KR20190108428A - 셀룰러 오토마타 알고리즘을 이용한 보행 상황 시뮬레이션 방법 및 장치 - Google Patents

셀룰러 오토마타 알고리즘을 이용한 보행 상황 시뮬레이션 방법 및 장치 Download PDF

Info

Publication number
KR20190108428A
KR20190108428A KR1020180029933A KR20180029933A KR20190108428A KR 20190108428 A KR20190108428 A KR 20190108428A KR 1020180029933 A KR1020180029933 A KR 1020180029933A KR 20180029933 A KR20180029933 A KR 20180029933A KR 20190108428 A KR20190108428 A KR 20190108428A
Authority
KR
South Korea
Prior art keywords
pedestrian
cell
walking
group
indoor space
Prior art date
Application number
KR1020180029933A
Other languages
English (en)
Other versions
KR102108850B1 (ko
Inventor
이승재
김주영
안치원
Original Assignee
서울시립대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서울시립대학교 산학협력단 filed Critical 서울시립대학교 산학협력단
Priority to KR1020180029933A priority Critical patent/KR102108850B1/ko
Publication of KR20190108428A publication Critical patent/KR20190108428A/ko
Application granted granted Critical
Publication of KR102108850B1 publication Critical patent/KR102108850B1/ko

Links

Images

Classifications

    • G06F17/5009—
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)

Abstract

복수의 보행자 그룹 중에서, 실내 공간에 위치하는 보행자에 대응하는 보행자 셀이 포함되는 보행자 그룹을 결정하고, 보행자 셀이 실내 공간 네트워크 내에서 이동하는 방향을 나타내는 보행 방향을 결정하는 단계, 그리고 시뮬레이션을 위한 보행 데이터와, 보행 방향에 기반하여 보행자 셀이 다른 셀로 이동할 확률을 계산함으로써 보행을 시뮬레이션하는 단계를 통해, CA 알고리즘에 기반하여 보행을 시뮬레이션하는 방법 및 장치가 제공된다.

