O trabalho proposto considerou o desenvolvimento de uma abordagem por autômatos celulares para modelagem de recursos minerais. De uma maneira geral, os autômatos celulares permitem a modelagem de sistemas e fenômenos levando em conta parâmetros de forma, dimensão, geometria, regras de evolução, regras de vizinhança e estado inicial. Para a aplicação dos autômatos celulares, foi desenvolvida uma ferramenta de software com apoio do Núcleo de Desenvolvimento de Software, do Departamento de Engenharia de Departamento de Sistemas Eletrônicos da Escola Politécnica da Universidade de São Paulo. A ferramenta de modelagem desenvolvida foi aplicada para modelar um banco de dados conhecido na mineração, que é o Walker Lake Dataset Isaaks e Srivastava (1989). Os resultados obtidos demonstraram que a abordagem por ACs tem potencial para a área de modelagem de recursos minerais, e indicaram a importância de definir uma metodologia específica para a seleção do método de interpolação mais adequado para cada conjunto de dados estudados. / This research project proposes a new approach for modeling geological resources using cellular automata. In general, cellular automata allow modeling systems taking into account parameters of shape, dimensions, evolution rules, neighboring rules and initial state of the cells. For the application of cellular automata in this project, a new tool has been developed in conjunction with the Software Development Group of the Department of Electronics of University of São Paulo. The modeling tool has been applied to model a popular dataset in mining which is the Waker Lake dataset (Isaaks e Srivastava,1989). The results showed that the approach has potential for ACs to the area of modeling of mineral resources and indicated the importance of defining an interpolation method most appropriate for evolutionary change of ACs for the dataset studied.

The intended goal of this manuscript is to build bridges between two definitions of complexity. One of them, called the algorithmic complexity is well-known to any computer scientist as the difficulty of performing some task such as sorting or optimizing the outcome of some system. The other one, etymologically closer from the word "complexity" is about what happens when many parts of a system are interacting together. Just as cells in a living body, producers and consumers in some non-planned economies or mathematicians exchanging ideas to prove theorems. On the algorithmic side, the main objects that we are going to use are two models of computations, one called communication protocols, and the other one circuits. Communication protocols are found everywhere in our world, they are the basic stone of almost any human collaboration and achievement. The definition we are going to use of communication reflects exactly this idea of collaboration. Our other model, circuits, are basically combinations of logical gates put together with electrical wires carrying binary values, They are ubiquitous in our everyday life, they are how computers compute, how cell phones make calls, yet the most basic questions about them remain widely open, how to build the most efficient circuits computing a given function, How to prove that some function does not have a circuit of a given size, For all but the most basic computations, the question of whether they can be computed by a very small circuit is still open. On the other hand, our main object of study, cellular automata, is a prototype of our second definition of complexity. What "does" a cellular automaton is exactly this definition, making simple agents evolve with interaction with a small neighborhood. The theory of cellular automata is related to other fields of mathematics�� such as dynamical systems, symbolic dynamics, and topology. Several uses of cellular automata have been suggested, ranging from the simple application of them as a model of other biological or physical phenomena, to the more general study in the theory of computation. / The intended goal of this manuscript is to build bridges between two definitions of complexity. One of them, called the algorithmic complexity is well-known to any computer scientist as the difficulty of performing some task such as sorting or optimizing the outcome of some system. The other one, etymologically closer from the word "complexity" is about what happens when many parts of a system are interacting together. Just as cells in a living body, producers and consumers in some non-planned economies or mathematicians exchanging ideas to prove theorems. On the algorithmic side, the main objects that we are going to use are two models of computations, one called communication protocols, and the other one circuits. Communication protocols are found everywhere in our world, they are the basic stone of almost any human collaboration and achievement. The definition we are going to use of communication reflects exactly this idea of collaboration. Our other model, circuits, are basically combinations of logical gates put together with electrical wires carrying binary values, They are ubiquitous in our everyday life, they are how computers compute, how cell phones make calls, yet the most basic questions about them remain widely open, how to build the most efficient circuits computing a given function, How to prove that some function does not have a circuit of a given size, For all but the most basic computations, the question of whether they can be computed by a very small circuit is still open. On the other hand, our main object of study, cellular automata, is a prototype of our second definition of complexity. What "does" a cellular automaton is exactly this definition, making simple agents evolve with interaction with a small neighborhood. The theory of cellular automata is related to other fields of mathematics, such as dynamical systems, symbolic dynamics, and topology. Several uses of cellular automata have been suggested, ranging from the simple application of them as a model of other biological or physical phenomena, to the more general study in the theory of computation.

