論文の概要: An Improved Simulation Model for Pedestrian Crowd Evacuation
- arxiv url: http://arxiv.org/abs/2012.09135v1
- Date: Fri, 4 Dec 2020 18:25:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-23 01:14:33.275223
- Title: An Improved Simulation Model for Pedestrian Crowd Evacuation
- Title（参考訳）: 歩行者避難シミュレーションモデルの改良
- Authors: Danial A. Muhammed, Tarik A. Rashid, Abeer Alsadoon, Nebojsa Bacanin,
Polla Fattah, Mokhtar Mohammadi and Indradip Banerjee
- Abstract要約: 本稿では,新しい手法を提案し,それをモデルに統合することによって,開発モデルに新たな機能を追加する。
新しい手法では、避難者の避難所の避難時間の平均を推定し、避難所の避難時間の平均に基づいて、どの避難所が最良かを判断する。
その結果,提案手法を用いたモデルでは,多くの提案箇所で適切な出口ドア位置を予測できることがわかった。
- 参考スコア（独自算出の注目度）: 4.7272573582914
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper works on one of the most recent pedestrian crowd evacuation
models, i.e., "a simulation model for pedestrian crowd evacuation based on
various AI techniques", developed in late 2019. This study adds a new feature
to the developed model by proposing a new method and integrating it with the
model. This method enables the developed model to find a more appropriate
evacuation area design, among others regarding safety due to selecting the best
exit door location among many suggested locations. This method is completely
dependent on the selected model's output, i.e., the evacuation time for each
individual within the evacuation process. The new method finds an average of
the evacuees' evacuation times of each exit door location; then, based on the
average evacuation time, it decides which exit door location would be the best
exit door to be used for evacuation by the evacuees. To validate the method,
various designs for the evacuation area with various written scenarios were
used. The results showed that the model with this new method could predict a
proper exit door location among many suggested locations. Lastly, from the
results of this research using the integration of this newly proposed method, a
new capability for the selected model in terms of safety allowed the right
decision in selecting the finest design for the evacuation area among other
designs.
- Abstract（参考訳）: 本稿は,2019年後半に開発された,最新の歩行者避難モデルである「各種AI技術に基づく歩行者避難シミュレーションモデル」について論じる。
本研究は,新しい手法を提案し,それをモデルに統合することで,開発したモデルに新たな機能を追加する。
本手法により,提案する多くの場所の中から,最適な出口ドア位置を選択することによる安全性など,より適切な避難エリア設計が可能である。
この方法は、選択されたモデルの出力、すなわち、避難プロセス内の各個人に対する避難時間に完全に依存する。
新しい方法は避難者各避難所の避難所の避難時間の平均を求め,避難所の平均避難時間に基づいて避難所の避難所が避難所の避難所として最も適しているかを決定する。
本手法を検証するために, 各種シナリオを用いた避難区域の設計を行った。
その結果, 提案手法を用いたモデルでは, 提案位置の適切な出入口位置を予測できることがわかった。
最後に, 本手法を統合した研究結果から, 安全の観点から選択したモデルに対して, 避難区域の優れた設計を選択する上で, 適切な判断を下すことができた。
関連論文リスト
- Be Aware of the Neighborhood Effect: Modeling Selection Bias under Interference [50.95521705711802]
従来の研究では、予測モデルの偏りのない学習を実現するために、選択バイアスに対処することに注力してきた。
本稿では、因果推論の観点から、近隣効果を干渉問題として公式に定式化する。
本稿では,近隣効果の存在下で選択バイアスに対処できる新しい理想的損失を提案する。
論文 参考訳（メタデータ） (2024-04-30T15:20:41Z) - Automatic Outlier Rectification via Optimal Transport [7.421153752627664]
コンケーブコスト関数を用いた最適輸送を用いた外乱検出のための新しい概念的枠組みを提案する。
コンケーブコスト関数を用いて最適な輸送距離を利用するための第一歩を踏み出し、修正セットを構築する。
次に、推定タスクを実行するための修正セット内での最適分布を選択する。
論文 参考訳（メタデータ） (2024-03-21T01:30:24Z) - Model Checking for Closed-Loop Robot Reactive Planning [0.0]
モデル検査を用いて、ディファレンシャルドライブホイールロボットの多段階計画を作成することにより、即時危険を回避できることを示す。
簡単な生物エージェントのエゴセントリックな反応を反映した,小型で汎用的なモデル検査アルゴリズムを用いて,リアルタイムで計画を生成する。
論文 参考訳（メタデータ） (2023-11-16T11:02:29Z) - Learning-Aided Warmstart of Model Predictive Control in Uncertain
Fast-Changing Traffic [2.0965639599405366]
我々は、ネットワークベースのマルチモーダル予測器を用いて、自律走行車軌道の提案を生成する。
このアプローチにより,複数の局所最小値の同定が可能となり,初期推定精度が向上する。
我々はモンテカルロシミュレーションによるアプローチを異なるシナリオで検証する。
論文 参考訳（メタデータ） (2023-10-04T16:00:21Z) - Dual Student Networks for Data-Free Model Stealing [79.67498803845059]
主な課題は、パラメータにアクセスせずにターゲットモデルの勾配を推定し、多様なトレーニングサンプルを生成することである。
そこで本研究では,2人の学生が左右対称に学習し,学生が反対するサンプルを生成するための基準を提案する。
我々の新しい最適化フレームワークは、目標モデルのより正確な勾配推定と、ベンチマーク分類データセットの精度向上を提供する。
論文 参考訳（メタデータ） (2023-09-18T18:11:31Z) - Improving Heterogeneous Model Reuse by Density Estimation [105.97036205113258]
本稿では,異なる参加者の個人データを用いてモデルを学習することを目的とした多人数学習について検討する。
モデルの再利用は、各パーティーのためにローカルモデルがトレーニングされていると仮定して、マルチパーティの学習にとって有望なソリューションである。
論文 参考訳（メタデータ） (2023-05-23T09:46:54Z) - DDPEN: Trajectory Optimisation With Sub Goal Generation Model [70.36888514074022]
本稿では,エスケープネットワークを用いた微分動的プログラミング(DDPEN)を提案する。
本稿では,環境の入力マップとして,所望の位置とともにコストマップの形で利用する深層モデルを提案する。
このモデルは、目標に導く可能性のある将来の方向を生成し、リアルタイムに実行可能なローカルなミニマを避ける。
論文 参考訳（メタデータ） (2023-01-18T11:02:06Z) - Residual Overfit Method of Exploration [78.07532520582313]
提案手法は,2点推定値の調整と1点オーバーフィットに基づく近似探索手法を提案する。
このアプローチは、調整されたモデルと比較して、オーバーフィットモデルが最も過度な適合を示すアクションへの探索を促進する。
ROMEを3つのデータセット上の確立されたコンテキスト的帯域幅法と比較し、最も優れたパフォーマンスの1つとみなす。
論文 参考訳（メタデータ） (2021-10-06T17:05:33Z) - Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。
建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
論文 参考訳（メタデータ） (2020-04-25T22:54:35Z) - Modeling Survival in model-based Reinforcement Learning [0.0]
この研究は、エージェントの目的が生き残ることの事例を議論することで生存の概念を提示する。
端末状態を避けることを学ぶ報奨関数近似の代用モデルを導入する。
終端状態に注目することは、少数の状態空間として、トレーニングの労力を大幅に削減する。
論文 参考訳（メタデータ） (2020-04-18T15:49:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。