Crowd Behavior Simulation of Pedestrians During Evacuation Process: DEM-Based Approach

این کتاب استفاده از روش عناصر متمایز (DEM) را در مدل‌سازی رفتار جمعیت و شبیه‌سازی فرآیندهای تخلیه معرفی می‌کند. با تمرکز بر محاسبات ریاضی رفتار نامطمئن تخلیه‌شدگان، که رفتار کنش سوئیچینگ است، متعاقباً فرآیند تخلیه جمعیت را تحت چندین سناریو حدسی با استفاده از یک مدل چند عاملی مبتنی بر DEM که با معرفی رفتار کنش تعویض اصلاح شده است، بازتولید می‌کند. مدل رفتار اقدام سوئیچینگ پیشنهادی فردی را توصیف می‌کند که باید مقصد خود را به دلیل ظرفیت فضای محدود منطقه تخلیه تعیین‌شده تغییر دهد. تغییر در مقصد یک شخص با توجه به حرکت افراد دیگر در حوزه ادراک در طول زمان عمل تعویض تعریف شده تعیین می شود. زمان عمل سوئیچینگ در تابع عمل سوئیچینگ نامیده می شود که با یک انتگرال پیچشی توابع ورودی و پاسخ واحد توصیف می شود. سپس مدل اقدام سوئیچینگ توسعه‌یافته با استفاده از تحلیل حساسیت تأیید می‌شود که در آن تمرکز اصلی، حرکت جمعیت و جریان رفتار عمل تعویض است.

This book introduces the use of the distinct element method (DEM) in modeling crowd behavior and simulating evacuation processes. Focusing on the mathematical computation of the uncertain behavior of evacuees, which is switching action behavior, it subsequently reproduces the crowd evacuation process under several conjectural scenarios using a DEM-based multi-agent model that has been modified by introducing the switching action behavior. The proposed switching action behavior model describes a person who has to change his/her destination due to the limited space capacity of the designated evacuation area. The change in the destination of a person is determined according to the motion of other individuals in the perception domain during the defined switching action time. The switching action time is formulated in the so-called switching action function, which is described by a convolution integral of the input and unit response functions. The newly developed switching action model is then validated using sensitivity analysis in which the primary focus is the crowd motion and flow of switching action behavior.