Description

셀룰러 오토마타 알고리즘을 이용한 보행 상황 시뮬레이션 방법 및 장치{METHOD AND APPARATUS FOR PEDESTRIAN SIMULATION USING CELLUALAR AUTOMATA}
본 발명은 CA 알고리즘을 이용하여 실내의 보행 상황을 시뮬레이션하는 방법 및 장치에 관한 것이다.
최근, 교통 약자에게 이동 편의를 제공하기 위한 연구들이 진행 중이다. 교통 약자가 대중 교통을 원활하게 이용하기 위한 연구들도 있고, 보행 약자의 일반 보도에서의 접근성 및 이동성에 관한 연구도 있다. 하지만 위와 같은 연구들은, 실내 공간에 위치한 교통 약자 및 보행 약자에 대해 수행되지 않았다. 따라서, 실내 공간에 일반인과 교통 약자, 보행 약자들이 혼재되어 있을 때, 실내 공간 내의 보행 상황을 정교하게 시뮬레이션할 수 있는 연구가 필요하다. 실내 공간 내의 보행 상황의 정교한 시뮬레이션을 통해 건축물의 피난 전략이 수립될 수 있고 건축 단계에서 적절한 소방 설계 등이 수행될 수 있다.
본 발명이 해결하고자 하는 과제는, CA 알고리즘에 기반하여 보행을 시뮬레이션하는 방법을 제공하는 것이다.
또한 본 발명이 해결하고자 하는 과제는, CA 알고리즘에 기반하여 보행을 시뮬레이션하는 장치를 제공하는 것이다.
또한 본 발명이 해결하고자 하는 과제는, CA 알고리즘에 기반하여 보행을 시뮬레이션하는 다른 장치를 제공하는 것이다.
본 발명의 실시예에 따르면, 실내 공간을 복수의 셀로 구성되는 실내 공간 네트워크로 모델링하는 셀룰러 오토마타(Cellular Automata, CA) 알고리즘에 기반하여 보행을 시뮬레이션하는 방법이 제공된다. 상기 보행 시뮬레이션 방법은, 복수의 보행자 그룹 중에서, 실내 공간에 위치하는 보행자에 대응하는 보행자 셀이 포함되는 보행자 그룹을 결정하고, 보행자 셀이 실내 공간 네트워크 내에서 이동하는 방향을 나타내는 보행 방향을 결정하는 단계, 그리고 시뮬레이션을 위한 보행 데이터와, 보행 방향에 기반하여 보행자 셀이 다른 셀로 이동할 확률을 계산함으로써 보행을 시뮬레이션하는 단계를 포함하고, 복수의 보행자 그룹은, 일반인 보행자 그룹, 어린이 보행자 그룹, 휠체어 보행자 그룹, 및 고령 보행자 그룹을 포함하고, 복수의 보행자 그룹의 점유 공간은 서로 다르다.
상기 보행 시뮬레이션 방법에서 보행 데이터는 보행자 셀의 초기 속력을 포함하고, 복수의 보행자 그룹에 포함되는 각 보행자 셀은 서로 다른 초기 속력을 가질 수 있다.
상기 보행 시뮬레이션 방법에서 일반인 보행자 그룹에 속한 보행자 셀의 초기 속력이 가장 빠르고, 어린이 보행자 그룹에 속한 보행자 셀의 초기 속력이 일반인 보행자 그룹의 다음으로 빠르고, 휠체어 보행자 그룹에 속한 보행자 셀의 초기 속력이 어린이 보행자 그룹의 다음으로 빠르며, 고령 보행자 그룹에 속한 보행자 셀의 초기 속력이 가장 느릴 수 있다.
상기 보행 시뮬레이션 방법은, 보행을 시뮬레이션하는 단계의 종료 이후에, 복수의 보행자 그룹의 구성 비율을 변경하여 보행자 셀의 이동 속도를 계산함으로써 보행을 다시 시뮬레이션하는 단계를 더 포함할 수 있다.
상기 보행 시뮬레이션 방법에서, 실내 공간 네트워크 상에서 복수의 보행자 그룹 중 일반인 보행자 그룹의 보행자 셀이 가장 작은 점유 공간을 차지하고, 휠체어 보행자 그룹의 보행자 셀이 가장 큰 점유 공간을 차지할 수 있다.
상기 보행 시뮬레이션 방법에서 보행자 셀은 Pi,j에 위치할 때 수학식 1을 통해 다른 셀로 이동할 확률을 계산하는 단계는, 수학식 1을 통해 보행자 셀의 왼쪽 이동 인자 및 보행자 셀의 오른쪽 이동 인자를 계산하는 단계를 포함하고, 왼쪽 이동 인자가 오른쪽 이동 인자보다 크면 보행자 셀은 왼쪽으로 이동하고, 오른쪽 이동 인자가 왼쪽 이동 인자보다 크면 보행자 셀은 오른쪽으로 이동할 수 있다.
본 발명의 다른 실시예에 따르면, 실내 공간을 복수의 셀로 구성되는 실내 공간 네트워크로 모델링하는 셀룰러 오토마타(Cellular Automata, CA) 알고리즘에 기반하여 보행을 시뮬레이션하는 장치가 제공된다. 상기 보행 시뮬레이션 장치는, 복수의 보행자 그룹 중에서, 실내 공간에 위치하는 보행자에 대응하는 보행자 셀이 포함되는 보행자 그룹을 결정하고, 보행자 셀이 실내 공간 네트워크 내에서 이동하는 방향을 나타내는 보행 방향을 결정하는 보행자 결정부, 그리고 보행 데이터와, 보행 방향 및 보행자 셀의 초기 속력에 기반하여 보행자 셀이 다른 셀로 이동할 확률을 계산함으로써 보행을 시뮬레이션하는 보행 속도 계산부를 포함하고, 복수의 보행자 그룹은, 일반인 보행자 그룹, 어린이 보행자 그룹, 휠체어 보행자 그룹, 및 고령 보행자 그룹을 포함하고, 복수의 보행자 그룹의 점유 공간은 서로 다르다.
본 발명의 또 다른 실시예에 따르면, 실내 공간을 복수의 셀로 구성되는 실내 공간 네트워크로 모델링하는 셀룰러 오토마타(Cellular Automata, CA) 알고리즘에 기반하여 보행을 시뮬레이션하는 장치가 제공된다. 상기 보행 시뮬레이션 장치는, 복수의 보행자 그룹 중에서, 실내 공간에 위치하는 보행자에 대응하는 보행자 셀이 포함되는 보행자 그룹을 결정하고, 보행자 셀이 실내 공간 네트워크 내에서 이동하는 방향을 나타내는 보행 방향을 결정하는 보행자 결정부, 보행자 셀의 실내 공간 네트워크 내에서의 보행 시뮬레이션을 위한 보행 데이터를 저장하는 데이터베이스, 및 보행 데이터 및 보행 방향에 기반하여 보행자 셀의 이동 속도를 계산함으로써 보행을 시뮬레이션하는 보행 속도 계산부를 포함하고, 복수의 보행자 그룹은, 일반인 보행자 그룹, 어린이 보행자 그룹, 휠체어 보행자 그룹, 및 고령 보행자 그룹을 포함하고, 복수의 보행자 그룹의 점유 공간은 서로 다르다.
본 발명의 실시예에 따르면, 다양한 보행자 유형을 고려하여 실내 공간 내에서의 보행자의 보행을 정교하게 시뮬레이션할 수 있다.
도 1은 한 실시예에 따른 실내의 보행 상황을 시뮬레이션 하기 위한 시뮬레이션 장치를 나타낸 블록도이다.
도 2는 한 실시예에 따른 실내 보행 상황의 시뮬레이션 방법을 나타낸 흐름도이다.
도 3은 한 실시예에 따른 실내 공간을 나타내는 실내 공간 네트워크 데이터의 몇 가지 예시를 나타낸 개념도이다.
도 4는 한 실시예에 따른 CA 알고리즘의 보행자 셀을 나타낸 개념도이다.
도 5는 도 4에 따른 CA 알고리즘의 보행자 유형을 나타낸 개념도이다.
도 6은 한 실시예에 따른 CA 알고리즘의 보행자 셀과 이웃 보행자 셀의 관계를 나타낸 개념도이다.
도 7은 한 실시예에 따른 보행자의 전방 이동 방법을 나타낸 흐름도이다.
도 8은 한 실시예에 따른 타임 스텝이 홀수일 때의 보행자의 측방 이동 방법을 나타낸 흐름도이다.
도 9는 한 실시예에 따른 타임 스텝이 짝수일 때의 보행자의 측방 이동 방법을 나타낸 흐름도이다.
도 10은 한 실시예에 따른 보행 시뮬레이션 중 캡쳐된 시뮬레이션 화면을 나타내는 도면이다.
도 11은 다른 실시예에 따른 보행 시뮬레이션 장치를 나타낸 블록도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 명세서에서, 동일한 구성요소에 대해서 중복된 설명은 생략한다.
또한 본 명세서에서, 어떤 구성요소가 다른 구성요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에 본 명세서에서, 어떤 구성요소가 다른 구성요소에 '직접 연결되어' 있다거나 '직접 접속되어' 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
또한, 본 명세서에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위해 사용되는 것으로써, 본 발명을 한정하려는 의도로 사용되는 것이 아니다.
또한 본 명세서에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.
또한 본 명세서에서, '포함하다' 또는 '가지다' 등의 용어는 명세서에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품, 또는 이들을 조합한 것이 존재함을 지정하려는 것일 뿐, 하나 또는 그 이상의 다른 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 할 것이다.
또한 본 명세서에서, '및/또는' 이라는 용어는 복수의 기재된 항목들의 조합 또는 복수의 기재된 항목들 중의 어느 항목을 포함한다. 본 명세서에서, 'A 또는 B'는, 'A', 'B', 또는 'A와 B 모두'를 포함할 수 있다.
또한 본 명세서에서, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략될 것이다.
도 1은 한 실시예에 따른 실내의 보행 상황을 시뮬레이션 하기 위한 시뮬레이션 장치를 나타낸 블록도이고, 도 2는 한 실시예에 따른 실내 보행 상황의 시뮬레이션 방법을 나타낸 흐름도이며, 도 3은 한 실시예에 따른 실내 공간을 나타내는 실내 공간 네트워크 데이터의 몇 가지 예시를 나타낸 개념도이다.
도 1을 참조하면, 한 실시예에 따른 보행 시뮬레이션 장치(100)는, 보행자 결정부(110), 보행 속도 계산부(120), 및 데이터베이스(130)를 포함한다.
