Modelo de estima??o de multid?es pra cen?rios de emerg?ncia
Ano de defesa: | 2018 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | eng |
Instituição de defesa: |
Pontif?cia Universidade Cat?lica do Rio Grande do Sul
|
Programa de Pós-Graduação: |
Programa de P?s-Gradua??o em Ci?ncia da Computa??o
|
Departamento: |
Escola Polit?cnica
|
País: |
Brasil
|
Palavras-chave em Português: | |
Palavras-chave em Inglês: | |
Área do conhecimento CNPq: | |
Link de acesso: | http://tede2.pucrs.br/tede2/handle/tede/8285 |
Resumo: | Planos de evacua??o t?m sido historicamente usados como uma medida de seguran?a para a constru??o de edif?cios. Os simuladores existentes requerem ambientes 3D totalmente modelados e tempo suficiente para preparar e simular cen?rios. Uma vez que a quantidade de pessoas pode mudar ao longo do tempo, v?rias simula??es s?o frequentemente necess?rias para gerar um plano de evacua??o otimizado. Neste documento ? apresentado uma nova abordagem para estimar os dados resultantes de um dado cen?rio de evacua??o sem simula-lo de fato. Para tal o ambiente ? dividido o ambiente em salas modulares com configura??es diferentes, em um estilo divis?o e conquista. Em seguida, uma rede neural artificial ? treinada para estimar os dados desejados de uma sala sozinha. Ap?s coletar os dados estimados de cada sala, uma heur?stica capaz de agregar informa??es por sala ? desenvolvida para que o ambiente completo possa ser devidamente estimado. Esse m?todo apresenta erros dentro da margem de 30% quando comparado o tempo de evacua??o em um ambiente real e complexo. Al?m disso, n?o ? necess?rio modelar o ambiente 3D, aprender como configurar um simulador de multid?es e o tempo computacional para estimar ? instant?neo quando comparado ao melhor caso de um simulador de multid?es. |
id |
P_RS_08ea1625b943baced5eba393889a721c |
---|---|
oai_identifier_str |
oai:tede2.pucrs.br:tede/8285 |
network_acronym_str |
P_RS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da PUC_RS |
repository_id_str |
|
spelling |
Musse, Soraia RauppTesta, Estev?o Smania2018-09-14T19:26:34Z2018-03-15http://tede2.pucrs.br/tede2/handle/tede/8285Planos de evacua??o t?m sido historicamente usados como uma medida de seguran?a para a constru??o de edif?cios. Os simuladores existentes requerem ambientes 3D totalmente modelados e tempo suficiente para preparar e simular cen?rios. Uma vez que a quantidade de pessoas pode mudar ao longo do tempo, v?rias simula??es s?o frequentemente necess?rias para gerar um plano de evacua??o otimizado. Neste documento ? apresentado uma nova abordagem para estimar os dados resultantes de um dado cen?rio de evacua??o sem simula-lo de fato. Para tal o ambiente ? dividido o ambiente em salas modulares com configura??es diferentes, em um estilo divis?o e conquista. Em seguida, uma rede neural artificial ? treinada para estimar os dados desejados de uma sala sozinha. Ap?s coletar os dados estimados de cada sala, uma heur?stica capaz de agregar informa??es por sala ? desenvolvida para que o ambiente completo possa ser devidamente estimado. Esse m?todo apresenta erros dentro da margem de 30% quando comparado o tempo de evacua??o em um ambiente real e complexo. Al?m disso, n?o ? necess?rio modelar o ambiente 3D, aprender como configurar um simulador de multid?es e o tempo computacional para estimar ? instant?neo quando comparado ao melhor caso de um simulador de multid?es.