simulazione ad agenti per analisi di scenari

Transcript

QUADERNI DI SCIENZA & TECNICA
SIMULAZIONE AD AGENTI PER ANALISI DI SCENARI
INCIDENTALI IN GALLERIA (Estratto della Tesi di laurea
di Nino Spagnolo alla Facoltà di Ingegneria informatica dell’Università
degli Studi di Roma “La Sapienza”)
di Nino Spagnolo, Alessandro Farinelli, Daniele Nardi, Massimo Guarascio
INTRODUZIONE
3
La richiesta sempre maggiore da parte della società civile di sicurezza ed
affidabilità delle infrastrutture, concretizzata in una serie di direttive dell'unione europea, ha aumentato negli ultimi anni la necessità di garantire determinati livelli minimi
di sicurezza. Conseguentemente, all'interno della progettazione di grandi infrastrutture, è aumentata la richiesta di strumenti idonei a valutare il livello di rischio associato
ad una particolare struttura e capaci di stabilire gerarchie di preferenze relative alle
possibili alternative progettuali a priori adottabili. A questo proposito, riveste un ruolo
importante, nella valutazione della validità e dell'efficacia di una determinata soluzione progettuale, la capacità di prevedere l'evoluzione del sistema complessivo risultante
durante una potenziale situazione d’emergenza (cfr. [1, 2]).
In particolare, le gallerie rappresentano strutture particolarmente critiche dal
punto di vista della sicurezza stradale nel caso in cui si verifichi un incendio al loro interno.
L'azione di confinamento esercitata dalla galleria, infatti, comporta una rapida saturazione
dell'ambiente da parte delle fiamme e dei fumi, rendendo rapidamente l'aria irrespirabile.
Per poter stimare la possibile evoluzione del sistema galleria in presenza di
un incendio è necessario costruire un modello del sistema che ha lo scopo di:
• mostrare l'influenza di ciascuna soluzione progettuale adottata;
• determinare l'esistenza e l'estensione di zone pericolose all'interno della struttura;
• valutare i possibili danni alle persone;
• valutare i tempi di esodo delle persone dalla struttura considerata.
In letteratura, per modellare il processo di evacuazione da strutture quali
edifici, stazioni ferroviarie e imbarcazioni, esistono due diversi approcci, corrispondenti
a due grandi classi di modelli:
• modelli macroscopici;
• modelli microscopici.
Nei modelli macroscopici non vengono considerate le differenze tra i singoli individui né viene fatta una distinzione tra i comportamenti seguiti dalle singole entità. Le persone sono trattate come un unico gruppo omogeneo dove sono considerate solo le caratteristiche comuni. In particolare, la maggior parte dei modelli che adottano tale approccio, noti come modelli flow-based, rappresentano lo scenario di emergenza attraverso una rete, i cui nodi corrispondono a determinate aree dell'ambiente considerato, e rappresentano le persone come un unico flusso capace di attraversare la rete seguendo determinate leggi.
Nei modelli microscopici, invece, le persone vengono modellate singolarmente, e ad ognuna di esse possono essere assegnate determinate proprietà, e regole di
comportamento. Attualmente i modelli microscopici più utilizzati sono i cellular-automata e i modelli basati su agenti. L'elemento fondamentale che distingue i cellular-automata dai modelli basati su agenti è legato alla modellazione del comportamento delle
persone. Nei cellular-automata le azioni degli individui sono basate su conoscenza predefinita, ovvero sono stabilite da regole che ne modellano il comportamento in funzione
delle condizioni locali in cui l'individuo si trova. Nei modelli basati su agenti, invece, il
comportamento di ciascuna persona è determinato, oltre che dalla conoscenza predefinita anche dalla particolare esperienza personale e dalla comunicazione con le altre persone. Da questo punto di vista, i modelli basati su agenti permettono una più efficace
rappresentazione di scenari di emergenza in cui risulta difficile codificare a priori (utilizzando regole locali) il comportamento delle singole individualità.
Nel nostro studio, per modellare possibili scenari incidentali all'interno di
gallerie stradali è stato adottato un approccio microscopico basato su agenti. Tale scelta è stata dettata dall'esigenza di avere un modello capace di tener conto di proprietà legate ai singoli individui, e capace di fornire una sufficiente flessibilità nella modellazione del comportamento adottato dalle varie persone durante il processo di evacuazione.
Per rappresentare la situazione di emergenza in galleria è stato sviluppato un ambiente di simulazione basato sul simulatore RoboCup Rescue. Il simulatore RoboCup Rescue
è un sistema di simulazione real-time e distribuito, costituito da una serie di moduli che
comunicano utilizzando un protocollo basato su UDP (User Datagram Protocol, protocollo di comunicazione senza connessioni), sviluppato per analizzare vari scenari di intervento dei vigili del fuoco in possibili situazioni di emergenza. Sebbene tale simulatore
non fosse stato sviluppato per rappresentare scenari incidentali in galleria, la sua struttura modulare ha permesso il suo utilizzo per tale scopo, dopo aver effettuato opportune modifiche e sviluppato specifici moduli.
4
L'ambiente di simulazione che complessivamente è stato ottenuto permette di modellare, con un buon livello di dettaglio, vari scenari incidentali con sviluppo di
incendio in diverse tipologie di galleria. La scelta di rappresentare lo scenario incidentale all'interno del simulatore modellando esplicitamente i percorsi transitabili dalle
persone, infatti, non lega la rappresentazione adottata ad un particolare tipo di galleria.
La rappresentazione esplicita dei singoli individui permette di attribuire ad ognuno di
essi diverse proprietà fisiche e cognitive, e consente di modellare l'evoluzione dello stato di salute (compromesso dalla presenza dell'incendio) di ogni individuo in funzione del
percorso che esso segue durante il processo di evacuazione. Tale livello di dettaglio, inoltre, permette di valutare l'andamento del processo di evacuazione osservando il comportamento, e le eventuali interazioni, dei singoli individui all'interno della galleria. Come
è stato possibile osservare attraverso le simulazioni effettuate, infine, l'ambiente di simulazione sviluppato può essere utilizzato in maniera piuttosto efficace per valutare
l'influenza di diversi aspetti legati al particolare sistema galleria considerato, sull'esito
complessivo dell'evacuazione e sul numero di potenziali vittime associate ad un determinato scenario incidentale.
Nel seguito di questo articolo verrà data una breve panoramica sui modelli presenti in letteratura per rappresentare il processo di evacuazione in uno scenario di
emergenza. Successivamente, si discuterà dell'analisi dei possibili scenari incidentali in
galleria, e verranno descritte le leggi utilizzate per modellare la presenza dell'incendio.
Verrà descritto il simulatore RoboCup Rescue utilizzato come ambiente di simulazione
base per la rappresentazione dell'evento incidentale considerato. Si descriveranno le varie soluzioni adottate per rappresentare lo scenario incidentale di interesse a partire dal
simulatore RoboCup Rescue esistente. Infine, verranno discusse alcune simulazioni condotte per valutare l'ambiente di simulazione sviluppato e la sua usabilità in applicazioni pratiche.
MODELLI PER LA
RAPPRESENTAZIONE
DI UN PROCESSO
DI EVACUAZIONE
5
Come precedentemente accennato, i modelli macroscopici considerano le
persone come un unico flusso di particelle soggette a determinate leggi fisiche.
Studi recenti, tuttavia, hanno rilevato che l'analogia della folla con le particelle e i fluidi non è pienamente accettabile. Come notato da Still (cfr. [3]) le leggi sulla dinamica della folla devono includere il fatto che le persone non seguono le leggi della fisica; esse fanno una scelta nella loro direzione, non conservano la velocità e possono
fermarsi e ripartire secondo la loro volontà. L'analogia con i fluidi contraddice anche al-
cuni comportamenti osservati, come la presenza di flussi multi-direzionali, la distribuzione non omogenea delle persone e il comportamento del gruppo. Per esempio, nell'evacuazione da una stanza con due uscite, può capitare che una sia affollata mentre l'altra
sia non completamente utilizzata (cfr. [4]). L'analogia con i fluidi, invece, suggerirebbe
che entrambe le uscite siano utilizzate efficientemente.
Un approccio differente è utilizzato nei modelli microscopici. In questo tipo
di modelli, a differenza dell'approccio macroscopico, ogni individuo è considerato singolarmente. Una persona può trovarsi in determinate situazioni in funzione del percorso
scelto e del tempo che trascorre in ogni posizione. La scelta del percorso verso l'uscita avviene passo passo. Il percorso scelto può essere modificato in ogni momento in funzione
di vari parametri, come, ad esempio, un blocco dovuto ad un incendio o una congestione
di persone. Ogni individuo, inoltre, ha una serie di attributi personali che lo caratterizzano, quali, ad esempio, la sua velocità, il tempo di reazione, l'abilità fisica, le capacità
cognitive, etc. Questi attributi vengono utilizzati per determinare il comportamento dei
singoli individui nella condizione di emergenza e le varie interazioni tra di essi. Poiché si
considerano gli individui singolarmente, ed il tempo di evacuazione può essere fortemente influenzato dalla tipologia di persone che si trovano nella condizione di emergenza e
dalle interazioni che possono occorrere tra di esse, i modelli che utilizzano questo tipo di
approccio sono basati sulle simulazioni. Attualmente, esistono vari modelli microscopici,
tra cui i più diffusi sono i cellular-automata ed i modelli basati su agenti.
I cellular-automata si caratterizzano per la loro modellazione dei diversi
movimenti degli individui come risposte comportamentali al variare di certe condizioni
locali. Un cellular-automata è definito come una griglia n-dimensionale regolare divisa
in elementi discreti chiamati celle o posizioni e con una evoluzione nel tempo discretizzata. Con i cellular-automata, lo spazio dell'area di evacuazione è diviso in celle accessibili e celle non accessibili, ognuna delle quali con una dimensione uguale e fissata. Lo
stato di ogni cella è rappresentato da una serie di valori possibili e ha un comportamento dinamico. Questo stato è aggiornato simultaneamente per tutte le celle, in funzione
dello stato delle celle vicine, nel precedente intervallo, e in accordo a specifiche regole locali. L'insieme delle regole locali è definito per controllare il movimento delle persone, o
la transizione di stato di ogni cella. Poiché sono richieste solo regole che governano le relazioni tra celle vicine, l'uso dei cellular-automata risulta essere efficace per simulare fenomeni fisici in cui le relazioni sull'intero dominio considerato non è nota a priori. Uno
dei problemi principali, nell'utilizzo di modelli di questo tipo, è legato alla difficoltà di
impostare le norme che regolano gli spazi associati agli individui. Tali norme, che in si-
6
tuazioni normali possono essere individuate più o meno dettagliatamente, tendono a essere difficilmente determinabili in situazioni di emergenza. Per questo motivo, l'output
che deriva da questi modelli tende ad essere fortemente influenzato dalle capacità dell'utente. In molti casi, inoltre, per capire l'inizio e la velocità del moto di un individuo,
bisogna prima comprendere il pattern di movimento del proprio gruppo. Per fare ciò, è
necessario considerare i rapporti sociali tra i vari individui e le varie capacità di comunicazioni. In altri termini, per una simulazione realistica del processo di evacuazione,
non si può non tener conto dei vari legami esistenti tra le singole persone.
La modellazione basata su agenti rappresenta una potente tecnica di modellazione per simulare l'interazione tra individui in un sistema dinamico, e si caratterizza
per la sua capacità di simulare situazioni in cui il futuro è impredicibile (cfr. [5]). L'elemento caratterizzante dei modelli basati su agenti è la loro capacità di rappresentare
esplicitamente i singoli individui, il loro comportamento e l'interazione tra di essi. Un
concetto fondamentale legato a questo tipo di modello è il concetto di agente. Molte possono essere le definizioni ed interpretazioni legate al concetto di agente. Una definizione
che può essere considerata piuttosto esplicativa di tale concetto è quella data da (cfr. [6]):
Definizione 1 (Agente)
Un agente è un'entità fisica o virtuale:
• capace di agire sull'ambiente
• capace di comunicare con altri agenti
• guidata da proprie tendenze (sotto forma di obiettivi o funzioni di utilità
che si cerca di ottimizzare)
• dotata di proprie risorse
• capace di percepire l'ambiente circostante
• dotata di una propria rappresentazione limitata del mondo
• il cui comportamento è legato al soddisfacimento dei propri obiettivi, in
funzione delle proprie percezioni e tenendo in considerazione le proprie risorse.
Nei modelli basati su agenti, l'evacuazione viene simulata attraverso un sistema multi-agente. Le singole persone vengono modellate con degli agenti che ricevono
delle percezioni dal mondo esterno, comunicano tra di loro e agiscono, in funzione delle
proprie conoscenze, seguendo un particolare comportamento. L'ambiente viene modellato per rappresentare gli elementi considerati di interesse per l'analisi del fenomeno. Si
viene quindi a creare un micro-mondo artificiale, in cui è possibile modificare le caratteristiche ambientali o il comportamento degli agenti ed eseguire una serie di esperimenti.