한 실시예에 따른 보행 시뮬레이션 장치(100)는 셀룰러 오토마타(Cellular Automata, CA) 알고리즘에 기반하여 실내 공간 내에 위치한 보행자의 보행을 시뮬레이션 한다. 즉, 보행 시뮬레이션 장치(100)는 복수의 셀로서 실내 공간을 모델링하는 CA 알고리즘에 기반하여 적어도 하나의 셀로 표현되는 각 보행자가 실내 공간 네트워크 내에서 이동하는 모습을 시뮬레이션할 수 있다.
보행자 결정부(110)는 실내 공간에서 보행하는 보행자를 복수의 서로 다른 보행자 그룹으로 구분한다. 또한 보행자 결정부(110)는 보행 시뮬레이션을 시작할 때 각 유형의 보행자가 실내 공간 네트워크 내에 위치하는 시작 셀 및 보행 방향을 결정한다. 보행자의 시작 셀 및 보행 방향은 무작위로 또는 미리 결정된 방법에 따라 결정된다. 시뮬레이션에서 각 보행자는 보행자 결정부(110)에 의해 결정된 셀에서 보행자 결정부(110)에 의해 결정된 보행 방향으로 움직인다.
보행 속도 계산부(120)는 보행자가 이동하는 속도를 매 타임 스텝마다 결정한다. 보행 속도 계산부(120)는 보행자의 보행 방향의 전방에서 보행 방향과 반대 방향으로 보행하는 대향 보행자에 따라 보행자가 어떤 속력과 방향으로 이동하는지 결정할 수 있다. 한 실시예에 따른 시뮬레이션에서 보행자는 셀로 표현되는 실내 공간 네트워크 내에서 보행 방향의 전방 또는 보행 방향의 좌우 방향으로 움직인다고 가정된다.
데이터베이스(130)는 보행 시뮬레이션을 위한 각종 보행 데이터를 저장한다. 아래에서는 데이터베이스(130)에 저장되는 보행 데이터에 대해 설명한다.
도 2를 참조하면, 먼저, 보행 시뮬레이션 장치(100)의 데이터베이스(130)에 보행 데이터가 입력된다(S110). 데이터베이스(130)에 입력되는 보행 데이터는, 실내 공간을 나타내기 위한 실내 공간 네트워크 데이터 및 보행자 속성 데이터를 포함한다. 또한 보행 데이터는 시뮬레이션 장치의 출력 형식을 나타내는 자료를 포함할 수 있다. 아래 표 1은 한 실시예에 따른 CA 모델의 보행 데이터를 나타낸다.
구분 보행 데이터 단위
실내 공간
네트워크 		단위 셀의 길이 m
단위 셀의 면적 m2
네트워크의 길이 m
네트워크의 면적 m2
시뮬레이션 시간 s(초)
시간 간격(interval time) s(초)
타임 스텝 s(초)
보행자 속성 보행자 셀의 방향별 교통량 명/h(시)/m
보행자 그룹의 구성 비율 %
보행자 그룹별 보행자 셀의 초기 속력 m/s
보행자 그룹별 용량 명/h(시)/m
출력 형식 시간 간격 당 보행자 공간이용분포 시공도
시간 간격 당 방향별 평균 통행 속도 m/s
개별 셀 점유율/개별 셀 중 최대 점유율 %
한 실시예에 따른 보행 데이터는 일반 상황 및 재난 상황에 관한 연구 사례, 보고서 등의 보행 속도 데이터로부터 수집된다. 데이터베이스(130)는 보행 데이터를 상황, 위치, 보행자 연령 등의 기준에 따라 구분하여 저장할 수 있다. 연령 구분에서 같은 10대 연령대에서도 중학생, 고등학생 등으로 명확하게 구분될 수도 있다. 실내 공간 네트워크 데이터는 한 실시예에 따른 시뮬레이션의 시나리오에 따라 다양하다. 도 3을 참조하면, (a)는 일반 복도를 나타낸 실내 공간 네트워크 데이터이고, 길이 30m, 폭 4.5m(0.5mХ9셀)이다. (b)는 장애물이 있는 복도를 나타낸 실내 공간 네트워크 데이터이고, 길이와 폭은 일반 복도와 동일하다. 복도 중간의 해칭 표시된 1개의 셀은 일반 보행자를 나타내고, 흑색으로 칠해진 여러 개의 셀은 각각 복도에 존재하는 장애물을 나타낸다. (c)는 좁은 계단을 나타낸 실내 공간 네트워크 데이터이고, 길이는 10m, 폭은 1.2m(약 0.5mХ2셀)이다. (d)는 넓은 계단을 나타낸 실내 공간 네트워크 데이터이고, 길이는 10m, 폭은 2.5m(0.5mХ5셀)이다. 넓은 계단의 중앙에는 난간 장애물을 나타내는 복수의 흑색 셀이 위치한다.
다음, 보행자 결정부(110)는 보행자가 속할, 복수의 서로 다른 보행자 그룹을 결정한다(S120). 또한, 보행자 결정부(110)는 각 보행자 그룹에 포함된 보행자에 대응하는 보행자 셀의, 실내 공간 네트워크 내의 시작 셀 및 보행 방향을 결정한다. 한 실시예에 따른 실내 공간 네트워크 내에는 다양한 계층의 보행자가 존재할 수 있다. 보행자는 보행 속도에 따라 빠른 보행자, 보통 보행자, 느린 보행자로 분류될 수 있고, 보행시 차지하는 영역의 크기에 따라 일반 보행자, 휠체어 보행자, 지팡이를 사용하는 고령 보행자, 목발 보행자 등으로 분류될 수 있다. 한 실시예에 따른 시뮬레이션에서 일반 보행자 1인이 차지하는 영역(점유 공간)은 0.25m2(0.5m×0.5m)로 고려되었다.
도 4는 한 실시예에 따른 CA 알고리즘의 보행자 셀을 나타낸 개념도이고, 도 5는 도 4에 따른 CA 알고리즘의 보행자 유형을 나타낸 개념도이며, 도 6은 한 실시예에 따른 CA 알고리즘의 보행자 셀과 이웃 보행자 셀의 관계를 나타낸 개념도이다.
도 4를 참조하면, 한 실시예에 따른 CA 알고리즘에서 현재 보행자 셀이 P i,j 일 때, 각 보행자 셀은 현재 셀의 좌우 셀(P i,j-1 , P i,j+1 ) 또는 상하 셀(P i-1,j , P i+1,j )로 이동할 수 있다고 가정된다. 도 5를 참조하면, 한 실시예에 따른 CA 알고리즘에서 각 보행자 그룹에 포함되는 보행자 셀의 점유 공간은 서로 다르다. 도 5에서는 각 보행자 셀의 보행 방향이 지면의 왼쪽에서 오른쪽으로 가정된다. 도 5를 참조하면, 일반 보행자 및 어린이를 포함하는 보행자 그룹의 보행자 셀은 1개의 셀을 차지하고, 이동 가능한 셀은 현재 셀의 오른쪽에 위치한 셀 및 상하에 위치한 각 1개의 셀로서 모두 3개이다. 목발(crutch)을 사용하는 보행자를 포함하는 보행자 그룹의 보행자 셀은 상하로 2개(또는 3개)의 셀을 차지하고, 이동 가능한 셀은 셀의 오른쪽에 위치한 2개의 셀 및 상하에 위치한 각 1개의 셀로서 모두 4개이다. 지팡이를 사용하는 보행자를 포함하는 보행자 그룹의 보행자 셀은 좌우로 2개의 셀을 차지하고, 이동 가능한 셀은 오른쪽에 위치한 1개의 셀 및 상하에 위치한 각각 2개의 셀로서 모두 5개이다. 휠체어에 타고 있는 보행자를 포함하는 보행자 그룹의 보행자 셀은 상하좌우로 4개의 셀을 차지하고, 이동 가능한 셀은 오른쪽에 위치한 2개의 셀 및 상하에 위치한 각각 2개의 셀로서 모두 6개이다. 그리고 각 보행자 그룹의 초기 속력은 서로 다르다. 각 보행자 그룹의 초기 속력은, 일반인 보행자 그룹이 가장 빠르고(예를 들어, 1.2m/s), 어린이 보행자 그룹이 그 다음이며(예를 들어, 0.9m/s), 휠체어 보행자 그룹 및 목발 보행자 그룹이 그 다음이고(예를 들어, 0.6m/s), 고령자 보행자 그룹이 가장 느리다(예를 들어, 0.3m/s).
한 실시예에 따른 CA 알고리즘의 보행자 이동 모델의 변수는 다음 표 2와 같다.
변수 내용(단위)
Gap f 전방 보행자까지의 셀 개수(cell)
Gap l 좌측 전방 보행자까지의 셀 개수(cell)
Gap r 우측 전방 보행자까지의 셀 개수(cell)
V(t) 시각 t의 보행자 속도(cell/단위시간)
V max 보행자 최대 속도(cell/단위시간)
X(t) 시간 t의 보행자 셀 위치
Gap f (t) 보정된 전방 보행자까지의 셀 개수(cell)
P noise 불규칙 감속 확률
Pr 무작위 추출 확률
Dp 전방에 위치한 대향 보행자를 인식하는 거리(20cell)
Pdg 전방 Gap의 감속 확률
P o 강압적 진로 변경 확률
P m 최대 속도일 때의 진로 변경 확률
P l 최대 속도 미만일 때의 진로 변경 확률
도 6을 참조하면, 보행자 셀 n으로부터 전방 보행자 셀까지의 셀 개수 Gapf는 7이고, 좌측 전방 보행자 셀까지의 셀 개수 Gapl은 2이며, 우측 전방 보행자 셀까지의 셀 개수 Gapr은 5이다.
다시 도 2를 참조하면, 보행 속도 계산부(120)는 데이터베이스(130)에 저장된 보행 데이터 및 보행자 결정부(110)에 의해 결정된 보행자의 시작 셀 및 보행 방향에 기반하여 보행자 셀의 이동 속도를 계산함으로써 보행자 셀의 이동 상황을 시뮬레이션한다(S130). 즉, 보행자의 이동 상황의 시뮬레이션은 각 유형의 보행자 셀의 이동 속도를 계산함으로써 수행될 수 있다. 일반적으로 보행자 셀은 대향 보행자 셀과 충돌을 피하는 방향으로 이동 속력 및 이동 방향을 결정한다고 가정되고, 각 보행자 셀은 대향 보행자까지의 유효 공간이 확보되어 있다면 전방으로 이동하고, 남은 유효 공간의 크기(셀 개수) 등에 따라 측방 이동을 결정한다. 한 실시예에 따른 보행 시뮬레이션에서 보행자 셀은 다음과 같은 규칙에 따라 이동한다. 아래 수학식 1은 보행자 셀이 셀 P i,j 에 위치할 때 다른 셀로 이동할 확률을 나타낸다. P i,j 는 각 셀의 이동가능 확률/전체 이동가능영역 셀의 확률의 합으로 구해질 수 있다.
Figure pat00001
수학식 1에서 N은 모든 이동 가능한 셀의 확률의 합의 역수이고,
Figure pat00002
이다.
수학식 1에서,
Figure pat00003
는 정적 플로어 필드(static floor field)의 민감 파라미터(sensitive parameter)이고,
Figure pat00004
는 동적 플로어 필드(dynamic floor field)의 민감 파라미터이고,
Figure pat00005
는 정적 값(static value)이며,
Figure pat00006
는 동적 값(dynamic value)이다. 그리고 수학식 1의
Figure pat00007
는 셀 (i,j)가 비어있을 때 0이고, 경계에 의해 점유되어 있을 때 1이다.
Figure pat00008
은 셀 (i,j)가 보행자에 의해 점유되어 있을 때 0이고, 비어있을 때 1이다.
수학식 1에 따른 전방 이동 규칙(forward movement rule)은 아래 수학식 2와 같다.
Figure pat00009
그리고 수학식 1에 따른 측방 이동 규칙(side movement rule)은 아래 수학식 3과 같다.
Figure pat00010
또한, 정규화와 함께 왼쪽 측방 이동 규칙 및 오른쪽 측방 이동 규칙은 아래 수학식 4와 같다.
Figure pat00011
수학식 4에서 Pl은 각 보행자 셀의 왼쪽 이동 인자(left side movement factor)이고 Pr은 각 보행자 셀의 오른쪽 이동 인자(right side movement factor)이다. 따라서, Pr이 Pl보다 크면 보행자 셀은 오른쪽으로 이동하고, Pl이 Pr보다 크면 보행자 셀은 왼쪽으로 이동한다. 아래에서는 도 7 내지 도 9를 이용하여 보행자의 전방 이동 방법 및 측방 이동 방법을 상세히 설명한다.
도 7은 한 실시예에 따른 보행자의 전방 이동 방법을 나타낸 흐름도이고, 도 8은 한 실시예에 따른 타임 스텝이 홀수일 때의 보행자의 측방 이동 방법을 나타낸 흐름도이며, 도 9는 한 실시예에 따른 타임 스텝이 짝수일 때의 보행자의 측방 이동 방법을 나타낸 흐름도이다.
한 실시예에 따른 보행 시뮬레이션에서 각각의 보행자 셀의 속력은 가속되거나 감속될 수 있고, 감속 확률은 불규칙적인 것으로 가정된다.
도 7을 참조하면, 보행 속도 계산부(120)는 각 보행자 그룹의 초기 속력과 유효 공간을 고려하여 보행자 셀의 가속 또는 감속 여부를 결정한다(S210). 보행 속도 계산부(120)는 각 타임 스텝에서 보행자 셀의 속도를 갱신한다.
보행자 셀의 가속 규칙은 다음 설명 및 수학식 5과 같다.
- 전방 유효 공간이 시각 t의 속력보다 크다면, 시각 t+1의 속력을 단위가속력 1cell/s만큼 증가시킨다. 보행자 셀의 속력은 최대속력(Vmax)을 초과할 수 없다.
Figure pat00012
보행자 셀의 감속 규칙은 다음 설명 및 수학식 6과 같다.
- 전방 유효 공간이 시각 t의 속도보다 작다면, 시각 t+1의 속도를 유효 공간으로 감소시킨다.
Figure pat00013
그리고, 보행 속도 계산부(120)는 불규칙 감속 확률 Pnoise를 고려하여 보행자 셀의 불규칙 감속 여부를 결정한다(S220). 보행자 셀의 불규칙 감속 규칙은 다음 설명 및 수학식 7 및 8과 같다.
- 불규칙 감속 확률 Pnoise가 무작위 추출 확률 Pr보다 크면 보행자 셀의 속력을 단위가속력 1cell/초 만큼 감속시킨다.
Figure pat00014
- 불규칙 감속 확률 Pnoise가 무작위 추출 확률 Pr보다 작으면 가속 및 감속 규칙에 의해 결정된 속력에 따른다.
Figure pat00015
보행 속도 계산부(120)는 각 보행자 셀의 시각 t+1에서의 전방 이동 속력을 위의 설명과 같이 갱신한다.
그리고 보행 속도 계산부(120)는 각 보행자 셀의 측방 이동 여부도 결정한다(S230). 각 보행자 셀의 측방 이동은 측방 조건, 전방 조건, 및 진로 변경 확률 조건이 모두 만족될 때 수행된다. 또한 각 보행자 셀의 진로 변경은, 대향 보행자의 유무에 따른 강압적 진로 변경, 최대 속도로 보행하고자 하는 보행자의 잠재 선호 의식에 따른 진로 변경, 및 통행 시간을 최적화하기 위한 진로 변경으로 구분될 수 있다. 각 진로 변경의 유형에서 만족되어야 하는 전방 조건, 측방 조건, 및 확률 조건은 아래와 같다.
- 강압적 진로 변경: 각 보행자 셀은 전방 인식 거리 내에 대향 보행자가 존재하면 충돌 회피를 위해 진로 변경을 수행할 수 있다.
먼저, 타임 스텝이 홀수일 때, 전방 인식 거리 내에 대향 보행자가 존재하고(전방 조건), 보행 방향의 왼쪽 셀이 비점유이고(측방 조건), P0 ≥ Pr이면, 보행자 셀은 왼쪽 셀로 진로를 변경한다.
그리고, 타임 스텝이 짝수일 때, 전방 인식 거리 내에 대향 보행자가 존재하고(전방 조건), 보행 방향의 오른쪽 셀이 비점유이고(측방 조건), P0 ≥ Pr이면, 보행자 셀은 오른쪽 셀로 진로를 변경한다.
- 선호적 진로 변경: 보행자 셀은 최대 속도를 유지하기 위해 진로 변경을 수행하고, 보행자는 실제로 일직선으로 보행하지 않는다는 가정이 전제된다. v(t)=vmax 이고, 전방 인식거리 내에 대향보행자가 존재하지 않을 때 선호적 진로 변경이 수행될 수 있다.
먼저, 타임 스텝이 홀수이고 보행 방향의 왼쪽 셀이 비점유이고(측방 조건), gapf(t)≤gapl이며(전방 조건), Pm≥Pr이면, 보행자 셀은 왼쪽으로 진로를 변경한다.
그리고, 타임 스텝이 짝수이고 보행 방향의 오른쪽 셀이 비점유이고(측방 조건), gapf(t)≤gapl이며(전방 조건), Pm≥Pr이면, 보행자 셀은 오른쪽으로 진로를 변경한다.
- 통행시간 최적화 진로 변경: 보행자 셀은 최대 속도 이하에서도 자신의 통행 시간을 최적화 하기 위해 진로를 변경한다. v(t) < vmax 이고, 전방 인식거리 내에 대향보행자가 존재하지 않을 때 통행시간 최적화 진로 변경이 수행될 수 있다.
먼저, 타임 스텝이 홀수이고, 왼쪽 셀이 비점유이고(측방 조건), gapf(t)≤ gapl이며(전방 조건), Pl ≥ Pr 이면(확률 조건), 보행자 셀은 왼쪽으로 진로를 변경한다.
그리고, 타임 스텝이 짝수이고, 오른쪽 셀이 비점유이고(측방 조건), gapf(t)≤ gapl이며(전방 조건), Pl ≥ Pr 이면(확률 조건), 보행자 셀은 오른쪽으로 진로를 변경한다.
도 10은 한 실시예에 따른 보행 시뮬레이션 중 캡쳐된 시뮬레이션 화면을 나타내는 도면이다.
도 10을 참조하면, 실내 공간 네트워크(4.5m×30m)에서 서로 다른 점유 공간으로 표현된 보행자 그룹이 서로 다른 이동 속도로 보행하고 있다. 각 보행자 그룹은 전방의 대향 보행자 셀의 유무에 따라 이동 속도를 가속하기도 하고 감속하기도 하며, 무작위로 감속하기도 하고, 이동 방향을 바꾸기도 한다.
다시 도 2를 참조하면, 한 실시예에 따른 보행 시뮬레이션 장치(100)는 도 10과 같이 수행되는 보행 시뮬레이션의 결과에 기반하여 보행자 구성비에 따른 보행자 밀도, 보행자 속도, 보행교통류율을 비교한다(S140). 보행자 밀도는 실내 공간 네트워크의 면적 내에 위치하는 보행자의 인원 수로 표현될 수 있다(단위는 명/m2). 보행자의 최종 속도는 위에서 설명한 가속 규칙, 감속 규칙, 불규칙 감속 규칙에 따라 결정된다. 보행교통류율은 보행자 밀도×보행자 속도로 표현될 수 있고,분 간격으로 계산될 수 있다(단위는 명/(m·분)). 예를 들어, 보행 시뮬레이션 장치(100)는 미리 결정된 실내 공간 시나리오에 따라 정상인 비율을 75&에서 15%씩 줄여가며 보행 시뮬레이션을 반복할 수 있다. 정상인 보행자의 비율이 75%일 때(초기값), 어린이 보행자의 비율은 15.55%이고, 고령 보행자 비율은 5.79%이며, 휠체어 보행자의 비율은 3.66%일 수 있다. 이후 반복되는 보행 시뮬레이션에서 각 보행자 그룹의 구성 비율은 변경된다.
도 11은 다른 실시예에 따른 보행 시뮬레이션 장치를 나타낸 블록도이다.
한 실시예에 따른 보행 시뮬레이션 장치는, 컴퓨터 시스템, 예를 들어 컴퓨터 판독 가능 매체로 구현될 수 있다. 도 11을 참조하면, 컴퓨터 시스템(1100)은, 버스(1170)를 통해 통신하는 프로세서(1110), 메모리(1130), 사용자 인터페이스 입력 장치(1150), 사용자 인터페이스 출력 장치(1160), 및 저장 장치(1140) 중 적어도 하나를 포함할 수 있다. 컴퓨터 시스템(1100)은 또한 네트워크에 결합된 통신 장치(1120)를 포함할 수 있다. 프로세서(1110)는 중앙 처리 장치(central processing unit, CPU)이거나, 또는 메모리(1130) 또는 저장 장치(1140)에 저장된 명령을 실행하는 반도체 장치일 수 있다. 메모리(1130) 및 저장 장치(1140)는 다양한 형태의 휘발성 또는 비휘발성 저장 매체를 포함할 수 있다. 예를 들어, 메모리는 ROM(read only memory) 및 RAM(random access memory)를 포함할 수 있다.
따라서, 본 발명의 실시예는 컴퓨터에 구현된 방법으로서 구현되거나, 컴퓨터 실행 가능 명령이 저장된 비일시적 컴퓨터 판독 가능 매체로서 구현될 수 있다. 한 실시예에서, 프로세서에 의해 실행될 때, 컴퓨터 판독 가능 명령은 본 기재의 적어도 하나의 양상에 따른 방법을 수행할 수 있다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (15)

  1. 실내 공간을 복수의 셀로 구성되는 실내 공간 네트워크로 모델링하는 셀룰러 오토마타(Cellular Automata, CA) 알고리즘에 기반하여 보행을 시뮬레이션하는 방법으로서,
    복수의 보행자 그룹 중에서, 상기 실내 공간에 위치하는 보행자에 대응하는 보행자 셀이 포함되는 보행자 그룹을 결정하고, 상기 보행자 셀이 상기 실내 공간 네트워크 내에서 이동하는 방향을 나타내는 보행 방향을 결정하는 단계, 그리고
    상기 시뮬레이션을 위한 보행 데이터와, 상기 보행 방향에 기반하여 상기 보행자 셀이 다른 셀로 이동할 확률을 계산함으로써 상기 보행을 시뮬레이션하는 단계
    를 포함하고,
    상기 복수의 보행자 그룹은, 일반인 보행자 그룹, 어린이 보행자 그룹, 휠체어 보행자 그룹, 및 고령 보행자 그룹을 포함하고, 상기 복수의 보행자 그룹의 점유 공간은 서로 다른, 보행 시뮬레이션 방법.
  2. 제1항에서,
    상기 보행 데이터는 상기 보행자 셀의 초기 속력을 포함하고, 상기 복수의 보행자 그룹에 포함되는 각 보행자 셀은 서로 다른 초기 속력을 가지는, 보행 시뮬레이션 방법.
  3. 제2항에서,
    상기 일반인 보행자 그룹에 속한 보행자 셀의 초기 속력이 가장 빠르고, 상기 어린이 보행자 그룹에 속한 보행자 셀의 초기 속력이 상기 일반인 보행자 그룹의 다음으로 빠르고, 상기 휠체어 보행자 그룹에 속한 보행자 셀의 초기 속력이 상기 어린이 보행자 그룹의 다음으로 빠르며, 상기 고령 보행자 그룹에 속한 보행자 셀의 초기 속력이 가장 느린, 보행 시뮬레이션 방법.
  4. 제1항에서,
    상기 보행을 시뮬레이션하는 단계의 종료 이후에, 상기 복수의 보행자 그룹의 구성 비율을 변경하여 상기 보행자 셀의 이동 속도를 계산함으로써 상기 보행을 다시 시뮬레이션하는 단계
    를 더 포함하는 보행 시뮬레이션 방법.
  5. 제1항에서,
    상기 실내 공간 네트워크 상에서, 상기 복수의 보행자 그룹 중 상기 일반인 보행자 그룹의 보행자 셀이 가장 작은 점유 공간을 차지하고, 상기 휠체어 보행자 그룹의 보행자 셀이 가장 큰 점유 공간을 차지하는, 보행 시뮬레이션 방법.
  6. 제1항에서,
    상기 보행을 시뮬레이션하는 단계는,
    상기 보행자 셀이 Pi,j에 위치할 때 아래 수학식 1을 통해 상기 다른 셀로 이동할 확률을 계산하는 단계를 포함하는, 보행 시뮬레이션 방법.
    [수학식 1]
    Figure pat00016

