Simulação de Multidões com Realidade Aumentada ( Crowd Simulation with Augmented Reality )

Guilherme Noronha*, Guilherme Batista*, Luciano Pereira Soares ǂ

* UniverCidade (Centro Universitário da Cidade do Rio de Janeiro) Núcleo de Projetos e Pesquisa em Aplicações Computacionais

e-mail: {gui.noronha,guilhermeab}@gmail.com

ǂ Escola de Engenharia Insper Instituto de Ensino e Pesquisa

e-mail: lucianops@insper.edu.br Resumo— Em situações onde multidões são esperadas, como eventos esportivos de grande magnitude, eventos musicais, entre outros, a imprevisibilidade da situação é característica. No intuito de prevenirmos tragédias e acidentes, o entendimento de como multidões se comportam é fundamental. Este projeto de pesquisa desenvolveu um sistema de realidade aumentada com agentes, com a finalidade de simular multidões em localidades reais com inteligência artificial, propiciando assim um estudo simulado para fins científicos do comportamento de multidões, levando desta forma a um melhor planejamento da organização de tais eventos prevenindo situações críticas.

Palavras-chave—Realidade Aumentada; Agentes;

Abstract— In situations where crowds are expected, such as big sport events, musical events, among others, the unpredictability of incidents is always present. In order to prevent accidents and tragedies, understanding how crowds behave is crucial. This research project has developed an augmented reality system with agents to simulate crowds in real locations using artificial intelligence, thereby providing a way for scientific study of the behavior of crowds, thus leading to better plan the organization of such events, avoiding critical situations.

Keywords—Augmented Reality; Agents;

I. INTRODUÇÃO O projeto descrito nesse documento integra um sistema

de realidade aumentada com agentes inteligentes, no qual os agentes são capazes de reconhecer o ambiente e agir com o objetivo de evacuar um cenário quaquer. Esta linha de pesquisa é importante devido a preocupação com a segurança de ambientes que venham a comportar grande número de pessoas, evitando desastres como o incêndio na boate Kiss em Santa Maria em Janeiro de 2013 [1].

Através da realidade aumentada, podemos mesclar ambientes reais e objetos virtuais, tornando possível conferir simulações virtuais de agentes inteligentes no lugar de pessoas e um ambiente real com paredes e objetos previamente modelados, como um auditório ou teatro.

Diante desta simulação é possível estudar e analisar o comportamento de multidões, o que não seria viáveis de outra forma devido às restrições de alocar muitas pessoas, como em um incêndio, ou alagamento simulado por exemplo. Através desse estudo se faz possível, sem colocar em risco a construção ou as pessoas, avaliar esses eventos e decidir se alguma adequação da construção se faz necessária.

Agentes são entidades de inteligência artificial geralmente usados para gerar representações humanas [2]. O paradigma de agentes permite representar a inteligência humana, para simular o pânico e interação entre os indivíduos entre si e com o ambiente.

O sistema desenvolvido permite o usuário selecionar um ambiente, um evento e uma quantidade de agentes e gerar uma simulação em Realidade Aumentada, proporcionando uma interatividade, entendimento e imersão maiores dos responsáveis do planejamento de segurança, conforme apresentado no esboço da idéia na Figura 1.

Figura 1. Esboço da idéia da visualização de multidões por RA.

A seção 2 descreve os trabalhos relacionados, já a seção 3 apresenta conceitualmente a ferramenta computacional desenvolvida. A seção 4 refere-se aos testes executados na ferramenta, mostrando telas do mesmo em funcionamento. Finalmente a seção 5 traz as conclusões finais do projeto bem como sugestões para melhorias e trabalhos futuros.

II. TRABALHOS RELACIONADOS Em Rodrigues et al. [3] foi realizada uma simulação de

multidões de forma a controlar o comportamento dos agentes baseada no algoritmo de colonização espacial, algoritmo esse geralmente usado para geração de árvores de decisões. Neste trabalho se tenta aumentar a flexibilidade e simplicidade de construir algoritmos para controlar simulações de multidões, fornecendo um planejamento de caminho a tomar, e formações de grupos dos agentes. Existe uma preocupação em controlar e evitar colisões entre agentes quando trabalhando com grupos, e o direcionamento de agentes pode

2013 XV Symposium on Virtual and Augmented Reality

978-0-7695-5001-5/13 $26.00 © 2013 IEEE

DOI 10.1109/SVR.2013.50

228

ser definido de acordo com o seu comportamento, podendo, por exemplo, ser de perseguir ou fugir de seu objetivo.

