Floor Field Model(FFM)은 실내에서 보행자의 움직임을 모델링하기 위한 CA기반 미시적 보행모델이며, static과 dynamic floor field를 이용하여 보행자의 움직임을 표현해낸다. 다만, 실제 보행자의 크기와 모양은 타원체나 직사각형과 유사한데, FFM에서는 정사각형 형태의 보행자를 설정하고 있다. 이로 인해 보행자들의 회전효과 부여에 어려움이 있으며, 보행자들끼리 발생하는 충돌, 끼임 등의 영향을 반영하기에 한계가 있다. 또한, 보행자의 자세 시야의 변경에 따른 영향들도 효과적으로 반영되고 있지 않다. 본 연구에서는 FFM이 가진 한계점을 개선하기 위해 보행자의 크기, 모양 등의 물리적 특성을 반영한 보행모델을 제시한다. 본 모델에서는 정사각형이 아닌 직사각형 형태로 보행자를 정의하며, 한국인의 실제 신체크기에 가깝도록 하였다. 또한, 보행자의 자세정보를 추가하였으며, 보행자들 간에 발생하는 충돌, 끼임 등의 영향을 반영할 수 있도록 정의하였다. 제안된 모델을 이용한 시뮬레이터를 개발하였으며, 개선된 모델과 기존 모델간의 비교 분석을 통해 차이점을 분석하였다. 이를 통해 기존 모델에서 발생하던 dynamicvalue 적용문제의 해결과 대피상황에서 발생하는 패닉현상의 반영을 확인할 수 있었다.
Floor Field Model(FFM)은 실내에서 보행자의 움직임을 모델링하기 위한 CA기반 미시적 보행모델이며, static과 dynamic floor field를 이용하여 보행자의 움직임을 표현해낸다. 다만, 실제 보행자의 크기와 모양은 타원체나 직사각형과 유사한데, FFM에서는 정사각형 형태의 보행자를 설정하고 있다. 이로 인해 보행자들의 회전효과 부여에 어려움이 있으며, 보행자들끼리 발생하는 충돌, 끼임 등의 영향을 반영하기에 한계가 있다. 또한, 보행자의 자세 시야의 변경에 따른 영향들도 효과적으로 반영되고 있지 않다. 본 연구에서는 FFM이 가진 한계점을 개선하기 위해 보행자의 크기, 모양 등의 물리적 특성을 반영한 보행모델을 제시한다. 본 모델에서는 정사각형이 아닌 직사각형 형태로 보행자를 정의하며, 한국인의 실제 신체크기에 가깝도록 하였다. 또한, 보행자의 자세정보를 추가하였으며, 보행자들 간에 발생하는 충돌, 끼임 등의 영향을 반영할 수 있도록 정의하였다. 제안된 모델을 이용한 시뮬레이터를 개발하였으며, 개선된 모델과 기존 모델간의 비교 분석을 통해 차이점을 분석하였다. 이를 통해 기존 모델에서 발생하던 dynamic value 적용문제의 해결과 대피상황에서 발생하는 패닉현상의 반영을 확인할 수 있었다.
The floor field model is the micro pedestrian model based on a cellular automata for modeling pedestrian movement in the interior space using the static and dynamic floor field. It regards a form of pedestrian as square but the actual pedestrian's shape and size are similar to ellipsoid or rectangle...
The floor field model is the micro pedestrian model based on a cellular automata for modeling pedestrian movement in the interior space using the static and dynamic floor field. It regards a form of pedestrian as square but the actual pedestrian's shape and size are similar to ellipsoid or rectangle. Because of this, we are difficult to give a rotation effect to pedestrians and there is a limit to reflect an impact of clogging and jamming. Also, this model is not able to reflect an impact of a posture and visibility effectively in the pedestrian movement. In this study, we suggest the improved pedestrian model incorporating the actual shape and size of pedestrian. The pedestrian's shape is defined not square but rectangle which is close to the actual body size of Korean. Also, we define the model which is able to represent the impact of clogging and jamming between pedestrians by adding the pedestrian's posture. We develop the simulator for testing the suggested model and study the difference between two models by comparing a number of effects. As a result, we could confirm solving the problem with dynamic value in the existed model and reflecting the panic effect in evacuation situation.
