This project was co-financed with state support of the CR Technological Agency as part of 4. veřejná soutěž Programu na podporu aplikovaného výzkumu ZÉTA
www.tacr.cz
Research useful for society.

Project detail

Efficient spacetime predictions using machine learning methods

Duration: 01.06.2020 — 31.05.2022

Funding resources

Technologická agentura ČR - 4. veřejná soutěž Program na podporu aplikovaného výzkumu ZÉTA

- whole funder (2020-07-10 - 2026-07-31)

On the project

Navrhovaný projekt je zaměřen na řešení komplexních časoprostorových úloh pomocí metod strojového učení zejména v oblasti komfortu pohybu chodců. Pomocí agentních modelů bude algoritmicky vytvořena obsáhlá trénovací množina dat, na základě které bude možné vhodnou metodou strojového učení predikovat např. vysokou hustotu osob na m2 na vstupní bráně fotbalového stadionu v reálném čase. Výstup projektu bude uplatnitelný obecně v jakémkoli odvětví, které pracuje s časoprostorovými úlohami.

Description in English
The main objective of the project is to create a software tool that streamlines the spatio-temporal predictions of the movement of persons and thus facilitates the work of entities involved in building design and space division (in relation to generative design). This tool should alert the user in real-time where the assessed geometry could reduce the comfort of future occupants due to insufficient space capacity (e.g. queue creation, long waiting times, etc.). The results will be compared with the values obtained from common agent models. Another goal is to create materials and recommended procedures for other research teams that will deal with the issue.

Keywords
Strojové učení, Umělá inteligence, Numerická simulace, Časoprostorové modely, Pohyb pěších, Funkce klasifikátoru, Efektivní predikce, Komfort pohybu

Key words in English
Machine learning, Artificial intelligence, Numerical simulation, Spacetime models, Movement of pedestrians, Classifier function, Efficient prediction, Comfort of movement

Mark

TJ04000232

Default language

Czech

People responsible

Apeltauer Jiří, Ing., Ph.D. - fellow researcher
Apeltauer Tomáš, doc. Mgr., Ph.D. - fellow researcher
Okřinová Petra, Ing., Ph.D. - fellow researcher
Podroužek Jan, doc. Dr.techn. Ing. - fellow researcher
Uhlík Ondřej, Ing. - fellow researcher
Pálková Martina, Ing., Ph.D. - principal person responsible

Units

Institute of Computer Aided Engineering and Computer Science
- (2020-06-01 - 2022-05-31)

Results

KRČ, R.; KRATOCHVÍLOVÁ, M.; PODROUŽEK, J.; APELTAUER, T.; STUPKA, V.; PITNER, T. Machine Learning-Based Node Characterization for Smart Grid Demand Response Flexibility Assessment. Sustainability, 2021, vol. 13, no. 5, p. 1-18. ISSN: 2071-1050.
Detail

PÁLKOVÁ, M.; UHLÍK, O.; APELTAUER, T. Calibration of the Pedestrian Ingress Model in the Vaccination Center. Thunderhead Engineering, 2022.
Detail

PÁLKOVÁ, M.; UHLÍK, O.; OKŘINOVÁ, P.; APELTAUER, J.: TJ04000232-V3; Metodika pro testování a validaci klasifikátorů. https://espred.fce.vutbr.cz/. URL: https://espred.fce.vutbr.cz/. (ostatní)
Detail

PÁLKOVÁ, M.; UHLÍK, O.; OKŘINOVÁ, P.; APELTAUER, J.: TJ04000232-V1; Databáze výsledků fyzikálních modelů pro strojové učení. https://espred.fce.vutbr.cz/. URL: https://espred.fce.vutbr.cz/. (ostatní)
Detail

PÁLKOVÁ, M.; UHLÍK, O.; OKŘINOVÁ, P.; APELTAUER, J.: TJ04000232-V2; Softwarový nástroj pro efektivní časoprostorové predikce založené na ML. https://espred.fce.vutbr.cz/. URL: https://espred.fce.vutbr.cz/. (software)
Detail

Link

https://www.tacr.cz/program/program-zeta/

Responsibility: Pálková Martina, Ing., Ph.D.