실내 화재와 같은 재난, 재해시의 보행자의 행태를 모델링하거나 건축물의 구조를 분석하기 위해 지난 수십 년간 다양한 보행모델, 또는 화재대피모델들이 연구되어 왔다. 그러나 최근까지 개발된 모델은 대피 시 구조물들에 의해 보행자의 시야가 제한되는 것을 고려하고 있지 않다. 보행자의 시야는 대피에 영향을 미치는 중요한 요인 중 하나이므로, 이를 고려해야 현실적인 시뮬레이션 결과를 도출할 수 있다. 대피시뮬레이션에서 보행자의 시야에 대한 영향을 고려하는 방법은 시야의 제한 정도에 따라서 보행자의 대피 속도를 다르게 하는 것이다. 본 연구에서는 보행자의 시야에 따라 서로 다른 대피 속도를 갖게 하기 위해서 cellular automata를 이용한 floor field 모델을 기반으로 개선된 알고리즘을 제시하였다. 공간구문론(space syntax)을 활용하여 시야에 따라 공간을 분할하고, 동시다발적인 움직임 대신 분할된 공간별로 다른 이동속도를 갖게 하는 개선된 알고리즘을 구현하여 대피의 행태를 적절하게 모델링할 수 있게 하였다. 또한, 본 연구에서는 추후 실내 센서와의 연동을 통한 실시간 시뮬레이션 시스템으로의 개발을 위하여 공간DBMS를 이용한 3차원 보행자 시뮬레이터의 구현과정을 예시하였다. 캠퍼스 건물을 대상으로 개선된 알고리즘의 시뮬레이션 테스트를 수행하였다.
실내 화재와 같은 재난, 재해시의 보행자의 행태를 모델링하거나 건축물의 구조를 분석하기 위해 지난 수십 년간 다양한 보행모델, 또는 화재대피모델들이 연구되어 왔다. 그러나 최근까지 개발된 모델은 대피 시 구조물들에 의해 보행자의 시야가 제한되는 것을 고려하고 있지 않다. 보행자의 시야는 대피에 영향을 미치는 중요한 요인 중 하나이므로, 이를 고려해야 현실적인 시뮬레이션 결과를 도출할 수 있다. 대피시뮬레이션에서 보행자의 시야에 대한 영향을 고려하는 방법은 시야의 제한 정도에 따라서 보행자의 대피 속도를 다르게 하는 것이다. 본 연구에서는 보행자의 시야에 따라 서로 다른 대피 속도를 갖게 하기 위해서 cellular automata를 이용한 floor field 모델을 기반으로 개선된 알고리즘을 제시하였다. 공간구문론(space syntax)을 활용하여 시야에 따라 공간을 분할하고, 동시다발적인 움직임 대신 분할된 공간별로 다른 이동속도를 갖게 하는 개선된 알고리즘을 구현하여 대피의 행태를 적절하게 모델링할 수 있게 하였다. 또한, 본 연구에서는 추후 실내 센서와의 연동을 통한 실시간 시뮬레이션 시스템으로의 개발을 위하여 공간DBMS를 이용한 3차원 보행자 시뮬레이터의 구현과정을 예시하였다. 캠퍼스 건물을 대상으로 개선된 알고리즘의 시뮬레이션 테스트를 수행하였다.
Many pedestrian or fire evacuation models have been studied last decades for modeling evacuation behaviors or analysing building structures under emergency situations. However, currently developed models do not consider the differences of visibility of pedestrians by obstacles such as furniture, wal...
