선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- MSC/Cir.1238의 시험문제 8번의 목적은 마주 오는 승객의 수가 많아지면, 승객의 이동에 걸리는 시간이 늘어나는지 확인하는 것이다. Fig.
제안 방법
- 속도 기반 모델은 승객을 연속적인 좌표를 가지는 공간 상에서 승객과 승객 또는 승객과 물체 간의 상호 작용을 승객의 보행 속도에 작용하는 개별 요소로 고려하여 승객의 이동을 표현한다. 그리고 매 시간마다 결정되는 승객의 보행 방향은 보행 방향 포텐셜 함수를 이용하여 결정하였다. 또한 집단 행동과 마주 오는 승객에 의한 승객의 보행 속도 및 방향 변화에 대한 요소도 별도로 고려하였다.
- 그리고, 각 위치에서 목적지로부터의 거리를 표현하는 목적 방향 포텐셜 함수를 정의하였다. 그리고 벽, 장애 물과 같은 부등호 제약조건을 장애물 방향 포텐셜 함수라 정의하고, 페널티 함수로 고려하였다.
- 벽과 장애물을 나타내는 함수를 장애물 방향 포텐셜 함수(obstacle direction potential function)라 정의하고 페널티 함수로 고려하였다. 목적지 방향 포텐셜 함수와 장애물 방향 포텐셜 함수의 합으로 보행 방향 포텐셜 함수(walking direction potential function)를 구성하고 목적 함수로 도입하였다. 승객의 보행 방향은 보행 방향 포텐셜 함수를 최소화하는 방향으로 계산하였다.
- 보행 방향 포텐셜 함수, 역류 알고리즘 그리고 집단 행동 알고 리즘을 적용하여, 예제 및 IMO MSC / Circ.1238의 시험문제 8을 구현하고 시뮬레이션 하였다. 이것은 승객 탈출 분석 시뮬레이션 프로그램을 검증하기 위한 여러 가지 시험문제들 중 하나이다.
- 본 논문에서는 속도 기반 모델을 이용하여 승객의 이동 과정을 표현하였다. 속도 기반 모델은 승객을 연속적인 좌표를 가지는 공간 상에서 승객과 승객 또는 승객과 물체 간의 상호 작용을 승객의 보행 속도에 작용하는 개별 요소로 고려하여 승객의 이동을 표현한다.
- 본 논문에서는 식 (1)를 통해 구한 최종 보행 속도를 적분하여, 다음 단위시간의 승객의 위치를 계산하는 속도 기반 모델을 이용하여 승객의 이동을 표현하였다. 식 (1)의 최종 보행 속도를 계산하기 위한 보행 방향 포텐셜 함수 u0는 4장에서, 마주 오는 승객을 고려한 수정 보행 방향 ucf는 5장에서, 그리고 집단 행동에 의한 속도 vgroup은 6장에서 상세히 기술하였다.
- 본 연구에서는 보행 방향 포텐셜 함수를 도입하여 승객의 보행 방향 결정을 하고, 마주 오는 승객에 의한 특성을 반영하기 위해 역류 알고리즘을 적용하였으며, 승객의 집단 행동을 표현하기 위해 집단 행동 알고리즘을 적용하였다. 이 포텐셜 함수와 알고리즘을 IMO MSC / Circ.
- 목적지 방향 포텐셜 함수와 장애물 방향 포텐셜 함수의 합으로 보행 방향 포텐셜 함수(walking direction potential function)를 구성하고 목적 함수로 도입하였다. 승객의 보행 방향은 보행 방향 포텐셜 함수를 최소화하는 방향으로 계산하였다. 승객의 이동은 매 단위 시간마다 계산된 승객의 보행 방향과 속력을 통하여 속도로 변환하여 적용하였다.
- 승객의 보행 방향을 결정하기 위하여 보행 방향 포텐셜 함수와 최적화 기법을 이용하였다. 승객의 보행 방향을 설계 변수로 고려하였으며, 벽과 장애물을 부등호 제약 조건으로 고려하였다. 목적지까지 거리를 나타내는 함수를 목적지 방향 포텐셜 함수(objective direction potential function)라 정의하였다.
- 승객의 보행 방향은 보행 방향 포텐셜 함수를 최소화하는 방향으로 계산하였다. 승객의 이동은 매 단위 시간마다 계산된 승객의 보행 방향과 속력을 통하여 속도로 변환하여 적용하였다. 그리고 승객의 집단 행동에 대해서는 집단행동 알고리즘(flocking algorithm)을, 마주 오는 승객에 대해서는 역류(counterflow) 알고리즘을 각각 적용하였다.
- 위의 문제에 대하여, 최적화 기법 중의 하나인 최대 경사법 (steepest descent method)과 페널티 함수법(penalty function method)을 통해 정식화하였다. 우선 승객의 보행 방향을 설계 변수로 설정하였다. 그리고, 각 위치에서 목적지로부터의 거리를 표현하는 목적 방향 포텐셜 함수를 정의하였다.
