Existem muitos métodos de simular uma multidão, todos com suas vantagens e desvantagens. Com o aumento de situações de risco iminente em grandes metrópoles, como incêndios e atentados terroristas, se faz necessário estudar o comportamento das pessoas nesse tipo de situação. O objetivo deste trabalho é desenvolver um modelo matemático-computacional para simular multidões em situações de incêndio, a fim de estabelecer relações entre as variáveis encontradas nestes cenários. O modelo utiliza o conceito instintivo de multidões em situações com altos níveis de stress para configurar as interações entre as pessoas e o ambiente em um sistema multiagentes dinâmico, onde cada indivíduo possui capacidades cognitivas e motoras distintas, a fim de diagnosticar a segurança de um ambiente fechado de maneira mais rápida que os métodos atuais, além de estabelecer uma relação entre o nível do incêndio, número de pessoas e a porcentagem de sobreviventes, e também avaliar a possibilidade adaptação do sistema em um algoritmo de otimização de funções.
There are many methods of simulating a crowd of people, each with its advantages and disadvantages. The increasing number of risk situations in big cities, such as fires or terrorist attacks, made it important to study the behavior of individuals in this type of situation. The purpose of this work is to develop a mathematical-computational model to simulate crowds in fire situations in order to establish relationships between different variables found in those scenarios. This work uses the instinctive concept of crowds in situations with high levels of stress to configure the interactions between people and the environment in a dynamic multiagent system, where each individual presents different cognitive and motor capacities, so that the safety of a closed environment can be diagnosed quicker than the current methods, as well as establishing relation between the fire stage, number of people and the percentage of survivors of the group, and also evaluate the possibility of applying the agent-environment interactions for the implementation of a function optimization system.
