Luận văn thạc sĩ: Nghiên cứu và tích hợp mô hình di chuyển của người đi bộ trong mô phỏng agent

Luận văn thạc sĩ nghiên cứu vnu étude et intégration de patterns de mobilité de piétons au sein dun simulateur orienté agents, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện

• Tác giả: Lê Thị Hiền
• Người hướng dẫn: M. Stéphane Maag, Professeur Département RS2M Télécom SudParis, France
• Trường học: Université Nationale Du Vietnam, Hanoi Institut Francophone International
• Chuyên ngành: Informatique
• Đề tài: Nghiên cứu và tích hợp các mẫu chuyển động của người đi bộ vào một hệ mô phỏng đa tác tử di động
• Loại tài liệu: Luận văn thạc sỹ
• Năm xuất bản: 2015
• Địa điểm: Hanoi

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: PRÉSENTATION DU STAGE
• 1.1. Présentation du laboratoire
• 1.2. Contexte du stage
• 1.3. Objectif du stage
• 1.4. Description du stage
• 1.5. Conclusion
• 2. CHAPITRE 2: ÉTAT DE L’ART
• 2.1. Pattern de mobilité
• Bibliographie

Tóm tắt

I. Giới thiệu về mô hình di chuyển của người đi bộ trong mô phỏng agent

Mô hình di chuyển của người đi bộ là một phần quan trọng trong việc phát triển các hệ thống mô phỏng agent. Những mô hình này giúp hiểu rõ hơn về hành vi của người đi bộ trong môi trường đô thị. Việc tích hợp các mô hình này vào các hệ thống mô phỏng không chỉ giúp cải thiện độ chính xác mà còn nâng cao khả năng dự đoán hành vi của người đi bộ trong các tình huống khác nhau.

1.1. Tổng quan về mô hình di chuyển người đi bộ

Mô hình di chuyển người đi bộ được thiết kế để mô phỏng cách mà người đi bộ di chuyển trong không gian đô thị. Các yếu tố như tốc độ, hướng đi và các yếu tố môi trường xung quanh đều được xem xét.

1.2. Tại sao mô hình di chuyển là cần thiết

Mô hình di chuyển giúp các nhà nghiên cứu và phát triển hiểu rõ hơn về hành vi của người đi bộ, từ đó cải thiện thiết kế đô thị và các hệ thống giao thông.

II. Thách thức trong việc mô phỏng hành vi người đi bộ

Mặc dù có nhiều mô hình di chuyển khác nhau, nhưng việc mô phỏng hành vi người đi bộ vẫn gặp nhiều thách thức. Các mô hình hiện tại thường không phản ánh chính xác hành vi thực tế của người đi bộ, dẫn đến những sai lệch trong kết quả mô phỏng.

2.1. Các vấn đề trong mô hình hóa hành vi

Nhiều mô hình hiện tại dựa trên giả định rằng người đi bộ di chuyển một cách ngẫu nhiên, điều này không phản ánh đúng thực tế. Hành vi của người đi bộ thường bị ảnh hưởng bởi nhiều yếu tố như mục tiêu, môi trường và tương tác xã hội.

2.2. Tác động của môi trường đến hành vi người đi bộ

Môi trường xung quanh có thể ảnh hưởng lớn đến cách mà người đi bộ di chuyển. Các yếu tố như mật độ dân số, thiết kế đô thị và các yếu tố xã hội đều có thể thay đổi hành vi di chuyển của người đi bộ.

III. Phương pháp tích hợp mô hình di chuyển vào mô phỏng agent

Để cải thiện độ chính xác của mô phỏng, việc tích hợp các mô hình di chuyển vào hệ thống mô phỏng agent là rất quan trọng. Các phương pháp này giúp mô phỏng hành vi người đi bộ một cách thực tế hơn.

3.1. Sử dụng mô hình STEPS trong mô phỏng

Mô hình STEPS giúp xác định điểm đến cho người đi bộ dựa trên khoảng cách và giá trị thu hút giữa các khu vực. Điều này giúp mô phỏng hành vi di chuyển một cách chính xác hơn.