    (N: 모든 이동 가능한 셀의 확률의 합의 역수,
    Figure pat00017
    : 정적 플로어 필드(static floor field)의 민감 파라미터(sensitive parameter),
    Figure pat00018
    : 동적 플로어 필드(dynamic floor field)의 민감 파라미터,
    Figure pat00019
    : 정적 값(static value),
    Figure pat00020
    : 동적 값(dynamic value),
    Figure pat00021
    : 셀 (i,j)가 비어있을 때 0이고 경계에 의해 점유되어 있을 때 1,
    Figure pat00022
    : 셀 (i,j)가 보행자에 의해 점유되어 있을 때 0이고 비어있을 때 1)
  7. 제6항에서,
    상기 보행자 셀은 Pi,j에 위치할 때 상기 수학식 1을 통해 상기 다른 셀로 이동할 확률을 계산하는 단계는,
    상기 수학식 1을 통해 상기 보행자 셀의 왼쪽 이동 인자 및 상기 보행자 셀의 오른쪽 이동 인자를 계산하는 단계를 포함하고,
    상기 왼쪽 이동 인자가 상기 오른쪽 이동 인자보다 크면 상기 보행자 셀은 왼쪽으로 이동하고, 상기 오른쪽 이동 인자가 상기 왼쪽 이동 인자보다 크면 상기 보행자 셀은 오른쪽으로 이동하는, 보행 시뮬레이션 방법.
  8. 실내 공간을 복수의 셀로 구성되는 실내 공간 네트워크로 모델링하는 셀룰러 오토마타(Cellular Automata, CA) 알고리즘에 기반하여 보행을 시뮬레이션하는 장치로서,
    복수의 보행자 그룹 중에서, 상기 실내 공간에 위치하는 보행자에 대응하는 보행자 셀이 포함되는 보행자 그룹을 결정하고, 상기 보행자 셀이 상기 실내 공간 네트워크 내에서 이동하는 방향을 나타내는 보행 방향을 결정하는 보행자 결정부, 그리고
    보행 데이터와, 상기 보행 방향 및 상기 보행자 셀의 초기 속력에 기반하여 상기 보행자 셀이 다른 셀로 이동할 확률을 계산함으로써 상기 보행을 시뮬레이션하는 보행 속도 계산부
    를 포함하고,
    상기 복수의 보행자 그룹은, 일반인 보행자 그룹, 어린이 보행자 그룹, 휠체어 보행자 그룹, 및 고령 보행자 그룹을 포함하고, 상기 복수의 보행자 그룹의 점유 공간은 서로 다른, 보행 시뮬레이션 장치.
  9. 제8항에서,
    상기 보행 데이터는 상기 보행자 셀의 초기 속력을 포함하고, 상기 복수의 보행자 그룹에 포함되는 각 보행자 셀은 서로 다른 초기 속력을 가지는, 보행 시뮬레이션 장치.
  10. 제9항에서,
    상기 일반인 보행자 그룹에 속한 보행자 셀의 초기 속력이 가장 빠르고, 상기 어린이 보행자 그룹에 속한 보행자 셀의 초기 속력이 상기 일반인 보행자 그룹의 다음으로 빠르고, 상기 휠체어 보행자 그룹에 속한 보행자 셀의 초기 속력이 상기 어린이 보행자 그룹의 다음으로 빠르며, 상기 고령 보행자 그룹에 속한 보행자 셀의 초기 속력이 가장 느린, 보행 시뮬레이션 장치.
  11. 제8항에서,
    상기 보행 속도 계산부는, 상기 보행을 시뮬레이션한 이후에, 상기 복수의 보행자 그룹의 구성 비율을 변경하여 상기 보행자 셀의 이동 속도를 계산함으로써 상기 보행을 다시 시뮬레이션하는, 보행 시뮬레이션 장치.
  12. 제8항에서,
    상기 실내 공간 네트워크 상에서, 상기 복수의 보행자 그룹 중 상기 일반인 보행자 그룹의 보행자 셀이 가장 작은 점유 공간을 차지하고, 상기 휠체어 보행자 그룹의 보행자 셀이 가장 큰 점유 공간을 차지하는, 보행 시뮬레이션 장치.
  13. 제8항에서,
    상기 보행 속도 계산부는,
    상기 보행자 셀이 Pi,j에 위치할 때 아래 수학식 1을 통해 상기 다른 셀로 이동할 확률을 계산하는, 보행 시뮬레이션 장치.
    [수학식 1]
    Figure pat00023

