Multi-Agent-Modellierung der Dynamik von dichten Fußgängermengen: Vorhersagen & Verstehen

• Antragsteller: Dr. Mohcine Chraibi, Ph.D.; Professor Dr. Antoine Tordeux
• Fachliche Zuordnung: Verkehrs- und Transportsysteme, Intelligenter und automatisierter Verkehr
• Förderung: Förderung seit 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 446168800

Wirklichkeitsgetreue Modelle für die Dynamik von dichten Fußgängermengen sind entscheidend für die Vorhersage von Fußgängerströmen und das Management großer Mengen, aber auch aus einer fundamentalen Perspektive, um die Besonderheiten von Fußgängern zu verstehen. Die derzeitigen Modelle weisen jedoch einige gravierende Mängel auf, insbesondere bei hoher Dichte. In diesem Zusammenhang zielt MADRAS darauf ab, innovative agentenbasierte Modelle zu entwickeln, um die Dynamik von dichten Menschenmengen vorherzusagen und zu verstehen und dann diese Modelle in einer groß angelegten Fallstudie anzuwenden. Es werden zwei sich ergänzende Modellierungsansätze entwikelt:(i) angepasste neuronale Netze (NN) werden entwickelt, um die Bewegung von Fußgängern entsprechend ihrer lokalen Umgebung und ihrer Trajektorien vorherzusagen. Diese datenbasierte Annäherung wird durch jüngste Erfolge unterstützt, die das Potenzial von «Recurrent NN» bei geringer bis mittlerer Dichte bewiesen haben, aber es müssen geeignete Deskriptoren für die Nachbarschaft des Agenten und die lokale Geometrie gefunden werden, um dichte Menschenmassen in komplexen Geometrien anzusprechen.(ii) ein physikbasiertes Modell wird eine Entscheidungsschicht, in der eine gewünschte Geschwindigkeit gemäß einer empirisch validierten Kollisionsantizipationsstrategie ausgewählt wird, mit einer mechanischen Schicht, die Kollisionen löst, koppeln. Diese Ansätze werden mit Daten aus kontrollierten Experimenten validiert. Die Modelle werden dann auf größerer Skala verwendet, um die Strömungen auf überfüllten Straßen bei einer Massenveranstaltung, der Fête des Lumières in Lyon, zu simulieren. Zu diesem Zweck werden empirische Daten gesammelt, indem die Straßen von oben gefilmt und drucksensitiven Jacken benutzt, um die Kontakte zwischen Menschen zu messen.Die Nachbildung dieses realen Szenarios erfordert geeignete Datenassimilationsmethoden und effiziente Multiagentensimulationen auf der Grundlage der beiden Modelle. Letztere werden in einer einzigen Online-Plattform kombiniert, die es erlaubt, die vorhergesagten Ströme zu visualisieren und mit der Grundwahrheit zu vergleichen.Schließlich wird der Einfluss verschiedener Modellbestandteile und -Merkmale (z.B. Formheterogenitäten) auf die großräumigen Strömungsvorhersagen mit Hilfe numerischer Simulationen beider Modelle untersucht, wobei die Fête des Lumières als Referenzszenario gelten wird.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Frankreich
• Partnerorganisation: Agence Nationale de la Recherche / The French National Research Agency
• Kooperationspartner: Dr. Benoit Gaudou, Ph.D.; Privatdozent Dr. Alexandre Nicolas