Já em Jacques Junior et al. [4] é realizada uma analise de multidões baseada na visão computacional, no intuito de estudar a simulação e renderização de multidões e suas características. No trabalho em questão três modelos construídos foram utilizados, porém a analise baseada em objetos foi capaz de identificar indivíduo por individuo e fazer uma contagem real do número de pessoas na cena.

Ferreira et al. [5] teve o intuito de expandir os estudos sobre o comportamento de pessoas ou de um grupo de pessoas quando deparados a uma situação de emergência estendendo o modelo MACES – originalmente criado para simular a evacuação de pessoas em um ambiente com focos de incêndio pré-definidos que combina o modelo de forças sociais de Helbing [6] – acrescentando dinamicidade ao ambiente, até então estático no modelo original, possibilitando que os focos de incêndio se propaguem e que os agentes possam além de tentar fugir, explorar o ambiente.

III. SIMULAÇÃO DAS MULTIDÕES Os agentes são representados por avatares em forma de

pessoas, para que sejam respeitadas suas restrições físicas em grupo ou individualmente. O comportamento dos agentes é ditado por suas percepções, ações e emoções. Ações estas baseadas na necessidade de sair da localidade, como encontrar uma saída próxima e se dirigir a ela.

Os agentes usam suas inteligências computacionais para tomar decisões baseadas em parâmetros pré-estabelecidos. O agente se comporta da seguinte forma:

1. Perceber o seu ambiente imediatamente próximo; 2. Localizar caminho que leve a saída mais próxima; 3. Tomar a decisão que o leve por esse caminho; 4. Repetir os passos anteriores até atingir seu objetivo;

Outro aspecto do desenvolvimento foi a definição de como seria feita a simulação da emoção de pânico. Foram definidos eventos e para cada evento foi atribuído um valor de urgência, esse nível de urgência é transmitido aos agentes o que ocasiona uma alteração no seu índice de satisfação, este índice pode aumentar sua velocidade de movimentação, bem como modificar seu trajeto para seu objetivo final. Quanto menos satisfeito o agente estiver no determinado ambiente maior a urgência que ele terá para abandoná-lo.

O principal ponto para avaliar se o agente será realmente bem sucedido ou não é a sua capacidade de encontrar o caminho ideal levando em conta sua posição no ambiente. Para tanto o agente deverá saber diferenciar um caminho do outro, e como medir essa diferença. Para esse cálculo são usadas funções matemáticas que calculam o tamanho do caminho a ser percorrido em ambos os casos [3]. Outro fato a levar em conta nesses cálculos são os obstáculos, como outros agentes, paredes e portas.

Foi necessário mapear os caminhos que cada agente poderia percorrer até chegar à saída. A grande dificuldade encontrada foi no reconhecimento dos obstáculos colocados no sistema, sejam eles paredes ou outros agentes. A solução encontrada foi baseada no trabalho feito por Rodrigues et al.

[3], em construir uma malha de pontos onde os agentes podem se mover. Calculando a distância entre os próximos pontos possíveis de se acessar e a saída, os agentes conseguem se movimentar de forma a evitar obstáculos.

Esses pontos foram devidamente mapeados e distâncias foram dadas entre cada um deles, criando pequenos trechos que uma vez somados se igualam a distância total entre o ponto de partida do agente e a saída almejada.

A implementação da manipulação lógica do sistema foi implementada na linguagem Java, a linguagem ActionScript usando o Adobe Flash [7] para desenvolver a interface, e APIs FLARToolKit [8] e Papervision 3D [9] para manipulação e realização da realidade aumentada.

Na criação de uma simulação, o usuário pode configurar alguns parâmetros como: tipo de ambiente; número de agentes; eventos, além do tamanho do ambiente, que é definido através dos modelos de ambiente criados, e o nível de emoção dos agentes, que dependerá do evento que os agentes enfrentarão. Assim, enquanto um incêndio provocará um nível de pânico alto, uma falta de luz provocará um nível de pânico mais baixo.

O sistema recebe comandos do usuário e utiliza-os como parâmetro para gerar e executar uma simulação. O usuário poder mesclar a quantidade de agentes, ambientes e eventos para realizar simulações, e posteriormente visualizar as simulações em 3D, manipuladas através da RA utilizando uma câmera e marcadores.

Baseado na posição de um marcador, o sistema exibe um modelo tridimensional do ambiente, assim permitindo visualizar os avatares dos agentes se movendo no ambiente de uma maneira mais interativa. Foram modelados os ambientes e agentes utilizando o 3D Studio Max[10], onde é possível adequar o ambiente a qualquer lugar real, bastando construí-los em um modelo 3D. Com os ambientes construídos foram definidos quais marcadores representariam quais ambientes e seus pontos de vista, após o reconhecimento dos marcadores o sistema exibe a simulação alinhada com o marcador (Figura 2), podendo levar a um casamento 1:1 com o ambiente.

