Informaation leviäminen väkijoukossa matemaattinen mallinnus

Samankaltaiset tiedostot
Implementation of Selected Metaheuristics to the Travelling Salesman Problem (valmiin työn esittely)

Trimmitysongelman LP-relaksaation ratkaiseminen sarakkeita generoivalla algoritmilla ja brute-force-menetelmällä

Algoritmit 2. Luento 13 Ti Timo Männikkö

Joonas Haapala Ohjaaja: DI Heikki Puustinen Valvoja: Prof. Kai Virtanen

Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely)

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Algoritmit 1. Demot Timo Männikkö

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Skedulerisimulaattorin implementointi fysiikkatöille ja sen matemaattinen validointi

Tuotantoprosessin optimaalinen aikataulutus (valmiin työn esittely)

Lentotiedustelutietoon perustuva tykistön tulenkäytön optimointi (valmiin työn esittely)

Positiivisen psykologian vuorovaikutusmalli

Algoritmit 2. Luento 12 Ke Timo Männikkö

Simulation and modeling for quality and reliability (valmiin työn esittely) Aleksi Seppänen

A ja B pelaavat sarjan pelejä. Sarjan voittaja on se, joka ensin voittaa n peliä.

Algoritmit 2. Luento 12 To Timo Männikkö

Minimilatenssiongelman ratkaisualgoritmeja (valmiin työn esittely)

Vesivoimaketjun optimointi mehiläisalgoritmilla (Valmiin työn esittely)

Optimaaliset riskinalentamisportfoliot vikapuuanalyysissä (valmiin työn esittely)

POISTUMISSIMULOINNIT PALOTILANTEISSA

Satunnaislukujen generointi

Algoritmit 1. Luento 10 Ke Timo Männikkö

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Ohjelmassa on käytettävä funktiota laskeparkkimaksu laskemaan kunkin asiakkaan maksu. Funktio floor pyöristää luvun lähimmäksi kokonaisluvuksi.

Konsensusongelma hajautetuissa järjestelmissä. Niko Välimäki Hajautetut algoritmit -seminaari

Cubature Integration Methods in Non-Linear Kalman Filtering and Smoothing (valmiin työn esittely)

LASKENNALLISEN TIETEEN OHJELMATYÖ: Diffuusion Monte Carlo -simulointi yksiulotteisessa systeemissä

Vangin dilemma häiriöisessä ympäristössä Markov-prosessina (valmiin työn esittely) Lasse Lindqvist

Search space traversal using metaheuristics

TEEMU ROOS (KALVOT MUOKATTU PATRIK HOYERIN LUENTOMATERIAALISTA)

Mat Sovellettu todennäköisyyslasku A

TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio. Kimmo Berg. Mat Optimointioppi. 9. harjoitus - ratkaisut

MIKROAALTOUUNI VAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA. Tuomas Karri i78953 Jussi Luopajärvi i80712 Juhani Tammi o83312

Seurantalaskimen simulointi- ja suorituskykymallien vertailu (valmiin työn esittely) Joona Karjalainen

Peliteorian soveltaminen hajautettujen järjestelmien protokollasuunnittelussa (valmiin työn esittely)

Algoritmit 1. Demot Timo Männikkö

Kirjallisuuskatsaus sisäpistemenetelmiin ja niiden soveltamiseen eri optimointiluokille (valmiin työn esittely)

Trichoderma reesein geenisäätelyverkoston ennustaminen Oskari Vinko

5.6.3 Matematiikan lyhyt oppimäärä

Algoritmit 1. Luento 10 Ke Timo Männikkö

Probabilistiset mallit (osa 2) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 2 Jorma Merikoski Tampereen yliopisto

Tulevaisuuden teräsrakenteet ja vaativa valmistus. 3D-skannaus ja käänteinen suunnittelu

Gaussiset prosessit derivaattahavainnoilla regressio-ongelmassa (valmiin työn esittely)

Lääkintähelikopterikaluston mallintaminen

7.4 Sormenjälkitekniikka

Epälineaarinen hinnoittelu: Diskreetin ja jatkuvan mallin vertailu

Sukelluskeräily, Pelihahmon liikuttaminen. Tee uusi hahmo: Pelihahmo. Nimeä se. Testaa ikuisesti -silmukassa peräkkäisinä testeinä (jos) onko jokin

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Epidemian leviämisen mallintaminen agenttipohjaisen mallin avulla. Karel Kaurila & Timo Toukkari