O trabalho proposto considerou o desenvolvimento de uma abordagem por autômatos celulares para modelagem de recursos minerais. De uma maneira geral, os autômatos celulares permitem a modelagem de sistemas e fenômenos levando em conta parâmetros de forma, dimensão, geometria, regras de evolução, regras de vizinhança e estado inicial. Para a aplicação dos autômatos celulares, foi desenvolvida uma ferramenta de software com apoio do Núcleo de Desenvolvimento de Software, do Departamento de Engenharia de Departamento de Sistemas Eletrônicos da Escola Politécnica da Universidade de São Paulo. A ferramenta de modelagem desenvolvida foi aplicada para modelar um banco de dados conhecido na mineração, que é o Walker Lake Dataset Isaaks e Srivastava (1989). Os resultados obtidos demonstraram que a abordagem por ACs tem potencial para a área de modelagem de recursos minerais, e indicaram a importância de definir uma metodologia específica para a seleção do método de interpolação mais adequado para cada conjunto de dados estudados. / This research project proposes a new approach for modeling geological resources using cellular automata. In general, cellular automata allow modeling systems taking into account parameters of shape, dimensions, evolution rules, neighboring rules and initial state of the cells. For the application of cellular automata in this project, a new tool has been developed in conjunction with the Software Development Group of the Department of Electronics of University of São Paulo. The modeling tool has been applied to model a popular dataset in mining which is the Waker Lake dataset (Isaaks e Srivastava,1989). The results showed that the approach has potential for ACs to the area of modeling of mineral resources and indicated the importance of defining an interpolation method most appropriate for evolutionary change of ACs for the dataset studied.

The aim of this thesis is to observe behavior of traffic flow and to verify or refute traditional so called fundamental relationships. It analyze data based on older measurements, personal measurements executed on the I/43 road, and mathematical models.There were three tools used provided by "VUT" in Brno as well as own developed tool based on cellular automat..

Mit der Entwicklung eines stochastischen Modells zur Abbildung des Bewegungsverhaltens von Passagieren wird die Basis für eine virtuelle Anwendungsumgebung geschaffen, mit der die Passagierabfertigungsprozesse im Flughafenterminal und die hierfür notwendigen Infrastrukturen modelliert, implementiert, untersucht und gezielt optimiert werden können. Es werden vorhandene wissenschaftliche Modellansätze zur mikroskopischen Agentensimulation kritisch gewürdigt und Anforderungen an das zu entwickelnde Bewegungsmodell abgeleitet. Das eigens entwickelte stochastische Bewegungsmodell stellt die Erweiterung eines räumlich diskreten mikroskopischen Modells auf Basis eines zellularen Automaten dar, wobei Defizite aufgrund der verwendeten diskreten Gitterstruktur bereits auf Modellebene kompensiert werden. Zu den Erweiterungen zählen die autonome Umgebungsanalyse und die Routenplanung des Agenten, die Abbildung weitreichender Wechselwirkungen zwischen den Agenten und die Berücksichtigung von gruppendynamischen Entscheidungen. Durch die Validierung des stochastischen Bewegungsmodells anhand des Fundamentaldiagramms für Fußgänger kann gezeigt werden, dass das Modell in der Lage ist, den charakteristischen Verlauf der Geschwindigkeit in Relation zur Agentendichte quantitativ abzubilden. Auch typische, in der Realität beobachtbare Selbstorganisationseffekte können durch das Modell reproduziert werden. Für die Anwendung des stochastischen Modells zur Abbildung des Bewegungsverhaltens von Passagieren im Flughafenterminal wird das Modell durch empirisch erhobene Passagierbewegungsdaten kalibriert. Die Datenerhebung erfolgt am Flughafen Dresden unter Verwendung eines entwickelten videogestützten Bewegungsverfolgungssystems und erlaubt eine gezielte Kalibrierung hinsichtlich der Passagierparameter: Geschlecht, Reisemotivation (privat oder geschäftlich), Gruppengröße sowie Gepäckart und -anzahl. Für die Erstellung der virtuellen Terminalumgebung werden die Passagierabfertigungsprozesse eingehend analysiert und die Prozesszeiten der jeweiligen Abfertigungsstationen durch spezifische Wahrscheinlichkeitsverteilungen modelliert. Hierfür stehen empirische Datenerhebungen am Flughafen Stuttgart zur Verfügung, die eine detaillierte Prozessanalyse