Figura 2. Tela com simulação em RA.

229

A API FLARToolKit, que é uma adaptação em ActionScritp3 do ARToolKit, foi utilizada no Flash para o reconhecimento dos marcadores e juntamente o Papervision 3D para a criação e manipulação dos objetos (pessoas) e de todos os movimentos. Possibilitando projetarmos em RA o ambiente e as pessoas caminhando dentro dele. Uma visão macro da arquitetura do simulador é apresentada na figura Figura 3.

Figura 3. Arquitetura do simulador.

O sistema foi desenvolvido em telas, permitindo o usuário escolher os parâmetros e a forma visualização, como por exemplo na Figura 4.

Figura 4. Tela escolha de ambientes.

Embora o foco do sistema seja a visualização em Realidade Aumentada, também foi projetada uma tela que permita visualiar a evacuação da multidão em 2D. Foram construídos modelos dos agentes, sendo pequenos bonecos com animação que os representam graficamente.

Foi utilizado um elemento de software que disponibiliza uma interface de rede para a aplicação, através de uma porta de comunicação IP que passa em tempo real as informações necessárias para a lógica dos agentes funcionarem em sincronia do visualizador RA com o simulador de agentes.

Como a integração Java-Flash-RA em tempo real consome muitos recursos do computador, e como o foco da simulação é justamente calcular o tempo de evacuação de tal ambiente, esta deve ser precisa e não com pausas devido à falta de processamento, assim as simulações podem ser pré-processadas para posterior visualização em RA.

IV. RESULTADOS Durante as simulações é verificada a demora na

evacuação. Podendo indicar um ambiente falho, onde é preciso adequar saídas, corredores ou melhor sinalização. Foram definidos como medidores de desempenho a distância percorrida, e o tempo demorado para o agente sair.

O cálculo de estimativas de tempo de evacuação baseado no número de pessoas em relação ao tipo, tamanho e disposição do ambiente está previsto nos manuais do Corpo de Bombeiros, que embora tenham um foco maior em incêndios, servem como parâmetros para a validação de tempo de evacuação relacionado ao tamanho do ambiente e número de indivíduos presentes.

Uma série de testes foi conduzida para a validação da pesquisa. Esses testes visam verificar os comportamentos dos agentes quando confrontados com diferentes eventos e quantidades de pessoas, cada qual provocando seu nível de emoção. Os resultados foram baseados nos tempos levados pelos agentes para atingirem o seu objetivo, evacuar o ambiente e, no caso de falha, no número de agentes que conseguem sair do ambiente.

Os primeiros testes realizados foram com apenas um agente. Quando um Evento Fogo, o agente testado demorou 6,5s para sair do ambiente representando um nível emotivo muito elevado. Com um Cano Rompido (Inundação) o agente testado demorou 8,2 segundos com um nível emotivo elevado, e no evento Falta de Luz, o agente testado demorou 10s para sair do ambiente representando um nível emotivo mediano. Em uma situação sem eventos, o agente leva 16s para sair do ambiente com um nível emotivo muito baixo.

Figura 5. Testes com Cano Rompido e Falta de Luz.

Numa segunda fase de testes foi escolhido o evento fogo como padrão. Dois agentes demoraram 6,4s para sair do ambiente. Cinco agentes demoraram 6,8s para sair, dez demoraram 8,4s, quinze demoraram 8,6s. Em uma situação com vinte agentes, eles demoraram 9,2s para sair.

Figura 6. Tela capturada do teste com 20 angentes.

230

Numa comparação entre todos os testes, nota-se que expostos ao mesmo nível de emoção provocado pelo incêndio, como esperado quanto maior a quantidade de agentes dentro do ambiente, mais demorada é a evacuação.

Na última porção dos testes foram escolhidos números aleatórios de agentes e de eventos. Assim com seis agentes, no evento Falta de luz, os agentes testados demoraram 10,6s para sair representando um nível emotivo mediano. Com treze agentes no evento Cano Quebrado (Inundação), os agentes demoraram 10,8s também com um nível emotivo elevado. Em dezoito agentes no evento Fogo, os agentes demoraram 8,9s representando um nível emotivo muito elevado. Vinte agentes e evento Falta de luz, demoraram 14,2s, representando um nível emotivo mediano. Vinte agentes e evento Cano Quebrado demoraram 11,3s para sair do ambiente representando um nível emotivo mediano.

Nota-se que agentes expostos a eventos com grau de emoção mais altos tendem a realizar uma fuga em um tempo mais curto, pois sua reação tende ao pânico.