Johdatus tekoälyn taustalla olevaan matematiikkaan

Harjoitus 2: Matlab - Statistical Toolbox

Lisäinformaation arvo monikriteerisessä projektiportfoliovalinnassa (valmiin työn esittely)

f(n) = Ω(g(n)) jos ja vain jos g(n) = O(f(n))

jens 1 matti Etäisyydet 1: 1.1 2: 1.4 3: 1.8 4: 2.0 5: 3.0 6: 3.6 7: 4.0 zetor

JOITAKIN KOMMENTTEJA JA LISÄEHDOTUKSIA TIETEEN METODIIKKA MODUULIN YHTEISEEN KURSSILISTAAN Esitys KK

Luodin massajakauman optimointi

11. Dimensioanalyysi. KJR-C2003 Virtausmekaniikan perusteet

UUSI LIEKINLEVIÄMISEN TUTKIMUSLAITE

Logistinen regressio, separoivat hypertasot

Puhelintukiasema-antennin säteilykuvion mittaus multikopterilla (Valmiin työn esittely)

58131 Tietorakenteet ja algoritmit (kevät 2014) Uusinta- ja erilliskoe, , vastauksia

Stokastinen optimointi taktisessa toimitusketjujen riskienhallinnassa (valmiin työn esittely)

Ohjelmoinnin perusteet Y Python

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MATEMATIIKKA MATEMATIIKAN PITKÄ OPPIMÄÄRÄ. Oppimäärän vaihtaminen

Sustainable steel construction seminaari

Laskuharjoitus 9, tehtävä 6

Liite 1. Laajennettu Eukleideen algoritmi suoraviivainen tapa

Simulointimalli lentokoneiden käytettävyyden hallintaan. Ville Mattila Systeemianalyysin laboratorio Teknillinen korkeakoulu

Muistutus aikatauluista

Vanhoja koetehtäviä. Analyyttinen geometria 2016

Algoritmit 1. Luento 1 Ti Timo Männikkö

Algoritmit 2. Demot Timo Männikkö

Kaksintaistelun approksimatiivinen mallintaminen (valmiin työn esittely)

Hierarkkinen ryvästäminen

Suomen rautatieverkoston robustisuus

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Ohjelmoinnin peruskurssi Y1

Jaetun muistin muuntaminen viestin välitykseksi. 15. lokakuuta 2007

Funktion raja-arvo. lukumäärien tutkiminen. tutkiminen

HOPS Henkilökohtainen opintosuunnitelma LuK -tutkintoon

Sovellusohjelmointi Matlab-ympäristössä: Vertaisverkon koneiden klusterointi

. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1

GA & robot path planning. Janne Haapsaari AUTO Geneettiset algoritmit

Johdantoa. Jokaisen matemaatikon olisi syytä osata edes alkeet jostakin perusohjelmistosta, Java MAPLE. Pascal MathCad

805306A Johdatus monimuuttujamenetelmiin, 5 op

Projekti A: iskunvaimennindynamometri

Stalatube Oy. P u t k i k a n n a k k e e n m a s s o j e n v e r t a i l u. Laskentaraportti

Harjoitustyö 3. Heiluri-vaunusysteemin parametrien estimointi

Mallipohjainen klusterointi

v 8 v 9 v 5 C v 3 v 4

Malliratkaisut Demot

Avainsanojen poimiminen Eeva Ahonen

Ohjelmoinnin perusteet Y Python

Ohjelmoinnin perusteet Y Python

Tietorakenteet ja algoritmit

Menetelmä Markowitzin mallin parametrien estimointiin (valmiin työn esittely)

T Luonnollisen kielen tilastollinen käsittely Vastaukset 8, ti , 8:30-10:00 Tilastolliset yhteydettömät kieliopit, Versio 1.

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla

2. Jatkoa HT 4.5:teen ja edelliseen tehtavään: Määrää X:n kertymäfunktio F (x) ja laske sen avulla todennäköisyydet

Transkriptio:

Informaation leviäminen väkijoukossa matemaattinen mallinnus Tony Nysten 11.4.2011 Ohjaaja: DI Simo Heliövaara Valvoja: Prof. Harri Ehtamo

Väkijoukon toiminta evakuointitilanteessa Uhkaavan tilanteen huomanneen ihmisen käyttäytyminen on helppo huomata Tieto leviää väkijoukossa ihmiseltä toiselle Tätä voi mallintaa stokastisella simulointimallilla Voidaan hyödyntää tilojen suunnittelemisessa evakuoinnin kannalta turvallisiksi Voi myös mallintaa vaikkapa juorun leviämistä torilla

Malli 1 0.9 0.8 siirtymistodennäköisyys, p 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 2 4 6 8 10 12 14 16 18 20 agenttien välinen etäisyys, d

Malli

Malli

Malli Tiedonsiirtymistodennäköisyys aika-askeleen ja etäisyyden funktiona

Malli Nyt todennäköisyys, että henkilö k ylipäätään saa joltakin tiedon voidaan laskea kertomalla: sisältää ne henkilöt j joilla tieto on

Algoritmi 1. k = 0 2. aseta k = k+1 if I(k) = 1 goto 2 else laske 3. Generoi satunnaisluku R väliltä [0,1] 4. if R < aseta I(k)=1 else aseta I(k)=0 5. goto 2

Toteutus Implementoitiin malli MATLABilla Tutkitaan tiedon leviämisnopeutta Aika-askeleen vaikutus leviämiseen? Parametrien vaikutus leviämiseen? Alkuastelman, ihmistiheyden ja huoneen geometrian vaikutus leviämiseen?