Many pedestrian or fire evacuation models have been studied last decades for modeling evacuation behaviors or analysing building structures under emergency situations. However, currently developed models do not consider the differences of visibility of pedestrians by obstacles such as furniture, wall, etc. The visibility of pedestrians is considered one of the important factors that affect the evacuation behavior, leading to making simulation results more realistic. In order to incorporate pedestrian's visibility into evacuation simulation, we should be able to give different walking speeds according to differences of visibility. We improved the existing floor field model based on cellular automata in order to implement the visibility. Using the space syntax theory, we showed how we split the indoor spaces depending on the different visibilities created by different levels of structural depths. Then, we improved the algorithm such that pedestrians have different speeds instead of simultaneous movement to other cells. Also, in order for developing a real time simulation system integrated w ith indoor sensors later, we present a process to build a 3D simulator using a spatial DBMS. The proposed algorithm is tested using a campus building.
Many pedestrian or fire evacuation models have been studied last decades for modeling evacuation behaviors or analysing building structures under emergency situations. However, currently developed models do not consider the differences of visibility of pedestrians by obstacles such as furniture, wall, etc. The visibility of pedestrians is considered one of the important factors that affect the evacuation behavior, leading to making simulation results more realistic. In order to incorporate pedestrian's visibility into evacuation simulation, we should be able to give different walking speeds according to differences of visibility. We improved the existing floor field model based on cellular automata in order to implement the visibility. Using the space syntax theory, we showed how we split the indoor spaces depending on the different visibilities created by different levels of structural depths. Then, we improved the algorithm such that pedestrians have different speeds instead of simultaneous movement to other cells. Also, in order for developing a real time simulation system integrated w ith indoor sensors later, we present a process to build a 3D simulator using a spatial DBMS. The proposed algorithm is tested using a campus building.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 기존 보행 모델에 보행자의 시야에 따른 영향을 추가한 개선된 보행 모델을 제시하였다. 기존의 floor field 모델에 기반을 두면서, 보행자의 위치로부터 출구까지 가시성의 정도에 따라 보행속도를 조절할 수 있는, 개선된 floor field 모델을 제시하고자 한다.
본 연구는 가시성을 추가하여 알고리즘을 개선하는 부분이 중심을 이루지만, 추후 실내 센서와 결합된 실시간 시스템의 개발을 위하여 공간 DBMS 기반의 3차원 실내 대피 시뮬레이터를 구현하였다.
이렇게 한 순간에 주변 셀들만을 고려하는 연산은 컴퓨터 기반의 시뮬레이션에 유리하게 작용한다. 본 연구에서는 floor field 모델을 기본 모델로 이용하여 알고리즘을 개선하고자 하였다.
전술한 바에 따라 공간깊이에 의해 visibility field가 구현되면, 보행자들은 static과 dynamic field 값을 참고함과 동시에 공간 깊이, 즉, visibility field값에 따라 서로 다른 보행속도를 가지면서 이동하게 된다. 본 연구에서는 공간 깊이에 따라서 보행자의 이동속도를 다르게 하는 기법을 구현하였다. 그림 4는 visibility field 계산 과정을 포함한 수정된 시뮬레이션 처리과정을 보여준다.
공간구문론(space syntax)을 활용하여 시야에 따라 공간을 분할하고, 동시다발적인 움직임 대신 분할된 공간별로 다른 이동속도를 갖게 하는 개선된 알고리즘을 구현하여 대피의 행태를 적절하게 모델링 할 수 있게 한다. 본 연구에서는 기존 보행 모델에 보행자의 시야에 따른 영향을 추가한 개선된 보행 모델을 제시하였다. 기존의 floor field 모델에 기반을 두면서, 보행자의 위치로부터 출구까지 가시성의 정도에 따라 보행속도를 조절할 수 있는, 개선된 floor field 모델을 제시하고자 한다.
본 연구에서는 대학 캠퍼스 건물을 이용하여 시뮬레이션 시스템을 테스트 하였다. 전술한 처리과정에 따라서, CAD 형식인 건물 데이터를 shapefile로 변환하였고,이를 공간 DBMS에 저장하였다.