Após todos os testes realizados é possível verificar a validade da simulação por seus resultados. Uma vez que confrontados com um evento com maior nível de pânico, fogo, os agentes se comportam de maneira mais urgente, evacuando o ambiente mais rapidamente.

Também é interessante ressaltar a influência que o número de agentes traz a simulação. Como dois agentes não podem ocupar o mesmo espaço ao mesmo tempo, quanto maior o número de agentes, maiores as chances de se formar um “gargalo” nos caminhos que melhor os levam à saída, bem como na porta de saída em si.

Como foram testados várias situações bem sucedidas é interessante ver o comportamento similar dos agentes quando apresentados à uma mesma situação.

A construção dos agentes e a forma com que os mesmos percorrem o ambiente foi bem executada, pois a busca dos agentes pela saída foi sempre o resultado atingido, bem como o nível de urgência demonstrado, vide a velocidade, com os eventos foi apropriado ao risco que cada evento proporciona.

Como o tempo foi o parâmetro definido para determinar o nível de sucesso ou insucesso de cada agente na simulação podemos dizer que na grande maioria dos testes os agentes foram bem sucedidos na sua evacuação.

No gráfico abaixo (Figura 7) temos um resumo dos resultados gerais dos testes com o tempo levado para evacuar o ambiente, relacionado ao tipo de evento em curso.

Figura 7. Gráfico comparativo de tempo e eventos.

V. CONCLUSIONS AND FUTURE WORK Este projeto de pesquisa teve como foco realizar

simulações de multidões em situações de pânico se apoiando em realidade aumentada. A ferramenta desenvolvida é capaz de, tendo um ambiente qualquer devidamente mapeado, carregar avatares que representam agentes inteligentes, criar uma situação de pânico e testar a partir de observações, se tal ambiente pode ser considerado seguro.

As ações dos agentes foram restritas a se movimentar e procurar o ponto de saída mais próximo. Isso foi realizado mapeando quais seriam esses pontos de saída e informando aos agentes ao inicio da simulação.

Após várias execuções do sistema foi possível mapear algumas reações em comum dos agentes. Quando apresentados com um evento levando ao pânico os agentes se comportam de maneira esperada, aumentando sua velocidade, procurando sempre a saída mais próxima e nunca andando a esmo.

A. Trabalhos Futuros No curso do desenvolvimento deste sistema ficou

evidente o número de aplicações e melhorias nos quais esse tipo de sistema se encaixaria. Algumas destas melhorias são:

• Usar ambientes reais complexos para maior validação; • Aumentar o número de eventos possíveis;; • Utilizar um número de agentes na ordem de milhares; • Gerar ambientes virtuais mais realistas; • Aperfeiçoar o comportamento dos agentes; • Integralizar características da CIPA e Bombeiros. Também se deseja testar um ambiente real, devidamente

mapeado com marcadores, e modelado com suas saídas e obstáculos para poder validar a segurança e funcionanto.

REFERENCES

[1] VEJA (2013) “Incêndio em boate deixa 245 mortos no Rio Grande do Sul”, http://veja.abril.com.br/noticia/brasil/incendio-em-boate-deixa-90-mortos-no-rio-grande-do-sul

[2] Norvig, P.; Russel, R. (2009) “Artificial Intelligence: A Modern Approach”. Prentice Hall, 3rd Edition.

[3] Rodrigues, A. R.; Bicho, L de A.; Paravisi, M.; Jung, R. C.; Magalhães, P. L.; Musse, R. S. (2010) “An Interactive Model for Steering Behaviors of Groups of Characters”.

[4] Jacques Jr.; J. C. S.; Musse, R. S.; Jung, R. C. (2010) “Crowd Analysis Using Computer Vision Techniques”, IEEE Signal Processing Magazine.

[5] Ferreira, Yuri da Silva (2009) “Um estudo investigativo sobre a comunicação em simulações de emergência e evacuação” Universidade Federal Fluminense, Niterói, RJ, Brasil.

[6] Helbing, D.; Farkas, I.; Vicsek, T. (2000) “Simulating Dynamical Features of Escape Panic” Nature, Vol. 407, pp. 487

[7] Shupe, R.; Rosser, Z. “Learning ActionScript 3.0: A Beginner's Guide”, O'Reilly/Adobe Developer Library, ISBN: 059652787X

[8] Koyama, Tomohiko. "Introduction to FLARToolKit." (2011). [9] Winder, Jeff, and Paul Tondeur (2009) Papervision3D Essentials.

Packt Pub Limited,. [10] Boardman, T. (1999) “Desvendando o 3D Studio Max 3 –

Modelagem, Materiais e Renderização”, São Paulo: Editora Campus.

231