3.2. Kết hợp mô hình Shiddhartha Raj Bhandari

Mô hình của Shiddhartha Raj Bhandari cung cấp một cách tiếp cận để mô phỏng hành vi di chuyển của người đi bộ, cho phép họ di chuyển đến điểm đến đã xác định một cách tự nhiên hơn.

IV. Ứng dụng thực tiễn của mô hình di chuyển người đi bộ

Mô hình di chuyển của người đi bộ có nhiều ứng dụng thực tiễn trong việc thiết kế đô thị, quản lý giao thông và phát triển các hệ thống thông minh. Những ứng dụng này giúp cải thiện trải nghiệm của người đi bộ và tối ưu hóa các dịch vụ đô thị.

4.1. Tối ưu hóa thiết kế đô thị

Việc hiểu rõ hành vi di chuyển của người đi bộ giúp các nhà quy hoạch đô thị thiết kế các không gian công cộng hiệu quả hơn, từ đó nâng cao trải nghiệm của người dân.

4.2. Ứng dụng trong quảng cáo thông minh

Mô hình di chuyển có thể được sử dụng để tối ưu hóa vị trí và nội dung quảng cáo, từ đó thu hút sự chú ý của người đi bộ một cách hiệu quả hơn.

V. Kết luận và tương lai của mô hình di chuyển người đi bộ

Mô hình di chuyển của người đi bộ trong mô phỏng agent đang ngày càng trở nên quan trọng trong nghiên cứu và phát triển đô thị. Tương lai của lĩnh vực này hứa hẹn sẽ có nhiều cải tiến và ứng dụng mới, giúp nâng cao chất lượng cuộc sống cho người dân.

5.1. Xu hướng phát triển trong nghiên cứu

Nghiên cứu về mô hình di chuyển sẽ tiếp tục phát triển, với sự chú trọng vào việc cải thiện độ chính xác và khả năng dự đoán hành vi của người đi bộ.

5.2. Tác động của công nghệ mới

Công nghệ mới như trí tuệ nhân tạo và dữ liệu lớn sẽ đóng vai trò quan trọng trong việc cải thiện các mô hình di chuyển, giúp chúng phản ánh chính xác hơn hành vi thực tế của người đi bộ.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh đô thị hóa nhanh chóng và sự bùng nổ của mạng lưới quảng cáo kỹ thuật số ngoài trời, việc tối ưu hóa hạ tầng truyền thông đô thị đang đối mặt với nhiều thách thức lớn. Theo ước tính từ các báo cáo ngành quảng cáo số, hơn 80% hệ thống biển hiệu ngoài trời hiện nay vẫn vận hành theo phương thức phát sóng tĩnh hoặc lặp lịch cố định, dẫn đến tình trạng lãng phí khoảng 50% đến 60% ngân sách tiếp thị do thông điệp không tiếp cận đúng đối tượng mục tiêu. Vấn đề cốt lõi bắt nguồn từ việc các mô hình mô phỏng truyền thống như Random Waypoint hay Random Walk chỉ biểu diễn chuyển động ngẫu nhiên, hoàn toàn tách rời các quy luật hành vi không-thời gian và bỏ qua sự tương tác hai chiều giữa người đi bộ với môi trường xung quanh.

Nghiên cứu này được triển khai nhằm giải quyết triệt để hạn chế trên bằng cách xây dựng và tích hợp mô hình chuyển động thực tế của người đi bộ vào hệ mô phỏng đa tác tử di động. Mục tiêu cụ thể là mô hình hóa luồng di chuyển chân thực, thiết lập cơ chế hiển thị nội dung thích ứng thời gian thực cho các màn hình số thông minh, và lượng hóa tác động qua lại giữa thông điệp quảng cáo với quyết định thay đổi lộ trình của người đi bộ.

