Share record |
![]() ![]() |
Please use this identifier to cite or link to this item:
https://tede2.pucrs.br/tede2/handle/tede/8285
Document type: | Dissertação |
Title: | Modelo de estimação de multidões pra cenários de emergência |
Author: | Testa, Estevão Smania |
Advisor: | Musse, Soraia Raupp |
Abstract (native): | Evacuation 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. |
Abstract (english): | Planos 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. |
Keywords: | Crowd Egress Virtual Human Simulation Machine Learning Safety Crowds Evacuação de Multidões Simulação de Humanos Virtuais Aprendizado de Máquina Segurança Multidões |
CNPQ Knowledge Areas: | CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO |
Language: | eng |
Country: | Brasil |
Publisher: | Pontifícia Universidade Católica do Rio Grande do Sul |
Institution Acronym: | PUCRS |
Department: | Escola Politécnica |
Program: | Programa de Pós-Graduação em Ciência da Computação |
Access type: | Acesso Aberto |
Fulltext access restriction: | Trabalho não apresenta restrição para publicação |
URI: | http://tede2.pucrs.br/tede2/handle/tede/8285 |
Issue Date: | 15-Mar-2018 |
Appears in Collections: | Programa de Pós-Graduação em Ciência da Computação |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
ESTEVAO SMANIA TESTA_DIS.pdf | ESTEVAO_SMANIA_TESTA_DIS | 3.16 MB | Adobe PDF | ![]() Download/Open Preview |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.