The floor field model is the micro pedestrian model based on a cellular automata for modeling pedestrian movement in the interior space using the static and dynamic floor field. It regards a form of pedestrian as square but the actual pedestrian's shape and size are similar to ellipsoid or rectangle. Because of this, we are difficult to give a rotation effect to pedestrians and there is a limit to reflect an impact of clogging and jamming. Also, this model is not able to reflect an impact of a posture and visibility effectively in the pedestrian movement. In this study, we suggest the improved pedestrian model incorporating the actual shape and size of pedestrian. The pedestrian's shape is defined not square but rectangle which is close to the actual body size of Korean. Also, we define the model which is able to represent the impact of clogging and jamming between pedestrians by adding the pedestrian's posture. We develop the simulator for testing the suggested model and study the difference between two models by comparing a number of effects. As a result, we could confirm solving the problem with dynamic value in the existed model and reflecting the panic effect in evacuation situation.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
3장에서 정의한 보행모델의 여러 원리들을 실험하기 위해 본 연구에서는 보행시뮬레이터를 개발하였다. 개발된 시뮬레이터를 통해 본 연구에서 제시하는 모델과 기존 FFM의 차이점을 살펴보고자 하였다.
본 연구에서는 FFM이 가지는 한계점을 개선하고 보행자의 물리적 특성을 반영할 수 있는 CA기반 보행 모델을 제시하고자 한다. FFM이 가지는 장점을 유지하며, 보행자의 크기 및 모양, 자세 등의 물리적 특성을 추가적으로 부여하여 기존 모델의 한계점을 개선하고자 한다. 이를 통해 기존 FFM에서는 반영하기 어려웠던 여러 보행특성(보폭, 회전, 끼임 등)들을 반영할 수 있도록 한다.
3장에서 정의한 보행모델의 여러 원리들을 실험하기 위해 본 연구에서는 보행시뮬레이터를 개발하였다. 개발된 시뮬레이터를 통해 본 연구에서 제시하는 모델과 기존 FFM의 차이점을 살펴보고자 하였다. 본 연구에서 제시하는 모델은 기존 모델에서 반영되지 않았던 보행자의 물리적 특성인 크기, 자세, 시야 등을 반영하고 있는 점이 가장 큰 특징이며, 이를 반영함으로써 기존 FFM에서 산출되던 결과와 어떠한 차이점이 발생하는지 파악해보고자 하였다.
대피인원이 증가할수록 대피시간도 증가하게 되며, 출입문, 좁은 복도 등 보행자들이 많이 몰리는 장소에서는 병목현상이 발생하게 되어 전체적인 대피 양상에 큰 영향을 미치게 된다. 따라서 대피인원에 따른 대피시간의 변화를 살펴보기 위한 실험을 진행하였다. Table 2에서 설정한 3가지 상황의 파라미터를 이용하여 기존 모델과 개선 모델에서 인원별 대피시간의 변화 및 차이를 확인하는 실험을 진행하였다.
보행자의 자세는 보행자의 시야 및 회전에 영향을 미치게 되며, 이는 보행상황을 결정하는 중요한 요소이다. 따라서 본 연구에서는 보행자가 자세를 취할 수 있게 하며, 여러 방향으로 자세를 변경할 수도 있도록 한다. 모든 방향으로 자세를 취하면 연산이 매우 복잡해지기 때문에 Figure 4와 같이 8가지 방향으로만 자세를 취하도록 하였다.
본 연구에서 제시하는 모델은 보행자의 크기와 자세가 반영되어 있기 때문에 출입문 근처에서 발생하는 병목상황에서 보행자들 간의 충돌, 마찰 등의 요소가 고려되게 된다. 따라서 출입문의 너비변화가 보행양상에 미치는 영향이 기존 FFM과 차이가 있을 것이라 판단하여 이와 같은 실험을 진행하였다.
본 연구에서는 보행자의 크기, 자세, 시야 등을 적용한 새로운 보행모델을 제시하고자 한다. 보행상황에서 다양한 보행요소들을 반영하기 위해서는 보행자의 기본적인 특성이 제대로 반영된 모델이 필요하다는 관점에서 착안하여, 보행자의 크기, 자세, 시야 등은 보행상황을 결정하는 중요한 요소로 간주하고, 이를 반영한 CA기반 보행모델을 제시하고자 한다. 이를 통해 기본 FFM에서 다루지 못했던 보행자의 특성들을 보완하여 개선된 보행모델을 개발하고자 한다.