Nghiên cứu được thực hiện trong khuôn khổ dự án quốc tế URSA với sự hợp tác giữa Viện Quốc tế Pháp ngữ thuộc Đại học Quốc gia Hà Nội và Viện Télécom SudParis. Không gian nghiên cứu tập trung vào mô phỏng một mạng lưới đô thị hoàn chỉnh gồm hệ thống đường sá, các khu dân cư, 10 trung tâm thương mại và 5 cụm màn hình kỹ thuật số thông minh. Kết quả đạt được cung cấp cơ sở khoa học giúp gia tăng tỷ lệ tiếp cận khách hàng mục tiêu lên hơn 65%, giảm thiểu 40% chi phí phát sóng không hiệu quả và nâng cao khả năng điều hướng dòng người tới các điểm bán lẻ vệ tinh trong các đô thị thông minh.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu kết hợp hai mô hình toán học và hành vi không gian tiên tiến để tái hiện chính xác động thái di chuyển của con người trong môi trường đô thị:

Thứ nhất, mô hình STEPS biểu diễn quy luật di chuyển của con người dựa trên phân phối hàm mũ lũy thừa với số mũ hấp dẫn đạt giá trị 1.15 theo các chứng minh thực nghiệm chuyển động người. Mô hình xác lập nguyên lý: xác suất một nút di chuyển đến một vị trí tỷ lệ nghịch với khoảng cách từ vị trí đó đến vùng ưu tiên ban đầu, sử dụng công thức khoảng cách Chebyshev để xác định không gian lân cận. Khi rời xa khu vực ưa thích, xác suất quay trở lại luôn cao hơn xác suất tiếp tục đi xa hơn.

Thứ hai, mô hình không gian của Shiddhartha Raj Bhandari và cộng sự được tích hợp nhằm xác định điểm đến mục tiêu. Lực chọn điểm đến được tính toán dựa trên chỉ số kết hợp giữa giá trị hấp dẫn nội tại của địa điểm (dao động từ 0 đến 1) và nghịch hàm khoảng cách Euclid từ vị trí hiện tại của tác tử tới điểm hấp dẫn.

Nghiên cứu vận dụng 5 khái niệm chuyên ngành then chốt:

• Hệ thống đa tác tử: Cấu trúc mô phỏng phân tán trong đó mỗi cá nhân là một thực thể tự trị có thuộc tính và hành vi riêng biệt.
• Mẫu chuyển động không-thời gian: Quy luật biến thiên vị trí, vận tốc và gia tốc của người đi bộ theo không gian và thời gian thực.
• Điểm hấp dẫn đô thị: Các vị trí địa lý có sức hút thương mại hoặc công năng xã hội đối với người dân.
• Nội dung thích ứng thời gian thực: Dữ liệu truyền thông được điều chỉnh tức thời dựa trên việc thu thập sở thích của các tác tử xung quanh trong bán kính kết nối.
• Cảm biến đô thị: Mạng lưới thu thập dữ liệu di động phục vụ việc phân phối nội dung số hóa theo ngữ cảnh.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu không gian địa lý được chuẩn hóa thông qua phần mềm mã nguồn mở OpenJUMP phiên bản 1.0, cho phép trích xuất chính xác cấu trúc mạng lưới giao thông và phân loại các tòa nhà chức năng. Nền tảng thực nghiệm chính là môi trường mô phỏng GAMA phiên bản 1.6.1 sử dụng ngôn ngữ lập trình tác tử GAML.

Quy mô mẫu thử nghiệm bao gồm 200 tác tử di động được tạo lập đồng thời, chia đều thành 5 nhóm hành vi điển hình nhằm đảm bảo tính đại diện: nhóm chạy bộ thể dục (Jogger), nhóm đi làm công sở (Worker), nhóm mua sắm (Shopper), cùng nhóm du lịch di chuyển tập thể gồm người dẫn đường (Leader) và các thành viên đi theo (Member). Phương pháp chọn mẫu phân tầng xác suất được áp dụng để phân bổ 10 danh mục sở thích cá nhân (Tự nhiên, Thể thao, Sáng tạo, Công nghệ, Hoạt động ngoài trời, Giải trí trong nhà, Quan sát, Sưu tầm, Sức khỏe, Phong cách sống) với tỷ lệ ban đầu xấp xỉ 10% cho mỗi danh mục, triệt tiêu hoàn toàn độ lệch dữ liệu.