7
Una qualità importante della modellazione multi-agente è la sua capacita di integrazione e la sua flessibilità. È infatti possibile integrare, all'interno dello stesso modello, parametri quantitativi e parametri qualitativi che rappresentano il comportamento degli
agenti.
Inoltre, poiché ogni individuo è differente dagli altri, è sempre possibile aggiungere nuovi agenti con il proprio modello di comportamento, che vanno ad interagire con gli agenti esistenti.
L'elemento fondamentale che distingue i sistemi multi-agente dai cellularautomata è legato alla modellazione del comportamento degli individui. Nei cellular-automata, le azioni degli individui sono basate completamente su conoscenza predefinita,
ovvero sono stabilite da regole pre-codificate.
Nei sistemi multi-agente, invece, la azioni di ogni agente dipendono, oltre
che dalla conoscenza predefinita, anche dalle interazioni con il contesto specifico. In generale, si può affermare che nei cellular-automata gli individui rappresentati mancano
della autonomia che, invece, caratterizza la definizione stessa di agente. Nell'ipotesi in
cui sia possibile definire con precisione le cosiddette leggi dell'universo, i modelli basati
sui cellular-automata possono essere considerati potenzialmente simili ai modelli basati su agenti. Tuttavia, nella rappresentazione di un ambiente in cui il comportamento
delle varie individualità non può essere codificato a priori, i sistemi multi-agente hanno
potenzialmente un campo di applicazione maggiore.
ANALISI DI SCENARI
INCIDENTALI IN GALLERIA
8
Per poter stimare il grado di sicurezza associato ad una galleria autostradale riveste un ruolo importante l'analisi di scenario, fase fondamentale costitutiva dell'analisi di rischio. L'analisi di scenario viene condotta con la finalità di misurare il livello di gravità delle conseguenze di un "evento critico iniziatore" (come un incendio di
una determinata potenza), in fissate condizioni al contorno di:
• dimensioni della galleria
• volume e tipo di traffico
• modalità di formazione della coda
• numero, tipo e prestazioni (efficienza e affidabilità) dei sottosistemi di rilevazione, comunicazione, ventilazione e illuminazione presenti.
Ogni singolo scenario rappresenta un possibile evento conseguenza con un
suo "danno atteso" ed una sua probabilità. L'analisi di rischio, per determinare il rischio
associato ad un sistema galleria, considera un "gruppo completo" di scenari, che siano
eventi incompatibili e rappresentativi di tutti gli scenari possibili, e ne combina le rispettive probabilità di accadimento e i danni attesi in un indicatore di rischio. Per poter
valutare l'evoluzione del sistema galleria, e fornire una stima delle conseguenze di determinati scenari incidentali, è necessario costruire un modello del sistema che ha lo
scopo di:
• quantificare il flusso del pericolo nel sistema galleria;
• determinare le possibilità delle persone di realizzare l'autosalvamento;
• mostrare il ruolo svolto da ciascuno dei sottosistemi di sicurezza.
All'interno della galleria la principale fonte di pericolo è rappresentata
dalla presenza di un incendio e dalla propagazione dei fumi tossici prodotti dalla
combustione. L'incendio è, infatti, soggetto all'azione di confinamento esercitata dalla galleria stessa, che comporta una rapida saturazione dell'ambiente da parte delle
fiamme e dei fumi, rendendo rapidamente l'aria irrespirabile, limitando la visibilità,
innalzando la temperatura e aumentando progressivamente la difficoltà di esodo di
coloro che al momento dell'innesco si trovino all'interno della galleria. Per poter tener conto di questo aspetto è stata modellata, all'interno dell'ambiente di simulazione sviluppato, l'evoluzione delle variabili ambientali visibilità, tossicità e temperatura nelle varie regioni della galleria. Per dare una valutazione quantitativa di tali parametri, e di altre variabili ad essi associate, è stato fatto uso dei risultati degli studi di termo-fluidodinamica e descritti in (cfr. [7]), giovandosi anche dei suggerimenti
dell'autore dell'opera citata.
Da tali studi è possibile osservare che il valore associato alle variabili ambientali e nominate dipende da vari fattori:
• dal tempo t trascorso dall'innesco dell'incendio
• dalla sezione della galleria sez_gal
• dalla costante di stratificazione cost_strat, strettamente legata alla sezione della galleria sez_gal considerata secondo la legge:
• dalla velocità di propagazione dei fumi vfumi
• dalla potenza termica W generata dall'incendio, che dipende dal particolare punto considerato e dalla sua posizione rispetto all'incendio; indicato con tc il tempo trascorso dal momento in cui il fumo è arrivato nella posizione dove W è calcolato, con
durata_crescita il tempo (in secondi) che W impiega a raggiungere il suo valore mas-
9
simo, con WMAX tale valore, e con crescita il coefficiente di crescita associato a W, il
valore di W può essere calcolato:
La relazione tra questi parametri e le variabili ambientali visibilità, tossicità e temperatura, è stata modellata facendo uso di formule empiriche ricavate dagli
studi di termo-fluidodinamica citati precedentemente. In particolare, per modellare l'andamento della temperatura in un determinato punto si è fatto uso della seguente formula:
Per rappresentare la variabile ambientale visibilità è stato utilizzato come
parametro rappresentativo il coefficiente di attenuazione (o di estinzione) K, il cui andamento nel tempo, in un determinato punto, può essere espresso dalla seguente formula:
La tossicità all'interno della galleria è determinata principalmente da alcuni gas che possono agire in maniera addizionale (sinergica o antagonista). In particolare, la concentrazione dell'ossido di carbonio (cCO) risulta avere un grande impatto sulle condizioni fisiche di una persona. Anche la concentrazione dell'ossido di carbonio può
essere espressa da una formula empirica che la lega ai parametri introdotti in precedenza, e che, in un determinato punto, assume la forma:
CO
L'evoluzione delle condizioni ambientali, descritte dai parametri precedentemente introdotti, tende ad ostacolare il processo di evacuazione delle persone. In particolare, la riduzione della visibilità, causata dalla presenza del fumo, induce un indivi-
10
duo a procedere più lentamente rispetto alle proprie potenzialità. In stretto legame con
il coefficiente di attenuazione K, introdotto precedentemente, si può affermare che, indicando con vi(t) la velocità potenziale associata al generico individuo i nell'istante t, tale
velocità subisce una riduzione, che può essere direttamente legata al coefficiente K(x, t)
(che varia in funzione dello spazio e del tempo), che porta il generico individuo a procedere ad una velocità vik(t) data da:
(con vik–min si indica un limite inferiore rappresentante il fatto che, anche
con visibilità pressoché nulla, un individuo continua a muoversi lentamente).