본 연구는 FFM에서 정교하게 반영되지 못했던 jamming, lane formation, panic 등의 특수한 보행 현상들을 반영할 수 있도록 모델을 정의하고자 한다.
본 연구는 보행자의 물리적 특성 중 하나인 자세, 모양, 크기 등을 반영한 CA기반 보행모델을 제시하고 있다. 대표적인 CA기반 보행모델인 FFM은 보행자의 자세, 모양, 크기 등을 반영하고 있지 않다.
본 연구에서 정의한 보행모델의 시험을 위해 시뮬레이터를 개발하였으며, 기존 FFM에서 나타나는 보행 양상과 본 모델에서 나타나는 결과를 비교 ․ 분석하여 여러 한계점들이 해결되었는지 파악해보고자 한다.
개발된 시뮬레이터를 통해 본 연구에서 제시하는 모델과 기존 FFM의 차이점을 살펴보고자 하였다. 본 연구에서 제시하는 모델은 기존 모델에서 반영되지 않았던 보행자의 물리적 특성인 크기, 자세, 시야 등을 반영하고 있는 점이 가장 큰 특징이며, 이를 반영함으로써 기존 FFM에서 산출되던 결과와 어떠한 차이점이 발생하는지 파악해보고자 하였다.
본 연구에서 제시한 모델의 실험을 위해 보행시뮬레이터를 개발하였고, 기존 FFM과 비교하여 개선된 점을 파악하고자 하였다. FFM과 본 연구에서 제시한 모델을 이용하여 대피인원의 수와 출구의 너비의 변화에 따라 나타나는 보행특성 및 대피결과에 대한 실험을 수행하였다.
본 연구에서는 FFM이 가지는 장점을 유지하며, 보행자의 크기에 따른 한계점을 개선하기 위하여 실제 보행자의 크기와 유사한 직사각형 형태의 보행자를 설정한 CA기반 보행모델을 제시하고자 한다. 보행자의 크기변경과 더불어 보행자의 보폭반영, 보행자의 자세 및 시야 요소 등도 모델에 추가함으로써 기존 FFM에서 반영하기 어려웠던 여러 요소들을 모델에서 고려할 수 있도록 한다.
본 연구에서는 FFM이 가지는 한계점을 개선하고 보행자의 물리적 특성을 반영할 수 있는 CA기반 보행 모델을 제시하고자 한다. FFM이 가지는 장점을 유지하며, 보행자의 크기 및 모양, 자세 등의 물리적 특성을 추가적으로 부여하여 기존 모델의 한계점을 개선하고자 한다.
FFM에서는 보통 von Neumann과 Moore방식을 이용하고 있으며, Figure 2에 나타나있다. 본 연구에서는 두 가지 방식의 장점을 혼합한 변형 Moore neighborhood를 연구하였다. 기본적으로 Moore와 같이 8방향으로 이동가능하며, 진행방향에 장애물-벽, 다른 보행자 등-이 없을 경우에는 1칸 더 이동할 수 있도록 한다.
대부분의 연구들은 FFM에서 정의한 공간구조, 보행자크기, 이동방식 등을 이용하고 있다. 본 연구에서는 보행자의 크기, 자세, 시야 등을 적용한 새로운 보행모델을 제시하고자 한다. 보행상황에서 다양한 보행요소들을 반영하기 위해서는 보행자의 기본적인 특성이 제대로 반영된 모델이 필요하다는 관점에서 착안하여, 보행자의 크기, 자세, 시야 등은 보행상황을 결정하는 중요한 요소로 간주하고, 이를 반영한 CA기반 보행모델을 제시하고자 한다.
18m/s의 수치로 측정되는 것을 확인할 수 있다. 본 연구에서는 이러한 실제 보행특성을 반영하기 위해 보행모델에서 보폭과 보속을 이와 같이 설정하도록 하였다.
본 연구에서는 이러한 한계점을 개선하고자 보행자의 물리적 특성을 반영한 보행모델을 제시하였다. 보행자의 크기, 모양 등을 실제 사람의 신체크기에 맞게 설정하였고, 이를 적용하기 위한 대상 공간, 이웃 등을 정의하였다.