hinsichtlich der Passagierparameter und der Prozessparameter (Erfahrung des Personals, Reaktionszeiten bei Störungen) erlauben. Im Anschluss an die Kalibrierung des stochastischen Bewegungsmodells und die Modellierung der Passagierabfertigungsprozesse erfolgt die Entwicklung einer Anwendungsumgebung für die Implementierung des virtuellen Flughafens. Durch den modularen Aufbau der Anwendungsumgebung ist eine effiziente Implementierung der Flughafenstrukturen (Grundriss, Flugplan, Personaleinsatz), der Abfertigungsprozesse und des stochastischen Bewegungsmodells möglich. Die Anwendungsumgebung stellt dabei einen übergeordneten Rahmen dar, durch den eine allgemeine Nutzerschnittstelle (Konfigurationsumgebung), eine grafische Ergebnisaufbereitung und die dreidimensionale Abbildung des Bewegungsverhaltens der Passagiere zur Verfügung steht. Die Anwendung des entwickelten stochastischen Bewegungsmodells erfolgt für die Validierung der Passagierabfertigungsprozesse (Check-In und Sicherheitskontrolle), für die Entwicklung einer passagierbezogener Prozessbewertung und für die vollständige Abbildung der Terminalprozesse (Abflug) am Beispiel des Flughafens Dresden. Durch die Analyse des Einstiegsverhaltens der Passagiere in ein Verkehrsflugzeug werden die Notwendigkeit des Einsatzes stochastischer Bewegungsmodelle und das Potential mikroskopischer Modellierungsansätze verdeutlicht. Das entwickelte stochastische Bewegungsmodell kann das Passagierverhalten auch in komplexen Umgebungen umfänglich widerspiegeln und die entwickelte Anwendungsumgebung stellt einen idealen Rahmen für die Modellanwendung und -weiterentwicklung dar. Durch die anwendungsorientierten Implementierungen steht eine Vielzahl von geeigneten Detaillösungen zur Verfügung, um den zukünftigen wissenschaftlichen und praxisrelevanten Herausforderungen der Personendynamik zu begegnen. / The development of a stochastic motion model allows for using a virtual application environment, to reproduce passenger motion behavior and handling processes at airport terminals. Based on the introduced scientific approaches for microscopic agent simulation, requirements for an application-oriented motion model are derived. The developed model is a substantial extension of a stochastic cellular automata approach, where the deficiencies due to the discrete grid structure are compensated on a fundamental level. The model development is completed by adding agent-oriented environment analysis, route planning, and mid-range agent interaction. The stochastic motion model proves its capabilities for a quantitative reproduction of the characteristic shape of the common fundamental diagram of pedestrian dynamics. Moreover, generic self-organization effects are reproduced by the model. For the application of the stochastic approach for modeling the motion behavior of passengers inside an airport terminal, a comprehensive acqusition of data at Dresden International Airport provides a solid basis. A video-supported tracking environment allows for an efficient categorization of passengers and analysis of their motion behavior regarding to their gender, travel purpose (private or business), group size, and baggage types and quantities. In addition to the passenger-related data, the process time of passenger handling at each station at Stuttgart Airport is analyzed in detail and transformed to statistic probabilities by functional data fitting. Finally, the calibrated stochastic motion model is prepared for passenger dynamics at airport terminals. After the successful development and calibration, the implementation of the motion model in a virtual application environment is accomplished. To implement the terminal structure, the passenger handling processes, and the individual passenger motion behavior common programming interfaces are used as well as specific components for linking model and animation requirements. The application of the stochastic motion models aims at the validation of passenger handling process on the basis of empirical data from Stuttgart airport and at the development of a passenger-oriented process evaluation using Dresden Airport environment. The simulation of passenger dynamics at airport terminals points out that the stochastic motion model reproduces the motion behavior of passengers close to reality. Due to the application-oriented implementation a variety of appropriate solutions are available for future scientific and operational challenges related to passenger dynamics.

