Имитационная модель поведенческих предпочтений посетителей городского парка
УДК 004.942:519.6
Аннотация
В статье рассмотрен процесс построения имитационной модели, направленной на анализ поведенческих предпочтений посетителей городского парка. Целью построения данной модели является выявление точек массового скопления посетителей, а также изучение нагрузки на объекты инфраструктуры. При проектировании новых или изменении старых объектов инфраструктуры анализ данных показателей необходим для создания благоприятной общедоступной среды, повышения безопасности пребывания посетителей на территории парка.
Для имитации человеческих предпочтений применялся подход, основанный на максимизации полезности действий с помощью Utility AI. За обработку событий и взаимодействия агентов между собой отвечают деревья поведения (behavior trees) и умные объекты (smart objects).
В результате была построена модель, имитирующая коллективное поведение посетителей парка и позволяющая изучать статистические результаты каждого прогона модели. В частности, применение данной модели позволило выявить места массового скопления людей на территории парка и улучшить понимание особенностей перемещения посетителей. Также были определены места, в которых необходимо размещение дополнительных инфраструктурных элементов. Разработанная модель может быть применена для компьютерного изучения других территорий подобного типа.
Скачивания
Metrics
Литература
Арутюнян М.А. Математическая модель оценки вероятности пересечения улицы пешеходами в некотором случайном месте // Моделирование, оптимизация и информационные технологии. 2023. Т. 11. № 4 (43). DOI: 10.26102/2310-6018/2023.43.4.036
Зарипова Р.С., Рочева О.А., Гарипова Г.Р. Оптимизация дорожного движения с использованием имитационного моделирования // International Journal of Advanced Studies. 2022. Т. 12. № 3-2. С. 40-45.
Chraibi M., Schadschneider A., Tordeux A. Social Distancing and the Future of Pedestrian Dynamics // arXiv. 2023. DOI: https://arxiv.org/abs/2308.06065
Bellomo N., Gibelli L. Behavioral Human Crowds and Society // Crowd Dynamics, Volume 4. Cham: Springer International Publishing. 2023. P. 1-8. DOI: 10.1007/978-3-031-46359-4_1
Официальная статистика // Официальный сайт Федеральной службы государственной статистики. URL: https://rosstat.gov.ru/statistic (дата обращения: 15.11.2024).
Донских А.К., Барабанов В.Ф., Гребенникова Н.И., Белых М.А. Обзор архитектуры систем управления интеллектом на основе полезности и дерева поведения // Вестник Воронежского государственного технического университета. 2021. Т. 17. № 2. С. 36-41.
Millington I. Artificial Intelligence for Games. London: Morgan Kaufmann Publishers, 2006. 856 p.
Navigation System // Epic Games Unreal Engine Documentation. URL: https://dev.epicgames.com/documentation/ru-ru/unreal-engine/navigation-system-in-unreal-engine? application_version=5.3 (дата обращения: 15.11.2024).
Smart Objects Quick Start // Unreal Engine 5.5 Documentation. URL: https://dev.epicgames.com/documentation/en-us/unreal-engine/smart-objects-in-unreal-engine---quick-start (дата обращения: 15.11.2024).
Ладоша Е.Н., Хмырова А.Д. Применение искусственного интеллекта в процессе 3D моделирования сложных архитектурных объектов // Научный лидер. 2024. № 19 (169). С. 19-22.
Copyright (c) 2025 Игорь Викторович Пономарев, Борис Борисович Якимов

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.