위와 같이 많은 연구자들이 FFM에서 반영하지 못했던 다양한 요소들을 추가하는 연구를 진행하였다. 대부분의 연구들은 FFM에서 정의한 공간구조, 보행자크기, 이동방식 등을 이용하고 있다.
보행상황에서 다양한 보행요소들을 반영하기 위해서는 보행자의 기본적인 특성이 제대로 반영된 모델이 필요하다는 관점에서 착안하여, 보행자의 크기, 자세, 시야 등은 보행상황을 결정하는 중요한 요소로 간주하고, 이를 반영한 CA기반 보행모델을 제시하고자 한다. 이를 통해 기본 FFM에서 다루지 못했던 보행자의 특성들을 보완하여 개선된 보행모델을 개발하고자 한다.
이는 정사각형 형태의 보행자를 이용할 때는 효율적인 방식이나, 직사각형 형태의 보행자를 설정하기에는 비효율적이다. 이를 해결하기 위해 본 연구에서는 셀의 경계점에 보행자를 배치하는 방식을 제안한다. Figure 3에는 경계점에 보행자를 배치한 형태가 나타나 있다.
가설 설정
이 방법을 이용하면 실제 보행자의 보폭을 반영할 수 있게 된다. 2.2절에서 살펴본 보폭정보에 따라 60cm ~ 65cm의 보폭은 30cm 길이의 셀 두 칸에 해당된다. 따라서 보행자는 일반적인 경우에 한 번에 2칸씩 이동할 수 있도록 해야 하며, 출구근처와 같이 보행자가 몰리는 지역에서는 보폭을 좁혀 1칸만 이동할 수 있도록 해야 한다.
제안 방법
본 연구에서 제시한 모델의 실험을 위해 보행시뮬레이터를 개발하였고, 기존 FFM과 비교하여 개선된 점을 파악하고자 하였다. FFM과 본 연구에서 제시한 모델을 이용하여 대피인원의 수와 출구의 너비의 변화에 따라 나타나는 보행특성 및 대피결과에 대한 실험을 수행하였다. 대피인원의 수를 증가시키면 두 모델 모두 대피시간이 증가하는 결과를 산출하였다.
따라서 대피인원에 따른 대피시간의 변화를 살펴보기 위한 실험을 진행하였다. Table 2에서 설정한 3가지 상황의 파라미터를 이용하여 기존 모델과 개선 모델에서 인원별 대피시간의 변화 및 차이를 확인하는 실험을 진행하였다.
기존 FFM에서 보행자의 움직임을 결정하는 두 필드인 static과 dynamic을 본 모델에서도 이용하도록 한다. 두 필드를 통해 보행자들은 출구로 이동하거나 다른 보행자들을 따라갈 수 있게 된다.
기존 FFM에서 설정한 보행자 크기인 40cm × 40cm를 50cm × 30cm로 변경하고, 이를 효율적으로 배치하기 위한 격자공간과 이웃을 정의하였다.
기존에는 셀의 static과 dynamic 값을 이용하였지만, 본 연구에서는 꼭짓점을 기준으로 인접한 4개의 셀의 static과 dynamic 값의 산술평균값을 꼭짓점의 static과 dynamic 값으로 정의하여 보행자가 이용하도록 하였다.
FFM은 Cellular Automata(이하 CA)를 보행모델에 적용한 것으로, 보행자의 움직임에 영향을 미치는 요소로 출구와의 거리(static floor field, 이하 SFF), 주변 보행자들 간의 상호작용(dynamic floor field, 이하 DFF)을 고려하고 있다[9]. 두 가지의 필드를 이용하여 CA의 update rule에 따라 보행자의 움직임을 모델링한다.
첫째는 대피인원의 변화에 따른 대피양상을 살펴보았다. 둘째는 출구 너비변화에 따른 대피양상의 차이를 살펴보았다. 본 연구에서 제시하는 모델은 보행자의 크기와 자세가 반영되어 있기 때문에 출입문 근처에서 발생하는 병목상황에서 보행자들 간의 충돌, 마찰 등의 요소가 고려되게 된다.
대표적인 CA기반 보행모델인 FFM은 보행자의 자세, 모양, 크기 등을 반영하고 있지 않다. 따라서 보행자들 간에 발생하는 물리적인 충돌, 끼임 등의 현상들이 제대로 반영되고 있지 않기 때문에 실제 보행양상과 차이가 있는 결과를 산출하고 있다고 분석하였다.