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.Submitted by PPG Ci?ncia da Computa??o (ppgcc@pucrs.br) on 2018-09-13T13:02:14Z No. of bitstreams: 1 ESTEVAO SMANIA TESTA_DIS.pdf: 3237172 bytes, checksum: d5aadd66e71bcae6b9ef00c5c31e0e5a (MD5)Approved for entry into archive by Sheila Dias (sheila.dias@pucrs.br) on 2018-09-14T19:04:09Z (GMT) No. of bitstreams: 1 ESTEVAO SMANIA TESTA_DIS.pdf: 3237172 bytes, checksum: d5aadd66e71bcae6b9ef00c5c31e0e5a (MD5)Made 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: 2018-03-15application/pdfhttp://tede2.pucrs.br:80/tede2/retrieve/173202/ESTEVAO%20SMANIA%20TESTA_DIS.pdf.jpgengPontif?cia Universidade Cat?lica do Rio Grande do SulPrograma de P?s-Gradua??o em Ci?ncia da Computa??oPUCRSBrasilEscola Polit?cnicaCrowd EgressVirtual Human SimulationMachine LearningSafetyCrowdsEvacua??o de Multid?esSimula??o de Humanos VirtuaisAprendizado de M?quinaSeguran?aMultid?esCIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAOModelo de estima??o de multid?es pra cen?rios de emerg?nciainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisTrabalho n?o apresenta restri??o para publica??o1974996533081274470500500-862078257083325301info:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da PUC_RSinstname:Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)instacron:PUC_RSTHUMBNAILESTEVAO SMANIA TESTA_DIS.pdf.jpgESTEVAO SMANIA TESTA_DIS.pdf.jpgimage/jpeg5580http://tede2.pucrs.br/tede2/bitstream/tede/8285/4/ESTEVAO+SMANIA+TESTA_DIS.pdf.jpge765503b01677ddbfdf5c73b8b96cbfbMD54TEXTESTEVAO SMANIA TESTA_DIS.pdf.txtESTEVAO SMANIA TESTA_DIS.pdf.txttext/plain90405http://tede2.pucrs.br/tede2/bitstream/tede/8285/3/ESTEVAO+SMANIA+TESTA_DIS.pdf.txt8133d90048336291f4cb31220aedb8acMD53ORIGINALESTEVAO SMANIA TESTA_DIS.pdfESTEVAO SMANIA TESTA_DIS.pdfapplication/pdf3237172http://tede2.pucrs.br/tede2/bitstream/tede/8285/2/ESTEVAO+SMANIA+TESTA_DIS.pdfd5aadd66e71bcae6b9ef00c5c31e0e5aMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-8610http://tede2.pucrs.br/tede2/bitstream/tede/8285/1/license.txt5a9d6006225b368ef605ba16b4f6d1beMD51tede/82852018-09-14 20:01:14.986oai:tede2.pucrs.br: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Biblioteca Digital de Teses e Dissertaçõeshttp://tede2.pucrs.br/tede2/PRIhttps://tede2.pucrs.br/oai/requestbiblioteca.central@pucrs.br||opendoar:2018-09-14T23:01:14Biblioteca Digital de Teses e Dissertações da PUC_RS - Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)false |
dc.title.por.fl_str_mv |
Modelo de estima??o de multid?es pra cen?rios de emerg?ncia |
title |
Modelo de estima??o de multid?es pra cen?rios de emerg?ncia |
spellingShingle |
Modelo de estima??o de multid?es pra cen?rios de emerg?ncia Testa, Estev?o Smania Crowd Egress Virtual Human Simulation Machine Learning Safety Crowds Evacua??o de Multid?es Simula??o de Humanos Virtuais Aprendizado de M?quina Seguran?a Multid?es CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO |
title_short |
Modelo de estima??o de multid?es pra cen?rios de emerg?ncia |
title_full |
Modelo de estima??o de multid?es pra cen?rios de emerg?ncia |
title_fullStr |
Modelo de estima??o de multid?es pra cen?rios de emerg?ncia |
title_full_unstemmed |
Modelo de estima??o de multid?es pra cen?rios de emerg?ncia |
title_sort |
Modelo de estima??o de multid?es pra cen?rios de emerg?ncia |
author |
Testa, Estev?o Smania |
author_facet |
Testa, Estev?o Smania |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Musse, Soraia Raupp |
dc.contributor.author.fl_str_mv |
Testa, Estev?o Smania |
contributor_str_mv |
Musse, Soraia Raupp |
dc.subject.eng.fl_str_mv |
Crowd Egress Virtual Human Simulation Machine Learning Safety Crowds |
topic |