L'aumento progressivo della temperatura e della concentrazione di CO,
inoltre, provoca un graduale peggioramento dello stato di salute degli individui all'interno della galleria. Ogni individuo può sopravvivere soggetto alle condizioni ambientali
che si instaurano all'interno della galleria per un periodo di tempo limitato. Una proprietà, associata ad ogni individuo, che tiene conto di questo aspetto è rappresentata
dalla dose. Se si indica con α(t) la dose e associata ad un individuo in un certo istante
di tempo t, la dose α(t + ∆t) dell'individuo dopo che è trascorso un intervallo di tempo
∆t, può essere calcolata secondo la seguente formula:
CO
(In generale, il valore massimo che viene considerato per la dose è pari a 1;
questo valore indica il decesso della persona a cui è associata tale dose). Il peggioramento delle condizioni fisiche dell'individuo all'interno della galleria ha come effetto una
graduale riduzione delle sue capacità motorie, che si traduce in una progressiva riduzione della sua velocità di marcia. A questo proposito, se si indica con αi(t) la dose associata al generico individuo i nell'istante t, e con vik(t) la sua velocità calcolata tenendo conto della visibilità, la velocità effettiva viα (t) di movimento può essere
espressa come:
11
IL SIMULATORE
ROBOCUP RESCUE
12
Il sistema di simulazione RoboCup Rescue (cfr. [8]) è un sistema di simulazione real-time distribuito, costituito da un insieme di moduli connessi attraverso una
rete. I vari moduli interagiscono attraverso una serie di servizi resi disponibili da un modulo centrale, il kernel, con il quale comunicano utilizzando un protocollo basato su
UDP.
Ciascun modulo modella un determinato aspetto della realtà gestendo gli
effetti che tale aspetto ha sul mondo rappresentato. Il kernel ha il compito di integrare
i cambiamenti del mondo provenienti dai vari moduli, e di fornire una visione globale
della realtà rappresentata. Ogni modulo può adottare un proprio metodo di rappresentazione della realtà. Tuttavia, indipendentemente dalla rappresentazione interna che
un modulo può adottare, il protocollo di comunicazione tra i moduli è basato su un modello che utilizza una struttura planare a grafi con metrica euclidea. Secondo tale modello, il mondo viene visto come un insieme di oggetti, ognuno dei quali con determinate proprietà, come la posizione e le proprie dimensioni. Tra questi oggetti possono essere distinte due classi:
• gli oggetti immobili, o inanimati: una strada, un palazzo, etc. ;
• gli oggetti che possono muoversi, o animati: un civile, un vigile del fuoco, etc..
Gli oggetti immobili sono localizzati nella posizione designata dalle loro
proprietà geografiche, e tutti sono collegati tra loro in base alle proprie proprietà topologiche. Per quanto riguarda, invece, gli oggetti mobili, la loro posizione è definita in funzione dell'oggetto immobile in cui si trovano.
In generale, i moduli che compongono il simulatore RoboCup Rescue sono
il kernel, il GIS (Geographical Information System) , gli agenti, i sotto-simulatori e i visualizzatori. Esiste un unico kernel ed un unico GIS, mentre possono esserci più agenti
e sotto-simulatori. Come già detto, il kernel rappresenta la parte centrale del simulatore RoboCup Rescue. Esso controlla il processo di simulazione e gestisce la condivisione
dell'informazione tra gli altri moduli. Tutti i dati scambiati devono passare attraverso il
kernel, che ha il compito di controllare e filtrare l'informazione scambiata. In figura 1
riportiamo una rappresentazione grafica dei moduli componenti il simulatore RoboCup
Rescue.
Figura 1:
Struttura del Simulatore
RoboCup Rescue
GIS
centrale polizia
ospedale
visualizzatori 2D 3D
stazione vigili del fuoco
edifici
civili
strade, fiumi
operatori soccorso
vigili del fuoco
piano
servizio ambulanza
altro
KERNEL
simulatore traffico
simulatore incendi
GIS interfaccia
protocollo di comunicazione
13
forze di polizia
Il vantaggio di una struttura centralizzata di questo tipo è dato e dal fatto
che l'ambiente di simulazione complessivo risulta essere più flessibile ed aperto all'inserimento di nuovi moduli. Un generico componente del simulatore, infatti, non è tenuto
ad avere conoscenza di quali altri componenti fanno parte del sistema complessivo, poiché la comunicazione avviene esclusivamente con il kernel. Quest'ultimo, avendo una visione complessiva del mondo e dei vari aspetti rappresentati, può periodicamente inviare una informazione completa, derivata dall'integrazione dei vari dati ricevuti, ai singoli moduli. In questo modo, si ha la possibilità di rappresentare un numero crescente di
fenomeni dello scenario di interesse, introducendo i rispettivi moduli che ne simulano
l'evoluzione, migliorando incrementalmente il realismo della simulazione.
Il modulo GIS ha il compito di gestire le informazioni geografiche dello scenario rappresentato. Durante la fase di inizializzazione del simulatore, questo modulo
recupera tutte le informazioni, sulla mappa dello scenario in cui deve essere fatta la simulazione e sulla posizione iniziale di tutti gli individui, leggendole da file. Le informazioni vengono quindi inviate al kernel, il quale inoltra i dati di interesse a ciascun altro
modulo. Durante tutta la simulazione, il GIS riceve dal kernel aggiornamenti sull'evoluzione dello scenario rappresentato, e registra un file di log della simulazione, rendendo possibile la visualizzazione off-line della simulazione effettuata. Il visualizzatore è il
modulo che permette di osservare, graficamente, l'evoluzione della simulazione.