따라서 본 연구에서는 보행자의 신체크기를 50cm × 30cm의 직사각형 형태로 정의하였다.
기존 FFM에서 설정한 보행자 크기인 40cm × 40cm를 50cm × 30cm로 변경하고, 이를 효율적으로 배치하기 위한 격자공간과 이웃을 정의하였다. 또한 보행자가 보폭을 조절할 수 있도록 하는 반복이동요소를 추가하였으며, 보행자는 이동하며 자신의 자세를 8가지 방향 중, 한 가지 방향을 선택하여 취할 수 있도록 하였다.
또한, 보행자의 자세를 결정하기 위한 posture probability를 추가하여 보행자가 이동하면서 자세에 대한 영향을 받도록 모델을 설계하였다. 또한, FFM에서 보행자의 움직임을 결정하는 static과 dynamic 요소를 이용함으로써 기존 모델의 특징은 유지할 수 있도록 하였다.
보행자의 크기, 모양 등을 실제 사람의 신체크기에 맞게 설정하였고, 이를 적용하기 위한 대상 공간, 이웃 등을 정의하였다. 또한, 보행자의 자세를 결정하기 위한 posture probability를 추가하여 보행자가 이동하면서 자세에 대한 영향을 받도록 모델을 설계하였다. 또한, FFM에서 보행자의 움직임을 결정하는 static과 dynamic 요소를 이용함으로써 기존 모델의 특징은 유지할 수 있도록 하였다.
Kirik[10]은 FFM을 일반적인 상황에서 공황상황까지 적용하기 위해 transition probability를 수정하였다. 또한, 환경적인 요소들을 반영하기 위해 potential floor field를 추가하여 이를 반영한 연구를 진행하였다. Kirchner[7]는 FFM에서 적용한 셀의 크기를 더 세밀하게 변경한 연구를 진행하였다.
3장에서 정의된 원리에 의해 모델이 구현되며 이를 통해 보행자들의 움직임을 나타낼 수 있게 된다. 모델의 정의를 위해 우선적으로 보행자들의 보행특성을 파악하였으며 기본적인 보행특성 및 대피상황에서 나타나는 특성들을 정리하였다.
모든 보행자들은 매 이동마다 위와 같은 posture probability를 계산하여 어떤 방향의 자세를 취할지 선택하게 된다. 변수로 Static 값을 이용하고 있으며, 가중치 kp의 크기에 따라 출구 쪽으로 자세를 취할지 아니면 임의의 방향으로 자세를 취할지 조절할 수 있도록 하였다.
본 연구에서는 이러한 한계점을 개선하고자 보행자의 물리적 특성을 반영한 보행모델을 제시하였다. 보행자의 크기, 모양 등을 실제 사람의 신체크기에 맞게 설정하였고, 이를 적용하기 위한 대상 공간, 이웃 등을 정의하였다. 또한, 보행자의 자세를 결정하기 위한 posture probability를 추가하여 보행자가 이동하면서 자세에 대한 영향을 받도록 모델을 설계하였다.
본 연구에서는 FFM이 가지는 장점을 유지하며, 보행자의 크기에 따른 한계점을 개선하기 위하여 실제 보행자의 크기와 유사한 직사각형 형태의 보행자를 설정한 CA기반 보행모델을 제시하고자 한다. 보행자의 크기변경과 더불어 보행자의 보폭반영, 보행자의 자세 및 시야 요소 등도 모델에 추가함으로써 기존 FFM에서 반영하기 어려웠던 여러 요소들을 모델에서 고려할 수 있도록 한다.
본 모델에서는 posture probability를 추가하여 이를 해결하였다. 이는 보행자 주변 8개의 꼭짓점에 대해 각각의 꼭짓점을 바라볼 확률을 계산하고 난수에 의해 어떤 방향의 자세를 취할지 결정하는 방법이다.
이러한 행동결정을 위한 방법으로 기존 FFM의 transition probability를 수정하여 이용하였다. 본 연구에서 추가한 보행자의 크기 및 자세에 의한 영향을 반영할 수 있도록 식을 변경하였고, 계산식은 다음과 같다.