    (N: 모든 이동 가능한 셀의 확률의 합의 역수,
    Figure pat00024
    : 정적 플로어 필드(static floor field)의 민감 파라미터(sensitive parameter),
    Figure pat00025
    : 동적 플로어 필드(dynamic floor field)의 민감 파라미터,
    Figure pat00026
    : 정적 값(static value),
    Figure pat00027
    : 동적 값(dynamic value),
    Figure pat00028
    : 셀 (i,j)가 비어있을 때 0이고 경계에 의해 점유되어 있을 때 1,
    Figure pat00029
    : 셀 (i,j)가 보행자에 의해 점유되어 있을 때 0이고 비어있을 때 1)
  14. 제13항에서,
    상기 보행 속도 계산부는,
    상기 확률을 계산할 때, 상기 수학식 1을 통해 상기 보행자 셀의 왼쪽 이동 인자 및 상기 보행자 셀의 오른쪽 이동 인자를 계산하고,
    상기 왼쪽 이동 인자가 상기 오른쪽 이동 인자보다 크면 상기 보행자 셀은 왼쪽으로 이동하고, 상기 오른쪽 이동 인자가 상기 왼쪽 이동 인자보다 크면 상기 보행자 셀은 오른쪽으로 이동하는, 보행 시뮬레이션 장치.
  15. 실내 공간을 복수의 셀로 구성되는 실내 공간 네트워크로 모델링하는 셀룰러 오토마타(Cellular Automata, CA) 알고리즘에 기반하여 보행을 시뮬레이션하는 장치로서,
    복수의 보행자 그룹 중에서, 상기 실내 공간에 위치하는 보행자에 대응하는 보행자 셀이 포함되는 보행자 그룹을 결정하고, 상기 보행자 셀이 상기 실내 공간 네트워크 내에서 이동하는 방향을 나타내는 보행 방향을 결정하는 보행자 결정부,
    상기 보행자 셀의 상기 실내 공간 네트워크 내에서의 보행 시뮬레이션을 위한 보행 데이터를 저장하는 데이터베이스, 및
    상기 보행 데이터 및 상기 보행 방향에 기반하여 상기 보행자 셀의 이동 속도를 계산함으로써 상기 보행을 시뮬레이션하는 보행 속도 계산부
    를 포함하고,
    상기 복수의 보행자 그룹은, 일반인 보행자 그룹, 어린이 보행자 그룹, 휠체어 보행자 그룹, 및 고령 보행자 그룹을 포함하고, 상기 복수의 보행자 그룹의 점유 공간은 서로 다른, 보행 시뮬레이션 장치.
KR1020180029933A 2018-03-14 2018-03-14 셀룰러 오토마타 알고리즘을 이용한 보행 상황 시뮬레이션 방법 및 장치 KR102108850B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180029933A KR102108850B1 (ko) 2018-03-14 2018-03-14 셀룰러 오토마타 알고리즘을 이용한 보행 상황 시뮬레이션 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180029933A KR102108850B1 (ko) 2018-03-14 2018-03-14 셀룰러 오토마타 알고리즘을 이용한 보행 상황 시뮬레이션 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20190108428A true KR20190108428A (ko) 2019-09-24
KR102108850B1 KR102108850B1 (ko) 2020-05-12

