématique 38

3.3.5 Hypothèses 39

3.3.6 Conception 40

CHAPITRE 4 – IMPLEMENTATION ET EXPERIMENTATIONS 42

4.1 Implémentation 42

4.1.1 Mise en place de la population synthétique 42

4.1.2 Création et modification fichiers SIG 47

4.1.3 Développement du modèle sous GAMA 48

4.2 Expérimentations 49

CHAPITRE 5 – CONCLUSION ET PERSPECTIVES 55

BIBLIOGRAPHIE 56

ANNEXES 59

TABLE DES FIGURES

Figure 2.2.4.2-1 : Environnement de simulation du modèle [22] 26

Figure 2.2.4.3-1 : Représentation de la fonction d’émergence des moustiques [24] 30

Figure 3.1-1 : Carte SIG du district de Ninh Kieu, Vietnam, 2010 34

Figure 3.3.5-1 : Mobilité humaine 39

Figure 3.3.6-1 : Diagramme de classe UML du modèle 41

Figure 4.1.1-1 : Pourcentage des travailleurs 44

Figure 4.1.1-2 : Répartition Homme/Femme, donnée réel, Can Tho 2010 44

Figure 4.1.1-3 : Extrait de l'échantillon 44

Figure 4.1.1-4 : Résultat selon l'âge pour environ 1M habitants 45

Figure 4.1.1-5 : Résultat selon l'âge pour 500 habitants 45

Figure 4.1.1-6 : Répartition selon le statut socioprofessionnel - Echantillon 46

Figure 4.1.1-7 : Répartition selon le statut socioprofessionnel - Taille réel 46

Figure 4.1.2-1 : Vue sous GAMA - An Hoa 2005 (gauche) et 2010 (droite) 47

Figure 4.1.2-2 : Vue sous GAMA - Modèle 48

Figure 4.2-1 : Effectifs population de moustiques 50

Figure 4.2-2 : Effectifs population d’être humains I et E avec mobilité de 20 50

Figure 4.2-3 : Effectifs population d’être humains I et E avec mobilité de 80 51

Figure 4.2-4 : Effectifs population d’individus I et E, mobilité de 20%, SIG modifié 51

Figure 4.2-5 : Effectifs population d’individus I et E, mobilité de 80%, SIG modifié………52

Figure 4.2-6 : Températures hautes et basses pendant 5 années, début Janvier 2005…….….53

Figure 4.2-7 : Températures moyennes pendant 5 années, début Janvier 2005……… 53

Figure 4.2-8 : Prolifération des moustiques avec températures moyennes……… 53

Figure 4.2-9 : Prolifération des moustiques avec températures hautes et basses……… 54

Figure Annexe 2-1 - Installation Gen 60

Figure Annexe 3-1 : An Hoa 2005 (gauche) et An Hoa 2010 (droite) 60

Figure Annexe 3-2 : An Khanh 2005 (gauche) et An Khanh 2010 (droite)……….61

Figure Annexe 3-3 : Cai Khe 2005 (gauche) et Cai Khe 2010 (droite) 61

Figure Annexe 3-4 : An Binh 2005 (gauche) et An Binh 2010 (droite) 62

Figure Annexe 4-1 : Photos réelles d’eaux stagantes, Can Tho, An Hoa, 2015 63

Figure Annexe 5-1 : SIG modifié première façon 64

Figure Annexe 5-2 : SIG modifié deuxième façon 64

LISTE DES TABLEAUX

Tableau 2.2.4.1-1 : Définitions des variables du modèle [19]……… ………21

Tableau 2.2.4.1-2 : Définitions des variables du modèle [20] ………23

Tableau 2.2.4.3-1 : Définitions des variables SEIR du modèle [29]………….……… 31

Tableau 2.2.4.3-2 : Définitions des variables SEI du modèle [29]……….……… 31

Tableau 3.3.1-1 : Liste des agents du modèle……… ……….37

Tableau 4.1.1-1 : Distribution par âge dans chaque quartier étudié……… ……… 43

Tableau 4.1.1-2 : Distribution par âge de notre échantillon……… 43

100 pays en Afrique, dans les Amériques, en Méditerranée orientale, en Asie du Est et dans le Pacifique occidental, indique l’OMS

Sud-La progression de la propagation d’épidémies de dengue est fortement dépendante des facteurs environnementaux, aussi bien naturels (température, précipitation et humidité) qu’aux activités produites par l’Homme (les modes de stockage des réserves d’eau, les eaux stagnantes produites par les vases, les gouttières) Au cours de ces 20 dernières années, la dengue a émergé ou ré-émergé dans les pays asiatiques, provoquant des épidémies importantes et de nombreux décès humains En outre, plus le nombre de voyages augmente, plus le nombre de cas de dengue importée augmente Jusqu’à maintenant, il n’existe aucun traitement spécifique ni vaccin contre la dengue

"Actuellement, la seule méthode pour prévenir ou combattre la transmission du virus consiste à lutter contre les vecteurs", souligne l’OMS

L’émergence de la dengue dans des différents pays est un phénomène complexe qui conduit les chercheurs à s’intéresser à la fois aux maladies elles-mêmes et aux conditions de leur émergence et de leur propagation Le grand défi est de comprendre les liens pouvant exister entre la propagation d’épidémies de dengue et les différents facteurs dynamiques comme les facteurs climatiques, les facteurs hydrologiques, et les facteurs démographiques Cette étude est une analyse du système complexe du fait que les dynamiques de chaque facteur à prendre en compte sont déjà des systèmes complexes

Mise à part les facteurs climatiques et les facteurs hydrologiques, la progression et l’émergence rapide d’épidémies de dengue dépendent aussi d’autres facteurs tels que : l’amplification des voyages et l’urbanisation L’amplification des voyages favorise en effet la dissémination des différents sérotypes du virus de la dengue Et l’urbanisation, qui, quant à elle, permet de développer l’accessibilité à l’eau courante, joue également

un rôle important dans l’évolution de la propagation d’épidémies de dengue Elle concourt à multiplier le nombre de logements susceptibles d’avoir des eaux stagnantes pouvant entraîner la production rapide d’œufs des moustiques vecteurs de dengue ; ce

qui favorise et accélère la propagation d’épidémies Notre travail se focalise sur la compréhension de l’évolution de la propagation d’épidémies de dengue face à la mobilité au niveau de la population et à l’impact de l’urbanisation

Ce travail consiste à concevoir un modèle multi-échelles à base d’agents pour pouvoir comprendre cette évolution de propagation d’épidémies au niveau à l’échelle d’un quartier ; laquelle, à l’échelon d’une ville, constitue une petite échelle Notre modèle proposé pourrait aider les décideurs à comprendre les impacts de la mobilité de la population sur la progression rapide de l’épidémie de dengue et à prendre des mesures convenables en cas de l’épidémie

Ce présent rapport se divise en cinq grandes parties La première partie présente l’Institut de Recherche pour le Développement (IRD) et le sujet du stage La deuxième partie définit le contexte du sujet La troisième partie consiste à présenter les existants