I sotto-simulatori corrispondono a vari domini di simulazione, come l'evoluzione di un incendio, gli effetti di un terremoto, o la dinamica del traffico. Ogni sottosimulatore modella un determinato aspetto della realtà, gestendo gli effetti che tale aspetto ha sul mondo rappresentato. Gli agenti controllano le azioni di entità intelligenti nel
mondo reale: civili, agenti di polizia, vigili del fuoco, etc.. Possono essere controllate anche entità non umane, quali un commissariato, un comando dei vigili del fuoco o un centro ambulanze. Il comportamento di ciascun agente è basato sul paradigma sense-planact. Ad ogni passo della simulazione il modulo agente riceve informazioni sul mondo circostante e pianifica le azioni da eseguire nel successivo passo della simulazione. Il processo di simulazione all'interno del simulatore RoboCup Rescue avviene attraverso dei
cicli. In ogni ciclo della simulazione l'evoluzione dello stato del mondo viene calcolata in
funzione dello stato nel passo precedente, e degli input provenienti dai fenomeni rappresentati e dalle azioni degli agenti. In particolare, un ciclo della simulazione è costituito
dai seguenti passi:
• Il kernel invia le informazioni sensoriali ad ogni agente. Ognuna di tali
informazioni sensoriali consiste di informazioni che l'oggetto, controllato dal modulo
14
agente, può percepire nel mondo simulato. La maggior parte di queste informazioni sono di tipo visivo. Ciascun agente riceve informazioni sugli oggetti che si trovano ad una
distanza inferiore ad un determinato valore;
• ogni modulo agente decide le azioni che l'oggetto controllato deve compiere, e le invia al kernel attraverso un messaggio di comando;
• il kernel raccoglie tutti i messaggi inviati dai moduli agenti, e li invia a
tutti i sotto-simulatori. A volte i comandi sono filtrati. In particolare, poiché la simulazione avviene real-time, il kernel non accetta i messaggi che arrivano fuori tempo massimo, i quali vengono scartati;
• i sotto-simulatori calcolano l'evoluzione del mondo, secondo il proprio stato interno, e inviano messaggi di update al kernel;
• il kernel integra tutti i messaggi di update ricevuti dai vari sotto-simulatori, ed invia il risultato al GIS e a tutti i sotto-simulatori. Anche in questo caso, non sono considerati messaggi ricevuti in ritardo;
• il GIS e i vari sotto-simulatori, ricevuto il messaggio di update dal kernel, aggiornano le loro informazioni sullo stato del mondo. In particolare, il GIS tiene
traccia, in un file di log, per ogni ciclo di simulazione, di questi aggiornamenti;
• il kernel incrementa, quindi, il clock della simulazione, e notifica il visualizzatore dell'aggiornamento;
• il visualizzatore richiede al GIS di inviargli le informazioni aggiornate del
mondo. Una volta ricevute, le aggiorna su schermo, secondo vari criteri di valutazione.
REALIZZAZIONE
DI UNO SCENARIO
DI INCENDIO
NEL SIMULATORE
ROBOCUP RESCUE
15
Lo scenario incidentale considerato è quello in cui, a seguito di un incidente, avvenuto all'interno di una galleria autostradale, si venga a sviluppare un incendio
che richieda l'evacuazione delle persone presenti al momento nella galleria. In particolare la nostra attenzione si è focalizzata sulla fase di evacuazione successiva all'evento
incidentale e al formarsi di eventuali code di autoveicoli, trascurando nello studio condotto le dinamiche relative all'avvenimento dell'incidente stesso.
Per poter valutare il processo di esodo delle persone in una galleria in presenza di incendio gli aspetti di cui si deve tener conto sono:
• l'ambiente galleria in cui si svolge l'evacuazione, ed in particolare la sua
geometria e la presenza dei vari sottosistemi di cui può essere dotata;
• i luoghi ritenuti sicuri e le possibili vie di fuga;
• la distribuzione degli individui all'interno della galleria;
• il comportamento degli individui in una situazione di panico;
• le sorgenti e i luoghi di pericolo (derivanti dall'incendio), nonché la dinamica di propagazione del pericolo stesso.
Per modellare questi aspetti, l'ambiente di simulazione sviluppato è stato
basato sulla rappresentazione del mondo del simulatore RoboCup Rescue e sulla gerarchia di oggetti da esso definita. Sebbene tale rappresentazione non fosse direttamente
utilizzabile per rappresentare lo scenario incidentale in galleria, il suo utilizzo ha permesso di sfruttare numerose funzionalità fornite dal simulatore RoboCup Rescue esistente.
In particolare, la definizione originaria di alcuni oggetti del mondo RoboCup Rescue non permetteva una rappresentazione con un livello di dettaglio sufficientemente adeguato agli obiettivi che ci si era proposti. A questo proposito è stato necessario rivedere, e dare una nuova interpretazione, dei concetti di auto e di tunnel (e di
strada in generale) presenti nel simulatore RoboCup Rescue. La loro definizione originaria non permetteva di rappresentare la presenza di un civile all'interno di un'auto e,
soprattutto, non era possibile modellare il movimento dei civili in mezzo ad auto incolonnate.
Nel simulatore RoboCup Rescue, infatti, un'auto è rappresentata con proprietà simili a quelle di un civile ed è priva di dimensioni. Le proprietà rilevanti associate ad una strada e ad un tunnel sono: la lunghezza, la larghezza e il numero di corsie per senso di marcia. I civili e le auto, indistintamente, si possono muovere lungo una
strada solo se in essa è presente almeno una corsia libera, ovvero non occupata da altri
civili o auto. Con questo modello, non era possibile rappresentare il fatto che ci potesse
essere dello spazio, tra le auto, che permettesse ai civili di muoversi, anche nel caso in
cui entrambe le corsie di una strada fossero occupate da auto incolonnate.
Per risolvere questi problemi, si è deciso di rappresentare esplicitamente i
vari percorsi attraversabili dai civili in mezzo alle auto. Piuttosto che rappresentare la
galleria di interesse con un oggetto tunnel, di dimensioni pari alle dimensioni della galleria, si è scelto di rappresentare la galleria in maniera implicita, rappresentando la rete dei vari percorsi, transitabili dai civili, attraverso le auto, utilizzando il concetto di
strada presente nel simulatore RoboCup.
Per rappresentare le auto, viene utilizzato il concetto di edificio presente
nella gerarchia di oggetti RoboCup. Una tale assunzione è stata considerata accettabile
valutato il fatto che, come già accennato in precedenza, il nostro studio è stato rivolto all'analisi del processo di evacuazione quando tutte le auto sono incolonnate e ferme.
16
Operando le scelte appena descritte si sono avuti vari vantaggi. Innanzitutto, la rappresentazione esplicita dei percorsi tra le auto permette ad ogni agente civile
di decidere, secondo le proprie valutazioni, quale percorso seguire attraverso le auto.
Questo, invece, non sarebbe stato possibile se si fosse utilizzato l'oggetto tunnel presente nel simulatore RoboCup. Secondo lo schema del simulatore RoboCup, infatti, ogni
agente può decidere i propri spostamenti a livello delle strade e dei nodi che intende percorrere. Il movimento lungo una strada, invece, è gestito dal simulatore di traffico, e i
vari spostamenti da una corsia all'altra non possono essere decisi dall'agente, ma sono
stabiliti da regole di movimento codificate all'interno del simulatore di traffico. Inoltre,
un altro vantaggio, legato alla scelta di rappresentare esplicitamente i vari percorsi, è
dato dal fatto che si ha maggiore flessibilità nella rappresentazione di vari scenari incidentali in varie tipologie di gallerie, poiché non c’è un modello predefinito di galleria.
