Modelação e simulação computacional de exercícios de evacuação da Escola Secundária Rainha Dona Leonor, Lisboa

• Autor(a) principal: Lucas, Omar Alexandre
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
• Texto Completo: http://hdl.handle.net/10071/31120
• topic: Python; Machine learning; Simulação -- Simulation; Modelos baseados em agentes; Sistemas de informação geográficos; Bibliotecas; Agent-based models; Geographical information systems; Libraries

A importância da tecnologia é transversal a inúmeros domínios da sociedade. O acesso à informação e a ferramentas tecnológicas contribui para um leque cada vez mais alargado de possibilidades de desenho de sistemas com vista à resolução de problemas. Com esta tese de dissertação pretende-se implementar uma simulação baseada em agentes com recurso à linguagem Python. Considera-se que para além do contributo para a comunidade académica, tal invenção poderá ter utilidade prática no planeamento de sistemas de evacuação de edifícios. Este trabalho apresenta um modelo computacional capaz de reproduzir a evacuação feita pelos alunos da secundária Rainha D. Leonor durante um exercício de simulacro. Os dados obtidos através do modelo permitiram comparar visualmente a simulação e o exercício real através da criação de uma animação por computador. A análise de métricas relacionadas com tempos de evacuação e distâncias percorridas permitiram criar estatísticas que nos ajudaram a perceber as dinâmicas de evacuação entre os estudantes no espaço físico. O trabalho de análise consistiu em validar ou refutar as perguntas de investigação com a fundamentação dos dados recolhidos pelo modelo. Para a implementação da simulação foi utilizada uma modelação baseada em agentes juntamente com um algoritmo de aprendizagem por reforço. Foi utilizado o algoritmo de força social em combinação com sistemas de informação geográficos para gerir as interações dos alunos no espaço físico. Por fim foi utilizado um algoritmo de aprendizagem automática não supervisionada para descobrir padrões estatísticos nos dados.