Export this record: EndNote BibTex

Please use this identifier to cite or link to this item: https://tede2.pucrs.br/tede2/handle/tede/8285
Full metadata record
DC FieldValueLanguage
dc.creatorTesta, Estevão Smania-
dc.contributor.advisor1Musse, Soraia Raupp-
dc.date.accessioned2018-09-14T19:26:34Z-
dc.date.issued2018-03-15-
dc.identifier.urihttp://tede2.pucrs.br/tede2/handle/tede/8285-
dc.description.resumoEvacuation plans have been historically used as a safety measure for the construction of buildings. The existing simulators require fully-modeled 3D environments and enough time to prepare and simulate scenarios. Since the amount of people in a given simulated scenario can change over time, several simulations are often required in order to generate an optimal evacuation plan. With that in mind, we present in this paper a novel approach to estimate the resulting data of a given evacuation scenario without actually simulating it. For such, we divide the environment into modular rooms with different configurations, in a divide-and-conquer fashion. Next, we train an artificial neural network to estimate all required data regarding the evacuation of a single room. After collecting the estimated data from each room, we developed a heuristic capable of aggregating per room information so the full environment can be properly evaluated. Our method presents errors within the 30% margin when compared to evacuation time in a real and complex environment. In addition, it is not necessary to model the 3D environment, learn how to use and configure a crowd simulator, and the computational time to estimate is instantaneous when compared to a best case real-time crowd simulator.por
dc.description.abstractPlanos de evacuação têm sido historicamente usados como uma medida de segurança para a construção de edifícios. Os simuladores existentes requerem ambientes 3D totalmente modelados e tempo suficiente para preparar e simular cenários. Uma vez que a quantidade de pessoas pode mudar ao longo do tempo, várias simulações são frequentemente necessárias para gerar um plano de evacuação otimizado. Neste documento é apresentado uma nova abordagem para estimar os dados resultantes de um dado cenário de evacuação sem simula-lo de fato. Para tal o ambiente é dividido o ambiente em salas modulares com configurações diferentes, em um estilo divisão e conquista. Em seguida, uma rede neural artificial é treinada para estimar os dados desejados de uma sala sozinha. Após coletar os dados estimados de cada sala, uma heurística capaz de agregar informações por sala é desenvolvida para que o ambiente completo possa ser devidamente estimado. Esse método apresenta erros dentro da margem de 30% quando comparado o tempo de evacuação em um ambiente real e complexo. Além disso, não é necessário modelar o ambiente 3D, aprender como configurar um simulador de multidões e o tempo computacional para estimar é instantâneo quando comparado ao melhor caso de um simulador de multidões.por
dc.description.provenanceSubmitted by PPG Ciência da Computação ([email protected]) on 2018-09-13T13:02:14Z No. of bitstreams: 1 ESTEVAO SMANIA TESTA_DIS.pdf: 3237172 bytes, checksum: d5aadd66e71bcae6b9ef00c5c31e0e5a (MD5)eng
dc.description.provenanceApproved for entry into archive by Sheila Dias ([email protected]) on 2018-09-14T19:04:09Z (GMT) No. of bitstreams: 1 ESTEVAO SMANIA TESTA_DIS.pdf: 3237172 bytes, checksum: d5aadd66e71bcae6b9ef00c5c31e0e5a (MD5)eng
dc.description.provenanceMade available in DSpace on 2018-09-14T19:26:34Z (GMT). No. of bitstreams: 1 ESTEVAO SMANIA TESTA_DIS.pdf: 3237172 bytes, checksum: d5aadd66e71bcae6b9ef00c5c31e0e5a (MD5) Previous issue date: 2018-03-15eng
dc.formatapplication/pdf*
dc.thumbnail.urlhttp://tede2.pucrs.br:80/tede2/retrieve/173202/ESTEVAO%20SMANIA%20TESTA_DIS.pdf.jpg*
dc.languageengpor
dc.publisherPontifícia Universidade Católica do Rio Grande do Sulpor
dc.publisher.departmentEscola Politécnicapor
dc.publisher.countryBrasilpor
dc.publisher.initialsPUCRSpor
dc.publisher.programPrograma de Pós-Graduação em Ciência da Computaçãopor
dc.rightsAcesso Abertopor
dc.subjectCrowd Egresseng
dc.subjectVirtual Human Simulationeng
dc.subjectMachine Learningeng
dc.subjectSafetyeng
dc.subjectCrowdseng
dc.subjectEvacuação de Multidõespor
dc.subjectSimulação de Humanos Virtuaispor
dc.subjectAprendizado de Máquinapor
dc.subjectSegurançapor
dc.subjectMultidõespor
dc.subject.cnpqCIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAOpor
dc.titleModelo de estimação de multidões pra cenários de emergênciapor
dc.typeDissertaçãopor
dc.restricao.situacaoTrabalho não apresenta restrição para publicaçãopor
Appears in Collections:Programa de Pós-Graduação em Ciência da Computação

Files in This Item:
File Description SizeFormat 
ESTEVAO SMANIA TESTA_DIS.pdfESTEVAO_SMANIA_TESTA_DIS3.16 MBAdobe PDFThumbnail

Download/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.