실시간 응용에 필요한 clientserver간의 데이터 연동을 위해서는 파일이 아닌, DBMS를 이용해야 효과를 높일 수 있다. 이를 해결하기 위해 본 연구에서는 DBMS와 3D 모델을 이용한 대피시뮬레이터의 구축 방안을 제시한다. 실제 건물의 실내 공간모델을 구축하고, 이를 공간 DBMS에 저장하여 대피시뮬레이션에 적용한다.
즉, A보다 B가 출구까지 가는데 시간이 더 소요될 것이며, 특히 긴급한 상황에 낯선 환경이라면 탈출시간이 더 길어질 것으로 예상할 수 있다. 이에 착안하여 본 연구에서는 기존 floor field 모델에 가시성 필드(visibility field)를 추가한 모델을 소개한다. 이를 구현하기 위해서는 우선, 출구에 대한 가시성에 따라 대상 공간을 몇 개의 세부 공간으로 분할해야 한다.
제안 방법
우리는 QuantumGIS[22]를 이용하여 데이터변환을 수행하였다. QuantumGIS에서 CAD 파일을 불러온 후, 문, 벽, 방, 복도, 출구 등의 정보를 폴리곤과 라인의 형태로 추출한다. 추출된 데이터는 shapefile형식으로 저장된다.
벽과 3차원 모양의 계단 모델링은 DBMS의 각 공간 속성으로 저장된 높이 값을 이용하였다. 계단은 기울기를 계산하여 계단의 형태가 되도록 연산하였고, 이를 3차원으로 가시화하였다.
대피 시뮬레이션에서 보행자의 시야에 대한 영향을 고려하는 방법은 시야의 제한정도에 따라서 보행자의 대피속도를 다르게 하는 것이다. 공간구문론(space syntax)을 활용하여 시야에 따라 공간을 분할하고, 동시다발적인 움직임 대신 분할된 공간별로 다른 이동속도를 갖게 하는 개선된 알고리즘을 구현하여 대피의 행태를 적절하게 모델링 할 수 있게 한다. 본 연구에서는 기존 보행 모델에 보행자의 시야에 따른 영향을 추가한 개선된 보행 모델을 제시하였다.
본 연구에서 우리는 visibility field를 구현하는데 이러한 깊이 기반의 접근 방법을 사용하였다. 대상공간을 시야의 깊이에 따라 몇 개의 세부공간으로 나누었다. 그림 2는 출구까지의 시야를 고려하여 깊이를 부여하고, 이에 따라 공간을 분할하는 과정을 보여준다.
출구에 대한 시야의 제한에 따라서 공간을 분할하였고, 분할된 공간에 따라 대피자의 이동속도를 조절하였다. 둘째, 건물의 데이터를 3차원으로 변환하여 공간 DBMS에 저장하고, 이를 시뮬레이션 시스템에서 불러와 그리드셀 형식으로 변환하여 시뮬레이션을 수행하는 과정이 연속적으로 이루어지도록 하였다. 본 연구에서 수행한 시뮬레이션의 결과를 추후에 실시간 시스템에 적용하기 위해서, 본 시스템을 실내 센서와 연계할 수 있도록 개선하고 있다.
그리고 저장된 데이터를 시뮬레이션에서 요구하는 데이터 형식인 그리드셀 데이터로 변환한다(그림 7-(d)). 마지막으로 시뮬레이터에서는 이 그리드셀 데이터를 이용하여 보행자 대피시뮬레이션을 수행한다. 또한 시뮬레이션 과정을 2D와 3D로 보여준다(그림 7-(e)).
대상 건물과 보행자의 가시화는 OpenGL Library를 사용하였다. 벽과 3차원 모양의 계단 모델링은 DBMS의 각 공간 속성으로 저장된 높이 값을 이용하였다. 계단은 기울기를 계산하여 계단의 형태가 되도록 연산하였고, 이를 3차원으로 가시화하였다.