La quatrième partie montre la conception du modèle proposé Et la cinquième partie concerne l’implémentation et l’expérimentation

CHAPITRE 1

PRESENTATION GENERALE 1.1 Présentation de l’établissement d’accueil

Dans cette section, nous présentons l’organisation et la structure de l’établissement d’accueil, ainsi que le cadre du stage et les travaux effectués

1.1.1 Présentation de l’IRD

L’Institut de Recherche pour le Développement (IRD) [1] est un organisme français de recherche, original et unique dans le paysage européen de la recherche pour le développement Privilégiant l’interdisciplinarité, l’IRD centre ses recherches, depuis plus de 65 ans, sur les relations entre l’homme et son environnement en Afrique, Méditerranée, Amérique latine, Asie et dans l’Outre-mer tropical français Ses activités de recherche, de formation et d’innovation ont pour objectif de contribuer au développement social, économique et culturel des pays du Sud L’IRD intervient au Vietnam dans le cadre de ses activités de recherche depuis le début des années 1990 Les actions de recherche sont menées par des chercheurs IRD en affectation auprès d'instituts de recherche vietnamiens ou par des chercheurs en mission Ces actions de recherche, nées de la concertation entre chercheurs IRD et partenaires, sont menées en coopération par les chercheurs des deux pays et visent à développer et acquérir des connaissances originales publiables dans les meilleures revues scientifiques internationales et utilisables pour le développement du Vietnam

1.1.2 Ses missions et ses ambitions

L’IRD a pour ambition de répondre, avec ses partenaires du Sud, aux enjeux internationaux du développement L’institut vise à améliorer les conditions sanitaires, comprendre l’évolution des sociétés, préserver l’environnement et les ressources constituent les piliers de son action dans la perspective d’atteindre les objectifs du millénaire pour le développement Les activités de l’IRD se focalisent sur le développement de projets scientifiques centrés sur les relations entre l’homme et son environnement dans la zone intertropicale, sur la recherche, l’expertise, la valorisation

et la formation pour le développement économique, social et culturel des pays du Sud

1.1.3 Données et chiffres clés de l’IRD

L'IRD référence ses activités annuelles L'essentiel de l'année 2014 est [2] :

 237M d’euro de budget, 34.4M d’euro de recettes sur conventions et produits valorisés

 2221 agents dont 835 chercheurs, 1935 ingénieurs et techniciens et 451 personnels locaux Avec 39% des agents affectés au Sud

 56 unités de recherche et 7 observatoires

 3682 publications scientifiques en 2013, font 46% sont cosignés avec un partenaire du Sud

 285 articles en sciences humaines et sociales

 7400 heures d’enseignement dispensées par des scientifiques de l’IRD dont une tiers dans des pays du Sud

 816 doctorants encadrés dont 477 originaires du Sud

 185 bourses attribuées à des scientifiques du Sud dont 147 pour des thèses

 42 « Jeunes Équipes du Sud » soutenues

 116 brevets détenus

1.1.4 Les recherches de l’IRD au Vietnam

Seize unités mixtes de recherche (UMR), appartenant aux trois principaux départements de recherche de l'IRD (Département Environnement et Ressources, Département Santé, et Département Sociétés), sont présentes au Vietnam ; elles mettent en œuvre des programmes de recherche couvrant de larges champs scientifiques allant des sciences sociales et humaines aux sciences de la vie, de la terre

et de l'environnement La plupart de ces projets bénéficient de chercheurs IRD affectés

au Vietnam auprès d'Instituts vietnamiens ; d'autres sont menés sous forme de missions

1.1.5 Présentation de l’UMI UMMISCO

UMMISCO [3] est une Unité Mixte Internationale de Modélisation Mathématique et Informatiques des Systèmes Complexes Créée en Janvier 2009, est administrativement rattaché à deux tutelles : à l'IRD, Institue de Recherche pour le Développement et à l'Université Pierre et Marie Curie (UPMC) Cette unité évaluée par l’AERES est composé de 63 chercheurs ou enseignants chercheurs permanents qui mènent des recherches en informatique et en mathématique appliquée à des problématiques réelles touchant l’épidémiologie, l’écologie, et la société

Trois axes de recherches ont été définis par UMMISCO au Vietnam :

 Méthodologie de modélisation des systèmes complexes

Cet axe est dédié à la conception de plateformes et langages informatiques de modélisation et simulation à base d'agents des systèmes complexes L'enjeu est de proposer l'équivalent informatique de véritables laboratoires virtuels, accessibles par

des non-informaticiens, et servant à construire des outils d’aide à la décision sur des applications concrètes (axe 3)

 Calcul distribué et simulation haute performance

Cet axe vise à fournir des outils performants pour réaliser les projets de simulation à grande échelle qui nécessitent une forte puissance de calcul, la gestion d'un nombre important de données ou un nombre très important de simulations

 Recueil, analyse et fouille de données complexes

Cet axe est centré sur les méthodes et outils informatiques nécessaires au recueil, à l’analyse et à la fouille de données complexes pour la définition de systèmes d'aide à la décision pour la sécurité environnementale (évacuation en cas de Tsunami, réseaux de surveillance des invasions d’insectes, politiques de vaccination en collaboration avec l’unité MIVEGEC, …)

1.1.6 Quelques partenaires de l’UMI UMMSCO

L’unité UMI UMMISCO travaille directement avec les partenaires suivants :

 Institut de Recherche pour le Développement, France

 Université Cadi Ayyad de Marrakech, Maroc

 Université Cheikh Anta Diop de Dakar, Sénégal

 Université Pierre et Marie Currie de Paris, France

 Université Yaoundé 1 de Yaoundé, Cameroun

 Université des Sciences et Techniques de Hanoi, Vietnam

1.1.7 Présentation d’ICTLab

ICTLab [4] est un laboratoire international de recherche en lien avec l'Université des Sciences et Techniques de Hanoi (USTH) et des partenaires vietnamiens et français Crée le 1er décembre 2014, ce laboratoire a été soutenu directement ou indirectement par l'USTH, l'ambassade de France au Vietnam, 13 instituts et universités français ainsi que la Banque Asiatique de Développement (ADB, Asian Development Bank) Il implique des chercheurs provenant de USTH, de l'IOIT (Institute of Information Technology, Hanoi, Vietnam), de l'IRD et de l'Université de La Rochelle, France

1.2 Description du stage

Historiquement, la dengue frappait surtout les populations urbaines et suburbaines Autrement dit, la dengue s’amplifie rapidement dans les zones ó il y a beaucoup de mouvement d'individus Mais les épidémies récentes, comme celle qui a frappé le Cambodge en 2007, montrent qu’elle se produit maintenant également dans les zones

rurales C’est dans ce cadre que le projet PICURS (Impact des Changements Climatiques et Urbains sur le Risque Sanitaire) a été créé

