Modifikace a kalibrace chodeckých modelů s využitím mikroskopické analýzy dynamiky davu

Abstract

Kalibrace, v článcích často podceňovaná, je zásadní pro získání kvalitních výsledků. Cílem této disertační práce je představit metodologii statistické kalibrace, pečlivě dokumentovanou pro reprodukovatelnost a přizpůsobitelnost jakémukoli modelu. Kromě samotné metodologie je kalibrační proces dále vylepšen také pomocí nových (mikroskopických) kalibračních veličin. Z tohoto důvodu jsou studovány odhady chodecké hustoty pomocí jádrových funkcí, neboť standardní definice hustoty poskytuje pouze diskrétní hodnoty a běžně používaný Voronoiův diagram nelze přizpůsobovat konkrétní situaci pomocí parametrů. Analýza odhadů hustoty pomocí jader, jež rozmazávají chodce za využití různých specifických tvarů, je zásadní pro určení vhodných hodnot parametrů (tvaru a velikosti jádra) pro kalibraci modelu.

Calibration, often undervalued in academic papers, is essential for obtaining high-quality results in pedestrian modelling. This thesis aims to introduce a statistical calibration methodology, thoroughly documented for reproducibility and adaptability to any model. Apart from the calibration concept, the calibration process is further enhanced by employing novel (microscopic) calibration quantities. Therefore, the kernel estimates of pedestrian density are studied since the standard density definition only provides discrete values and the commonly used Voronoi diagram cannot be adjusted by parameters. The exploration of kernel density estimates, blurring pedestrians using specific shapes, is essential to determine a parametrization (kernel shape and size) suitable for calibrating the model.