비교실험에는 동일한 장소와 파라미터를 이용하였으며, 두 가지 항목에 대한 비교를 수행하였다. 첫째는 대피인원의 변화에 따른 대피양상을 살펴보았다.
셀의 크기를 20cm × 20cm로 줄여 FFM에 적용하였으며, 보행속도도 기존에는 1칸을 움직이게 했다면, 이를 증가시켜 최대 4칸까지 이동할 경우에 나타나는 보행행태에 대한 분석을 수행하였다.
1m(7개의 셀)로 설정하였다. 실내에 보행자들의 위치 및 자세는 임의로 배치되게 하였고, 모든 실험은 100회씩 수행되었다. 실험에 사용된 파라미터 셋은 Table 2에 정리되어 있으며, 3가지 상황에 대해 비교실험을 수행하였다.
Burstedde[2]는 2001년에 FFM을 소개했다. 이 모델은 CA를 보행에 적용한 것이며, 2차원의 CA 모델을 설계하였고, 보행자의 움직임에 영향을 미치는 요인을 floor field라 불리는 필드를 이용하여 나타내었다.
또한, 보행자는 현재 위치에서 다음 위치로 이동할 것인지, 이동한다면 방향은 어느 쪽일지, 제자리에 멈춰있을 것인지, 아니면 자세만 변경할 것인지 등의 행동을 취하게 된다. 이러한 행동결정을 위한 방법으로 기존 FFM의 transition probability를 수정하여 이용하였다. 본 연구에서 추가한 보행자의 크기 및 자세에 의한 영향을 반영할 수 있도록 식을 변경하였고, 계산식은 다음과 같다.
비교실험에는 동일한 장소와 파라미터를 이용하였으며, 두 가지 항목에 대한 비교를 수행하였다. 첫째는 대피인원의 변화에 따른 대피양상을 살펴보았다. 둘째는 출구 너비변화에 따른 대피양상의 차이를 살펴보았다.
대상 데이터
기존 모델은 셀의 크기가 40cm이고 개선 모델은 30cm이다. 기존 모델은 출구의 너비를 80cm, 120cm, 160cm, 200cm, 240cm 총 5가지 경우에 대한 실험을 진행하였고, 개선 모델은 90cm, 120cm, 150cm, 180cm, 210cm, 240cm 총 6가지 경우에 대한 실험을 진행하였다.
기존 모델은 셀의 크기가 40cm이고 개선 모델은 30cm이다. 기존 모델은 출구의 너비를 80cm, 120cm, 160cm, 200cm, 240cm 총 5가지 경우에 대한 실험을 진행하였고, 개선 모델은 90cm, 120cm, 150cm, 180cm, 210cm, 240cm 총 6가지 경우에 대한 실험을 진행하였다. 모든 실험의 대피인원은 656명으로 설정되었고, Table 2에서 정의한 세 가지 상황에 대해 두 모델의 비교실험을 진행하였다.
기존 모델은 출구의 너비를 80cm, 120cm, 160cm, 200cm, 240cm 총 5가지 경우에 대한 실험을 진행하였고, 개선 모델은 90cm, 120cm, 150cm, 180cm, 210cm, 240cm 총 6가지 경우에 대한 실험을 진행하였다. 모든 실험의 대피인원은 656명으로 설정되었고, Table 2에서 정의한 세 가지 상황에 대해 두 모델의 비교실험을 진행하였다.
본 연구에서는 이를 축소하여 30cm × 30cm 크기의 셀을 이용하였다.
실험공간은 25m × 25m 크기의 정사각형 형태 공간이며 그 안에서 보행자들이 출구로 대피하도록 하였고, 출구는 1개로 설정하였다.
Lim[13]은 한국인의 보행특성을 측정하기 위한 연구를 진행하였다. 연구에는 한국 20대 성인 남성 20명과 여성 12명이 참여하였으며, 보행에 불편이 없는 정상인으로 구성되었다. 측정 결과는 Table 1에 요약되어 있다.
성능/효과
대피인원의 수를 증가시키면 두 모델 모두 대피시간이 증가하는 결과를 산출하였다. 다만, 기존 모델은 dynamic 값이 자기 자신에게 영향을 미치는 현상 때문에 비현실적인 대피시간을 산출하였지만 본 모델에서는 이러한 현상이 해결된 것을 확인하였다. 또한, 출입구 너비의 변화를 통한 비교실험에서는 출입구의 너비가 증가할수록 두 모델 모두 대피시간이 감소하는 경향을 보이고 있었으며, 특히 본 모델에서 출입구의 폭이 매우 좁은 경우(90cm)에는 병목현상이 심화되어 대피시간의 급격한 증가가 일어나는 것을 확인할 수 있었다.