본 시스템은 그림 12, 그림 13과 같이 2D, 3D 보기를 지원한다. 본 시뮬레이션 시스템은 visibility field의 적용 여부를 포함한 다양한 파라미터들을 미리 설정할 수 있으며, 설정된 값들을 통해 시뮬레이션이 수행된다. 그림 14는 시뮬레이션의 결과를 저장한 로그 파일이다.
본 연구에서 우리는 visibility field를 구현하는데 이러한 깊이 기반의 접근 방법을 사용하였다. 대상공간을 시야의 깊이에 따라 몇 개의 세부공간으로 나누었다.
저장된 실내 공간 요소들을 시뮬레이션에 이용하게 하고 3차원 가시화가 가능한 데이터로 변환하는 방법을 제시한다. 본 연구에서는 가시성을 고려하고 3차원 DBMS를 이용하도록 개선된 시뮬레이터의 구축과정과 시뮬레이션 수행과정을 캠퍼스건물에 적용하여 예시하였다.
본 연구에서는 공간 DBMS를 이용한 3차원 실내 대피 시뮬레이터를 구현하였으며, 2가지가 중점적으로 다루어졌다. 첫째, 기존의 floor field 모델에 visibility factor를 추가하여 대피 알고리즘을 개선하였다.
본 연구에서는 세 번째 field로써 가시성 요소를 추가하여 floor field 모델을 개선하였다. Visibility field는 가장 가까이 있는 출구에 대한 보행자 시야의 제약에 따라 대피의 유리함 정도를 나타낸 값이다.
이를 해결하기 위해 본 연구에서는 DBMS와 3D 모델을 이용한 대피시뮬레이터의 구축 방안을 제시한다. 실제 건물의 실내 공간모델을 구축하고, 이를 공간 DBMS에 저장하여 대피시뮬레이션에 적용한다. 저장된 실내 공간 요소들을 시뮬레이션에 이용하게 하고 3차원 가시화가 가능한 데이터로 변환하는 방법을 제시한다.
증가량이 0인 경우는 기존의 floor field 모델과 같게 된다. 우리는 대피인원의 숫자를 100, 200, 300, 400명으로 달리하여 시뮬레이션을 수행하였다. 그림 6의 하단 표를 보면, 기존 floor field 모델(증가량 = 0)은 인원별로 대피시간의 차이가 크지 않은 반면에 가시성(time tick)을 적용한 개선된 모델은 대피인원이 증가함에 따라 대피시간이 급격하게 증가하는 것을 볼 수 있다.
그림 4는 visibility field 계산 과정을 포함한 수정된 시뮬레이션 처리과정을 보여준다. 우리는 프로그래밍 언어에서 대부분 제공하는 time tick을 이용하여 보행속도를 조절하였다. Time tick은 보행자가 매 셀마다 이동할 때 대기하는 시간을 설정한 값이다.
우선, 보행자들의 수를 설정하여 대상 건물에 임의의 위치에 배치한 후, 대피 시뮬레이션을 수행하고, 그 과정을 3차원으로 가시화하였다. 대상 건물과 보행자의 가시화는 OpenGL Library를 사용하였다.
이러한 과정을 통해 모든 층과 계단 데이터는 그리드셀 데이터로 변환된다. 이러한 변환과정이 시스템 내에서 연속적으로 처리될 수 있도록 대피 시뮬레이션 시스템을 구현하였다.
실제 건물의 실내 공간모델을 구축하고, 이를 공간 DBMS에 저장하여 대피시뮬레이션에 적용한다. 저장된 실내 공간 요소들을 시뮬레이션에 이용하게 하고 3차원 가시화가 가능한 데이터로 변환하는 방법을 제시한다. 본 연구에서는 가시성을 고려하고 3차원 DBMS를 이용하도록 개선된 시뮬레이터의 구축과정과 시뮬레이션 수행과정을 캠퍼스건물에 적용하여 예시하였다.
본 연구에서는 대학 캠퍼스 건물을 이용하여 시뮬레이션 시스템을 테스트 하였다. 전술한 처리과정에 따라서, CAD 형식인 건물 데이터를 shapefile로 변환하였고,이를 공간 DBMS에 저장하였다. 시뮬레이션 시스템은 DBMS에 저장된 데이터를 불러와 그리드셀 형식으로 변환한다.
본 연구에서는 공간 DBMS를 이용한 3차원 실내 대피 시뮬레이터를 구현하였으며, 2가지가 중점적으로 다루어졌다. 첫째, 기존의 floor field 모델에 visibility factor를 추가하여 대피 알고리즘을 개선하였다. 출구에 대한 시야의 제한에 따라서 공간을 분할하였고, 분할된 공간에 따라 대피자의 이동속도를 조절하였다.
첫째, 기존의 floor field 모델에 visibility factor를 추가하여 대피 알고리즘을 개선하였다. 출구에 대한 시야의 제한에 따라서 공간을 분할하였고, 분할된 공간에 따라 대피자의 이동속도를 조절하였다. 둘째, 건물의 데이터를 3차원으로 변환하여 공간 DBMS에 저장하고, 이를 시뮬레이션 시스템에서 불러와 그리드셀 형식으로 변환하여 시뮬레이션을 수행하는 과정이 연속적으로 이루어지도록 하였다.
대상 데이터
추출된 2D 레이어들은 공간 DBMS 테이블에 저장된다. 본 연구에서 데이터 저장에 이용한 DBMS는 PostgreSQL /PostGIS이다[20]. 데이터 저장에 사용한 DBMS 테이블의 구조는 그림 8에 나타나 있다.
그 다음, 층과 계단 데이터의 좌표를 설정해주어야 하는데, 그리드 셀 데이터가 좌표체계를 포함하고 있지 않기 때문이다. 본 연구에서는 1층의 좌상단 지점을 기준 좌표로 설정하였다. 이것을 기준으로 하여, 다른 층과 계단의 위치를 상대적으로 조절하였다(그림 11).
이론/모형
우선, DBMS에 저장된 건물데이터와 속성데이터를 읽어온다. 그리고 불러온 건물데이터에서 층과 계단데이터를 SharpMap library[24]를 이용하여 비트맵(bitmap) 형식으로 변환한다(그림 10-(a)). SharpMap library는 공간 DBMS에 저장된 공간데이터를 2차원으로 가시화하는 기능을 제공한다.
우선, 보행자들의 수를 설정하여 대상 건물에 임의의 위치에 배치한 후, 대피 시뮬레이션을 수행하고, 그 과정을 3차원으로 가시화하였다. 대상 건물과 보행자의 가시화는 OpenGL Library를 사용하였다. 벽과 3차원 모양의 계단 모델링은 DBMS의 각 공간 속성으로 저장된 높이 값을 이용하였다.
현재 개발 중이지만, 추후에 본 시스템이 실내 센서와 통합이 될 경우, 건물 내 각각의 공간에 실시간으로 사람들이 몇 명이 있는지 알아내고, 이를 이용한 대피 시뮬레이션을 수행하여 대피 경로를 안내하는 실시간 인명 구조 등에 활용될 수 있을 것이다. 또한, 본 연구에서 제안한 visibility field 알고리즘의 검증(validation)과정을 수행하고 있다.
보행자의 가시성을 고려한 공간 분할 기법으로 공간구문론(space syntax)을 응용하였다[4]. 공간구문론은 도시나 건축공간의 연결성과 접근성을 측정하는데 이용되는 기법이다[19].
본 연구는 전술한 바와 같이 floor field 모델을 기반 모델로 이용하였으며, 이 모델은 그리드셀 데이터를 통해 시뮬레이션을 수행한다. 본 연구에서 C#을 이용하여 시뮬레이션 시스템을 구현하였다.
Shapefile은 많은 GIS 어플리케이션에서 처리할 수 있기 때문이다. 우리는 QuantumGIS[22]를 이용하여 데이터변환을 수행하였다. QuantumGIS에서 CAD 파일을 불러온 후, 문, 벽, 방, 복도, 출구 등의 정보를 폴리곤과 라인의 형태로 추출한다.
따라서 실시간으로 건물의 인원을 파악하여 저장하고 대피경로를 안내하는 등 실시간 응용에 적용하기에 한계가 있다. 위상적인 다층 데이터를 이용하기 위해서, 본 연구에서는 새로운 형식을 개발하기 보다는 기존에 존재하는 shapefile 형식을 사용하였다. Shapefile은 많은 GIS 어플리케이션에서 처리할 수 있기 때문이다.
후속연구
둘째, 건물의 데이터를 3차원으로 변환하여 공간 DBMS에 저장하고, 이를 시뮬레이션 시스템에서 불러와 그리드셀 형식으로 변환하여 시뮬레이션을 수행하는 과정이 연속적으로 이루어지도록 하였다. 본 연구에서 수행한 시뮬레이션의 결과를 추후에 실시간 시스템에 적용하기 위해서, 본 시스템을 실내 센서와 연계할 수 있도록 개선하고 있다. 현재 개발 중이지만, 추후에 본 시스템이 실내 센서와 통합이 될 경우, 건물 내 각각의 공간에 실시간으로 사람들이 몇 명이 있는지 알아내고, 이를 이용한 대피 시뮬레이션을 수행하여 대피 경로를 안내하는 실시간 인명 구조 등에 활용될 수 있을 것이다.
본 연구에서 수행한 시뮬레이션의 결과를 추후에 실시간 시스템에 적용하기 위해서, 본 시스템을 실내 센서와 연계할 수 있도록 개선하고 있다. 현재 개발 중이지만, 추후에 본 시스템이 실내 센서와 통합이 될 경우, 건물 내 각각의 공간에 실시간으로 사람들이 몇 명이 있는지 알아내고, 이를 이용한 대피 시뮬레이션을 수행하여 대피 경로를 안내하는 실시간 인명 구조 등에 활용될 수 있을 것이다. 또한, 본 연구에서 제안한 visibility field 알고리즘의 검증(validation)과정을 수행하고 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
보행모델은 대체로 어떻게 나누어지나?
보행모델은 network flow, traffic assignment, simulation 등 다양한 분야에서 연구되어 왔으며[1], 대체로 macroscopic 모델과 microscopic 모델로 나누어진다[6]. Macroscopic 모델은 일반적으로 실외에서의 교통흐름 최적화나 길 찾기 등에 적용되며, 기본 데이터 구조로 node-link 구조를 갖는다.
대피 시뮬레이션에서 보행자의 시야에 대한 영향을 고려하는 방법은?
보행자의 시야는 대피에 영향을 미치는 중요한 요소이기 때문에 이를 고려해야 보다 현실적인 시뮬레이션 결과를 기대할 수 있다. 대피 시뮬레이션에서 보행자의 시야에 대한 영향을 고려하는 방법은 시야의 제한정도에 따라서 보행자의 대피속도를 다르게 하는 것이다. 공간구문론(space syntax)을 활용하여 시야에 따라 공간을 분할하고, 동시다발적인 움직임 대신 분할된 공간별로 다른 이동속도를 갖게 하는 개선된 알고리즘을 구현하여 대피의 행태를 적절하게 모델링 할 수 있게 한다.
Helbing의 모델의 연산 복잡도는 어떠한가?
Helbing의 모델에서는 모든 보행자 각각이 받는 영향과 물리적인 환경요인(예, 어깨폭, 기대속도, 목표점 등)이 고려된다. 이 모델은 O(n2)의 연산 복잡도를 갖는데, 이는 컴퓨터 기반의 시뮬레이션 수행에는 매우 불리하게 작용한다[10, 11].
참고문헌 (27)
Ahuja, R. K., Magnate, T. L., and Orlin, J. B., 1993, Network Flows: Theory, Algorithms and Applications.