Le projet PICURS vise à comprendre les liens pouvant exister entre, d’une part, les formes spécifiques de croissance urbaine de métropoles situées dans la région du Delta

du Mékong et d’autre part, l’exposition accrue de leurs populations aux deux risques sanitaires que sont le risque hydrique (accessibilité à l’eau potable) et le risque épidémiologique (vagues épidémiques de Dengue, par exemple) Deux villes, sur lesquelles les partenaires du projet ont déjà travaillé, et pour lesquelles de nombreuses données ont été récoltées, ont été choisies comme cas principaux d’étude : Can Tho, capitale régionale du Delta du Mékong Vietnamien et Phnom Penh, capitale du Cambodge, située à l’apex du delta

L’un des enjeux du projet PICURS consistera donc à les modéliser sous la forme de systèmes complexes dont la dynamique résultera des interactions entre trois circulations (celles des hommes, de l’eau et des vecteurs), à différentes échelles de temps et d’espace, avec l’objectif affirmé de pouvoir offrir des éléments d’appréciation aux politiques d’aménagement urbain Le projet PICURS est formé par les membres suivants :

 IRD-UPMC

o Christophe Cambier (Maître de Conférence)

o Bernard Cazelles (Professeur)

o Alexis Drogoul (Directeur de Recherche)

o Nicolas Marilleau (Ingénieur de Recherche)

 UPMC-INSERM

o Frédérik Gay (Professeur)

 Paris IV

o Julie Blot (Post-Doctorante)

o Olivier Sevin (Professeur)

 UTC

o Céline Pierdet (Maître de Conférence)

Le stage s’inscrit dans le cadre du projet PICURS Ce stage a pour but de recueillir des données sur le terrain et de concevoir un modèle à base d’agents à une échelle assez fine, mettant en avant l’exposition accrue de la population de la ville de Can Tho au travers des risques liés à la mobilité de la population, et au travers de la question de l'aménagement du territoire Plus concrètement, le travail de ce stage consiste à construire un modèle intégré à base d'agents, centré sur le cas de Can Tho, et permettant d'étudier l'exposition de la population d'un quartier cible (An Hoa) à trois facteurs identifiés et probablement liés : le facteur hydrique, de première part, au

travers de la question de l'accessibilité à l'eau courante, le risque épidémiologique, de deuxième part, au travers de la résurgence récente de vagues épidémiques de dengue et

le facteur d’urbanisation, de troisième part, au travers de la question de l’impact lié à

la propagation des maladies

Ce dernier sera construit à partir d’un ensemble de données mises en commun par les partenaires du projet, ou disponibles par d'autres moyens, à savoir : cartes géo-référencées (aménagement du territoire, cours d’eau), données démographiques (référencement de la population), données écologiques et biologiques sur les vecteurs

de la dengue, données climatiques, données hydrologiques Cet ensemble hétérogène

de données et de (sous) modèles sera couplé en utilisant la plate-forme de modélisation

et simulation GAMA

Nous proposons dans ce travail un modèle sous la forme de systèmes complexes capables de restituer, dans des échelles temporelles et spatiales fines, les interactions entre les trois dynamiques en présence (celle des hommes, de l'aménagement du territoire et des vecteurs de la maladie)

1.3 Travaux effectués

1.3.1 Recueil de données de terrain

Nous allons détailler cette partie car nous n’allons pas en reparler par la suite

Au début du stage, pendant la période du 8 Avril au 4 Mai 2015, on m’a affecté une mission de terrain dans la ville de Can Tho, sous la tutelle de l’IRD L’objectif de cette mission était de recueillir des données hydrologiques auprès du « College of Environment and Natural Resources », de l’université de Can Tho Ces données représentent la qualité de l’eau à différents sites répartie sur la ville de Can Tho, pour l’année 2010 La qualité de l’eau est définit par la constitution des minéraux et molécules naturelles ou chimiques de celle-ci Nous avons à notre disposition des fichiers, au format CSV, représentant la qualité de l’eau de différents endroits de prélèvement de l’eau pour la ville de Can Tho en 2010 Nous avons analysés et eu beaucoup de réflexions concernant ces données, puisque le facteur hydrique à un impact important sur la prolifération des moustiques, par conséquent de la propagation

de la dengue Nous avons conclu, à l’heure actuelle, que ces données ne peuvent être intégrées dans notre modélisation puisque les prélèvements de l’eau ont était effectués sur des sites éloignés, voir certains très éloignés, de notre zone d’étude Nous ne pouvons pas incorporer ces informations qui ne représentent pas la qualité de l’eau dans notre zone d’étude Nous réfléchissons encore sur le moyen et la fiabilité d’introduire ces informations dans notre modélisation

Toujours dans l’objectif de comprendre l’impact de la qualité de l'eau sur l’émergence des moustiques, nous avons visité le quartier de An Hoa pendant la mission, afin de s'immerger dans l'environnement Nous avons pu constater par nous-mêmes que les

eaux stagnantes dans le quartier sont polluées ; elles sont de couleur noire et souvent associées à une odeur insoutenable - voir Annexe 4 pour une liste d’images Nous nous sommes posé la question : « est-ce que les moustiques peuvent naître et grandir dans ces eaux stagnantes ? » Nous avons cherché des articles pouvant répondre à notre question, mais nous n'en avons pas trouvé un seul qui soit satisfaisant Cette question demeure toujours Des analyses sur le terrain, couplé avec un système de piégeage de moustique pourront nous éclairer et nous confirmer si ces eaux stagnantes permettent

la prolifération des moustiques

En revanche, nous avons pu constater qu'une campagne de sensibilisation sanitaire pour contrer l'émergence des moustiques a été effectuée auprès de la population puisqu’en visitant les diverses rues, ruelles du quartier An Hoa, la zone d’étude principale, nous n'avons jamais vu de coupelles d'un pot de fleur avec de l'eau stagnante ; elles sont soit inexistantes, soit toujours retournées On sait que les moustiques pondent dans une eau stagnante, propre, à l’abri du soleil Par conséquent,

la coupelle est un récipient favorable à l'émergence des moustiques

1.3.2 Construction de cartes SIG

Un des objectifs de notre modèle est de comprendre les effets de l’urbanisation sur la propagation de la maladie de la dengue Pour cela, nous voulons comparer les résultats de nos expérimentations entre des cartes SIG de l’année 2005 et de l’année

2010 Nous voulions savoir si il y a un impact sur la propagation de la maladie de la dengue en modifiant seulement les cartes géo-référencés Dans le chapitre

« Implémentation et Expérimentations », nous détaillons la procédure pour obtenir ces cartes SIG

1.3.3 Génération d’une population synthétique

Dans notre modélisation, nous avions besoin d’une population au plus proche de la réalité Pour cela, nous avons généré une population synthétique basée sur des données réelles Ce travail est détaillé au chapitre « Implémentation et Expérimentations »

1.3.4 Développement d’un modèle multi-échelle à base d’agents

L’objectif principal du stage est le développement d’un modèle à base d’agents permettant de simuler la propagation d’épidémies de dengue Notre modélisation essaye de répondre à deux questions principales, d’abord la question : « est-ce que la mobilité des individus influence t-il la propagation d’épidémies de dengue ? » puis une question concernant l’aménagement territorial : « l’urbanisation a-t-il un impact sur la propagation d’épidémies de dengue ? » Nous détaillons notre implémentation du modèle et essayons de répondre à nos questions dans le chapitre intitulé

