Modelo para a predição de comportamento de multidão em tempos futuros

Abstract

O comportamento de multidões humanas tem sido objeto de estudo de diversas áreas do conhecimento, tais como Ciências Humanas, Engenharias e Ciência da Computação. No âmbito da Ciência da Computação as simulações de multidões geram informações que servem de base para desenvolvimento de pesquisas com aplicações voltadas para a segurança e o entretenimento. O objetivo deste trabalho é prover um modelo computacional que estime o comportamento da multidão em determinado tempo futuro. Métodos como Pedestrian Dead Reckoning (PDR) possibilitam uma predição aproximada das posições das pessoas em tempos futuros, usando hipóteses Físicas. No entanto, o desafio está em gerar posições precisas considerando comportamentos realísticos de multidões em ambientes complexos, onde a estimativa somente usando Física dos movimentos dos pedestres, pode não ser robusta suficientemente. Neste trabalho propõe-se um modelo denominado Time Machine (TM) que estende o conceito de PDR com dados das interações entre pessoas e complexidade do ambiente. Este modelo foi integrado ao BioCrowds, um simulador de multidões que discretiza as áreas disponíveis do ambiente e as representa através de marcadores (pontos no espaço) que permitem a movimentação, livre de colisão, de humanos virtuais. Afim de validar a metodologia proposta, diversas simulações foram executadas incluindo estudos de casos com situações reais. Para esses estudos de caso,as análises de erro incluíram informações de densidade e de variação deposições dos personagens. Um exemplo é a predição de 8,33 segundos no tempo futuro de uma população simulada de 320 agentes em uma área livre de 338 m2, sendo que a diferença média das posições, com o método Time Machine, foi de 0,25. Além disso, para casos com dados reais, o método TM estimou a multidão como erro máximo de 0,24.

The behavior of human crowds has been studied in several areas of knowledge, such as Human Sciences, Engineering and Computer Science. In the field of Computer Science, crowd simulations generate information that serves as the basis for the development of research with applications focused on security and entertainment. The objective of this work is to provide a computational model that estimates the behavior of the crowd at a certain future time. Methods such as Pedestrian Dead Reckoning (PDR) allow an approximate prediction of people’s positions in future times, using Physical hypotheses. However, the challenge is to generate accurate positions by considering realistic behavior of crowds in complex environments, where the estimation using only the physics of pedestrian movements may not be robust enough. This paper proposes a model called Time Machine (TM) that extends the concept of PDR with data resulting from interactions among people and complexity of the environment. This model has been integrated with BioCrowds, a crowd simulator that discretizes the available areas of the environment and represents them through marker (points in space) that allow the free movement of virtual humans. In order to validate the proposed methodology, several simulations were performed including case studies with real situations. For these case studies, analyzed error includes information on density and variation of pedestrian positions. An example is the prediction of 8.33 seconds in the future time of a simulated population of 320 agents in a free area of 338m2 , presenting the error of 0.25 in average. In addition, for cases with real data, the TM method estimated the crowd with the maximum error of 0.24.