Towards predicting Pedestrian Evacuation Time and Density from Floorplans using a Vision Transformer

要約

従来の歩行者シミュレータは、プロジェクト エンジニアが過密状態を回避したり、避難のための避難経路を計画したりできるため、建物の設計プロセスにおいて不可欠なツールです。
ただし、シミュレーションの実行時間と、シミュレーション結果を生成する際の複数の煩雑な手順が、建築設計プロセスにおける潜在的なボトルネックになります。
データ駆動型のアプローチは、速度の点で従来の方法を上回り、多くの分野で同等またはそれ以上の結果をもたらす能力を実証しています。
この研究では、特定のフロアプランから経時的な密度ヒートマップと総避難時間を予測するための、Vision Transformer に基づく深層学習ベースのアプローチを紹介します。
具体的には、公開データセットの利用が限られているため、従来のシミュレーターを含むパラメトリック データ生成パイプラインを実装します。
これにより、アーキテクチャのトレーニングに使用する大規模な合成データセットを構築できるようになります。
さらに、モデルを BIM オーサリング ツールにシームレスに統合して、シミュレーション結果を即座かつ自動的に生成します。

要約(オリジナル)

Conventional pedestrian simulators are inevitable tools in the design process of a building, as they enable project engineers to prevent overcrowding situations and plan escape routes for evacuation. However, simulation runtime and the multiple cumbersome steps in generating simulation results are potential bottlenecks during the building design process. Data-driven approaches have demonstrated their capability to outperform conventional methods in speed while delivering similar or even better results across many disciplines. In this work, we present a deep learning-based approach based on a Vision Transformer to predict density heatmaps over time and total evacuation time from a given floorplan. Specifically, due to limited availability of public datasets, we implement a parametric data generation pipeline including a conventional simulator. This enables us to build a large synthetic dataset that we use to train our architecture. Furthermore, we seamlessly integrate our model into a BIM-authoring tool to generate simulation results instantly and automatically.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google