Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/41926
ORCID:  http://orcid.org/0009-0007-3364-7029
Document type: Trabalho de Conclusão de Curso
Access type: Acesso Aberto
Attribution-NonCommercial-NoDerivs 3.0 United States
Title: Modelo baseado em autômatos celulares para simulação de dinâmica coletiva de pedestres em ambientes internos
Alternate title (s): Model based on cellular automata for simulating collective pedestrian dynamics in indoor environments
Author: Damazo, Gabriela Santos
First Advisor: Martins, Luiz Gustavo Almeida
First coorientator: Silva, Eduardo Cassiano da
First member of the Committee: Travençolo, Bruno Augusto Nassif
Second member of the Committee: Lima, Maria Adriana Vidigal de
Summary: Compreender e prever o comportamento humano frente a situações normais e emergenciais é uma tarefa árdua que prende a atenção de diversos pesquisadores. Nesse sentido, a modelagem e simulação de dinâmica coletiva de pedestres (SDCP) é essencial na sociedade ao ser empregada em vários cenários, como no planejamento urbano e na segurança pública. Os autômatos celulares destacam-se como ferramentas computacionais simples e capazes de identificar e reproduzir a complexidade de diversos padrões, como a da movimentação de pedestres, especialmente na evacuação em casos de emergência. Modelos deste tipo levam diversos parâmetros em consideração, como a estratégia de escolha do piso, a interação entre os pedestres, fenômenos sociais, tais quais o pânico e tendência a seguir multidões, entre outros. Este trabalho propõe um modelo baseado em autômatos celulares para a modelagem de SDCP fortemente baseado no Modelo de Varas que combina três alterações para aproximar a simulação da realidade. São elas: alteração da dinâmica de movimentação, apresentação da separação entre obstáculos transponíveis e intransponíveis e alteração da permissão de passagem entre objetos pela diagonal.
Abstract: Understanding human behavior and predicting it in normal and emergency situations is a challenging task that attracts the attention of many researchers. In this context, simulations of collective pedestrian dynamics (SCPD) are essential in society as they are used in various scenarios, such as urban planning and public safety. Cellular automata stand out as simple computational tools capable of identifying and reproducing the complexity of various patterns, such as pedestrian movement, especially in cases of emergency evacuation. These models take into account several parameters, such as the strategy for choosing the floor, the interaction between pedestrians, social phenomena, such as panic and the tendency to follow crowds, among others. This work proposes a model based on cellular automata for modeling SCPD, strongly based on the Varas's model, which combines three modifications to make the simulation closer to reality. They are: changing the dynamics of movement, representing the separation between surmountable and insurmountable obstacles, and changing the permission to pass between objects along the diagonal.
Keywords: Autômatos celulares
Dinâmica coletiva de pedestres
Modelagem
Simulação
Obstáculos transponíveis
Diagonais intransponíveis
Cellular automata
Collective pedestrian dynamics
Modeling
Simulation
Surmountable obstacles
Uncrossable diagonals
Area (s) of CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Quote: DAMAZO, Gabriela Santos. Modelo baseado em autômatos celulares para simulação de dinâmica coletiva de pedestres em ambientes internos. 2024. 46 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2024.
URI: https://repositorio.ufu.br/handle/123456789/41926
Date of defense: 9-May-2024
Appears in Collections:TCC - Ciência da Computação

Files in This Item:
File Description SizeFormat 
ModeloBaseadoAutomatos.pdfTrabalho de Conclusão de Curso1.47 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons