Skip to content

JanMStraub/Evolution-of-particle-systems

Repository files navigation

Evolution-of-particle-systems

We try to simulate large crowds of people in urban environments.

Table of Contents

Project Description

In this project we want to simulate a big urban enviroment.

Meeting notes 11.05.2021 (German)

  • Chemotaxis für Ameisen (Alle laufen in Richtung des höchsten Gradienten -> Weg des geringsten Widerstandes)
  • Simulation: Simulationstechniken
  • Multiagentensysteme
  • Anwendungen: Straßennetz passt am ehesten
  • Kleine Stadt bauen per Zufallsgenerator und dann entwickeln sich Wege (Patrick Henning), unterschiedliche Größen mit Eingängen und dann einfach mal simulieren lassen. Verschiedene Populationen, Anzahl, Interessen etc.
  • Brainstorming machen und dann entscheiden wie wir weiter machen
  • Erst danach konkrete Pläne
  • Open Street Maps für Lagepläne
  • Wie dicht muss ich Knoten auf die Fläche packe, wenn man alle Bewegungen erlaubt
  • Das nächste Mal mit Demo

Meeting notes 23.08.2021 (German)

  • Straßensystem entstehen da wo die meisten laufen
  • Agentensystem kann Planungshilfe sein -> lassen Leute mit Busen ankommen und zu entsprechenden Zeiten und dann schauen was passiert
  • Einzelne Gebäude haben Zeiten an denen Leute kommen -> versuchen an realistische Szenarien rankommen
  • Verschiedene Eingänge zu Mensa und Gebäude und wie entzerrt man Trauben von Leuten vor den Eingängen
  • Vorschläge für Verbesserung von Wegen und wie könnte man ein bestehenden System verbessern -> auflösen von Blockaden
  • Agentensysteme werden eingesetzt um bestimmtes Laufverhalten vorher schon zu prognostizieren und dann Wege entsprechend anlegen
  • Gebäude als ein Objekt mit mehreren Eingägnen und dann kann der Agent auch hin und her wechseln
  • Sehr konkrete zum steuern von Verkehrssystem herangezogen werden kann
  • bestimmte Stoßzeiten und Haltestellen
  • bestimmten Tag durchrechnen am Neuenheimer Feld
  • Wege besser finden -> Einfluss von bestimmten zeitlichen Rythmen in den Gebäuen sieht
  • Wegen werden "ausgetretener"
  • Individuelle Agentenzeiten
  • Überlegen wie diese dann ihre Spuren hinterlassen
  • Gibt eher eine Art Rückstau der sich dann auch verfärbt und anhand davon Rückschlüsse auf "gefährliche" Gebilde
  • Drei vier verschiedene Sachen die wir einbauen wollen, das man neue Busliene durch Feld plant und wie würde es alles verändern -> mögliche Entlastung
  • Erst Grundsätzlich 3d Modell und dann wie wir vorgegangen sind
  • Können beim Vortragen hinweisen, das und das haben wir entschieden und was hatte das für Auswirkungen
  • Wie Unity intern vorgeht, herausfinden und dann in der Präsentation besprehcen
  • Informatische Einordung der Simulation, Vergleich mit Wegfindungsalgorithmen
  • Auch theoretischen Teil der Simulation erklären und wie können wir die Performance verbessern
  • Konzentrierne auf ein Szenario
  • Workflow vermitteln, warum wir das Szenario haben und keine anderne Szenarien einbauen
  • Wo wollten man schon eine Straßenbahn bauen -> Zeitung informieren
  • Workflow reicht und jeder kann dann selber erweitern
  • Erst laufen lassen und simulierne und warum kommen wir an Leitungsgrenzen?
  • Dann eingreifen und Situation verändern und dann wie die Simulation sich verändert
  • Zusammenfassen in einem Standbild
  • Agents hinterlassen Spuren und diese bilden dann das Ergebnisbild
  • Vorschlag wo man Straßen baut und wie man sie bauen müsste
  • Komplexitätsgedanken und wie das System darauf reagiert
  • können testen, ob 100 Agenten reichen, da einer für das Massenverhatlen für 100 weitere steht
  • schön, wenn wir ein Resultat haben -> nicht nur Neuenheimer Feld und Agenten laufen, sondern eher Wegenetz als Resultat und dann schauen und verlgeichen zwischen veränderten und unveränderten
  • Ziele setzen und dann schauen wie es weitergeht
  • Einfärben und Wegenetz und dann verändert sich das Wegenetz
  • Emergency Fälle möglich zur Simulation
  • können das auch versuchen -> wie reagieren Agenten auf Feuer etc.
  • Ziel selber stecken und wenn alternative Möglichkeiten Ziel zu erreichen und dann im Unterschied wird deutlich was
  • Sollten viel Arbeit reinstecken, da 8 LP
  • Validierungssystem mit berücksichtigen
  • Quantitativ oder qualitativ
  • Tabelle erstellen und Vergleiche ziehen, zb mit unterschiedlichen Agent Anzahl etc.
  • Austesten was bei kleinen Systemen passiert
  • Folien schon vorbereiten und dann schauen ob wir alles haben
  • Nächstes Mal PDF und

Meeting notes 21.10.2021 (German)

  • Annahmen überprüfen
  • Grenzfälle durchspielen
  • Phänomene beschreiben
  • Sensitivitätsanalyse
  • Extreme Einzelfälle
  • Random-Ereignisse
  • Evaluationsmethoden von dynamischen Prozessen
  • Schwarmverhalten
  • Hybridsystem
  • weniger Studenten
  • Hörsäle 66%
  • Annahmen durchgehen -> Ganzen Phänomene beobachtbar?
  • Sensitivität auf Veränderungen
  • Extremszenarien/Notfälle

Meeting notes 02.12.2021 (German)

  • Was war alles nötig um das zu erreichen was wir wollten
  • Farben deutlicher machen
  • Bilder prüfen, ob sie selbsterklärend sind
  • Bushaltestellen kennzeichnen
  • Wegenetz einbauen, da es interessante Informationen sind
  • Farben deutlicher machen
  • Seite 14: Erklären wie genau wir darauf kamen, kleine Geschichte
  • Seite 15: Constrains aufzeigen, Modellgrenzen sagen
  • Seite 19: Erklären was Runde ist
  • Performance noch einbauen und wie wir uns warum entschieden haben
  • Einfach als Tabelle und dann Anzahl + Frames und wie das sich verändert
  • Es kommt darauf an eine Bewerung zu machen und ob wir glauben das die Simulation realistisch ist
  • Nochmal kritische Diskussionsgrundlage liefer und was kann man damit erziehlen
  • Symbole auf die Map

Technologies

  • Unity Version 2020.3.12f1

TODO

Project Status

23.06.2021

Finished first commute routine test with 500 agents.

First commute test with 500 agents


10.07.2021

Finished prototype simulation and tested it with 700 agents.

First test with 700 agents


14.07.2021

Implemented NavMesh spawn randomizer to improve performance. Also tried to deaktivate collision detection, but that caused other problems.

Test with 2000 agents, without collision detection

Test with 2000 agents, with collision detection

Inspiration

Resources

Contributors

About

We try to simulate large crowds of people in urban environments.

Resources

License

Stars

Watchers

Forks