Un altro aspetto da valutare, legato alla geometria della galleria considerata, è rappresentato dalle varie vie di fuga utilizzabili durante il processo di evacuazione. In generale, ci possono essere vari tipi di vie di fuga, o luoghi in cui un civile può ritenersi al sicuro:
• la prima via di fuga, presente inevitabilmente in tutte le gallerie, è rappresentata dall'ingresso stesso della galleria;
• in molte gallerie, e specialmente nelle gallerie di una certa lunghezza,
possono esserci delle vie di fuga laterali, presenti ad una certa distanza l'una dall'altra;
• nel caso di gallerie parallele (una per senso di marcia) possono esserci dei
by-pass che collegano le due gallerie, e che possono rappresentare una via di fuga in caso di incidente in una delle due.
Tutte queste possibili uscite sono state rappresentate, all'interno del simulatore, utilizzando gli oggetti refuge presenti nel simulatore RoboCup Rescue.
In figura 2 riportiamo lo schema utilizzato per la rappresentazione di una
galleria nel simulatore RoboCup Rescue.
Figura 2: Esempio
di rappresentazione
di una galleria
nel Simulatore
RoboCup Rescue
17
Per poter tener conto di vari sottosistemi di rilevazione, comunicazione,
ventilazione ed illuminazione di cui una galleria può essere dotata, ma senza entrare nel
merito di una specifica soluzione, sono stati introdotti nell'ambiente di simulazione alcuni parametri che potessero descriverne l'influenza. In particolare, è possibile definire
parametri quali il tempo di allarme (ovvero il tempo trascorso dall'innesco dell'incendio,
dopo il quale tutte le persone sono informate della necessità di evacuare la galleria), la
percettibilità delle uscite (ovvero la capacità degli individui di conoscere la posizione delle vie di fuga), e la velocità di propagazione dei fumi.
Per quanto riguarda le persone, invece, esse vengono rappresentate utilizzando il concetto di civile presente nel simulatore esistente. Per poter modellare il loro
comportamento durante il processo di evacuazione è stato sviluppato uno specifico modulo G Civilian. A ciascun agente G Civilian sono associate diverse proprietà fisiche,
quali la velocità massima di movimento o la dose (parametro che fornisce una indicazione sullo stato di salute di un individuo). Ad ogni agente, inoltre, sono associate diverse
proprietà cognitive che modellano la limitata capacità di un individuo di percepire e
comprendere i vari elementi dell'ambiente circostante.
In particolare, in funzione delle proprie capacità visive, ma anche delle proprie capacità cognitive, un agente civile, in un certo istante di tempo, percepisce e considera solo gli oggetti entro un determinato raggio di visibilità, definibile in ogni simulazione e
differenziabile per i vari tipi di oggetti. Il comportamento di ciascun agente G Civilian, come tutti gli agenti nel simulatore RoboCup Rescue, è basato sul paradigma sense-plan-act.
Ad ogni passo della simulazione, l'agente G Civilian percepisce le informazioni sul mondo
circostante, in funzione della proprie capacità cognitive. Quindi, pianifica le proprie azioni
seguendo determinati schemi mentali, e, infine, agisce seguendo il piano trovato. In generale, il comportamento di ciascun individuo, all'interno della galleria, è guidato da un obiettivo fondamentale: uscire dalla galleria. Per questo motivo, tutte le azioni eseguite dall'agente G Civilian sono rivolte al raggiungimento, totale o parziale, di tale obiettivo. In particolare l'agente G Civilian ricerca, periodicamente, una sequenza di spostamenti in grado
di permettergli, il più velocemente possibile, di allontanarsi dall'incendio e raggiungere la
prima via di fuga disponibile. La posizione dell'incidente, e del conseguente incendio, viene
rappresentata sfruttando la rappresentazione scelta delle auto (come edifici), e la possibilità, nel simulatore RoboCup Rescue, di rappresentare un edificio in fiamme.
Per modellare, invece, la propagazione di situazioni pericolose legate alla
propagazione dei fumi tossici prodotti dalla combustione, sono state utilizzate le considerazioni e le formule descritte nella sezione 3.
18
RISULTATI
Per valutare l'ambiente di simulazione sviluppato sono state condotte una
serie di simulazioni con lo scopo di verificare la sua capacità di rappresentare diversi
scenari incidentali e di evidenziare l'influenza di alcuni parametri fondamentali sugli
esiti (valutati in termini di vittime) di tali scenari.
A tale proposito, va precisato che gli esempi fatti e l'analisi condotta hanno
avuto il solo ruolo di test di studio dell'efficacia del simulatore, e non di studio specifico
del rischio in galleria, che ovviamente dovrebbe essere completo, ai sensi degli obiettivi
dell'analisi di rischio.
Come modello per le caratteristiche geometriche è stata presa in considerazione una galleria della rete autostradale italiana.
In figura 3 riportiamo una rappresentazione grafica della galleria utilizzata.
Figura 3: Geometria
della galleria rappresentata
nelle simulazioni
Tale galleria è costituita da due canne (una per senso di marcia), e presenta le e seguenti caratteristiche geometriche:
caratteristiche singola canna:
• lunghezza: 1668 metri ;
• larghezza: 10 metri;
• sezione: 53,42 metri;
• direzionalità: monodirezionale;
• numero corsie: 2;
• numero by-pass di collegamento tra le due canne: 3;
• interdistanza by-pass: 400 metri.
Nelle simulazioni effettuate è stato considerato lo scenario base in cui, a seguito dell'incidente all'interno di una delle due canne della galleria, si venga a formare
una coda di veicoli con una lunghezza complessiva di 380 metri. Sono state rappresentate, quindi, 150 auto incolonnate su due corsie, con un numero uguale di individui, inizialmente posizionati all'interno delle auto.
19
Per tener conto dell'influenza della posizione dell'incidente rispetto alle prime vie di fuga, sono stati rappresentati quattro scenari incidentali possibili, in cui si è
supposto che l'incidente avvenisse a differenti distanze dalla prima via di fuga laterale:
• gal380-1 : prima uscita laterale distante 80 m;
• gal380-4 : prima uscita laterale distante 320 m.
In figura 4 riportiamo i diversi scenari sperimentali utilizzati nelle simulazioni.
Figura 4: Scenari
di evacuazione utilizzati
nelle simulazioni
In tutte le simulazioni effettuate è stato considerato il caso in cui, in assenza di ventilazione forzata, la propagazione dei fumi tossici per condizioni naturali avviene in direzione delle auto incolonnate. In questo caso, le alte temperature e la tossicità
dei fumi che raggiungono le persone rappresentano una grave fonte di pericolo per la loro incolumità.