Phương pháp phân tích mô phỏng đa tác tử được lựa chọn thay vì các mô hình thống kê tĩnh vì khả năng mô hình hóa các tương tác phi tuyến tính phức tạp và quan sát được hành vi trỗi dậy của đám đông. Toàn bộ kịch bản được thực thi qua 10 lượt chạy độc lập để thu thập giá trị trung bình thống kê. Timeline nghiên cứu mô phỏng trọn vẹn chu kỳ sinh hoạt một ngày từ 6:00 sáng đến 22:00 tối, trong đó khung giờ bắt đầu đi lại từ 6:00 đến 8:00 và khung giờ trở về nhà từ 17:00 đến 22:00.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng trên nền tảng GAMA đã đem lại 4 phát hiện mang tính định lượng rõ rệt:

Thứ nhất, vị trí địa lý của màn hình quảng cáo quyết định trực tiếp đến hiệu suất chuyển đổi hướng đi của người đi bộ. Màn hình số 1, Màn hình số 2 và Màn hình số 3 đặt tại các nút giao thông trung tâm ghi nhận tỷ lệ tác động chuyển hướng (A/F) đạt mức vượt trội từ 60% đến 75%. Ngược lại, Màn hình số 4 và Màn hình số 5 đặt tại các trục đường rìa chỉ đạt tỷ lệ chuyển hướng dưới 30%, cho thấy lưu lượng giao cắt có tác động khuếch đại gấp 2.5 lần hiệu quả tương tác.

Thứ hai, mối tương quan giữa tốc độ di chuyển và xác suất tiếp nhận thông tin được xác lập cụ thể. Nhóm người chạy bộ (Jogger) với vận tốc di chuyển từ 5.75 km/h đến 10.0 km/h có xác suất bị thu hút bởi biển quảng cáo thấp nhất, chỉ đạt 33.3% (tỷ lệ 1/3). Nhóm nhân viên công sở (Worker) di chuyển với vận tốc trung bình 4.75 km/h đến 5.0 km/h đạt xác suất 66.7% (tỷ lệ 2/3). Nhóm thành viên du lịch (Member) với vận tốc di chuyển chậm nhất khoảng 4.43 km/h ghi nhận xác suất tiếp nhận thông điệp đạt mức tối đa 100%.

Thứ ba, sự phân hóa sở thích người đi bộ diễn ra rõ rệt theo từng khu vực đặt màn hình. Tại Màn hình số 1, các nội dung liên quan đến Thể thao, Giải trí trong nhà, Quan sát, Sức khỏe và Phong cách sống chiếm tỷ trọng áp đảo trên 70% tổng số lượt chuyển hướng. Trong khi đó, Màn hình số 2 do nằm tại giao lộ chính đón nhận dòng người hỗn hợp nên ghi nhận sự phân bổ đồng đều ở cả 10 nhóm sở thích.

Thứ tư, hiệu ứng lan tỏa từ màn hình thông minh đến các điểm bán lẻ được chứng minh rõ nét. Các Cửa hàng số 1, 3, 4 và 6 nằm cận kề các màn hình có tỷ lệ tương tác cao ghi nhận lượng khách ghé thăm chiếm tới 85% tổng số lượt chuyển hướng toàn đô thị. Ngược lại, Cửa hàng số 2 và Cửa hàng số 5 ghi nhận 0% lượt khách chuyển hướng do khoảng cách quá xa trục quảng cáo và có giá trị hấp dẫn nội tại ở mức thấp, chỉ đạt 0.3 điểm.

Thảo luận kết quả

Cơ chế cập nhật nội dung quảng cáo động theo chu kỳ 7 giây chứng minh tính tối ưu cao về mặt tâm lý học tiếp nhận. Dựa trên tốc độ đọc trung bình của người đi bộ đạt 180 từ/phút trên màn hình điện tử và 200 từ/phút trên văn bản giấy, một thông điệp thương mại dưới 20 từ cần chính xác khoảng 7 giây để người di chuyển nắm bắt trọn vẹn thông tin mà không gây ức chế thị giác.

Khi người đi bộ tiếp nhận nội dung trùng khớp với mối quan tâm hàng đầu, hệ thống kích hoạt 4 trạng thái phản ứng: giữ nguyên tốc độ, dừng lại 7 giây, giảm tốc độ, hoặc đổi hướng di chuyển đến cửa hàng liên quan với thời gian lưu trú tối đa 60 phút.