- 집단 행동에 의한 영향을 검증하기 위해 IMO MSC / Circ.1238 의 시험문제 8번 중 일부를 구현하고 시뮬레이션 하였다. 시험문제 8번은 Fig.
대상 데이터
- 6과 같이 승객들이 10m × 10m의 방을 나와 2m 폭의 복도를 통과하는 것이다. 승객은 초기에 Fig. 6과 같이 20 명이 세로 1열로 분포되어 있는 경우를 시뮬레이션 하였다.
데이터처리
- 보행 방향 포텐셜을 적용 여부에 따른 보행 경로의 차이를 비교하기 위하여, 본 논문과 동일한 속도 기반 모델의 상용 프로그램인 Evi (Vassalos, et al., 2002)와 비교하였다. Fig.
이론/모형
- vwalk는 IMO MSC / Circ.1238 (2007)에 정의된 연령과 성별에 따른 승객의 속력 분포를 사용하였다.
- 승객의 이동은 매 단위 시간마다 계산된 승객의 보행 방향과 속력을 통하여 속도로 변환하여 적용하였다. 그리고 승객의 집단 행동에 대해서는 집단행동 알고리즘(flocking algorithm)을, 마주 오는 승객에 대해서는 역류(counterflow) 알고리즘을 각각 적용하였다.
- 목적지까지 거리를 나타내는 함수를 목적지 방향 포텐셜 함수(objective direction potential function)라 정의하였다. 벽과 장애물을 나타내는 함수를 장애물 방향 포텐셜 함수(obstacle direction potential function)라 정의하고 페널티 함수로 고려하였다. 목적지 방향 포텐셜 함수와 장애물 방향 포텐셜 함수의 합으로 보행 방향 포텐셜 함수(walking direction potential function)를 구성하고 목적 함수로 도입하였다.
- 본 논문에서 속도 기반 모델(velocity based model) (Park, et al., 2010a)을 적용해 승객 탈출 시뮬레이션을 하였다. 승객의 보행 방향을 결정하기 위하여 보행 방향 포텐셜 함수와 최적화 기법을 이용하였다.
- 본 논문에서는 승객의 행동을 기술하기 위해 연속 시간 기반 모델(continuous network model) 중 하나의 방법인 속도 기반 모델을 채용하였다. 따라서 승객을 2차원 평면상에서 운동하는 질점으로 모델링하고, 속도 기반 모델을 결정짓는 중요한 요소인 승객의 보행 속도 V를 식 (1)과 같이 정의하였다.
- , 2010a)을 적용해 승객 탈출 시뮬레이션을 하였다. 승객의 보행 방향을 결정하기 위하여 보행 방향 포텐셜 함수와 최적화 기법을 이용하였다. 승객의 보행 방향을 설계 변수로 고려하였으며, 벽과 장애물을 부등호 제약 조건으로 고려하였다.
- 위의 문제에 대하여, 최적화 기법 중의 하나인 최대 경사법 (steepest descent method)과 페널티 함수법(penalty function method)을 통해 정식화하였다. 우선 승객의 보행 방향을 설계 변수로 설정하였다.
- 이런 특징을 반영하기 위하여, 역류(counterflow) 알고리즘 (Heliövaara, et al., 2012)을 사용하였다.
성능/효과
- Fig. 8 (b)와 같이 역류 알고리즘을 적용한 경우는 사람들이 서로 피하면서 이동하며, 앞사람을 따라서 줄지어 빠져나가면서, 250초 정도가 흐르면 대부분 사람이 반대편 방으로 빠져나가는 것을 확인 할 수 있다.
- 추가적으로 정렬(alignment)에 의한 속도를 적용하면, Fig. 7 (c)와 같이 자신과 비슷한 속도를 가진 옆 사람들과 속도를 맞추어 같이 이동하는 특성이 반영되어, 시작 배열의 형태와 비슷하게 세로로 늘어서서 이동하는 것을 확인할 수 있다. 이에 추가적으로 응집(cohesion)에 의한 속도를 적용하면, Fig.
- 본 연구에서는 보행 방향 포텐셜 함수를 도입하여 승객의 보행 방향 결정을 하고, 마주 오는 승객에 의한 특성을 반영하기 위해 역류 알고리즘을 적용하였으며, 승객의 집단 행동을 표현하기 위해 집단 행동 알고리즘을 적용하였다. 이 포텐셜 함수와 알고리즘을 IMO MSC / Circ.1238의 시험문제에 대해 구현하여, 승객의 이동이 보다 자연스럽게 나타나는 것을 확인하였다. 향후 선박의 복잡한 구획을 현실적으로 표현하기 위한 연구를 추가적으로 진행할 예정이며, 이를 바탕으로 탈출 시뮬레이션을 수행할 예정이다.
후속연구
- 1238의 시험문제에 대해 구현하여, 승객의 이동이 보다 자연스럽게 나타나는 것을 확인하였다. 향후 선박의 복잡한 구획을 현실적으로 표현하기 위한 연구를 추가적으로 진행할 예정이며, 이를 바탕으로 탈출 시뮬레이션을 수행할 예정이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.