Cancer cells display characteristic traits acquired in a step-wise manner during carcinogenesis. Some of these traits are autonomous growth, induction of angiogenesis, invasion and metastasis. In this thesis, the focus is on one of the latest stages of tumor progression, tumor invasion. Tumor invasion emerges from the combined effect of tumor cell-cell and cell-microenvironment interactions, which can be studied with the help of mathematical analysis. Cellular automata (CA) can be viewed as simple models of self-organizing complex systems in which collective behavior can emerge out of an ensemble of many interacting "simple" components. In particular, we focus on an important class of CA, the so-called lattice-gas cellular automata (LGCA). In contrast to traditional CA, LGCA provide a straightforward and intuitive implementation of particle transport and interactions. Additionally, the structure of LGCA facilitates the mathematical analysis of their behavior. Here, the principal tools of mathematical analysis of LGCA are the mean-field approximation and the corresponding Lattice Boltzmann equation. The main objective of this thesis is to investigate important aspects of tumor invasion, under the microscope of mathematical modeling and analysis: Impact of the tumor environment: We introduce a LGCA as a microscopic model of tumor cell migration together with a mathematical description of different tumor environments. We study the impact of the various tumor environments (such as extracellular matrix) on tumor cell migration by estimating the tumor cell dispersion speed for a given environment. Effect of tumor cell proliferation and migration: We study the effect of tumor cell proliferation and migration on the tumor’s invasive behavior by developing a simplified LGCA model of tumor growth. In particular, we derive the corresponding macroscopic dynamics and we calculate the tumor’s invasion speed in terms of tumor cell proliferation and migration rates. Moreover, we calculate the width of the invasive zone, where the majority of mitotic activity is concentrated, and it is found to be proportional to the invasion speed. Mechanisms of tumor invasion emergence: We investigate the mechanisms for the emergence of tumor invasion in the course of cancer progression. We conclude that the response of a microscopic intracellular mechanism (migration/proliferation dichotomy) to oxygen shortage, i.e. hypoxia, maybe responsible for the transition from a benign (proliferative) to a malignant (invasive) tumor. Computing in vivo tumor invasion: Finally, we propose an evolutionary algorithm that estimates the parameters of a tumor growth LGCA model based on time-series of patient medical data (in particular Magnetic Resonance and Diffusion Tensor Imaging data). These parameters may allow to reproduce clinically relevant tumor growth scenarios for a specific patient, providing a prediction of the tumor growth at a later time stage. / Krebszellen zeigen charakteristische Merkmale, die sie in einem schrittweisen Vorgang während der Karzinogenese erworben haben. Einige dieser Merkmale sind autonomes Wachstum, die Induktion von Angiogenese, Invasion und Metastasis. Der Schwerpunkt dieser Arbeit liegt auf der Tumorinvasion, einer der letzten Phasen der Tumorprogression. Die Tumorinvasion ensteht aus der kombinierten Wirkung von den Wechselwirkungen Tumorzelle-Zelle und Zelle-Mikroumgebung, die mit die Hilfe von mathematischer Analyse untersucht werden können. Zelluläre Automaten (CA) können als einfache Modelle von selbst-organisierenden komplexen Systemen betrachtet werden, in denen kollektives Verhalten aus einer Kombination von vielen interagierenden "einfachen" Komponenten entstehen kann. Insbesondere konzentrieren wir uns auf eine wichtige CA-Klasse, die sogenannten Zelluläre Gitter-Gas Automaten (LGCA). Im Gegensatz zu traditionellen CA bieten LGCA eine einfache und intuitive Umsetzung der Teilchen und Wechselwirkungen. Zusätzlich erleichtert die Struktur der LGCA die mathematische Analyse ihres Verhaltens. Die wichtigsten Werkzeuge der mathematischen Analyse der LGCA sind hier die Mean-field Approximation und die entsprechende Lattice - Boltzmann - Gleichung. Das wichtigste Ziel dieser Arbeit ist es, wichtige Aspekte der Tumorinvasion unter dem Mikroskop der mathematischen Modellierung und Analyse zu erforschen: Auswirkungen der Tumorumgebung: Wir stellen einen LGCA als mikroskopisches Modell der Tumorzellen-Migration in Verbindung mit einer mathematischen Beschreibung der verschiedenen Tumorumgebungen vor. Wir untersuchen die Auswirkungen der verschiedenen Tumorumgebungen (z. B. extrazellulären Matrix) auf die Migration von Tumorzellen dürch Schätzung der Tumorzellen-Dispersionsgeschwindigkeit in einem gegebenen Umfeld. Wirkung von Tumor-Zellenproliferation und Migration: Wir untersuchen die Wirkung von Tumorzellenproliferation und Migration auf das invasive Verhalten der Tumorzellen durch die Entwicklung eines vereinfachten LGCA Tumorwachstumsmodells. Wir leiten die entsprechende makroskopische Dynamik und berechnen die Tumorinvasionsgeschwindigkeit im Hinblick auf die Tumorzellenproliferation- und Migrationswerte. Darüber hinaus berechnen wir die Breite der invasiven Zone, wo die Mehrheit der mitotischer Aktivität konzentriert ist, und es wird festgestellt, dass diese proportional zu den Invasionsgeschwindigkeit ist. Mechanismen der Tumorinvasion Entstehung: Wir untersuchen Mechanismen, die für die Entstehung von Tumorinvasion im Verlauf des Krebs zuständig sind. Wir kommen zu dem Schluss, dass die Reaktion eines mikroskopischen intrazellulären Mechanismus (Migration/Proliferation Dichotomie) zu Sauerstoffmangel, d.h. Hypoxie, möglicheweise für den Übergang von einem gutartigen (proliferative) zu einer bösartigen (invasive) Tumor verantwortlich ist. Berechnung der in-vivo Tumorinvasion: Schließlich schlagen wir einen evolutionären Algorithmus vor, der die Parameter eines LGCA Modells von Tumorwachstum auf der Grundlage von medizinischen Daten des Patienten für mehrere Zeitpunkte (insbesondere die Magnet-Resonanz-und Diffusion Tensor Imaging Daten) ermöglicht. Diese Parameter erlauben Szenarien für einen klinisch relevanten Tumorwachstum für einen bestimmten Patienten zu reproduzieren, die eine Vorhersage des Tumorwachstums zu einem späteren Zeitpunkt möglich machen.

Cancer cells display characteristic traits acquired in a step-wise manner during carcinogenesis. Some of these traits are autonomous growth, induction of angiogenesis, invasion and metastasis. In this thesis, the focus is on one of the latest stages of tumor progression, tumor invasion. Tumor invasion emerges from the combined effect of tumor cell-cell and cell-microenvironment interactions, which can be studied with the help of mathematical analysis. Cellular automata (CA) can be viewed as simple models of self-organizing complex systems in which collective behavior can emerge out of an ensemble of many interacting "simple" components. In particular, we focus on an important class of CA, the so-called lattice-gas cellular automata (LGCA). In contrast to traditional CA, LGCA provide a straightforward and intuitive implementation of particle transport and interactions. Additionally, the structure of LGCA facilitates the mathematical analysis of their behavior. Here, the principal tools of mathematical analysis of LGCA are the mean-field approximation and the corresponding Lattice Boltzmann equation. The main objective of this thesis is to investigate important aspects of tumor invasion, under the microscope of mathematical modeling and analysis: Impact of the tumor environment: We introduce a LGCA as a microscopic model of tumor cell migration together with a mathematical description of different tumor environments. We study the impact of the various tumor environments (such as extracellular matrix) on tumor cell migration by estimating the tumor cell dispersion speed for a given environment. Effect of tumor cell proliferation and migration: We study the effect of tumor cell proliferation and migration on the tumor’s invasive behavior by developing a simplified LGCA model of tumor growth. In particular, we derive the corresponding macroscopic dynamics and we calculate the tumor’s invasion speed in terms of tumor cell proliferation and migration rates. Moreover, we calculate the width of the invasive zone, where the majority of mitotic activity is concentrated, and it is found to be proportional to the invasion speed. Mechanisms of tumor invasion emergence: We investigate the mechanisms for the emergence of tumor invasion in the course of cancer progression. We conclude that the response of a microscopic intracellular mechanism (migration/proliferation dichotomy) to oxygen shortage, i.e. hypoxia, maybe responsible for the transition from a benign (proliferative) to a malignant (invasive) tumor. Computing in vivo tumor invasion: Finally, we propose an evolutionary algorithm that estimates the parameters of a tumor growth LGCA model based on time-series of patient medical data (in particular Magnetic Resonance and Diffusion Tensor Imaging data). These parameters may allow to reproduce clinically relevant tumor growth scenarios for a specific patient, providing a prediction of the tumor growth at a later time stage. / Krebszellen zeigen charakteristische Merkmale, die sie in einem schrittweisen Vorgang während der Karzinogenese erworben haben. Einige dieser Merkmale sind autonomes Wachstum, die Induktion von Angiogenese, Invasion und Metastasis. Der Schwerpunkt dieser Arbeit liegt auf der Tumorinvasion, einer der letzten Phasen der Tumorprogression. Die Tumorinvasion ensteht aus der kombinierten Wirkung von den Wechselwirkungen Tumorzelle-Zelle und Zelle-Mikroumgebung, die mit die Hilfe von mathematischer Analyse untersucht werden können. Zelluläre Automaten (CA) können als einfache Modelle von selbst-organisierenden komplexen Systemen betrachtet werden, in denen kollektives Verhalten aus einer Kombination von vielen interagierenden "einfachen" Komponenten entstehen kann. Insbesondere konzentrieren wir uns auf eine wichtige CA-Klasse, die sogenannten Zelluläre Gitter-Gas Automaten (LGCA). Im Gegensatz zu traditionellen CA bieten LGCA eine einfache und intuitive Umsetzung der Teilchen und Wechselwirkungen. Zusätzlich erleichtert die Struktur der LGCA die mathematische Analyse ihres Verhaltens. Die wichtigsten Werkzeuge der mathematischen Analyse der LGCA sind hier die Mean-field Approximation und die entsprechende Lattice - Boltzmann - Gleichung. Das wichtigste Ziel dieser Arbeit ist es, wichtige Aspekte der Tumorinvasion unter dem Mikroskop der mathematischen Modellierung und Analyse zu erforschen: Auswirkungen der Tumorumgebung: Wir stellen einen LGCA als mikroskopisches Modell der Tumorzellen-Migration in Verbindung mit einer mathematischen Beschreibung der verschiedenen Tumorumgebungen vor. Wir untersuchen die Auswirkungen der verschiedenen Tumorumgebungen (z. B. extrazellulären Matrix) auf die Migration von Tumorzellen dürch Schätzung der Tumorzellen-Dispersionsgeschwindigkeit in einem gegebenen Umfeld. Wirkung von Tumor-Zellenproliferation und Migration: Wir untersuchen die Wirkung von Tumorzellenproliferation und Migration auf das invasive Verhalten der Tumorzellen durch die Entwicklung eines vereinfachten LGCA Tumorwachstumsmodells. Wir leiten die entsprechende makroskopische Dynamik und berechnen die Tumorinvasionsgeschwindigkeit im Hinblick auf die Tumorzellenproliferation- und Migrationswerte. Darüber hinaus berechnen wir die Breite der invasiven Zone, wo die Mehrheit der mitotischer Aktivität konzentriert ist, und es wird festgestellt, dass diese proportional zu den Invasionsgeschwindigkeit ist. Mechanismen der Tumorinvasion Entstehung: Wir untersuchen Mechanismen, die für die Entstehung von Tumorinvasion im Verlauf des Krebs zuständig sind. Wir kommen zu dem Schluss, dass die Reaktion eines mikroskopischen intrazellulären Mechanismus (Migration/Proliferation Dichotomie) zu Sauerstoffmangel, d.h. Hypoxie, möglicheweise für den Übergang von einem gutartigen (proliferative) zu einer bösartigen (invasive) Tumor verantwortlich ist. Berechnung der in-vivo Tumorinvasion: Schließlich schlagen wir einen evolutionären Algorithmus vor, der die Parameter eines LGCA Modells von Tumorwachstum auf der Grundlage von medizinischen Daten des Patienten für mehrere Zeitpunkte (insbesondere die Magnet-Resonanz-und Diffusion Tensor Imaging Daten) ermöglicht. Diese Parameter erlauben Szenarien für einen klinisch relevanten Tumorwachstum für einen bestimmten Patienten zu reproduzieren, die eine Vorhersage des Tumorwachstums zu einem späteren Zeitpunkt möglich machen.

Mit der Entwicklung eines stochastischen Modells zur Abbildung des Bewegungsverhaltens von Passagieren wird die Basis für eine virtuelle Anwendungsumgebung geschaffen, mit der die Passagierabfertigungsprozesse im Flughafenterminal und die hierfür notwendigen Infrastrukturen modelliert, implementiert, untersucht und gezielt optimiert werden können. Es werden vorhandene wissenschaftliche Modellansätze zur mikroskopischen Agentensimulation kritisch gewürdigt und Anforderungen an das zu entwickelnde Bewegungsmodell abgeleitet. Das eigens entwickelte stochastische Bewegungsmodell stellt die Erweiterung eines räumlich diskreten mikroskopischen Modells auf Basis eines zellularen Automaten dar, wobei Defizite aufgrund der verwendeten diskreten Gitterstruktur bereits auf Modellebene kompensiert werden. Zu den Erweiterungen zählen die autonome Umgebungsanalyse und die Routenplanung des Agenten, die Abbildung weitreichender Wechselwirkungen zwischen den Agenten und die Berücksichtigung von gruppendynamischen Entscheidungen. Durch die Validierung des stochastischen Bewegungsmodells anhand des Fundamentaldiagramms für Fußgänger kann gezeigt werden, dass das Modell in der Lage ist, den charakteristischen Verlauf der Geschwindigkeit in Relation zur Agentendichte quantitativ abzubilden. Auch typische, in der Realität beobachtbare Selbstorganisationseffekte können durch das Modell reproduziert werden. Für die Anwendung des stochastischen Modells zur Abbildung des Bewegungsverhaltens von Passagieren im Flughafenterminal wird das Modell durch empirisch erhobene Passagierbewegungsdaten kalibriert. Die Datenerhebung erfolgt am Flughafen Dresden unter Verwendung eines entwickelten videogestützten Bewegungsverfolgungssystems und erlaubt eine gezielte Kalibrierung hinsichtlich der Passagierparameter: Geschlecht, Reisemotivation (privat oder geschäftlich), Gruppengröße sowie Gepäckart und -anzahl. Für die Erstellung der virtuellen Terminalumgebung werden die Passagierabfertigungsprozesse eingehend analysiert und die Prozesszeiten der jeweiligen Abfertigungsstationen durch spezifische Wahrscheinlichkeitsverteilungen modelliert. Hierfür stehen empirische Datenerhebungen am Flughafen Stuttgart zur Verfügung, die eine detaillierte Prozessanalyse hinsichtlich der Passagierparameter und der Prozessparameter (Erfahrung des Personals, Reaktionszeiten bei Störungen) erlauben. Im Anschluss an die Kalibrierung des stochastischen