Ученые из Университета ИТМО совместно с иностранными коллегами создали программу, совмещающую компьютерные модели, чтобы детализировать поведение толпы. Разработчики надеются, что новый подход поможет организаторам массовых мероприятий увидеть картину целиком и лучше подготовиться к экстренным ситуациям на различных площадках. Метод уже лег в основу изучения потока паломников на крупнейшем религиозном фестивале Кумбха-Мела в Индии.
Ученые из Университета ИТМО создали детализированную модель поведения толпы

Чтобы описать потоки людей математически, ученые используют методы мультиагентного моделирования. Такой подход означает, что поведение общего потока определяется траекторией и скоростью движения отдельных агентов. В свою очередь, действия каждого участника толпы контролирует его собственный искусственный интеллект. Сотрудники Института наукоемких компьютерных технологий (НИИ НКТ) Университета ИТМО при участии Национального автономного университета Мексики, Амстердамского университета в Нидерландах, Массачусетского технологического института и Северо-восточного университета в Бостоне (США) разработали среду для объединения мультиагентных моделей, описывающих поведение пешеходов во время массовых мероприятий и экстренных ситуаций. С помощью новой программы, названной PULSE, исследователи совместили модель эвакуации посетителей из здания кинотеатра с моделью дорожного движения в прилегающем районе. Об исследовании сообщает журнал Future Generation Computer Systems.

«Существует немало инструментов для построения и «склейки» моделей, но из-за ряда технических ограничений они не подошли нам, и мы были вынуждены создать свое программное обеспечение, — рассказывает Владислав Карбовский, старший научный сотрудник НИИ НКТ, доцент кафедры высокопроизводительных вычислений Университета ИТМО. — Контекстный подход позволяет получать более полную картину происходящего и уменьшает неопределенность, которая возникает, когда мы моделируем поведение толпы».

Мультиагентные модели призваны решать две задачи. Во‑первых, это краткосрочное прогнозирование в режиме «что будет, если». Воспроизводя различные сценарии (пожар, наводнение, перекрытие одного из выходов и т. д.), можно спрогнозировать, в каких местах при эвакуации давка наиболее вероятна. Во‑вторых, модели помогут оптимизировать расположение объектов, взаимодействующих с людскими потоками: датчиков, ограждений и других устройств.

Фото

На основе разработанных средств ученые строят прикладные исследования. «В прошлом году, например, мы работали над оптимизацией расположения датчиков в терминале аэропорта Пулково в Санкт-Петербурге, — говорит Владислав Карбовский. — Этой весной мы присоединились к проекту, направленному на сбор и изучение информации о потоках паломников, посещающих крупнейший религиозный фестиваль Кумбха-Мела в Индии. Совместно с индийскими и голландскими специалистами мы исследуем массовые мероприятия этого фестиваля и строим модели людских потоков».

Число посетителей праздника достигает ста миллионов человек. При таком количестве людей происшествия нередки. Чтобы помочь организаторам фестиваля лучше подготовиться к непредвиденным ситуациям, ученые создали модель для двух индуистских храмов. Ее можно использовать, чтобы понять, как избежать давки, если, например, начнется дождь и толпа людей устремится в здание.

Фото

Перед тем, как строить модель, ученые собирают данные об участниках толпы, используя камеры видеонаблюдения, специальные браслеты, опросы и интервью. Полученная информация анализируется программами, которые определяют плотность потока, траекторию и скорость посетителей. Для имитации же экстренной ситуации — например, эвакуации из здания — ученые делают поправку на человеческое поведение. «Самое сложное при моделировании паники — это получить опытные данные о шаблонах поведения и вероятности выбора эвакуационных путей», отмечает один из авторов статьи, инженер НИИ НКТ Даниил Волошин. Мультиагентные модели требуют серьезных вычислительных мощностей, поэтому ученые не только оптимизировали производительность разработанной среды, но и использовали технологии облачных вычислений, объединяя до десяти различных моделей, в том числе модель распространения инфекций.