Các dữ liệu nghiên cứu này có thể được trình bày trực quan và hiệu quả thông qua biểu đồ phân phối cột kép để so sánh tỷ lệ giữa số người quan tâm (chỉ số F) và số người thực tế chuyển hướng (chỉ số A) tại 5 trạm màn hình, kết hợp biểu đồ nhiệt không gian 2D trên nền bản đồ GIS để minh họa bán kính ảnh hưởng của từng biển quảng cáo tới 10 cửa hàng xung quanh. Ngoài ra, một bảng ma trận sở thích đa chiều giúp các nhà bán lẻ đối chiếu chính xác mối tương quan giữa danh mục sản phẩm và từng vị trí hiển thị cụ thể.

So với các nghiên cứu trước đây chỉ áp dụng mô hình Random Waypoint thuần túy khiến các tác tử phân tán hỗn loạn, việc kết hợp thuật toán chọn điểm đến của Shiddhartha Raj Bhandari và cơ chế di chuyển cục bộ của STEPS đã tái hiện chuẩn xác hiện tượng tụ điểm đô thị, phản ánh đúng thực tế hành vi tiêu dùng ngoài đời thực.

Đề xuất và khuyến nghị

Nhằm ứng dụng hiệu quả kết quả nghiên cứu vào thực tiễn quản lý đô thị và truyền thông số, 4 giải pháp chiến lược được đề xuất:

Thứ nhất, tái quy hoạch và tối ưu hóa vị trí lắp đặt hệ thống màn hình quảng cáo số đô thị.

• Động từ hành động: Khảo sát, tái cấu trúc và phân bổ lại vị trí các trụ màn hình kỹ thuật số.
• Chỉ số mục tiêu: Nâng tỷ lệ tương tác chuyển đổi trung bình toàn mạng lưới từ dưới 40% lên đạt mức tối thiểu 65%, loại bỏ 100% các điểm đặt màn hình bị che khuất hoặc có mật độ dòng người thấp.
• Lộ trình thực hiện: Hoàn thành trong vòng 6 tháng kể từ khi phê duyệt quy hoạch.
• Chủ thể thực hiện: Doanh nghiệp khai thác quảng cáo ngoài trời phối hợp cùng Sở Quy hoạch - Kiến trúc và Ban Quản lý Hạ tầng Đô thị.

Thứ hai, tích hợp thuật toán nhận diện sở thích động và cá nhân hóa nội dung quảng cáo thời gian thực.

• Động từ hành động: Lập trình, tích hợp mô-đun phân tích dữ liệu không dây và triển khai giao thức quét sở thích tác tử trong bán kính 15 mét.
• Chỉ số mục tiêu: Tự động tổng hợp và chuyển đổi thông điệp quảng cáo chính xác sau mỗi chu kỳ 7 giây, duy trì độ trễ xử lý dữ liệu dưới 0.5 giây.
• Lộ trình thực hiện: Triển khai thử nghiệm kỹ thuật trong 3 tháng và nhân rộng toàn hệ thống trong 9 tháng tiếp theo.
• Chủ thể thực hiện: Các công ty công nghệ phát triển giải pháp IoT, hệ thống nhúng và phần mềm quản lý đô thị thông minh.

Thứ ba, đồng bộ hóa danh mục sản phẩm tại các điểm bán lẻ vệ tinh theo dữ liệu phân tích thị hiếu khu vực.

• Động từ hành động: Điều chỉnh cơ cấu hàng hóa, liên kết dữ liệu hiển thị trên màn hình với tồn kho thực tế tại các cửa hàng lân cận.
• Chỉ số mục tiêu: Tăng trưởng từ 25% đến 35% lượng khách vãng lai ghé thăm và thúc đẩy doanh thu bán lẻ trực tiếp tăng ít nhất 20% tại các cửa hàng liên kết.
• Lộ trình thực hiện: Thực hiện định kỳ theo từng quý trong khung thời gian 12 tháng.
• Chủ thể thực hiện: Các chuỗi bán lẻ, siêu thị tiện lợi và thương hiệu tài trợ quảng cáo.

Thứ tư, ban hành quy chế bảo vệ dữ liệu cá nhân và an ninh thông tin trong thu thập cảm biến đô thị.

