Synthèse

PROJET SCIENTIFIQUE

A CROWD DYNAMICS-BASED
APPROACH TO ASSESS THE MOROCCAN
OPULATION’S CONTACT MATRIX USING
AGGREGATED LITERATURE DATA

Réalisé par :
EL KOUT Mohamed Encadrant :
LAFDIL Oussama
Mr JEBRANE Aissam
ESSAHOUQUI Anas
QAISSOUNI Mehdi

Octobre 2022
 Projet scientifique

Table des matières

1 Introduction 2
1.1 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Problématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Les hypothèses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2 Approche proposée 3
2.1 Formulation du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Méthode de résolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3 Description du contenu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.4 Spécification technique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.5 Interprétation des résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.6 Comparaison de la solution avec une solution existante . . . . . . . . . . . . . . . . . . 7
2.7 Avantages et limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.8 Nouvelle piste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3 Conclusion 9

1
 Projet scientifique

1 Introduction

1.1 Contexte

Les événements survenus au cours des dernières années ont mis en évidence les menaces que
représentent les maladies infectieuses transmissibles par contact, telles que la COVID-19, le virus
Ebola, la grippe et la tuberculose, montrant ainsi qu’il est important pour les pays d’être préparés
à une épidémie. Les recherches montrent que la transmissibilité est déterminée par l’intensité et
la fréquence des interactions interhumaines. Ainsi, quantifier le contact est nécessaire pour prédire
l’évolution des épidémies et pour évaluer l’efficacité des interventions et des mesures de prévention
et de lutte à l’aide des modèles épidémiologiques.

1.2 Problématique

Comment peut-on estimer le taux de contact afin de prédire l’évolution de l’épidémie ?

1.3 Les hypothèses

Pour comprendre l’évolution d’une épidémie, il est nécessaire de décrire quantitativement la popu-
lation associée, en termes de ses caractéristiques et de son comportement, ainsi de suivre la variation
de ces caractéristiques d’un lieu d’activité à un autre. Tout cela va permettre de quantifier le contact
entre les individus et par la suite avoir une idée sur la réaction de la population à l’épidémie.

Il est important aussi de procéder par un modèle mathématique qui décrit l’évolution de l’épidémie,
ce modèle va prendre en considération des paramètres liés au contact entre les individus.

2
 Projet scientifique

2 Approche proposée

2.1 Formulation du problème

Le modèle SIR est un modèle compartimental qui décrit l’évolution d’une épidémie où S désigne
la population d’individus susceptible d’être contaminée, I représente la population infectée et R
représente la population d’individus rétablie ou décédée.
 ′
 S = −β ∗ S ∗ I

I′ = β ∗ S ∗ I − γ ∗ I (1)
R ′ = γ ∗ R


Le paramètre γ représente le taux de rétablissement et β représente le taux de transmission de la

maladie et est donné par β = p ∗ c avec p la probabilité de transmission et c le taux de contact. Afin
d’estimer le taux de contact, il est possible de segmenter la population en différents groupes selon
l’âge en utilisant une matrice de contact Cij pour avoir une variante du modèle SIR.
 ′

 Si = −λi (t) ∗ Si
E ′ = λ (t) ∗ S − γ ∗ E

i i i E i
′ (2)

 Ii = γE ∗ E i − γI ∗ Ii

 ′
Ri = γI ∗ Ii

n
X Ij
λi (t) = β ∗ Cij ∗ (3)
j=1
Nj

La matrice Cij représente le nombre de contact entre la classe d’âge i avec la classe d’âge j.
Elle peut se décomposer par la sommation de quatre matrices qui prennent en considération les
différents lieux de contacts :

Cij = CijHouse + CijSchool + CijW ork + CijOther (4)

3
 Projet scientifique

2.2 Méthode de résolution

2.3 Description du contenu

Pour simuler l’interaction entre les individus, il est nécessaire de prendre en considération les ca-
ractéristiques démographiques, socio-culturels, comportementales dans les lieux d’activité.
En effet, les lieux d’activités sont divisés en cinq principales catégories :
-Les lieux de travail
-Les écoles
-Les centres commerciaux
-Les zones résidentielles
-Autres
On va étudier de plus la durée moyenne de visite et le pourcentage des classes d’âge dans ces lieux.