Crowd Egress Virtual Human Simulation Machine Learning Safety Crowds Evacua??o de Multid?es Simula??o de Humanos Virtuais Aprendizado de M?quina Seguran?a Multid?es CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO |
dc.subject.por.fl_str_mv |
Evacua??o de Multid?es Simula??o de Humanos Virtuais Aprendizado de M?quina Seguran?a Multid?es |
dc.subject.cnpq.fl_str_mv |
CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO |
description |
Planos de evacua??o t?m sido historicamente usados como uma medida de seguran?a para a constru??o de edif?cios. Os simuladores existentes requerem ambientes 3D totalmente modelados e tempo suficiente para preparar e simular cen?rios. Uma vez que a quantidade de pessoas pode mudar ao longo do tempo, v?rias simula??es s?o frequentemente necess?rias para gerar um plano de evacua??o otimizado. Neste documento ? apresentado uma nova abordagem para estimar os dados resultantes de um dado cen?rio de evacua??o sem simula-lo de fato. Para tal o ambiente ? dividido o ambiente em salas modulares com configura??es diferentes, em um estilo divis?o e conquista. Em seguida, uma rede neural artificial ? treinada para estimar os dados desejados de uma sala sozinha. Ap?s coletar os dados estimados de cada sala, uma heur?stica capaz de agregar informa??es por sala ? desenvolvida para que o ambiente completo possa ser devidamente estimado. Esse m?todo apresenta erros dentro da margem de 30% quando comparado o tempo de evacua??o em um ambiente real e complexo. Al?m disso, n?o ? necess?rio modelar o ambiente 3D, aprender como configurar um simulador de multid?es e o tempo computacional para estimar ? instant?neo quando comparado ao melhor caso de um simulador de multid?es. |
publishDate |
2018 |
dc.date.accessioned.fl_str_mv |
2018-09-14T19:26:34Z |
dc.date.issued.fl_str_mv |
2018-03-15 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://tede2.pucrs.br/tede2/handle/tede/8285 |
url |
http://tede2.pucrs.br/tede2/handle/tede/8285 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.relation.program.fl_str_mv |
1974996533081274470 |
dc.relation.confidence.fl_str_mv |
500 500 |
dc.relation.cnpq.fl_str_mv |
-862078257083325301 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Pontif?cia Universidade Cat?lica do Rio Grande do Sul |
dc.publisher.program.fl_str_mv |
Programa de P?s-Gradua??o em Ci?ncia da Computa??o |
dc.publisher.initials.fl_str_mv |
PUCRS |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Escola Polit?cnica |
publisher.none.fl_str_mv |
Pontif?cia Universidade Cat?lica do Rio Grande do Sul |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da PUC_RS instname:Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS) instacron:PUC_RS |
instname_str |
Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS) |
instacron_str |
PUC_RS |
institution |
PUC_RS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da PUC_RS |
collection |
Biblioteca Digital de Teses e Dissertações da PUC_RS |
bitstream.url.fl_str_mv |
http://tede2.pucrs.br/tede2/bitstream/tede/8285/4/ESTEVAO+SMANIA+TESTA_DIS.pdf.jpg http://tede2.pucrs.br/tede2/bitstream/tede/8285/3/ESTEVAO+SMANIA+TESTA_DIS.pdf.txt http://tede2.pucrs.br/tede2/bitstream/tede/8285/2/ESTEVAO+SMANIA+TESTA_DIS.pdf http://tede2.pucrs.br/tede2/bitstream/tede/8285/1/license.txt |
bitstream.checksum.fl_str_mv |
e765503b01677ddbfdf5c73b8b96cbfb 8133d90048336291f4cb31220aedb8ac d5aadd66e71bcae6b9ef00c5c31e0e5a 5a9d6006225b368ef605ba16b4f6d1be |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da PUC_RS - Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS) |
repository.mail.fl_str_mv |
biblioteca.central@pucrs.br|| |
_version_ |
1796793235530579968 |