Family

ID=68068857

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180029933A KR102108850B1 (ko) 2018-03-14 2018-03-14 셀룰러 오토마타 알고리즘을 이용한 보행 상황 시뮬레이션 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102108850B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111310322A (zh) * 2020-02-10 2020-06-19 河海大学 基于元胞自动机的干旱区自然绿洲空间动态模拟方法
CN112149305A (zh) * 2020-09-25 2020-12-29 中车长春轨道客车股份有限公司 轨道车辆火灾人员疏散仿真方法及系统
KR20220096706A (ko) * 2020-12-31 2022-07-07 한국기술교육대학교 산학협력단 실제 감염 데이터에 기반하는 시뮬레이션 모델 학습 장치 및 방법
CN117610270A (zh) * 2023-11-27 2024-02-27 北京工业大学 一种考虑小学生运动特征的行人疏散仿真方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014023548A (ja) * 2012-07-24 2014-02-06 Kajima Corp 避難行動シミュレーションシステム及び避難行動シミュレーション方法
KR20140092526A (ko) * 2013-01-15 2014-07-24 서울시립대학교 산학협력단 대피시뮬레이션을 제공하는 재난대피 시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014023548A (ja) * 2012-07-24 2014-02-06 Kajima Corp 避難行動シミュレーションシステム及び避難行動シミュレーション方法
KR20140092526A (ko) * 2013-01-15 2014-07-24 서울시립대학교 산학협력단 대피시뮬레이션을 제공하는 재난대피 시스템 및 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"HIM구축을 위한 재실자 보행특성의 기초적 연구", 대한건축학회 논문집 제28권 제5호(pp. 133-140), 2012년 5월* *
"보행자의 물리적 특성을 반영한 CA기반 보행모델", 한국공간정보학회지 22권 2호(pp. 53-62), 2014년 4월* *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111310322A (zh) * 2020-02-10 2020-06-19 河海大学 基于元胞自动机的干旱区自然绿洲空间动态模拟方法
CN111310322B (zh) * 2020-02-10 2021-03-16 河海大学 基于元胞自动机的干旱区自然绿洲空间动态模拟方法
CN112149305A (zh) * 2020-09-25 2020-12-29 中车长春轨道客车股份有限公司 轨道车辆火灾人员疏散仿真方法及系统
KR20220096706A (ko) * 2020-12-31 2022-07-07 한국기술교육대학교 산학협력단 실제 감염 데이터에 기반하는 시뮬레이션 모델 학습 장치 및 방법
CN117610270A (zh) * 2023-11-27 2024-02-27 北京工业大学 一种考虑小学生运动特征的行人疏散仿真方法

Also Published As

Publication number Publication date
KR102108850B1 (ko) 2020-05-12

Similar Documents

Publication Publication Date Title
KR102108850B1 (ko) 셀룰러 오토마타 알고리즘을 이용한 보행 상황 시뮬레이션 방법 및 장치
Yanagisawa et al. Mean-field theory for pedestrian outflow through an exit
Wang et al. Modeling and simulating for congestion pedestrian evacuation with panic
Pereira et al. Emergency evacuation models based on cellular automata with route changes and group fields
Song et al. Crowd evacuation simulation for bioterrorism in micro-spatial environments based on virtual geographic environments
Jiang et al. Continuum crowd simulation in complex environments
Ding et al. Simulation-based optimization of emergency evacuation strategy in ultra-high-rise buildings
Zhang et al. Population evacuation analysis: considering dynamic population vulnerability distribution and disaster information dissemination
Chu et al. SAFEgress: a flexible platform to study the effect of human and social behaviors on egress performance
Liu et al. A perception‐based emotion contagion model in crowd emergent evacuation simulation
Odeh Hybrid algorithm: fuzzy logic-genetic algorithm on traffic light intelligent system
CN112182723A (zh) 人群疏散瓶颈拥堵状况分析方法和系统
Fu et al. Dynamics of bidirectional pedestrian flow in a corridor including individuals with disabilities
Zhang et al. Multi-agent based modeling and simulating for evacuation process in stadium
CN115577574A (zh) 一种导流栏杆位置计算方法、装置、设备及可读存储介质
Haghpanah et al. Application of bug navigation algorithms for large-scale agent-based evacuation modeling to support decision making
Camillen et al. Multi agent simulation of pedestrian behavior in closed spatial environments
Wijerathne et al. Scalable HPC enhanced agent based system for simulating mixed mode evacuation of large urban areas
CN113806832A (zh) 一种基于行为仿真的社区地震应急疏散空间优化设计方法
CN113742925B (zh) 一种信号控制路口行人流仿真方法
Jacob et al. Agent based modeling and simulation of tsunami triggered mass evacuation considering changes of environment due to earthquake and inundation
Chapuis et al. Exploring multi-modal evacuation strategies for a landlocked population using large-scale agent-based simulations
Zhou et al. A Multistory Building Evacuation Model Based on Multiple‐Factor Analysis
Aguilar et al. On a mass evacuation simulator with complex autonomous agents and applications
Kaveh et al. Optimization of egress in fire using hybrid graph theory and metaheuristic algorithms

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant