Crowd modeling and simulation on high performance architectures

Abstract

La gestió de la seguretat en grans esdeveniments s'ha convertit en clau en un món cada vegada més poblat. Els desastres multitudinaris han augmentat en els últims cent anys, de manera que la gestió de la seguretat dels assistents és una qüestió clau. Per comprendre i avaluar els riscos involucrats en aquestes situacions els models i simuladors permeten comprendre la situació i prendre decisions en conseqüència. Però la simulació de multituds te alts requeriments computacionals si tenim en compte milers de persones. A més, la mateixa situació inicial pot donar resultat diferents degut a comportaments no deterministes de la població; per això necessitem una quantitat significativa de simulacions. En aquesta tesi s'han proposat models multitudinaris i ens hem centrat en crear un DSS (Sistema de Suport a les Decisions). Els models proposats poden reproduir algunes de les complexitats dels agents, factors psicològics, la intel·ligència per trobar la sortida, evitar obstacles o moure a través de la multitud, i reproduir esdeveniments interns de la multitud en cas d'altes pressions o densitats. Per modelar aquests aspectes fem servir models basats en agents i mètodes numèrics. Per centrar-nos en l'aplicabilitat del model hem desenvolupat un flux de treball que li permet executar el DSS en el núvol per simplificar la complexitat del sistema als experts. Finalment, per provar el funcionament i per validar el simulador es van utilitzar escenaris reals i sintètics que ens han permès avaluar el rendiment dels models.

Management of security in major events has become crucial in an increasingly populated world. Disasters have incremented in crowd events over the last hundred years and therefore the safety management of the attendees has become a key issue. To understand and assess the risks involved in these situations, models and simulators that allow understand the situation and make decisions accordingly are necessary. But crowd simulation has high computational requirements when we consider thousands of people. Moreover, the same initial situation can vary on the results depending on the non deterministic behavior of the population; for this we also need a significant amount of statistical reliable simulations. In this thesis we have proposed crowd models and focused on providing a DSS (Decisions Support System). The proposed models can reproduce the complexity of agents, psychological factors, intelligence to find the exit and avoid obstacles or move through the crowd, and recreate internal events of the crowd in case of high pressures or densities. In order to model these aspects we use agent-based models and numerical methods. To focus on the applicability of the model we have developed a workflow that allows you to run in the Cloud DSS to simplify the complexity of the systems to the experts and only left to the them the configuration. Finally, to test the operation and to validate the simulator we used real scenarios and synthetic in order to evaluate the performance of the models.