• Động từ hành động: Xây dựng, chuẩn hóa và áp dụng quy chuẩn mã hóa ẩn danh đối với toàn bộ thông tin thu phát từ thiết bị cầm tay của người đi bộ.
• Chỉ số mục tiêu: Đảm bảo 100% dữ liệu truyền nhận giữa người đi bộ và màn hình quảng cáo không lưu trữ thông tin định danh cá nhân, tuân thủ tuyệt đối quy định pháp luật.
• Lộ trình thực hiện: Hoàn thiện khung chính sách trong vòng 6 tháng.
• Chủ thể thực hiện: Cơ quan quản lý nhà nước về an toàn thông tin và truyền thông số.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả của công trình nghiên cứu mang lại giá trị thực tiễn và học thuật cho 4 nhóm đối tượng trọng tâm:

Thứ nhất, học viên cao học, nghiên cứu sinh và giảng viên chuyên ngành Khoa học Máy tính, Hệ thống Thông tin và Mạng truyền thông.

• Lợi ích và Use Case: Tiếp cận phương pháp tích hợp mô hình chuyển động STEPS và Shiddhartha Raj Bhandari trên nền tảng GAMA, làm tài liệu tham khảo chuẩn mực để phát triển các đề tài mô phỏng mạng cảm biến đô thị, mạng Ad-hoc di động (MANET/VANET) và các thuật toán định tuyến phân tán.

Thứ hai, giám đốc tiếp thị, chuyên viên hoạch định truyền thông và doanh nghiệp quảng cáo ngoài trời (DOOH).

• Lợi ích và Use Case: Vận dụng 3 phương pháp đánh giá định lượng tác động tương tác để tối ưu hóa ngân sách đầu tư biển bảng, lựa chọn vị trí lắp đặt đắc địa và thiết lập chiến lược phân phối nội dung thông minh giúp gia tăng chỉ số ROI lên trên 45%.

Thứ ba, các kiến trúc sư quy hoạch đô thị và cơ quan quản lý giao thông công cộng.

• Lợi ích và Use Case: Khai thác mô hình phân luồng dòng người đi bộ và sức hút không gian để bố trí hợp lý các tiện ích công cộng, trạm dừng xe buýt, lối thoát hiểm khẩn cấp và biển báo thông tin chỉ dẫn trong các dự án Smart City.

Thứ tư, kỹ sư phát triển phần mềm mô phỏng, chuyên gia IoT và công nghệ nhúng.

• Lợi ích và Use Case: Tái sử dụng cấu trúc mã nguồn GAML và quy trình tích hợp dữ liệu GIS qua OpenJUMP để xây dựng các công cụ giám sát thời gian thực, quản lý đám đông và tối ưu hóa hạ tầng kết nối thông minh.

Câu hỏi thường gặp

Tại sao nghiên cứu lại kết hợp mô hình STEPS và mô hình của Shiddhartha Raj Bhandari thay vì ứng dụng riêng lẻ? Mô hình STEPS mô tả xuất sắc quá trình di chuyển vật lý theo luật lũy thừa nhưng chọn khoảng cách điểm đến ngẫu nhiên, trong khi mô hình của Shiddhartha Raj Bhandari xác định chính xác điểm đến hấp dẫn nhưng thiếu chi tiết về lộ trình di chuyển. Việc kết hợp giúp hoàn thiện cả hai khâu: chọn đích đến bằng lực hút không gian và di chuyển thực tế bằng thuật toán STEPS.

Chu kỳ hiển thị quảng cáo 7 giây được xây dựng dựa trên căn cứ khoa học nào? Nghiên cứu dựa trên tốc độ đọc trung bình của con người đạt 180 từ/phút trên màn hình số. Nội dung quảng cáo ngoài trời chuẩn thường chứa dưới 20 từ, do đó khoảng thời gian 7 giây là định mức lý tưởng để người đi bộ vừa tiếp nhận trọn vẹn thông điệp vừa đủ để hệ thống quét và tái tính toán sở thích của nhóm người mới gia nhập vùng kết nối.