Il primo parametro di cui si è voluta valutare l'influenza sul livello di danno, (numero di vittime) conseguente ai quattro scenari descritti, è stato la percettibilità
delle uscite, ovvero la capacità delle persone di riuscire ad individuare vie di fuga anche
relativamente lontane. Facendo variare tale parametro si è voluto e evidenziare l'impatto che alcune misure adottabili in pratica (quali l'utilizzo di una buona segnaletica o di
una buona illuminazione) possono avere sul livello di sicurezza di una galleria.
A questo scopo, sono stati eseguiti, per ognuno dei quattro scenari inciden-
20
tali descritti precedentemente, due cicli di simulazione. Ogni ciclo di simulazione è costituito da una serie di 10 simulazioni. L'unico parametro che è stato variato, tra un ciclo di simulazione e il successivo, è la visibilità delle vie di fuga. Per ogni ciclo di simulazione, e per ogni scenario, è stato calcolato il numero medio di vittime. L'andamento
di questo valore, in funzione della visibilità delle uscite, è rappresentato in figura 5.
Figura 5: Andamento
del numero medio di vittime,
per ogni scenario
considerato, in funzione
della visibilità delle uscite
“visibilità” uscite = 60 m
“visibilità” uscite = 200 m
Come si può osservare da tale grafico, l'esito dell'evacuazione, dato un particolare scenario, può variare, anche notevolmente, in funzione della conoscenza che le
persone hanno sulla posizione delle uscite. Questo fatto può essere spiegato se si osserva che, nel caso in cui le uscite sono scarsamente visibili, un gran numero di persone,
non riuscendo ad individuare l'uscita ad essi più vicina, spinte dall'obiettivo di allontanarsi dall'incendio sceglie di andare in direzione dell'uscita ad essi più lontana. Questo
fatto li porta a permanere all'interno della galleria per un tempo maggiore. Poiché tale
tempo è determinante per stabilire la sopravvivenza o meno di una persona, in questo
caso il numero di vittime sarà maggiore.
Un altro parametro considerato è stato il tempo che trascorre tra l'innesco
dell'incendio e un eventuale allarme che comunica, alle persone presenti nella galleria,
la necessità di una evacuazione. Per valutare l'influenza di una riduzione, anche di un
intervallo di tempo relativamente breve, dei tempi di rilevamento e comunicazione di
21
una situazione di pericolo sul numero di potenziali vittime, sono stati eseguiti due cicli di
simulazione, differenti solo per il tempo di allarme ipotizzato. In entrambi i cicli di simulazione sono stati considerati i quattro scenari incidentali descritti precedentemente, ed
è stata ipotizzata la presenza di un impianto di sorveglianza abbastanza efficiente.
Figura 6: Andamento
per ogni scenario
del tempo impiegato
per dare l’allarme
allarme = 90 sec
allarme = 120 sec
Per confrontare i risultati nei due casi, per ogni scenario è stato calcolato
il numero medio di vittime, ottenendo il grafico in figura 6. Come si può osservare da tale grafico, la riduzione dei tempi necessari per dare l'allarme, di soli 30 secondi, influenza in maniera significativa l'esito complessivo dell'evacuazione.
Un ultimo parametro di cui si è voluta valutare l'influenza è la velocità di
propagazione dei fumi tossici in direzione delle auto incolonnate. In una galleria priva
di sistemi di ventilazione, tale parametro dipende da vari fattori, quali la pendenza della galleria o le condizioni atmosferiche ai due imbocchi, ed il suo valore non è sempre facilmente identificabile. Tuttavia, per avere una visione completa dei possibili effetti di
un evento incidentale, è opportuno valutarne le conseguenze tenendo conto della loro variabilità in funzione di questo parametro.
Nelle simulazioni effettuate, sono stati considerati i quattro scenari incidentali descritti all'inizio del paragrafo. Per ogni scenario incidentale sono stati condot-
22
Figura 7: Andamento
per ogni scenario
della velocità
di propagazione del fumo
vittime
ti tre cicli di simulazione. Ogni ciclo di simulazione consiste in una serie di 10 simulazioni. L'unico parametro che viene fatto variare, tra un ciclo di simulazioni e il successivo, è la velocità di propagazione dei fumi. Per valutare i risultati, per ogni ciclo di simulazione, e per ogni scenario considerato, è stato calcolato il valore medio del numero
di vittime. Dalle simulazioni eseguite, è derivato l'andamento del numero medio di vittime, nei vari casi considerati, descritto nel grafico di figura 7.
scenari
v. fumi = 1,2 m/sec
v. fumi = 2,4 m/sec
v. fumi = 3,6 m/sec
Da questo grafico si evincono due caratteristiche fondamentali:
1. per ogni scenario considerato, l'andamento del numero medio di vittime,
in funzione della velocità dei fumi, non è lineare. In particolare, tale andamento assume una forma parabolica, con un valore massimo che varia a seconda dello scenario considerato. Questa caratteristica può essere spiegata se si considerano gli effetti che una
maggiore o minore velocità dei fumi hanno sull'ambiente della galleria:
• da un lato, una maggiore velocità di propagazione dei fumi permette al
fumo di propagarsi più rapidamente all'interno della galleria. Conseguentemente, le
persone saranno raggiunte prima dal fumo, e ne subiranno l'influenza negativa per un
periodo di tempo maggiore;
23
• dall'altro lato, una maggiore velocità di propagazione dei fumi provoca
una minore stratificazione dei fumi stessi e fa quindi diminuire gli effetti negativi da essi prodotti in una determinata regione. Poiché gli effetti del fumo, su ciascun individuo,
dipendono sia dal tempo di esposizione che dal grado di stratificazione, il caso peggiore,
in termini di vittime, si avrà quando la velocità del fumo è abbastanza alta da permetterne una rapida propagazione, ma non sufficientemente alta da ridurne considerevolmente la stratificazione.
2. La velocità di propagazione dei fumi ha effetti diversi sui quattro scenari considerati. In particolare, dal grafico di figura 7, si può osservare che, a seconda del
suo valore, uno scenario può essere più vantaggioso (ovvero in quello scenario si hanno
meno vittime) rispetto ad un altro. Si osserva, ad esempio, che con una velocità dei fumi pari a 1,2 m/sec, gli scenari in cui si hanno meno vittime sono lo scenario gal380-1 e
gal380-2; con una velocità dei fumi pari a 3,6 m/sec, invece, lo scenario in cui ci sono meno vittime è lo scenario gal380-3. Questa differenza può essere spiegata se si valutano
gli effetti del fumo, precedentemente descritti, e si considera che, a seconda dello scenario, possono essere più o meno avvantaggiate (a seconda della vicinanza dall'uscita), durante l'evacuazione, le persone che si trovano in una determinata regione piuttosto che
in un'altra. Ad esempio, nel caso in cui la velocità dei fumi è bassa, le persone più danneggiate dal fumo sono quelle più vicine all'incendio, che si trovano ad affrontare un fumo con un'elevata stratificazione. In questo caso, gli scenari gal380-1 e gal380-2 favoriscono proprio le persone in quella regione, grazie ad una uscita laterale in quelle vicinanze.
