การอพยพฝูงชนพร้อมผู้นำในสถานีรถไฟด้วยการเรียนรู้แบบเสริมกำลัง

นิธินันท์ สินพันธุ์

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/81563

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	ลัญฉกร วุฒิสิทธิกุลกิจ	-
dc.contributor.advisor	ณัฏฐ์ ลีละวัฒน์	-
dc.contributor.author	นิธินันท์ สินพันธุ์	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	-
dc.date.accessioned	2023-02-03T04:00:55Z	-
dc.date.available	2023-02-03T04:00:55Z	-
dc.date.issued	2565	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/81563	-
dc.description	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2565	-
dc.description.abstract	วิทยานิพนธ์ฉบับนี้เสนอการประยุกต์ใช้การเรียนรู้แบบเสริมกำลังเทคนิคที่มีชื่อว่า การเพิ่มประสิทธิภาพนโยบายใกล้เคียง เพื่อฝึกฝนเอเจนต์ให้เป็นผู้นำการอพยพผ่านชุดเครื่องมือเอมแอลเอเจนต์ของโปรแกรมยูนิตี แบบจำลองแรงทางสังคมถูกใช้เพื่อนำเสนอการปรับเปลี่ยนพลวัตของผู้อพยพและอัลกอริทึมเอสตาร์ถูกใช้เพื่อค้นหาเส้นทางอพยพที่สั้นที่สุดของผู้อพยพแต่ละคนจากตำแหน่งเริ่มต้นไปยังทางออก ประสิทธิภาพการอพยพถูกประเมินโดยจำนวนผู้อพยพโดยเฉลี่ยที่ไม่สามารถออกจากสถานีรถไฟฟ้าทดลองได้ตามเวลาที่กำหนดภายใต้สถานการณ์การอพยพที่แตกต่างกัน จากผลการทดสอบพบว่า การอพยพฝูงชนด้วยผู้นำที่ถูกฝึกด้วยการเรียนรู้แบบเสริมกำลังสามารถอพยพผู้อพยพทั้งหมดออกจากสถานีรถไฟฟ้าทดลองได้ตามเวลาที่กำหนด ทั้งนี้เวลาที่ใช้ในการอพยพจะเร็วหรือช้าขึ้นอยู่กับตำแหน่งของผู้อพยพด้วยเช่นกัน	-
dc.description.abstractalternative	This thesis proposes the application of a reinforcement learning technique called proximal policy optimization to train the agent to become an evacuation leader via the unity ml-agents toolkit. The social force model is used to present the modification of evacuee dynamics and the a-star algorithm is used to find the shortest evacuation path of each evacuee from the initial location to the exit. Evacuation efficiency is assessed by the average number of evacuees who cannot leave the train station for the specified time under different evacuation situations. Simulation results show that crowd evacuation with leaders trained by reinforcement learning can evacuate all evacuees from the train station for the specified time. However, the time it takes to evacuate will be faster or slower depending on the location of the evacuees as well.	-
dc.language.iso	th	-
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.relation.uri	http://doi.org/10.58837/CHULA.THE.2022.853	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.subject.classification	Engineering	-
dc.title	การอพยพฝูงชนพร้อมผู้นำในสถานีรถไฟด้วยการเรียนรู้แบบเสริมกำลัง	-
dc.title.alternative	Crowd evacuation with leaders in railway station using reinforcement learning	-
dc.type	Thesis	-
dc.degree.name	วิศวกรรมศาสตรมหาบัณฑิต	-
dc.degree.level	ปริญญาโท	-
dc.degree.discipline	วิศวกรรมไฟฟ้า	-
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.identifier.DOI	10.58837/CHULA.THE.2022.853	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
6370457121.pdf		3.68 MB	Adobe PDF	View/Open

Show simple item record