基于 Vision Transformer 从平面图预测行人疏散时间与密度
计算机视觉与模式识别
2023-06-28 v1 人工智能
摘要
传统的行人仿真器是建筑设计过程中不可或缺的工具，因为它们使项目工程师能够预防过度拥挤情况并规划疏散逃生路线。然而，仿真运行时间以及在生成仿真结果时的多个繁琐步骤是建筑设计过程中的潜在瓶颈。数据驱动方法已证明其在速度上超越传统方法的能力，同时在许多学科中提供相似甚至更好的结果。在这项工作中，我们提出了一种基于 Vision Transformer 的深度学习方法，用于从给定平面图预测随时间变化的密度热图与总疏散时间。具体而言，由于公开数据集的有限可用性，我们实现了一个包含传统仿真器的参数化数据生成流水线。这使我们能够构建一个大型合成数据集用于训练我们的架构。此外，我们将模型无缝集成到 BIM 创作工具中，以即时自动地生成仿真结果。
引用
@article{arxiv.2306.15318,
title = {Towards predicting Pedestrian Evacuation Time and Density from Floorplans using a Vision Transformer},
author = {Patrick Berggold and Stavros Nousias and Rohit K. Dubey and André Borrmann},
journal= {arXiv preprint arXiv:2306.15318},
year = {2023}
}