Bewegungsmodells und die Modellierung der Passagierabfertigungsprozesse erfolgt die Entwicklung einer Anwendungsumgebung für die Implementierung des virtuellen Flughafens. Durch den modularen Aufbau der Anwendungsumgebung ist eine effiziente Implementierung der Flughafenstrukturen (Grundriss, Flugplan, Personaleinsatz), der Abfertigungsprozesse und des stochastischen Bewegungsmodells möglich. Die Anwendungsumgebung stellt dabei einen übergeordneten Rahmen dar, durch den eine allgemeine Nutzerschnittstelle (Konfigurationsumgebung), eine grafische Ergebnisaufbereitung und die dreidimensionale Abbildung des Bewegungsverhaltens der Passagiere zur Verfügung steht. Die Anwendung des entwickelten stochastischen Bewegungsmodells erfolgt für die Validierung der Passagierabfertigungsprozesse (Check-In und Sicherheitskontrolle), für die Entwicklung einer passagierbezogener Prozessbewertung und für die vollständige Abbildung der Terminalprozesse (Abflug) am Beispiel des Flughafens Dresden. Durch die Analyse des Einstiegsverhaltens der Passagiere in ein Verkehrsflugzeug werden die Notwendigkeit des Einsatzes stochastischer Bewegungsmodelle und das Potential mikroskopischer Modellierungsansätze verdeutlicht. Das entwickelte stochastische Bewegungsmodell kann das Passagierverhalten auch in komplexen Umgebungen umfänglich widerspiegeln und die entwickelte Anwendungsumgebung stellt einen idealen Rahmen für die Modellanwendung und -weiterentwicklung dar. Durch die anwendungsorientierten Implementierungen steht eine Vielzahl von geeigneten Detaillösungen zur Verfügung, um den zukünftigen wissenschaftlichen und praxisrelevanten Herausforderungen der Personendynamik zu begegnen.:1. Methodische Konzeption 1.1. Motivation 1.2. Modell und Simulation 1.2.1. Modellierung 1.2.2. Computerbasierte Simulation 1.3. Modellansätze zur Abbildung individueller Verhaltensweisen 1.3.1. Kollektive Phänomene 1.3.2. Modellierung individueller Verhaltensweisen 1.3.3. Modell der sozialen Kräfte 1.3.4. Modell unter Verwendung von zellularen Automaten 1.3.5. Modell der diskreten Entscheidungen 1.4. Passagierabfertigungsprozesse im Flughafenterminal 1.5. Anforderungen an ein applikationsorientiertes Modell 2. Individuenbasiertes Bewegungsmodell 2.1. Eindimensionale Modellansätze 2.1.1. Random walk 2.1.2. Asymmetric simple exclusion process (ASEP) 2.2. Zweidimensionaler zellularer Automat 2.2.1. Gitterabhängigkeiten - Geschwindigkeit und Varianz 2.2.2. Implementierung - Testumgebung 2.2.3. Kalibrierung - Fundamentaldiagramm 2.3. Umgebungsanalyse zur Richtungsbestimmung 2.3.1. Geometrischer Ansatz 2.3.2. Diskreter Ansatz unter Nutzung eines regulären Gitters 2.4. Interaktionsmodellierung 3. Datenerhebung im Flughafenterminal 3.1. Videogestützte Personenverfolgung 3.1.1. Rechtliche Rahmenbedingungen 3.1.2. Methodische Umsetzung 3.1.3. Datenerhebung im Terminal des Flughafens Dresden 3.2. Erhebung passagierbezogener Daten 3.2.1. Indirekte Geschwindigkeitsindikation - Altersstruktur 3.2.2. Geschwindigkeitsverteilung - Geschlechtsspezifisch 3.2.3. Geschwindigkeitsverteilung - Reisemotivation 3.2.4. Geschwindigkeitsverteilung - Gruppengröße 3.2.5. Geschwindigkeitsverteilung - Gepäckanzahl 3.3. Allgemeines Bewegungsverhalten im Terminal 3.4. Erhebung prozessbezogener Daten 3.4.1. Ankunftsverteilung 3.4.2. Check-In 3.4.3. Sicherheitskontrolle 3.4.4. Pass- und Bordkartenkontrolle 4. Anwendungen 4.1. Entwicklung/Implementierung einer Anwendungsumgebung 4.1.1. Entwicklung eines Software-Prototyps 4.1.2. Modellimplementierung 4.2. Eindimensionaler Simulationsansatz - Boarding eines Verkehrsflugzeuges 4.2.1. Modellbeschreibung 4.2.2. Simulationsergebnisse 4.3. Anwendungsgebiet Flughafenterminal 4.3.1. Validierung der Passagierabfertigungsprozesse 4.3.2. Passagierbezogene Prozessbewertung 4.3.3. Abfertigungsprozesse am Flughafen Dresden (Abflug) 5. Schlussbetrachtungen A. Anhang Literaturverzeichnis Danksagung / The development of a stochastic motion model allows for using a virtual application environment, to reproduce passenger motion behavior and handling processes at airport terminals. Based on the introduced scientific approaches for microscopic agent simulation, requirements for an application-oriented motion model are derived. The developed model is a substantial extension of a stochastic cellular automata approach, where the deficiencies due to the discrete grid