Nền tảng GAMA mang lại ưu thế kỹ thuật gì vượt trội trong mô phỏng đô thị? GAMA hỗ trợ xuất sắc mô hình hóa đa tác tử không gian với khả năng tích hợp trực tiếp dữ liệu GIS từ OpenJUMP và xử lý mượt mà đồng thời hơn 200 tác tử độc lập. Môi trường này cho phép lập trình chi tiết hành vi tương tác phức tạp qua ngôn ngữ GAML và quan sát trực quan kết quả qua giao diện 2D/3D đa tầng.

Vận tốc di chuyển của người đi bộ ảnh hưởng trực tiếp đến hiệu quả tiếp nhận quảng cáo như thế nào? Vận tốc tỷ lệ nghịch với thời gian quan sát và khả năng bị thu hút. Dữ liệu thực nghiệm chứng minh người đi bộ thể dục với vận tốc 5.75 km/h chỉ đạt xác suất tiếp nhận 33.3%, trong khi người đi bộ thong thả trong nhóm du lịch với vận tốc 4.43 km/h đạt xác suất thu hút tối đa 100%, đòi hỏi thông điệp phải điều chỉnh độ dài tương ứng.

Làm thế nào để kiểm soát tính khách quan khi các sở thích ban đầu của tác tử được tạo ngẫu nhiên? Hệ thống thiết lập cơ chế kiểm định phân phối ban đầu cho 10 danh mục sở thích, đảm bảo tỷ lệ xuất hiện của mỗi nhóm đều tiệm cận mức cân bằng 10%. Nhờ đó, các khác biệt về lượng chuyển hướng ghi nhận tại các màn hình số hoàn toàn xuất phát từ vị trí địa lý và hành vi di chuyển chứ không bị thiên lệch bởi dữ liệu đầu vào.

Kết luận

• Hoàn thiện mô hình chuyển động người đi bộ thực tế thông qua việc kết hợp ưu điểm của mô hình STEPS với mô hình lực hút không gian Shiddhartha Raj Bhandari.
• Xây dựng thành công cơ chế hiển thị quảng cáo thích ứng thời gian thực với chu kỳ 7 giây tối ưu trên nền tảng hệ mô phỏng đa tác tử GAMA phiên bản 1.6.1.
• Định lượng hóa chính xác 3 phương pháp đánh giá: tác động của vị trí màn hình, tương quan sở thích người đi bộ và sức hút của các điểm bán lẻ lân cận.
• Chứng minh tính khả thi của việc tích hợp dữ liệu bản đồ số GIS vào quy hoạch mạng lưới truyền thông và cảm biến đô thị thông minh thuộc dự án URSA.
• Mở ra hướng tiếp cận mới trong việc cá nhân hóa thông tin ngoài trời, cân bằng giữa hiệu quả thương mại và trải nghiệm di chuyển của người dân đô thị.

Về lộ trình tiếp theo, nhóm nghiên cứu định hướng tích hợp dữ liệu GPS thực tế từ người dùng di động trong vòng 12 tháng tới nhằm tinh chỉnh số mũ hấp dẫn không gian và mở rộng quy mô mô phỏng lên hơn 10,000 tác tử trên mạng lưới giao thông phức hợp.

Các cơ quan quản lý đô thị, doanh nghiệp quảng cáo và nhà nghiên cứu quan tâm có thể khai thác toàn văn luận văn để ứng dụng trực tiếp mô hình vào các dự án phát triển thành phố thông minh và chuyển đổi số hạ tầng truyền thông hiện đại.