Blue, V. J. and Adler, J. L., 1999, Using cellular automata microsimulation to model pedestrian movements, In A. Ceber (Ed.), Proceedings of the 14th International Symposium on Transportation and Traffic Theory, Jerusalem, Israel, pp. 235-254.
Burstedde, C., Klauck, K., Schadschneider, A., and Zittartz, J., 2001, Simulation of pedestrian dynamics using a two-dimensional cellular automaton, Physica A, vol. 295, no. 3-4, pp. 507-525.
Cho, D., 1999, A Study on the Tools of Analysis in the Space Syntax Theory, Architectural Institute of Korea, vol. 156, pp. 71-76.
Gwynne, S., Galea, E.R., Owen, M., Lawrence, P.J., and Filippidis, L.L., 2005, A systematic comparison of building EXODUS predictions with experimental data from the Stapelfeldt trials and the Milburn House evacuation, Applied Mathematical Modeling, vol. 29, No. 9, pp. 818-851.
Hamacher, H. W. and Tjandra, S. A., 2001, Mathematical modeling of evacuation problemsa state of art. In M. Schreckenberg and S. Sharma, (Eds.), Pedestrian and Evacuation Dynamics, Springer-Verlag, Berlin, pp. 227-266.
Helbing, D., Farkas, I., Molnar, P., and Vicsek, T., 2001, Simulation of pedestrian crowds in normal and evacuation situations, In M. Schreckenberg and S. Sharma, (Eds.), Pedestrian and Evacuation Dynamics, Springer-Verlag, Berlin, pp. 21-58.
Helbing, D., Farkas, I., and Vicsek, T., 2000, Simulating dynamical features of escape panic, Nature, vol. 407, pp. 487-490.
Helbing, D. and Molnar, P., 1997, Self-organization phenomena in pedestrian crowds, In F. Schweitzer (ed.), Self-Organization of Complex Structures: From Individual to Collective Dynamics, Gordon & Beach, London, UK.
Henein, C. and White, T., 2005, Agent-based modeling of forces in crowds, Springer, vol. 3415, pp. 173?184.
Henein, C. and White, T., 2007, Macroscopic effects of microscopic forces between agents in crowd models, Physica A, vol. 373, pp. 694-712.
Hightower, J., Boriello, G., and Want, R., 2000, SpotON: An indoor 3D location sensing technology based on RF signal strength. University of Washington CSE Report.
Kirchner, A., and Schadschneider, A., 2002, Simulation of evacuation processes using a bionics- inspired cellular automaton model for pedestrian dynamics, Physica A, vol. 312, pp. 260-276.
Klupfel, H., Konig, T., Wahle, J., and Schreckenberg, M., 2002, Microscopic simulation of evacuation processes on passenger ships, In Proceedings of Fourth International Conference on Cellular Automata for Research and Industry, Karlsruhe, Germany.
Kretz, T. and Schrekenberg, M., 2006, Floor fieldand Agent-based Simulation Tool, International Symposium of Transport Simulation, Lausanne, Switzerland.
Li, B. et al., 2006, Indoor positioning techniques based on wireless LAN, 1st IEEE International Conference on Wireless Broadband and Ultra Wideband Communication, Sydney, Australia, pp. 13-16.
Lo, S.M., Fang, Z., Lin, P., and Zhi, G.S. 2004, An evacuation model: the SGEM package, Fire Safety Journal, vol. 39, no. 3, pp. 169-190.
Nishinari, K., Kirchner, A., Namazi, A., and Schadschneider, A., 2005, Simulations of Evacuation by an Extended Floor Field CA Model, Traffic and Granular Flow '03, pp. 405-410.
Penn, A., B. Hillier, D. Banister, and Xu, J., 1998, Configurational modeling of urban movement networks, Environment and Planning BPlanning & Design, vol. 25, no. 1, pp. 59-84.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.