structure are compensated on a fundamental level. The model development is completed by adding agent-oriented environment analysis, route planning, and mid-range agent interaction. The stochastic motion model proves its capabilities for a quantitative reproduction of the characteristic shape of the common fundamental diagram of pedestrian dynamics. Moreover, generic self-organization effects are reproduced by the model. For the application of the stochastic approach for modeling the motion behavior of passengers inside an airport terminal, a comprehensive acqusition of data at Dresden International Airport provides a solid basis. A video-supported tracking environment allows for an efficient categorization of passengers and analysis of their motion behavior regarding to their gender, travel purpose (private or business), group size, and baggage types and quantities. In addition to the passenger-related data, the process time of passenger handling at each station at Stuttgart Airport is analyzed in detail and transformed to statistic probabilities by functional data fitting. Finally, the calibrated stochastic motion model is prepared for passenger dynamics at airport terminals. After the successful development and calibration, the implementation of the motion model in a virtual application environment is accomplished. To implement the terminal structure, the passenger handling processes, and the individual passenger motion behavior common programming interfaces are used as well as specific components for linking model and animation requirements. The application of the stochastic motion models aims at the validation of passenger handling process on the basis of empirical data from Stuttgart airport and at the development of a passenger-oriented process evaluation using Dresden Airport environment. The simulation of passenger dynamics at airport terminals points out that the stochastic motion model reproduces the motion behavior of passengers close to reality. Due to the application-oriented implementation a variety of appropriate solutions are available for future scientific and operational challenges related to passenger dynamics.:1. Methodische Konzeption 1.1. Motivation 1.2. Modell und Simulation 1.2.1. Modellierung 1.2.2. Computerbasierte Simulation 1.3. Modellansätze zur Abbildung individueller Verhaltensweisen 1.3.1. Kollektive Phänomene 1.3.2. Modellierung individueller Verhaltensweisen 1.3.3. Modell der sozialen Kräfte 1.3.4. Modell unter Verwendung von zellularen Automaten 1.3.5. Modell der diskreten Entscheidungen 1.4. Passagierabfertigungsprozesse im Flughafenterminal 1.5. Anforderungen an ein applikationsorientiertes Modell 2. Individuenbasiertes Bewegungsmodell 2.1. Eindimensionale Modellansätze 2.1.1. Random walk 2.1.2. Asymmetric simple exclusion process (ASEP) 2.2. Zweidimensionaler zellularer Automat 2.2.1. Gitterabhängigkeiten - Geschwindigkeit und Varianz 2.2.2. Implementierung - Testumgebung 2.2.3. Kalibrierung - Fundamentaldiagramm 2.3. Umgebungsanalyse zur Richtungsbestimmung 2.3.1. Geometrischer Ansatz 2.3.2. Diskreter Ansatz unter Nutzung eines regulären Gitters 2.4. Interaktionsmodellierung 3. Datenerhebung im Flughafenterminal 3.1. Videogestützte Personenverfolgung 3.1.1. Rechtliche Rahmenbedingungen 3.1.2. Methodische Umsetzung 3.1.3. Datenerhebung im Terminal des Flughafens Dresden 3.2. Erhebung passagierbezogener Daten 3.2.1. Indirekte Geschwindigkeitsindikation - Altersstruktur 3.2.2. Geschwindigkeitsverteilung - Geschlechtsspezifisch 3.2.3. Geschwindigkeitsverteilung - Reisemotivation 3.2.4. Geschwindigkeitsverteilung - Gruppengröße 3.2.5. Geschwindigkeitsverteilung - Gepäckanzahl 3.3. Allgemeines Bewegungsverhalten im Terminal 3.4. Erhebung prozessbezogener Daten 3.4.1. Ankunftsverteilung 3.4.2. Check-In 3.4.3. Sicherheitskontrolle 3.4.4. Pass- und Bordkartenkontrolle 4. Anwendungen 4.1. Entwicklung/Implementierung einer Anwendungsumgebung 4.1.1. Entwicklung eines Software-Prototyps 4.1.2. Modellimplementierung 4.2. Eindimensionaler Simulationsansatz - Boarding eines Verkehrsflugzeuges 4.2.1. Modellbeschreibung 4.2.2. Simulationsergebnisse 4.3. Anwendungsgebiet Flughafenterminal 4.3.1. Validierung der Passagierabfertigungsprozesse 4.3.2. Passagierbezogene Prozessbewertung 4.3.3. Abfertigungsprozesse am Flughafen Dresden (Abflug) 5. Schlussbetrachtungen A. Anhang Literaturverzeichnis Danksagung