CONCLUSIONI
24
Lo studio condotto ci ha permesso di ottenere, a partire dal simulatore RoboCup Rescue, un ambiente di simulazione che complessivamente permette di rappresentare, con un soddisfacente livello di dettaglio, gli aspetti fondamentali per la valutazione del processo di evacuazione di una generica galleria. Con tale ambiente di simulazione sono stati raggiunti i principali scopi per i quali viene eseguita generalmente la
modellazione dello scenario di emergenza considerato. In particolare, con le varie simulazioni condotte, è stato verificato che il simulatore rappresenta uno strumento utile
per:
• valutare l'influenza della presenza dell'incendio sulle singole persone e
sulla loro capacità di esodo;
• valutare, stabilito un particolare scenario all'interno di un determinata
galleria, il tempo necessario per eseguire l'evacuazione nonché il numero di persone che
rimangono vittime delle condizioni sfavorevoli che si vengono a creare a causa dell'incendio stesso;
• confrontare diverse soluzioni progettuali, relative ai vari sottosistemi di
rilevazione, comunicazione, ventilazione e illuminazione, facendo variare determinati
parametri quali il tempo di allarme, la velocità di propagazione dei fumi e la visibilità
delle uscite.
Dallo studio condotto è emersa l'utilità di utilizzare un simulatore ad agenti per rappresentare lo scenario incidentale di interesse. Tra i vari approcci presenti in
letteratura, infatti, l'approccio basato su agenti risulta essere il più adeguato per rappresentare in maniera dettagliata uno scenario di emergenza di cui è difficile prevedere a priori l'evoluzione. In particolare, l'approccio basato su agenti è l'unico, tra i vari approcci presenti in letteratura, che contemporaneamente permette di:
• rappresentare esplicitamente i singoli individui presenti all'interno della
galleria;
• associare ad ogni individuo una serie di attributi personali che lo caratterizzano;
• modellare l'influenza dell'incendio sullo stato di salute dei singoli individui, che in generale dipende dal percorso seguito da ogni individuo e dal suo tempo di
permanenza in una determinata regione;
• modellare il comportamento seguito dai vari individui, durante il processo di evacuazione, attraverso un algoritmo con strategia;
• rappresentare le varie interazioni tra i singoli individui.
Il simulatore RoboCup Rescue è risultato essere soddisfacente agli scopi
del nostro studio, nonostante alcune limitazioni. In particolare, per poter condurre
un'analisi statistica su un gran numero di scenari sarebbe utile la realizzazione di un
apposito modulo GISEditor capace di disegnare automaticamente (dati in ingresso parametri quali la geometria della galleria, il numero di veicoli in essa presenti, la loro
tipologia, etc.) una serie di mappe rappresentanti i vari scenari incidentali. Attualmente, la mappa relativa allo scenario incidentale deve essere disegnata dall'utente utilizzando il modulo JGISEditor presente nel simulatore RoboCup Rescue. Miglioramenti
più strutturali, invece, sono da ricercarsi in una serie di modifiche, attualmente in discussione (cfr. [6, pag.5256]), riguardanti l'architettura complessiva del simulatore RoboCup Rescue.
25
Un primo aspetto da considerare riguarda l'esecuzione real-time dell'attuale sistema di simulazione. Per assicurare una maggiore affidabilità della simulazione
sarebbe auspicabile introdurre nel simulatore la possibilità di funzionamento anche in
modalità non real-time, per garantire che ad ogni ciclo la computazione sia completata
da tutti i componenti del simulatore stesso.
Un altro aspetto da considerare riguarda, invece, la scalabilità del simulatore. Attualmente, la presenza di unico GIS e di un unico kernel limita la capacità di calcolo del simulatore, ed in particolare limita il numero massimo di agenti che possono essere utilizzati. Per aumentare tale capacità computazionale sarebbe utile considerare la
possibilità di utilizzare più moduli GIS e moduli kernel distribuiti.
Nino Spagnolo
(Dipartimento di Informatica e Sistemistica, Università di Roma “La Sapienza”)
Alessandro Farinelli
(Dipartimento di Informatica e Sistemistica, Università di Roma “La Sapienza”)
Daniele Nardi
(Professore, Dipartimento di Informatica e Sistemistica, Università di Roma “La Sapienza”)
Massimo Guarascio
(Professore, Dipartimento di Ingegneria Chimica, dei Materiali, delle Materie Prime e Metallurgia, Università di Roma “La Sapienza”)
RINGRAZIAMENTI
26
Si ringraziano il Prof. Emilio Cafaro come fonte di riferimento per il presente contributo. Si ringraziano in oltre l'Ing. Luca Stantero e l'Ing. Giulio Sciarra per l'assistenza e l'aiuto.
BIBLIOGRAFIA
[1] www.rescuesystem.org
[2] Information fusion for natural and man-made disasters. Llimas, J. Proc. of Int. Conf. on Information Fusion 2002. Vol. 1, pp. 570-576.
[3] Still G. Crowd Dynamics. PhD thesis, University of Warwick, UK, 2000.
[4] Low D. Following the crowd. Nature, (407):465-466, 2000.
[5] Lampert R. Agent-based modeling as organizational and public policy simulators. In Proceedings of The National Academy of Sciences of The United States of America, 99, pages 7195196, 2002.
[6] Jacques Ferber. Multi-Agent Systems: An Introduction to distributed artificial intelligence.
Addison-Wesley, 1999.
[7] Emilio Cafaro. Progettazione termo-fluidodinamica del sistema galleria: ventilazione della
struttura e comportamento termico dei materiali. Politeko, 2003. 18
[8] Tomoichi Takahashi. RoboCup Rescue Simulator Manual, 2000.
27

simulazione ad agenti per analisi di scenari

Transcript

Documenti analoghi

piccola galleria di immagini per esercizi ad

Galleria fotografica

ArtePadova PDF

Galleria Progetti - Ordine degli Architetti di Pistoia

vuoi pubblicare? scopri come…

FIORELLO “L`ora del Rosario”

Abstract

versione in pdf

Il CMS WordPress e la gestione di galleria di immagini COME