« Implémentation et Expérimentation »

CHAPITRE 2

CONTEXTE DU SUJET 2.1 Contexte de la maladie de dengue

Nous présentons dans ce chapitre quelques notions sur la dengue afin de mieux comprendre l’évolution de sa propagation dans un quartier ou dans une ville

2.1.1 Dengue hémorragique

La dengue est une infection transmise par les moustiques qui sévit dans les régions tropicales et subtropicales du monde entier, selon OMS Ces dernières années, la transmission a surtout progressée dans les zones urbaines et périurbaines et cette maladie est devenue un sujet majeur de préoccupation pour la santé publique [5]

La dengue sévère (que l’on appelait auparavant dengue hémorragique) a été reconnue pour la première fois dans les années 1950, au cours d’épidémies aux Philippines et en Thạlande Aujourd’hui, les pays d’Asie et d’Amérique latine sont les plus touchés et

la dengue sévère est devenue une cause majeure d’hospitalisation et de mortalité pour les enfants dans ces régions, souligne OMS

2.1.2 Vie d’un moustique

La vie d’un moustique se déroule selon quatre phases de développement distinctes: l’œuf, la larve, la nymphe et l’adulte La durée de chaque phase de transformation dépend des conditions climatiques (le temps que l’insecte met à se développer peut varier d’une semaine en été, jusqu’à plusieurs mois en hiver) et de la caractéristique de

la ville (accessibilité de la population à l’eau courante, existence des eaux stagnantes) [6]

La femelle ne s’accouple généralement qu’une seule fois Pour pondre des œufs, la femelle a besoin de prendre des repas de sang Ce repas lui permet à chaque fois de réaliser une ponte de 200 œufs environ Elle prend un repas de sang tous les deux jours

et si les conditions de température et d’humidité sont favorables, elle est capable de pondre à chaque prise de nourriture Pourtant, elle s’arrête de pondre si les conditions

ne sont plus bonnes et attend jusqu’à ce que la belle saison soient revenues

La durée de vie d’une femelle est d’environ 3 à 4 semaines Pendant cette durée, elle peut prendre jusqu’à 10 repas, ce qui lui permet de pondre environ 2000 œufs Les

moustiques adultes se reposent dans les zones sombres (sous les lits, dans les placards des maisons) et se reproduisent en pondant des œufs [7] Les œufs sont pondus dans l’eau, il s’agit d’eau stagnante et peu chargée en matière organique (eau claire) : marécage, égouts, creux d’arbres, vieux pneus, bassins divers, fût d’eau de pluie, etc., mais pas dans les piscines ni dans la mer Les œufs des moustiques Aedes peuvent rester dans des milieux humides, peuvent se dessécher et rester intacts pendant plusieurs années et éclore normalement lorsqu’il y a présence d’eau [8]

2.1.3 Propagation de dengue

Le moustique Aedes aegypti est le principal moustique responsable de la propagation d’épidémies de dengue [7] Cette maladie se propage à partir des piqûres de ce moustique à l’homme Le moustique Aedes aegypti dispose d’un faible rayon de vol Il

ne s’éloigne pas de plus de 100 mètres de son gîte d’origine mais cela peut augmenter s’il y a présence de vents forts et si ces derniers sont chauds et humides [8]

La femelle peut piquer plusieurs personnes pour un seul repas En effet, une femelle infectée, en piquant 3 ou 4 personnes pour un seul repas sanguin, peut propager la maladie 3 ou 4 fois plus efficacement

Le virus de dengue est transmis du moustique à l’homme, de l’homme au moustique,

et, dans une moindre mesure, du moustique à sa descendance [7] En effet, l’homme ne peut pas contaminer l’homme

L’importance des échanges humains et commerciaux, le climat tropical et le réchauffement climatique, ainsi que la poussée démographique favorisent la propagation rapide de l’épidémie de dengue [7]

Il existe quatre sérotypes différents de dengue (DEN1, DEN2, DEN3, DEN4) Une infection procure une immunité à vie contre le sérotype responsable de l’infection, mais pas contre les autres Il est donc possible de contracter la dengue plusieurs fois Cependant, il semblerait qu’une infection ultérieure, par un autre sérotype, majore le risque d’évolution sur une forme sévère de la maladie [9]

Aussi, très récemment, une équipe internationale a regroupé des scientifiques de 18 institutions à travers le monde, passant en revue 18 années de rapports sanitaires, issus

de 8 pays du Sud-Est asiatique, pour établir des modèles de transmission de la dengue dans toute la région [24] – [25] Cette équipe a mis en évidence la corrélation des grandes vagues épidémiques avec des températures atmosphériques anormalement élevées liées aux évènements El Niño [26] intenses

2.1.4 Lutte contre la dengue

Il n’existe pas encore du vaccin commercialisé pour lutter contre la dengue, le seul moyen pour lutter contre la dengue est de limiter au maximum la prolifération des vecteurs de dengues Pour cela, les solutions proposées sont l’élimination ou vérification de toutes sortes d’eau stagnantes qui peuvent favoriser la production des œufs (vases et coupelles des pots de fleurs, gouttières, réservoirs d’eau, creux d’arbres, pneus), la portée des habits à manches longues, l’utilisation des moustiquaires, usage

de ventilation par brasseur d’air ou de climatisation, emploi des insecticides, protection des réserves d’eau [7]

En revanche, des travaux publiés très récemment [10] au journal Nature datant de

janvier 2015, ont créés un grand espoir pour le développement d’un vaccin pour les quatre sérotypes Des chercheurs de l’Institut Pasteur et du CNRS, en collaboration avec l’Imperial College (Londres) ont identifié un site vulnérable à la surface du virus

de la dengue, exposée aux anticorps, qui est commun aux quatre sérotypes de la dengue Cette région représenterait donc une cible intéressante pour le développement d’un vaccin efficace contre les quatre sérotypes de la dengue

2.2 Contexte de la modélisation

2.2.1 Quelques définitions

La modélisation est une construction abstraite qui permet de comprendre le fonctionnement d’un système de référence en répondant à une question qui le concerne [11]

Un modèle est lié à un point de vue et relève d’une question spécifique Le niveau d’abstraction dépend alors de ce point de vue et de cette question Un modèle ne peut être le système lui même mais une simplification de ce dernier, qui est facile à manipuler et à comprendre par rapport au système lui même Il est fondé à partir d'hypothèses spécifiques au domaine, ou limités selon le niveau de complexités à considérer Un modèle s’appuie généralement sur la théorie

L’usage du modèle se fait en simulation pour obtenir des résultats C’est à partir des résultats obtenus lors de la simulation que le modèle peut être validé ou non D’une manière générale, la résolution analytique d’un modèle permet d’obtenir un résultat en

un seul calcul alors que la simulation d’un modèle consiste a faire évoluer le temps dans le modèle et ainsi calculer, pour chaque valeur du temps de simulation, un résultat partiel [12]