대피상황에서 나타나는 물리적 충돌, 끼임 등의 현상이 적절하게 반영되었는지에 대한 정량적인 지표는 없지만, 본 모델과 기존모델의 실험 결과 비교하여 보면 본 모델이 기존 모델보다 출구근처에서 발생하는 물리적 현상들이 대피에 큰 영향을 미쳤음을 판단할 수 있었다. 또한, 기존 모델에서 dynamic 값의 적용이 제대로 되지 않았던 문제점이 본 모델에서는 해소된 결과를 산출하고 있다.
FFM과 본 연구에서 제시한 모델을 이용하여 대피인원의 수와 출구의 너비의 변화에 따라 나타나는 보행특성 및 대피결과에 대한 실험을 수행하였다. 대피인원의 수를 증가시키면 두 모델 모두 대피시간이 증가하는 결과를 산출하였다. 다만, 기존 모델은 dynamic 값이 자기 자신에게 영향을 미치는 현상 때문에 비현실적인 대피시간을 산출하였지만 본 모델에서는 이러한 현상이 해결된 것을 확인하였다.
다만, 기존 모델은 dynamic 값이 자기 자신에게 영향을 미치는 현상 때문에 비현실적인 대피시간을 산출하였지만 본 모델에서는 이러한 현상이 해결된 것을 확인하였다. 또한, 출입구 너비의 변화를 통한 비교실험에서는 출입구의 너비가 증가할수록 두 모델 모두 대피시간이 감소하는 경향을 보이고 있었으며, 특히 본 모델에서 출입구의 폭이 매우 좁은 경우(90cm)에는 병목현상이 심화되어 대피시간의 급격한 증가가 일어나는 것을 확인할 수 있었다.
본 연구에서 제시하고 있는 개선 모델에서는 kd가 10.0으로 설정되었음에도 불구하고 대피시간이 급격하게 증가하는 현상이 나타나지 않는 것을 확인할 수 있다. 이는 개선 모델에서는 보행자의 자세가 반영되었기 때문으로 판단할 수 있다.
후속연구
기존 모델은 보행자의 크기, 자세가 반영되지 않기 때문에 모델에 추가할 수 있었던 보행특성들이 제한적이었지만, 본 연구에서 제시하는 모델을 기본으로 하여 보행자들의 물리적 · 심리적 특성들을 추가한다면 실제와 유사한 보행자들의 움직임을 나타낼 수 있는 보행모델로 발전 가능할 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
대피상황에서 발생하는 여러 현상의 각 개념은 무엇인가?
∙ Jamming: 보행자들이 한 곳으로 몰리면서 밀도가 높아지게 될 때 발생한다. 예를 들어 많은 사람들이 출구로 동시에 몰리게 되면 발생하는 현상이다. 이 현상에서 사람들은 끼이게 되며(clogging), 병목현상(bottleneck)을 유발하게 된다. 끼인 사람들은 몸을 회전할 수 없게 되며, 현재 상황을 빠져나갈 수도 없고, 전체적인 사람들의 흐름에 맞춰 움직이게 된다. 또한, 보행자들이 서로 마주보고 오는 상황에서 대치하는 경우에도 jamming이 발생하게 된다. 이러한 경우에는 돌아가거나, 뒷걸음질을 치는 등으로 jamming을 해소한다.
∙ Lane formation: 서로 보행자들이 마주보고 오는 경우에, 충돌을 최소화하기 위해 각각 한쪽 방향으로 이동하는 현상을 말한다. 예를 들어 양쪽 보행자들이 서로 우측통행을 하는 경우에는 충돌이 최소화 된다.
∙ Oscillations: 병목현상 등에서 보행자들은 동요하여 이동방향을 바꾸게 된다. 병목이 걸린 지점이 아닌, 반대 방향으로 이동하는 결정을 내리기도 한다.
∙ Trail formation: 보행자들이 이동한 경로가 다른 사람의 경로선택에 영향을 주게 된다. 즉, 보행자들이 다른 보행자들의 이동경로로 따라가려는 움직임을 보이는 것을 말한다.
∙ Panics: 공황 상황에서는 많은 반직관적인(counterintuitive) 현상들이 나타나게 된다. 예를 들어 faster-is-slower, freezing-by-heating 등 일반적인 상황과는 다른 움직임이 나타나게 된다.
FFM이란 무엇인가?
Floor Field Model(FFM)은 실내에서 보행자의 움직임을 모델링하기 위한 CA기반 미시적 보행모델이며, static과 dynamic floor field를 이용하여 보행자의 움직임을 표현해낸다. 다만, 실제 보행자의 크기와 모양은 타원체나 직사각형과 유사한데, FFM에서는 정사각형 형태의 보행자를 설정하고 있다.
보행자의 움직임을 바라보는 관점에 따라 나뉜 각 모델의 특징은 무엇인가?
보행자의 움직임을 모델링하기 위한 여러 기법들이 수십 년에 걸쳐 연구되고 있다[1]. 보행자의 움직임을 바라보는 관점에 따라 거시적 ․ 미시적 보행모델로 나뉘어서 연구되는데, 유사한 성질을 가진 보행자들을 군집으로 간주하고 군집들 간의 관계를 통해 보행자의 움직임을 나타내는 거시적 보행모델과 보행자 개개인의 움직임을 계산하고 그에 따른 전체적인 보행 양상을 파악하는 미시적 보행모델이 있다[5].
참고문헌 (15)
Ahuja, R. K; Magnate, T. L; Orlin, J. B. 1993, Book Title, Network Flows: Theory, Algorithms and Applications.
Burstedde, C; Klauck, K; Schadschneider, A; Zittartz, J. 2001, Simulation of Pedestrian Dynamics using a Two-dimensional Cellular Automation, Physica A, 295:507-525.
Henein, C. M. 2008, Crowds Are Made of People: Human Factors in Microscopic Crowd Models, Ph.D. thesis, Carleton University, Canada.
KATS, 2010, The Korean Human Dimensions Direct Measurement Research Project, [Online] Available: sizekorea, http://sizekorea.kats.go.kr.
Kirchner, A; Klupfel, H; Nishinari, K; Schadschneider, A; Schreckenberg, M. 2004, Discretisation Effects and The Influence of Walking Speed in Cellular Automata Models for Pedestrian Dynamics, J Stat Mech 10:P10011.
Kirchner, A; Nishinari, K; Schadschneider, A. 2003, Friction Effect and Clogging in a Cellular Automaton Model for Pedestrian Dynamics, Phys. Rev. E, 67, 056122.
Kirchner, A; Schadschneider, A. 2002, Simulation of Evacuation Processes using a Bionics-inspired Cellular Automaton Model for Pedestrian Dynamics, Physica A, 312:260-276.
Kirik, E; Yurgel'yan, T; Krouglov, D. 2007, An Intelligent Floor Field Cellular Automation Model for Pedestrian Dynamics, Proceedings of The Summer Computer Simulation Conference, The Mission Valley Marriott San Diego, California, 1031-1036.
Kwak, S. Y; Nam, H. W; Jun, C. M. 2010, An Indoor Pedestrian Simulation Model Incorporating the Visibility, Journal of Korea Spatial Information Society, 18(5):133-142.
Kwak, S. Y; Nam, H. W; Jun, C. M. 2012, An Optimal Model for Indoor Pedestrian Evacuation Considering the Entire Distribution of Building Pedestrians, Journal of Korea Society for Geospatial Information System, 20(2):23-29.
Lim, W. S; Ryu T. B; Choi, H. W; Choi, H. S; Chung, M. K. 2006, A Comparision of Gait Characteristics between Korean and Western Young People, Journal of the Ergonomics Society of Korea, 25(2):33-41.
Nishinari, K; Kirchner, A; Namazi, A; Schadschneider, A. 2004, Extended Floor Field CA Model for Evacuation Dynamics, IEICETrans. Inf. Syst, E87-D:726-732.
Yanagisawa, D; Kimura, A; Tomoeda, A; Ryosuke, N; Suma, Y; Ohtsuka, K; Nishinari, K. 2009, Introduction of Frictional and Turning Function for Pedestrian Outflow with an Obstacle, Phys. Rev. E 80, 036110.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.