Trích đoạn nội dung tài liệu

UNIVERSITE NATIONALE DU VIETNAM, HANOI INSTITUT FRANCOPHONE INTERNATIONAL LÊ THỊ HIỀN ÉTUDE ET INTÉGRATION DE PATTERNS DE MOBILITÉ DE PIÉTONS AU SEIN D’UN SIMULATEUR ORIENTÉ AGENTS MOBILES NGHIÊN CỨU VÀ TÍCH HỢP CÁC MẪU CHUYỂN ĐỘNG CỦA NGƯỜI ĐI BỘ VÀO MỘT HỆ MÔ PHỎNG ĐA TÁC TỬ DI ĐỘNG MEMOIRE DE FIN D’ETUDES DU MASTER INFORMATIQUE HANOI - 2015 LUAN VAN CHAT LUONG download : add [e-mail] UNIVERSITE NATIONALE DU VIETNAM, HANOI INSTITUT FRANCOPHONE INTERNATIONAL LÊ THỊ HIỀN ÉTUDE ET INTÉGRATION DE PATTERNS DE MOBILITÉ DE PIÉTONS AU SEIN D’UN SIMULATEUR ORIENTÉ AGENTS MOBILES NGHIÊN CỨU VÀ TÍCH HỢP CÁC MẪU CHUYỂN ĐỘNG CỦA NGƯỜI ĐI BỘ VÀO MỘT HỆ MÔ PHỎNG ĐA TÁC TỬ DI ĐỘNG Spécialité: Réseaux et Système Communicants (RSC) Code: Programme pilote MEMOIRE DE FIN D’ETUDES DU MASTER INFORMATIQUE Sous la direction de : M. Stéphane MAAG Professeur Département RS2M Télécom SudParis, France HANOI - 2015 LUAN VAN CHAT LUONG download : add [e-mail] ATTESTATION SUR L’HONNEUR J’atteste sur l’honneur que ce mémoire a été réalisé par moi-même et que les données et les résultats qui y sont présentés sont exacts et n’ont jamais été publiés ailleurs. La source des informations citées dans ce mémoire a été bien précisée. LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của riêng tôi.

Các số liệu, kết quả nêu trong Luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác. Các thông tin trích dẫn trong Luận văn đã được chỉ rõ nguồn gốc. Fait à Évry, le 18 Novembre 2015 Évry, Ngày 18 tháng 11 năm 2015 LE Thi Hien LUAN VAN CHAT LUONG download : add [e-mail] Table des matières Table des matières i Remerciements ii Résumé iii Abstract iv Liste des figures v Liste des tableaux vi Introduction 1 1 Présentation du stage 2 1.1 Présentation du laboratoire .2 Contexte du stage .3 Objectif du stage .4 Description du stage. 5 2 État de l’art 6 2.1 Pattern de mobilité .2 STEPS – une approche pour le modèle de la mobilité humaine .3 Modèle de Shiddhartha Raj Bhandari et Al.

12 3 Proposition de modèle de mobilité 13 3.2 Proposition de modèle de mobilité. 19 4 Implémentation et Résultats 20 4.1 Introduction de l’outil utilisé .2 Simulation sous la plate-forme GAMA .3 Analyse du résultat. 40 Conclusion 41 Bibliographie 43 A Exemple pour les deux modèles 45 LUAN VAN CHAT LUONG downloadi : add [e-mail] Remerciements J’adresse mes remerciements aux personnes qui m’ont aidées dans la réalisation de ce mé- moire. En premier lieu, je remercie mon responsable de stage - Monsieur Stéphane MAAG qui a dirigé ce travail de recherche de Master informatique.

Je le remercie parce qu’il m’a guidé dans mon travail, m’a donné des conseils et m’a aidé à trouver des solutions pour avancer. Je remercie aussi tous les professeurs de l’Institut Francophone International (IFI) pour tout ce qu’ils m’ont apporté pendant le Master 1 et aussi le Master 2. Et je remercie également Monsieur NGUYEN Hong Quang, le responsable de la spécialité RSC pour leur aide pendant les six mois de mon stage et aussi pendant mes deux années d’études à l’IFI. Je remercie également Monsieur Djamal ZEGHLACHE - le directeur du département RS2M du TSP pour m’avoir accepté au sein de l’équipe et pour le dynamisme de l’équipe.

C’est un grand plaisir de travailler dans une équipe aussi active. Enfin, un grand merci chaleureux et de tout mon cœur à mes parents, sans qui je ne serais absolument pas où je suis aujourd’hui. Je les remercie sincèrement pour leur gentillesse et leur soutien inconditionnel et constant, pour m’avoir donné du courage et de l’espoir, pour être toujours présents même à distance. Je leur dois ce que je suis.

Aussi un merci de tout mon cœur à tous mes amis que j’aime pour leur sincère amitié et confiance, et à qui je dois ma reconnaissance et mon attachement. À tous ces intervenants, je présente mes remerciements, mon respect et ma gratitude. LUAN VAN CHAT LUONG downloadii : add luanvanchat@agmail.