La simulation permet donc au modèle de changer d’état par rapport à son état

précédant en fonction du temps d’exécution et des valeurs des paramètres en entrées

du modèle La modélisation à base d’agents est une modélisation fondée par des entités informatiques appelées agents Les agents évoluent et interagissent entre eux dans un environnement commun L’interaction entre les agents est la spécificité du modèle à base d’agents au lieu de considérer chaque agent et son évolution indépendamment des autres [13]

2.2.2 Domaine d’application

Le système multi-agents est appliqué dans plusieurs domaines que nous allons citer après [14] :

industriels, systèmes multi-capteurs,

 Diagnostique : diagnostic à multiples niveaux

 Taches de contrôle : contrôle du trafic routier, trafic aérien, distribution

d’énergies,

parole, cristallographie, reconnaissance et compréhension des formes,

 Télécommunications, systèmes de transports, réseaux : routage, équilibrage

de charges, recouvrement d’erreurs, management et surveillance de réseaux,

 Travail collaboratif assisté par ordinateur : agents assistants, agents médiateurs, workfows, gestion des rendez-vous, personal digital assistants

(PDA),

 Robotique distribuée : planification multi-robot, robots autonomes mobiles,

 Télématique (Internet) : agents "intelligents", agents d’interface, agents

mobiles,

 Simulation de systèmes complexes : simulation individu-centrée,

 Commerce électronique

 Data Mining

2.2.3 Principaux outils de la modélisation

Il existe plusieurs plates-formes de simulation des systèmes multi-agents mais les plus répandus et les plus utilisés sont les suivant [15]-[16] :

 RePast S : appliqué principalement dans le domaine de sciences sociales (The

Repast Suite)

 NetLogo : très utilisé dans les domaines de sciences sociales et naturelles Il

aide les utilisateurs débutants pour la création des modèles (Netlogo)

 GAMA [17] : permet de faire de la modélisation et du développement de la

simulation de l’environnement pour la construction de simulations à base d’agents spatialement explicites (utilise des données SIG arbitrairement complexes que les environnements pour les agents) GAMA est développé par l’IRD/UPCM UMMISCO Unité de Recherche International (GAMA)

 FLAME [18] : permet de faire des grandes simulations, des systèmes complexes avec des grandes populations d’agents sur les systèmes HPC utilisant MPI et OpenMP Il est développé grâce à une collaboration entre STFC Rutherford Appleton Lab et de l’Université de Sheffield, Royaume-Uni

du modèle d'agent utilisé vient de la vie artificielle SWARM est l'outil

privilégié de la communauté américaine et des chercheurs en vie artificielle L'environnement offre un ensemble de bibliothèques qui permettent

l'implémentation des systèmes multi-agent avec un grand nombre d'agents simples qui interagissent dans le même environnement

2.2.4 Modèles existants

 SEIR model for transmission of dengue fever in Selangor Malaysia [19] :

Ce travail propose un modèle mathématique, sous forme des systèmes d’équations différentielles, qui permet de comprendre la dynamique de la population humaine et de

la population du vecteur de transmission de dengue Le modèle proposé est un modèle

de compartiments SEIR (Susceptible, Exposé, Infecté et Retiré ou immunisé)

Ce modèle considère deux catégories de population : la population humaine (Nh) et la population du vecteur moustique (Nv) La population humaine ou les êtres humains est divisée en quatre groupes selon leurs états de santé : les personnes susceptibles (Sh), les personnes exposées de la maladie (Eh), les personnes infectées (Ih) et les personnes immunisées de la maladie (Rh)

Pour la population des moustiques, elle se répartie en trois groupes : les vecteurs susceptibles (Sv), les vecteurs exposés de la maladie (Ev), et les vecteurs infectés (Iv)

Le système d’équations différentielles pour la population humaine et la population de moustiques est :

Pour la population humaine : Pour la population de moustique :

Population humaine

: taux de natalité et taux de mortalité des êtres humains

: nombre moyen de piqûres par les moustiques par jour : taux de transmission de l’homme au vecteur

: pourcentage de moustiques infectés

: pourcentage de personnes exposées à la dengue

: taux de guérison : taux de mortalité causé par la maladie : Effectif population humaine

: personnes Susceptibles : personnes Exposés : personnes Infectées : personnes Immunisés (Recovered)

Population de moustique

: taux de natalité et taux de mortalité des vecteurs : nombre moyen de piqûres par les moustiques par jour : taux de transmission du vecteur à l’homme

: taux de moustiques exposés par la maladie : effectif population de moustique

: moustiques Susceptibles : moustiques Exposés : moustiques Infectées

Variables communes

: Population d’être humains

: moustiques Infectées : personnes Infectées

Tableau 2.2.4.1-1: Définitions des variables du modèle [19]

Pour la validation de ce modèle, les auteurs ont combiné les valeurs des paramètres de Singapour et de la Malaisie parce qu’ils ont considéré que les deux pays sont voisins et ont des conditions climatiques et de valeur des estimations des paramètres, pour les taux d’infection de moustiques, similaires

Le résultat du modèle SEIR indique que le niveau maximum du taux d’infection humaine de la dengue, à partir des données réelles à Selangor Malaisie, apparaît dans une courte durée Autrement dit, la propagation d’épidémies de dengue progresse très vite pour ces deux pays

L’infection par le virus de la dengue se produit quand il existe une corrélation continue entre l’effectif de la population humaine et la population des moustiques

Ce modèle empirique SEIR produit des résultats similaires au modèle théorique décrit

 Modeling the dynamics of dengue real epidemics [20]:

Dans ce travail, les auteurs proposent un modèle mathématique pour la transmission de

la propagation de la dengue afin d’analyser et de comparer deux épidémies de dengue survenus à Salvador, au Brésil, en 1995-1996 et en 2002

Ce modèle est conçu de la façon suivante :

– La population des moustiques (M) est divisée en quatre composantes : aquatique (A), susceptibles (Ms), exposée (Me) et infectée (Mi)

– La population humaine (H) est supposé constante avec le taux de mortalité défini par µh, et est divisé en population susceptible (Hs), exposée (Me), infectée (Mi)

et immunisée (Mr)

Le système d’équations différentielles pour ce modèle se défini comme suit :

Symbôle Définition

Population humaine : taux moyen de ponte

: taux moyen de mortalité des moustiques : taux moyen de mortalité aquatique : taux moyen de transition aquatique : taux d’incubation extrinsèque : taux de mortalité humaine : taux d’incubation intrinsèque : taux de guérison

: fraction de moustiques femelles éclos de tous les œufs : capacité de charge de moustique

: nombre moyen de piqûres par moustique par jour : taux de contact efficaces

: taux de contact efficaces : taux d’effort de contrôle : taux d’effort de contrôle Tableau 2.2.4.1-2 : Définitions des variables du modèle [20]

Lors de l’étude, les auteurs ont constaté que les paramètres entomologiques des moustiques varient en fonction des températures quotidiennes En effet, les valeurs de ces paramètres varient en fonction du temps Plus la température augmente, plus le taux de survie et le taux de ponte du moustique augmente et le temps de latence pour arriver au stade adulte pour les moustiques est très petit Aussi, la précipitation influence sur la production des moustiques La température et la précipitation sont les facteurs principaux qui favorisent la prolifération des moustiques, qui peut entraîner la progression rapide de la maladie de dengue en cas d’épidémies

