Рассказываем о задачах, над которыми работали сотрудники Национального центра когнитивных разработок Университета ИТМО (НЦКР) — это и анализ пассажиропотоков на вокзале «Олимпийский парк», и визуализация проекта реконструкции Конюшенного двора в Петербурге.



Что такое агентное моделирование


Это — один из методов имитационного моделирования. В его рамках симулируют поведение автономных агентов (ими могут быть люди, автомобили, животные и др.) и оценивают их влияние на состояние крупной системы. Агентное моделирование применяют для оптимизации логистики, управления трудовыми ресурсами и прогнозирования движения человеческих потоков и не только.

Несколько таких проектов были реализованы лабораторией интерактивной визуализации в НЦКР.

Проект реконструкции Конюшенного двора


Мы выполняли его совместно с компанией «СТАРТ Девелопмент». Она участвовала в конкурсе проектов по реконструкции комплекса зданий на Конюшенной площади. Инженеры хотели не просто подготовить чертежи, но сделать интерактивную презентацию возможных изменений. Нашей задачей было показать, как преобразится автомобильный трафик и потоки пешеходов. Сейчас площадь перегружена: на ней много припаркованных машин. Модель «после реконструкции» показывает, что она становится полностью пешеходной, появляются дополнительные маршруты, в том числе туристические, возникает прямой проход к Спасу на Крови и формируются новые общественные пространства. Но, к сожалению, проект «СТАРТ Девелопмент» не был утвержден.



К слову, реконструкция Конюшенного двора — это не первый проект, над которым мы работали со специалистами «СТАРТ Девелопмент». В 2017 году мы разрабатывали для них цифровую модель сценариев развития города-спутника «Южный». Система просчитывает основные характеристики городской среды в динамике. Она учитывает различные сценарии обустройства территорий: от развития дорожной сети до формирования экологической картины (зашумленность, СО2). Результаты моделирования позволяют обосновать выбор варианта организации инфраструктуры.

Анализ вокзала «Олимпийский парк»


Эту задачу мы решали для архитектурного бюро «Студия 44», которое проектировало крупные инфраструктурные объекты, в том числе Ладожский вокзал и «Олимпийский парк». Когда строилась станция в Адлере, нагрузочные расчеты по пассажиропотоку делались общие — пиковые нагрузки, средняя плотность на площадь и прочее. Все это без детального моделирования с точностью до отдельных людей. Коллеги из архитектурного бюро решили проверить на основе математических моделей, насколько их гипотеза по проекту подтверждается близкими к реальности расчетами.

Мы считали пиковые нагрузки в двух вариантах: утренняя интенсивная доставка зрителей на территорию Олимпийского парка электричками, когда люди достаточно большой толпой двигаются в сторону стадионов с вокзала. И второй вариант — когда вечером все игры и мероприятия заканчиваются, и народ массово садится на электрички, чтобы уехать.



Низкоуровневую навигацию в пространстве и избегание препятствий пешеходами оценивали с помощью фреймворка мультиагентного моделирования Menge. Но высокоуровневую поведенческую модель и модель дорожного движения реализовали уже на Unreal Engine 4.


Задачей было посмотреть, есть ли в организации пространства неочевидные подводные камни и «бутылочные горлышки», приводящие к чрезмерному скоплению людей. Модель показала, что основное проблемное место — углы. Люди замедляются на поворотах, поэтому там возникали небольшие столпотворения. Но плотность все равно не доходила до пяти человек на квадратный метр.

«Когда мы брали заведомо завышенный поток людей, — потенциал возникновения давки выявили буквально в паре мест — проходы под эскалаторами и повороты. Сейчас там стоят турникеты: за счет них поток успокаивается, и народ на поворотах сильно не толпится».

— Андрей Карсаков, к.т.н., старший научный сотрудник Национального центра когнитивных разработок, доцент Факультета цифровых трансформаций



Кроме того, мы смоделировали функционирование вокзала в нынешних «пост-олимпийских» условиях. Понятно, что по завершению игр потоки стали меньше, сильнее «размазаны» в течение дня. Задачи просчитывать совсем уж экстремальные ситуации (например, при пожаре или перекрытии какого-либо выхода) у нас не было. Тем не менее разработки Университета ИТМО позволяют это сделать.

Результаты работы мы представили на Венецианской архитектурной биеннале-2018. Динамическая модель была показана непосредственно над макетом самого вокзала.

Больше проектов


Несколько лет назад сотрудники НЦКР решали задачу, связанную с построением безопасного маршрута для болельщиков со стадиона «Зенит-Арена» во время чемпионата мира по футболу в России. Модель учитывала различные нестандартные ситуации, например, сильный дождь или агрессивное поведение толпы в случае проигрыша любимой команды. Тогда был проработан план действий: как выпускать людей со стадиона в зависимости от возникшей ситуации, где ставить турникеты и устраивать «змейки».

Также в 2017 году наши инженеры, совместно с коллегами из Нидерландов, США и Мексики, разработали программу PULSE. Она объединяет мультиагентные модели, описывающие поведение пешеходов во время массовых мероприятий и экстренных ситуаций. При этом действия каждого виртуального участника контролирует его собственная система искусственного интеллекта. Платформу уже используют для изучения потоков паломников на крупнейшем религиозном фестивале Кумбха-Мела в Индии. Система помогает понять, как избежать давки, если, например, начнется дождь и толпа людей устремится в храм.


Сейчас мы продолжаем развивать инструменты моделирования пешеходной мобильности и трафика. Один из свежих проектов в этой области посвящен исторической реконструкции городских территорий на основе неполных данных. С помощью методов искусственного интеллекта мы стараемся восстановить картину жизни города, даже если не хватает какой-то части исторической информации.

В Университете ИТМО уже реализован проект цифровой «машины времени». Она позволяет проследить, как развивался и застраивался Кронштадт в XVIII или XIX веках. Мы восстановили и оцифровали исторические сведения об утраченных объектах города. Системы искусственного интеллекта помогли сгенерировать синтетические данные о квартальной застройке ранних периодов развития города.

«Мы используем мультиагентное моделирование для воспроизведения динамики населения города практически в любой временной точке его существования — будь то XIX век или XXI. Учитывается не только пешеходная мобильность, но и множество различного транспорта: от автомобилей или конных повозок до велосипедов. Надеюсь, в скором времени мы сможем публично продемонстрировать первые результаты нашей работы по этому проекту и рассказать больше подробностей».

— Андрей Карсаков, к.т.н., старший научный сотрудник Национального центра когнитивных разработок, доцент Факультета цифровых трансформаций



Андрей Карсаков рассказал о своем опыте AR-сопровождения массовых мероприятий в нашем подкасте «ITMO Research_». Мы опубликовали текстовую расшифровку выпуска на Хабре (1, 2).