Description des caractéristiques socio-culturels :

Pour les caractéristiques socio-culturel et comportementales, il est évident qu’ils varient d’un lieu à
un autre, on va s’intéresser à :

- La distance sociale qui est un paramètre principal dans le contact entre les individus et elle
dépend du type de relation existante entre ces individus (famille, ami intime, étranger, . . .)

- La vitesse moyenne des individus par rapport à l’âge, au sexe et au lieux d’activité.
Tous ces caractéristiques servent pour la simulation du mouvement de la population dans un lieu
donné.

Description des caractéristiques démographiques :

4
 Projet scientifique
- Poids par tranche d’âge : Afin d’avoir le poids de chaque tranche d’âge, l’étude a gardé la valeur
moyenne et l’écart-type pour les tranches d’âge qui contiennent ces informations, et pour les tranches
d’âges qui n’ont que la valeur moyenne, l’étude a calculé leurs écart-types en utilisant des fonctions
prédéfinies.

- Temps de relaxation (To) : Le temps de relaxation To caractérise le temps en lequel un état

stationnaire sera atteint. C’est le temps nécessaire pour qu’un piéton adapte son mouvement après
un contact ou un changement soudain de direction.

2.4 Spécification technique

- La modélisation hiérarchique bayésienne : est un modèle statistique qui estime la distribution

de probabilité d’une variable aléatoire, à l’aide des résultats obtenues d’une expérience ou d’une
enquête. Il est utilisé dans cette étude pour projeter les résultats de l’enquête effectué par Polymod à
8 pays.

- Crowd dynamics model-social force model : c’est un modèle qui décrit la dynamique des foules.
Ce modèle suggère que le mouvement des piétons peut être décrit comme s’ils étaient soumis à des
“forces sociales”. Ces forces sociales représentent la mesure des motivations internes des individus à
effectuer certaines actions. Ce modèle a été utilisé dans cette étude afin de projeter les résultats de
l’estimation du taux de contact dans 8 pays aux autres 152 pays.

- Après avoir estimé les matrices de contacts dans les lieux d’activités, nous avons implémenté
ces matrices dans un code MATLAB qui permet de tracer les courbes qui décrivent l’évolution des
population S, E, I et R.

5
 Projet scientifique

2.5 Interprétation des résultats

F IGURE 1 – Matrices de contact des lieux d’activité

Ces figures montrent que la matrice de contact varie d’un lieu d’activité à un autre, on remarque
que la fréquence de contact entre les individus est différente dans chaque lieu à titre d’exemple :
Le nombre moyen de contact dans une école dans 24h peut atteindre 1,2 alors qu’il peut atteindre
presque 0,2 dans un centre commercial dans 24h.
De plus, Le nombre moyen de contact dans un ménage dans 5min peut atteindre 1,8 alors qu’il peut
atteindre presque 0,8 dans un lieu de travail dans 5min.

On remarque aussi que la nombre moyen de contact entre une classe d’âge et une autre dépend
du lieu d’activité, en effet dans l’école on constate que ce nombre est important entre les personnes
ayant un âge entre [15-30], cela peut être expliquer par la forte présence des élèves et des profes-
seurs. En outre, on trouve dans un ménage qu’il y a un nombre de contact important entre la classe
[15-20] et la classe [35-40], et aussi entre la classe [15-20] et elle-même, ceci est due au contact
entre les parents avec leurs enfants et aux contacts entre les enfants.

6
 Projet scientifique

F IGURE 2 – Evolution de S, E, I et R dans le temps

On remarque que la population susceptible diminue au cours du temps, la population exposée

augmente jusqu’à ce qu’elle atteigne une valeur maximale puis décroit parce qu’une partie de cette
population devient infectée, ce qui explique l’augmentation de la population infectée.
On remarque aussi que le pic de la population exposée précède celui de la population infectée parce
qu’une personne sera exposée avant qu’elle soit infectée.
Et finalement, on constate une décroissance des personnes infectées, parce qu’elles se rétabliront ou
décéderont au cours du temps.