L’objectif des auteurs dans cette étude est de connaître l’effet de la lutte vectorielle L’analyse a été effectuée en fonction du nombre de reproduction de base, R0, ainsi que son évolution dans le temps, R(t), qui sont calculées à l’aide de la véritable épidémie par séries chronologiques La valeur de R0 est supérieur à 1 pour l’épidémie en 1995- 1996 pour une valeur choisie du paramètre de contrôle du vecteur,

anti-ce qui indique que d’autres stratégies seraient néanti-cessaires à part la lutte contre les vecteurs adultes, telles que le contrôle de la phase aquatique du moustique, pour réduire sa force d’infection, ainsi de contrôler l’épidémie

En bref, nous pouvons dire que les deux modèles mathématiques étudient l’évolution

de la propagation d’épidémies en définissant les relations entre les humains et les

moustiques, et en prenant en compte les conditions climatiques Ceci se fait à partir de

la résolution du système d’équations différentielles A chaque pas de temps, avec les modèles mathématiques, il y a du changement de répartition de la population tant au niveau des êtres humains qu’au niveau des moustiques du fait de la résolution des systèmes d’équations différentielles Ces modèles utilisent des informations globales

de la ville étudiée telles que les effectifs de population dans chaque groupe de compartiments, le taux de transmission de la maladie, taux de guérison, taux de mortalité, nombre moyen de piqûres par jour, etc pour générer des nouveaux individus

Ils sont très rapides au niveau de simulation même si la taille de la population à étudier est très grande mais ils perdent des informations détaillées au niveau de chaque individu, en particulier les comportements individuels

 Agent-based model of Dengue Disease Transmission by Aedes aegypti Populations [21] :

Cet article présente un modèle à base d’agent permettant non seulement de simuler la dynamique de la population mais aussi de simuler la propagation d’épidémies de dengue tant au niveau des hôtes (les hommes) qu’au niveau des vecteurs (les moustiques Aedes aegypti) Ce modèle à base d’agent se base principalement sur l’aspect écologique et les comportements des moustiques Il implémente la notion de

la grille à 8 voisins Les agents considérés par ce modèle peuvent être groupés en 5 grandes catégories : les moustiques mâles, les moustiques femelles, les moustiques mâles stériles, les êtres humains et les places de ponte Le modèle proposé est fondé sur les hypothèses suivantes :

– Si un moustique mâle et un moustique femelle appartiennent à une même cellule, il y

a une chance que le moustique femelle soit fécondé ;

– Si un moustique mâle stérile et un moustique femelle se trouvent dans une même cellule, il y a une chance que le moustique femelle enregistre son état fécondé même si

il n’a pas été fécondé ;

– Si un moustique femelle est dans une même cellule qu’un être humain, il a une probabilité de mourir ou de nourrir du sang de l’être humain ;

– Les femelles s’étant accouplées et nourries du sang humain se déplacent vers une place de ponte en suivant l’humidité dégagée par elles mêmes Quand la femelle arrive

à la place de ponte, elle pond un certain nombre d’œufs si elle s’est accouplée avec un moustique mâle et ne pond pas si elle s’est accouplée avec un moustique stérile mâle

Ensuite, elle repart pour commencer de nouveau à chercher des compagnons et des humains ;

– La propagation de dengue peut se produire lors de l’interaction entre l’homme et le moustique femelle, aussi lors de l’interaction entre le moustique femelle et les lieux de pontes ;

– Un être humain infecté peut contaminer les moustiques femelles qui le piquent Après un certains nombre de jours, il cesse de contaminer et devient immunisé de la maladie de dengue Les œufs pondus par les femelles infectées auront une probabilité d’être infectés aussi

Le modèle n’a pas été validé à partir de donnée réelle

 An Agent-Based Model for the Spread of the Dengue Fever : A Swarm Platform Simulation Approach [22] :

Ce modèle montre les interactions entre les agents ainsi que le processus de la propagation au niveau de l’environnement Les auteurs utilisent la plateforme Swarm pour la simulation Le modèle proposé considère les œufs, les larves, les nymphes, les moustiques adultes, aussi les êtres humains comme des agents ou des entités du modèles Des règles sont donc fondées au niveau des moustiques, des êtres humains et des exterminateurs d’insectes Elles sont généralement tirées à partir des théories dans

la littérature Nous pouvons citer ci-après les règles considérées par ce modèle :

 Hypothèses sur les moustiques :

o Si l’âge est supérieur à 33 jours, alors il meurt ;

o S’il existe un être humain dans le champ visuel (10x10 cellules), alors il faut le chasser pour se nourrir ;

o Si l’être humain ciblé est assez proche (10 m), alors il faut le piquer ;

o S’il y a de l’eau propre à proximité, alors il faut déposer des œufs ;

o Si les œufs sont pondus avec succès et les conditions sont bonnes, alors

72 moustiques adultes peuvent émerger des œufs mais si l’eau est empoisonnée alors aucun moustique peut émerger ;

o Si un moustique adulte infecté pique un humain non infecté, alors l’humain devient infecté dans 3 à 6 jours et si un moustique adulte non infecté pique un humain infecté, le moustique devient infecté dans les 8

à 11 jours ;

 Règles sur les êtres humains :

o Si l’être humain est piqué deux fois par une femelle infecté, la probabilité qu’il atteint la dengue hémorragique ou la mort est de 0,5% S’il est piqué trois fois, quatre fois ou supérieur à quatre fois, cette

probabilité augmente respectivement à 10%, 15% et à 25% Sinon, l’individu se déplace aléatoirement dans l’environnement

 Règles sur les exterminateurs d’insectes :

o Si un exterminateur localise un moustique adulte, alors il libère du poison pour tuer les moustiques dans une zone de cellules 10x10, avec

un taux directement proportionnel à la distance entre l’exterminateur de

l’efficacité Sinon, il suit les indications fournit par les capteurs

Pour ce modèle, l’environnement offre de la nourriture pour les moustiques, de l’eau pour leur reproduction et les pièges avec des substances pour inhiber leur prolifération

Le modèle a été validé à partir des différentes simulations sur différentes saisons Et les données utilisées sont les données d’une région tropicale au Brésil (information climatique sur Rio de Janeiro) Cette région a selon la saison un climat sec ou humide Lors des expérimentations, les auteurs ont constaté que :

 Pendant la saison d’hiver, il y a beaucoup de moustiques non adultes, et beaucoup de moustiques n’arrivent pas à survivre à cause des conditions climatiques non favorables (température, humidité, manque d’eau stagnantes)

En effet, le taux des personnes infectés par la maladie de dengue est très faible pendant cette saison

 Pendant la saison d’été, après 60 jours de simulation, trois personnes sont morts

à cause de la maladie, 33% de la population humaine sont infectés et 83% de la population des moustiques sont infectés Le taux d’augmentation des moustiques adultes est très élevé à cause des conditions climatiques favorables

