Submitted by PPG Ci?ncia da Computa??o (ppgcc@pucrs.br) on 2018-09-13T13:02:14Z No. of bitstreams: 1 ESTEVAO SMANIA TESTA_DIS.pdf: 3237172 bytes, checksum: d5aadd66e71bcae6b9ef00c5c31e0e5a (MD5) / Approved for entry into archive by Sheila Dias (sheila.dias@pucrs.br) on 2018-09-14T19:04:09Z (GMT) No. of bitstreams: 1 ESTEVAO SMANIA TESTA_DIS.pdf: 3237172 bytes, checksum: d5aadd66e71bcae6b9ef00c5c31e0e5a (MD5) / Made available in DSpace on 2018-09-14T19:26:34Z (GMT). No. of bitstreams: 1 ESTEVAO SMANIA TESTA_DIS.pdf: 3237172 bytes, checksum: d5aadd66e71bcae6b9ef00c5c31e0e5a (MD5) Previous issue date: 2018-03-15 / Planos de evacua??o t?m sido historicamente usados como uma medida de seguran?a para a constru??o de edif?cios. Os simuladores existentes requerem ambientes 3D totalmente modelados e tempo suficiente para preparar e simular cen?rios. Uma vez que a quantidade de pessoas pode mudar ao longo do tempo, v?rias simula??es s?o frequentemente necess?rias para gerar um plano de evacua??o otimizado. Neste documento ? apresentado uma nova abordagem para estimar os dados resultantes de um dado cen?rio de evacua??o sem simula-lo de fato. Para tal o ambiente ? dividido o ambiente em salas modulares com configura??es diferentes, em um estilo divis?o e conquista. Em seguida, uma rede neural artificial ? treinada para estimar os dados desejados de uma sala sozinha. Ap?s coletar os dados estimados de cada sala, uma heur?stica capaz de agregar informa??es por sala ? desenvolvida para que o ambiente completo possa ser devidamente estimado. Esse m?todo apresenta erros dentro da margem de 30% quando comparado o tempo de evacua??o em um ambiente real e complexo. Al?m disso, n?o ? necess?rio modelar o ambiente 3D, aprender como configurar um simulador de multid?es e o tempo computacional para estimar ? instant?neo quando comparado ao melhor caso de um simulador de multid?es. / Evacuation plans have been historically used as a safety measure for the construction of buildings. The existing simulators require fully-modeled 3D environments and enough time to prepare and simulate scenarios. Since the amount of people in a given simulated scenario can change over time, several simulations are often required in order to generate an optimal evacuation plan. With that in mind, we present in this paper a novel approach to estimate the resulting data of a given evacuation scenario without actually simulating it. For such, we divide the environment into modular rooms with different configurations, in a divide-and-conquer fashion. Next, we train an artificial neural network to estimate all required data regarding the evacuation of a single room. After collecting the estimated data from each room, we developed a heuristic capable of aggregating per room information so the full environment can be properly evaluated. Our method presents errors within the 30% margin when compared to evacuation time in a real and complex environment. In addition, it is not necessary to model the 3D environment, learn how to use and configure a crowd simulator, and the computational time to estimate is instantaneous when compared to a best case real-time crowd simulator.