Tiedon leviämisnopeus

Tiedon leviämisnopeus Rajattomassa huoneessa tieto leviäisi neliöllisesti informaation saaneiden agenttien lukumäärä 450 400 350 300 250 200 150 100 50 mittaus 2. asteen regressio 0 0 2 4 6 8 10 12 14 16 18 20 aika [s]

Aika-askeleen vaikutus Valitun diskretoimisvälin ei pitäisi vaikuttaa tiedon leviämisnopeuteen Ei siis väliä päivitetäänkö tilanne esim. sekunnin vai viiden sekunnin välein Liian suurilla aikaaskeleilla leviäminen kuitenkin hidastuu osuus agenteista, joille tieto on 20 s jälkeen siirtynyt 0.7 0.65 0.6 0.55 0.5 0.45 0.4 0.35 10 2 10 1 10 0 10 1 10 2 käytetyn aika askeleen t pituus

Aika-askeleen vaikutus Algoritmi laskee jokaisessa iteraatiossaan todennäköisyyden jolla kukin agentti saa tiedon, ja arpoo tämän perusteella keille tieto leviää. Jokainen agentti, jolle tieto on levinnyt, kasvattaa todennäköisyyttä, että muut agentit saavat tiedon. Jos siis aika-askel on liian suuri, leviää tieto yhdessä askeleessa vain niille, joille se alkuasetelmassa olevilta agenteilta leviäisi.

Parametrien vaikutus 0.7 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.6 0.5 0.4 0.3 0.2 0.1 osuus agenteista, joille tieto on 10 s jã lkeen siirtynyt osuus agenteista, joille tieto on 10 s jã lkeen siirtynyt 0 1 1.5 2 2.5 3 3.5 4 parametrin d 0 arvo 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 parametrin p 0 arvo 0.7 0.6 0.5 0.4 0.3 0.2 0.1 osuus agenteista, joille tieto on 10 s jã lkeen siirtynyt 0 1 1.5 2 2.5 3 3.5 4 4.5 5 parametrin t arvo 0

Alkuasetelman vaikutus Jos tieto on alussa hajallaan, lähtee se nopeammin leviämään Etäisyys muihin agentteihin lyhyempi osuus agenteista, joille tieto on siirtynyt 0.7 0.6 0.5 0.4 0.3 0.2 0.1 agentit yhdessä kulmassa agentit keskellä agentit kulmissa 0 0 2 4 6 8 10 12 14 16 18 20 aika t [s]

Populaation tiheyden vaikutus Tiheässä populaatiossa tieto leviää nopeimmin Enemmän agentteja joille tieto voi levitä Myös leviää osuus agenteista, joille tieto on siirtynyt 0.7 0.6 0.5 0.4 0.3 0.2 0.1 5 m 2 /hlö 10 m 2 /hlö 20 m 2 /hlö 30 m 2 /hlö 0 0 1 2 3 4 5 6 7 8 aika t [s]

Huoneen geometrian vaikutus Geometria vaikuttaa agenttien väliseen etäisyyteen eli myös leviämisen nopeuteen osuus agenteista, joille tieto on siirtynyt 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 16 m x 256 m 32 m x 128 m 64 m x 64 m 0 0 2 4 6 8 10 12 14 16 18 20 aika t [s]

Yhteenveto

Pääasiallinen tietolähde Heliövaara, S. Computational Models for Human Behavior in Fire Evacuations. Diplomityö,, Systeemianalyysin laboratorio, Espoo, 2007.

Alkuperäinen aikataulu Kesä 2009: Mallin implementointi MATLABiin 14.9.2009: Aihe-esittely seminaarissa Syksy 2009: Kandidaatin työn kirjoittaminen Joulukuun (?) seminaari: Valmiin työn esittely

Toteutunut aikataulu Kesä 2009: Mallin implementointi MATLABiin 14.9.2009: Aihe-esittely seminaarissa Syksy 2009: Kandidaatin työn kirjoittaminen Kevät 2010: Kandidaatin työn kirjoittaminen Syksy 2010: Kandidaatin työn kirjoittaminen 11.4.2011: Valmiin työn esittely