La figure 2.2.4.2-1 montre l’environnement de la simulation du modèle

Figure 2.2.4.2-1: Environnement de simulation du modèle [22]

Ce modèle étudie l’évolution de la propagation d’épidémies de dengue en fonction des conditions climatiques Lors de l’étude, les auteurs ont constaté qu’il y a une relation étroite entre les conditions climatiques et l’évolution de la propagation d’épidémies :

plus les valeurs de la température et d’humidité sont dans les bonnes conditions (température entre 22 à 32 degrés), aussi s’il existe des eaux stagnantes, plus l’épidémie de dengue évolue très vite Nous pouvons dire à partir de ces résultats que les facteurs climatiques ont des impacts directs sur la propagation d’épidémies de dengue

 A spatial simulation model for dengue virus infection in urban areas (IBM) [23] :

Cet article visait à développer un modèle individu-centré qui prend en compte la propagation d’épidémies de dengue, suite au mouvement des êtres humains, et la dispersion des moustiques ainsi présents dans un environnement urbain Les caractéristiques spécifiques du modèle se trouvent au niveau de l’utilisation des données épidémiologiques et des données sur les piégeages des moustiques pour la calibration et la validation Aussi, il considère une stratégie visant à générer l’abondance locale des moustiques sur la base des données de couverture de la végétation et de recensement

L’approche proposée par les auteurs est d’utiliser autant que possible des données sur

le terrain Ces données sont prises en comptes lors de l’élaboration du modèle, pour le calibrage et aussi pour la validation Le modèle a été élaboré à partir de quatre sous-modèles tels que : la dynamique et le mouvement de la population de moustiques, le mouvement de la population humaine, la transmission du virus de la dengue et la lutte contre la dengue

Les données épidémiologiques détaillées de Cairns (Australie) pour deux épidémies de dengue (2003 et 2008-2009), étaient à la disposition des auteurs La première catégorie

de données (2003) a été utilisée pour calibrer le modèle et la deuxième catégorie de données (2008-2009) pour valider le modèle

Tous les processus qui se produisent dans l’unité spatiale de base sont présentés sous formes de grille Chaque cellule a une taille de 30 x 30 m, qui est plus petite que la distance maximale de vol d’un moustique adulte (généralement limitée à 100 m autour

de son emplacement d’origine)

Le sous-modèle sur la dynamique de la population humaine a été conçu à partir des données de Crains qui est composé d’environ 52 000 cellules et 56 000 individus humains Pour l’affectation des individus humains dans les cellules de la grille, des données sur la statistique (la distribution de l’âge de la population humaine, la taille des ménages et le nombre de personnes par zone) et des données sur la géo-référence (identification du cadastre du résidentiel, commercial, industriel, éducatif et des propriétés des parcs qui leurs sont associés) du Cairns ont été utilisées En effet, chaque être humain est attribué une cellule considérée comme sa cellule d’origine En

plus des cellules d’origines, il a aussi d’autres cellules fréquentées, en fonction de leur âge Ces cellules sont classées comme les centres commerciaux et les lieux de travail, lieux pour l’éducation, zones de parc L’intervalle de temps considéré est 6 heures Chaque période de 6 heures correspond à une partie de la journée : le matin (3 heures-

9 heures), la journée (9 heures-15 heures), le soir (15 heures-21 heures) et la nuit (21 heures-3 heures) Les êtres humains sont supposés évoluer entre les cellules pendant les périodes de jour et de soir, et ils sont supposés être dans leurs cellules « maison » pendant les périodes du matin et soir

Le modèle prend en compte deux types de données :

 Le type directionnel qui se fait toujours entre deux cellules : pour cela, les cellules prises en comptes sont la cellule de base de l’individu et la cellule de travail ou d’école de l’individu Sur n’importe quel jour de la semaine donnée

de la période modélisée, les individus vont de leurs cellules d’origine (matin), à leur travail ou des cellules de l’école (le jour) et à leurs cellules d’origine (le soir ou la nuit)

 le type semi-aléatoire : ce type est intégré dans le modèle pour tenir en compte l’évolution moins prévisible que les humains peuvent entreprendre dans la zone modélisée (par exemple : pour visiter des amis, faire du shopping ou visiter des zones de loisirs) Ce mouvement semi-aléatoire peut se produire le soir et au cours de la journée et en soirée le week-end Ce type de mouvements est basé sur des données provenant d’une enquête d’une population Il a été estimé que

la fréquence des visites humaines aléatoires de ce type à d’autres cellules est d’environ 4 à 5 fois par semaine pour chaque individu

La population de moustique est composée des œufs (E), des larves (L), des pupes (P)

et deux populations de moustiques adultes (classés selon ses longueurs) Le modèle météorologique utilise la température, les précipitations et les données d’évaporation de Cairns, en entrée et ces données météorologiques conduisent aux changements de la dynamique de la population des moustiques Afin de permettre une hétérogénéité spatiale dans la population de moustiques, les auteurs ont supposé que certaines cellules sont mieux adaptées que d’autres pour soutenir le développement des moustiques Ils ont défini la capacité maximale et minimale de chaque cellule pour soutenir les larves de moustiques

sous-Le modèle prend en compte des moyens classiques de lutte contre les vecteurs qui sont utilisés à Cairns pour éliminer la propagation de la dengue pendant les épidémies tels que : les pulvérisations à effet rémanent dans la maison, le traitement larvicide dans les propriétés de cas et dans les propriétés à proximité immédiate, l’utilisation de pièges mortels pour tuer les adultes dans des zones étendues autour des propriétés de cas Ce

système peut être très efficace en tuant environ 90% de tous les stades adultes et des moustiques immatures présents dans la cellule de cas et les 8 cellules voisines, et ceci

se fait par jour

Ce modèle correspond à certains de nos besoins du fait qu’il se base sur les données réelles sur la dynamique de la population humaine, sur la dynamique de la population des moustiques, sur la météorologie, et sur les moyens de lutte contre les vecteurs Nous allons cependant ignorer les moyens de lutte contre les vecteurs et concernant la dynamique de la population des moustiques, nous avons choisit d’utiliser un modèle mathématique, présenté dans la section suivante (3.1.3 Modèle épidémiologique de Damien Philippon [29])

Les modèles à base d’agents se concentrent sur l’étude des comportements de chaque individu de la population afin de comprendre l’état du système Ces modèles sont très riches en informations, du fait qu’ils se focalisent à l’étude plus fines et permettent de voir les interactions entre les différents agents considérés dans le système

2.2.4.3 Modèle épidémiologique de Damien Philippon [29]

Dans ce paragraphe, nous discutons sur le modèle épidémiologique de Damien Philippon, camarade de classe, stagiaire et collègue au même laboratoire et ami depuis plusieurs années, car nous allons utiliser une partie de son modèle Ce modèle à pour but avant tout de simuler une épidémie de dengue à échelle internationale, dans un corridor économique Dans ce contexte, la population humaine est sédentaire, par conséquent elle est constante Il ne modélise pas les êtres humains comme un agent car

le modèle serait très gourmand en termes de ressources mais aussi qu’il n’y a pas d’impact réel sur la dynamique du modèle

