Поделиться
Ученые МГУ разработали математическую модель для предотвращения давки в общественных местах
Исследователи ВМК МГУ предложили новую математическую модель для управления потоками людей в замкнутых пространствах. Система позволяет прогнозировать перемещение групп людей, минимизировать риски скоплений и давки, а также управлять безопасностью с помощью алгоритмов обучения с подкреплением. Работа опубликована в материалах Международной конференции «Математика в созвездии наук». Об этом CNews сообщили представители МГУ.
Массовые скопления людей в закрытых пространствах, таких как стадионы, вокзалы и торговые центры, требуют эффективных систем управления для предотвращения опасных ситуаций. Ученые ВМК МГУ разработали математическую модель, которая позволяет не только прогнозировать поведение потоков людей, но и управлять ими в режиме реального времени.
Модель основана на адаптированной версии Cell Transmission Model (CTM), используемой для анализа транспортных потоков. В контексте моделирования движения людей помещения представляются в виде сети комнат, связанных переходами. Каждая комната характеризуется параметрами: площадью, максимальной вместимостью и количеством людей в определенный момент времени.
Модель учитывает множество факторов, включая: ограничения пропускной способности переходов; взаимодействие противонаправленных потоков; скорость движения людей и их перераспределение между комнатами.
Центральным элементом модели являются гарантированные оценки, которые представляют собой диапазоны возможных значений количества людей в каждой комнате. Эти оценки помогают предсказать, когда количество людей может превысить критический порог, и заблаговременно принять меры.
«Мы разработали модель, которая объединяет математическое прогнозирование и алгоритмы машинного обучения. Она позволяет не только оценивать риски скоплений, но и динамически управлять потоками людей в реальном времени», — сказал доцент кафедры системного анализа ВМК МГУ Павел Точилин.
Для управления потоками используется алгоритм обучения с подкреплением, который «обучается» принимать оптимальные решения в условиях ограниченного пространства. Алгоритм DQN (Deep Q-Network) моделирует взаимодействие «агента» (управляющей системы) и «среды» (модели помещения), определяя, какие переходы следует закрыть или открыть. Система награждает «агента» за предотвращение скоплений и штрафует за допущение ситуаций, близких к давке.
Алгоритм DQN показал высокую эффективность в управлении потоками людей в моделируемых условиях. Применение модели позволяет избежать концентрации людей в отдельных комнатах и обеспечивает их равномерное распределение. Это важно для предотвращения ситуаций, связанных с давкой, и упрощения эвакуации. «Это часть большого проекта, включающего в себя не только разработку самой модели, но и методы идентификации ее коэффициентов, опубликованные ранее. Кроме того, результаты представляют интерес для дальнейших исследований. В частности, планируется сравнить различные стратегии управления с точки зрения адекватности их применения на практике», — сказала аспирант кафедры системного анализа Маргарита Зайцева.
Разработанная модель может быть использована в системах планирования и управления массовыми мероприятиями, а также для проектирования транспортных узлов, крупных общественных зданий и торговых центров. Ее интеграция с реальными системами управления безопасностью позволит адаптировать действия в зависимости от текущей ситуации, обеспечивая как комфорт, так и безопасность.
«Это часть большого проекта, включающего в себя не только разработку самой модели, но и методы идентификации ее коэффициентов, опубликованные ранее. Кроме того, результаты представляют интерес для дальнейших исследований. В частности, планируется сравнить различные стратегии управления с точки зрения адекватности их применения на практике», — отметила аспирант кафедры системного анализа Маргарита Зайцева.
Короткая ссылка
