Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
PedNStream은 링크 전송 모델(LTM)을 기반으로 대규모 보행자 네트워크의 흐름을 시뮬레이션하는 오픈 소스 Python 프레임워크입니다. 확률적 링크 역학을 통해 변동성을 포착하며, 게이팅 및 경로 안내와 같은 실시간 제어 인터페이스를 지원합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기대규모 군중 관리는 계산 효율성이 높으면서도 피드백 기반 제어와 호환되는 보행자 시뮬레이션을 필요로 합니다. 그러나 대부분의 오픈 소스 도구들은 미시적(microscopic)이거나 네트워크 규모의 폐루프(closed-loop) 평가를 위해 설계되지 않았습니다. 본 논문은 링크 전송 모델 (Link Transmission Model, LTM)을 기반으로 거시적(macroscopic) 보행자 네트워크 부하를 처리하는 오픈 소스 Python 네이티브 시뮬레이터인 PedNStream (Pedestrian Network Flow Simulation)을 제시합니다. 이 프레임워크는 확산 및 활동 유발 변동성을 포착하는 확률적 링크 역학(stochastic link dynamics)을 통합하여 LTM 기반 보행자 모델을 확장하며, 동적 사용자 평형(dynamic user equilibrium) 경로 선택을 불확실하고 개입 주도적인 환경에 적합한 효용 기반 공식(utility-based formulation)으로 대체합니다. PedNStream은 게이팅(gating), 흐름 분리(flow separation), 경로 안내(route guidance)와 같은 개입을 위한 내장 컨트롤러 인터페이스를 갖춘 모듈형 프레임워크로 구현되었습니다. 우리는 단계별 방식으로 프레임워크를 평가합니다. 합성 시나리오(Synthetic scenarios)를 통해 대기열 형성(queue formation), 스필백(spillback), 혼잡 해소(congestion dissipation), 적응형 경로 재설정(adaptive rerouting)을 포함한 핵심 메커니즘을 검증합니다. 실제 네트워크 실험은 대규모 동작과 관찰된 보행자 수와의 일관성을 평가합니다. 폐루프 사례 연구는 컨트롤러 통합을 입증하며, 런타임 분석은 확장성(scalability)을 정량화합니다. 이러한 결과는 PedNStream이 대규모 보행자 네트워크 시뮬레이션 및 제어를 위한 효율적이고 실용적인 테스트베드임을 입증합니다.