Cette vision de conception est tout le contraire de notre modèle, car on souhaite avoir une population dynamique modélisé par un agent, qui aura son propre comportement

et évoluera au fil du temps En revanche, il représente ou au moins il prend en compte : la population humaine, la population de moustique et le changement climatique

Il suppose, comme dans notre modèle, que le changement climatique (température et précipitation par mois) influe directement sur l’émergence des moustiques Dans son modèle, le vecteur peut se diffuser dans un voisinage mais pas les humains, pour cela

il implémente un automate cellulaire Chaque cellule de l’automate cellulaire aura pour attributs la population d’humains compartimentée dans un SEIR, et une population de moustiques SEI qui peut se déplacer de cellules en cellules

Des stations météorologiques seront placées aussi et chaque cellule aura pour température et précipitation les informations données par la station météorologique la plus proche Dans notre modèle, nous avons la même implémentation concernant la station météorologique mais la différence est que toutes les cellules ont les mêmes valeurs de température et précipitations puisque nous sommes dans une échelle fine, une échelle correspondant à plusieurs quartiers

Le modèle est implémenté d’une façon à le rendre plus global en termes d’usage Il y a une suite de paramètres pour représenter les variables des modèles SEI des moustiques

et SEIR des humains Il y a une méthode importante nommée « execute_one_step » qui se charge d’exécuter les différentes méthodes pour mettre à jour le modèle : tout d’abord, le calcul de l’émergence des moustiques en fonction de la température et des précipitations du cycle précédent, mise à jour des données climatiques pour le cycle courant, mise à jour des valeurs S,E,I,R des populations humaines, calcule des paramètres globaux et mise à jour des deux populations

Nous allons détailler un peu les paramètres, car nous les utilisons dans notre modèle

La méthode de calcul de l’émergence des moustiques en fonction de la température et des précipitations nous vient de P.E Parham et E.Michael [30], il s’agit d’une double distribution en loi de Poisson, prenant en paramètre la température et la précipitation pour nous donner un pourcentage d’augmentation de la population de moustiques par

la formule :

avec « x » pour la température et « y » les précipitations

Figure 2.2.4.3-1 : Représentation de la fonction d’émergence des moustiques [29]

Il a considéré que la précipitation a moins d’impacts que la température, il lui affecte

un poids de 0.5 Les évolutions par rapport au temps pour le modèle SEI des moustiques sans prendre en compte la diffusion sont données par les équations :

Population moustique : fonction qui retourne l’émergence pour une population

et un cycle t

Pour ce qui concerne le modèle SEIR des êtres humains, les équations sont :

Population moustique : fonction de passage de Susceptible à Exposé

: fonction de passage de Exposé à Infecté : fonction de passage de Infecté à Rétabli : fonction de passage de Rétabli à Susceptible : personnes Susceptibles

: personnes Exposées : personnes Infectées : personnes Immunisées (Recovered ou Rétabli)

Ce modèle épidémiologique implémente une classe nommé « Station » Nous avons la même dans notre modèle Elle possède trois attributs : une matrice deux dimensions pour stocker les données de température et de précipitations, et deux variables pour la température et les précipitations actuelles

Les données climatiques sont renseignées par mois La valeur attribuée pour un jour donné est calculée en pondérant les valeurs au voisinage du mois ; si nous sommes dans un jour inférieur à 15, on pondère avec le mois précédent ; si le jour est le 15 du mois alors nous prenons directement la valeur sans faire de calcul, et le dernier cas correspond à un jour supérieur au 15 du mois ; le même procédé est utilisé que pour un jour inférieur à 15 mais, à la différence cette fois-ci, que l’on pondère selon les données du mois suivant

Pour conclure sur ce paragraphe, nous utilisons le modèle épidémiologique de Damien Philippon mais pas dans sa totalité Nous avons la même dynamique concernant les

: fonction de passage de Susceptible à Exposé : taux de mortalité

: fonction de passage de Exposé à Infecté : moustiques Susceptibles

: moustiques Exposés : moustiques Infectés Tableau 2.2.4.3-1 : Définitions des variables SEI du modèle [29]

Tableau 2.2.4.3-2 : Définitions des variables SEIR du modèle [29]

vecteurs (calcul de la population, calcul des paramètres pour l’émergence des vecteurs)

et les données climatiques (même type de pondération, donnée renseignées par mois) mais nous n’utilisons pas la population SEIR des êtres humains Cela est réalisé par notre conception Dans notre modèle nous utilisons aussi la notion d’automate cellulaire

Les calculs SEI se font dans chaque cellule, comme pour le modèle épidémiologique

de Damien Concernant la population humaine dans notre modèle, nous avons des méthodes qui permettent de récupérer les informations nécessaires pour faire lien avec

le modèle épidémiologique et pouvant faire évoluer le modèle à base d’agents et le modèle mathématique Nous allons détailler notre conception dans la section « Modèle proposé »

CHAPITRE 3

MODELE PROPOSE

Comme nous avons mentionné ci-dessus, différents modèles ont été proposés pour simuler la propagation d’épidémies de dengue Ces modèles peuvent être classés en deux grandes catégories : les modèles mathématiques et les modèles à base d’agents Nous allons présenter dans ce chapitre l’intérêt de notre modèle ainsi que les données

et outils utilisés

3.1 Données à disposition

Pour la réalisation de notre travail, nous nous basons sur les données à notre disposition concernant la ville de Can Tho (Vietnam), aussi sur quelques articles présentés dans la section précédente Nous allons détailler ci-après les différents types

de données que nous avons sur cette ville Certaines données sur la ville de Can Tho ont été récupérées via l’équipe de l’UMI UMMISCO au Vietnam, d’autres ont été récupérées lors de ma mission à Can Tho

 Données sur la population humaine

Nous avons pu récupérer un document nommé : « Niên Giám Thông Kể 2010 », que l'on peut traduire en français par "Annuaire Statistique 2010" Ce document référence beaucoup d'informations, du moins pertinents au plus pertinents Pour notre travail, le plus pertinent est en particulier, concernant la population humaine : la répartition de la population de Can Tho selon ses activités socioprofessionnelles sur plusieurs années, l'effectif de la population de 2005 à 2009 selon les différents districts, quartiers

Mais ces données ne sont pas totalement harmonisées Il a fallu faire un long travail d’harmonisation et d'extrapolation pour obtenir des données fiables pour notre travail, que l'on explique plus en détail dans le chapitre « Implémentation et Expérimentation »

 Données sur l'aménagement du territoire

Nous avons des données sur l'aménagement du territoire de l'année 2005 et 2010 Elles représentent différentes informations géographiques sur la ville Elles sont contenues dans des fichiers sous le format shapefile Chaque fichier shapefile présente différentes parcelles formant la ville

Chaque parcelle est caractérisée par son type (culture, fruit, résidence, lieux de travail, école, route, canal d'eau, bâtiment) et sa surface en m² Pour l'année 2005, nous avons