2.6 Comparaison de la solution avec une solution existante

Dans un autre article [1], des algorithmes de suivi et d’analyse vidéo ont été utilisés pour esti-
mer le taux de contact de 5 individus pendant un rassemblement de masse. Les individus ont été
considérés comme ayant un événement de contact si la distance entre eux et une autre personne était
inférieure à 1 mètre. L’étude a également simulé 50 individus à l’aide d’une représentation géospatiale
précise du même lieu du rassemblement. Ainsi, les paramètres de contact générés peuvent aider à
améliorer les simulations de la transmission des épidémies lors d’un rassemblement de masse à l’aide
des applications de modélisation.

La différence entre les méthodes proposées par les deux articles, réside dans le fait que l’utilisa-
tion de la deuxième méthode, dans des rassemblements à forte densité, nécessitera des caméras à
très haute résolution ainsi que des algorithmes de suivi plus complexes. En outre, il est difficile de
généraliser les résultats pour une population.

7
 Projet scientifique

2.7 Avantages et limites

Avantages Limites
L’utilisation d’un modèle de la Le manque et l’imprécision des
dynamique des foules et des données sur des paramètres qui
caractéristiques socio-psycho- décrivent le mouvement des individus
comportemental pour estimer les est une limite à cette étude.
matrices de contact.
Cette méthode d’estimation de ma- - Contacts supposés proportionnels
trice de contact permettra de prédire aux effectifs
l’évolution des épidémies.
Il est difficile de mesurer ou quanti- .
fier le contact dans plusieurs pays sur-
tout dans les pays à faible ou moyen
revenu, cette approche propose donc
une méthode alternative pour estimer
le taux de contact.

2.8 Nouvelle piste

Cette étude permet d’estimer le taux de contact afin de prédire l’évolution de l’épidémie mais ne
donne pas d’informations pour limiter la propagation de l’épidémie.
Afin de pouvoir contrôler la propagation de l’épidémie, nous proposerons une approche qui permet
de déterminer la forme des matrices de contacts optimales des lieux d’activités, en d’autres termes,
déterminer les mesures et les lieux de confinements qui nous permettrons de contrôler l’épidémie.

8
 Projet scientifique

3 Conclusion
Nous avons réalisé, au moyen de ce travail, une synthèse de l’article scientifique : “A CROWD
DYNAMICS-BASED APPROACH TO ASSESS THE MOROCCAN POPULATION’S CONTACT MATRIX
USING AGGREGATED LITERATURE DATA”. En effet, Nous avons d’abord identifié la problématique
décrite par la question :
Comment peut-on estimer le taux de contact afin de prédire l’évolution de l’épidémie ?

Nous avons ensuite décrit l’approche proposée par l’article et qui consiste d’abord à estimer le taux
de contact dans chacun des POLYMOD pays grâce à la modélisation hiérarchique bayésienne, puis
à intégrer ces résultats d’estimation ainsi que les caractéristiques démographiques, socio-culturels,
comportementales des pays restants dans un modèle de Crowd-dynamics dans le but de projeter les
résultats aux autres 152 pays. Puis, nous avons interprété les résultats essentiels de l’étude. En effet,
nous avons constaté que la forme de la matrice de contact varie d’un lieu d’activité à un autre et que
le nombre moyen de contact entre une classe d’âge et une autre dépend du lieu d’activité.

La prochaine étape de notre travail consistera à trouver la forme optimale des matrices de
contact des lieux d’activités afin de pouvoir contrôler la propagation des épidémies.

Références
(1) R AINEY, J. J. ; C HERIYADAT, A. ; R ADKE, R. J. ; C RUMLY, J. S. ; KOCH, D. B. BMC Public Health
2014, 14, 1-6.