Die konventionellen Methoden der Bau- und Veranstaltungsplanung basieren meist auf analogen Prozessen, die zeitaufwändig und anfällig für Fehler sind. Digitale Methoden, wie Crowd Simulationen bieten zwar Lösungen, doch bestehen auch hier Herausforderungen: lange Rechenzeiten und begrenzte Anwendungsflexibilität. In ACSAI haben wir uns deshalb mit unterschiedlichen KI-Methoden beschäftigt und diese auf Anwendbarkeit überprüft, um die Rechenzeit der Simulationen zu beschleunigen und schnellere Ergebnisse zu produzieren.

Im Rahmen des ACSAI-Projekts erforschen wir verschiedene KI-Ansätze, darunter:

• Convolutional Neural Networks (CNN): Ursprünglich als Kern des Projekts konzipiert, haben wir das Modell aus dem BEYOND-Projekt getestet, um Simulationsergebnisse vorherzusagen und damit die Ergebnisse schneller und effizienter zu produzieren.

• Reinforcement Learning (RL): Dieses Modell ermöglicht es den Agenten in der Simulation, sich dynamisch an ihre Umgebung anzupassen und realistischere Entscheidungen zu treffen. RL legt den Grundstein für zukunftsfähige Modelle, die eine realitätsnahe und intelligente Bewegung von Personen simulieren können.

• Dynamic Mode Decomposition (DMD): DMD eröffnet die Möglichkeit, die Rechenleistung bei der Simulation erheblich zu reduzieren. Das ist ein erster Schritt in Richtung nahezu Echtzeitsimulationen, die besonders bei der Planung von Großveranstaltungen wertvoll sind.

Der Report zum Projekt steht hier zum Download zur Verfügung: