UM ESTUDO DE PROXEMICS EM SIMULAÇÃO DE MULTIDÕES COM CULTURALIDADE

Márcio BalotinOrientado por Profa. Dra. Soraia Raupp Musse

INTRODUÇÃO

MODELO

Este trabalho tem como objetivo desenvolver um modelo para simulaçãode culturalidade em multidões. Como resultado, analisamos oscomportamentos emergentes com vistas a comparação com fenômenos jáobservados na realidade.

Foram analisados alguns parâmetros, tais como: a distância interpessoal dediferentes culturas estudadas por Sorokowska et al.[5], estudos de aspectosinterculturais desenvolvido por McCrae [4], estudos de vídeos feitos porFavaretto et al. [2] a fim de reparametrizar o BioCrowds através de umconjunto de equações que modelam a culturalidade dos indivíduos. AFigura 1 mostra a relação destes trabalhos com nosso estudo.

diferentes inputs psicológicos comparados com o comportamento doalgoritmo original do BioCrowds [1].

Em relação ao proxemics, obtemos altas correlações entre as distânciaspessoais mantidas por agentes nas simulações quando comparados compessoas reais estudadas por Sorokowska et al. [5] e Favaretto et al. [3]. AFigura 3 mostra a distância pessoal média mantida por um grupo de.

[1] de Lima Bicho, A. “Da modelagem de plantas à dinâmica de multidões: um modelo de animação comportamental bio-inpirado”, Ph.D. Thesis, Universidade Estadual de Campinas,Campinas, SP, Brazil, 2009, 100p.[2]Favaretto, R.;Dihl,L.;Musse,S.R.;Vilanova, F.;Costa,A.B.“Usingbigfive personality modeltodetectculturalaspects incrowds”,SIBGRAPI, (2017)tobepublished, pp.1–7.[3] Favaretto, R. M.; Santos, R. R.; Vilanova, F.; Costa, A. B.; Musse, S. R. “Investigating cultural aspects in the fundamental diagram using convolutional neural networks”, submitted forpublication.[4]R.Mccrae,R.“Neo-pi-r datafrom36cultures:Further intercultural comparisons”,012002.[5]Sorokowska, A.;Sorokowski, P.;etal..“Preferred interpersonal distances:Aglobalcomparison”,vol.48,March2017,pp.16.

Referências:

Favaretto et al.[2]

Detecção de aspectos culturais em vídeos

Equações para extração de aspectos OCEAN

Desenvolver Equações que através de um OCEAN informado

extraiam parâmetros comportamentais

Bio Crowds [1]

Algoritmo de simulação de multidões

McCrae [4]

OCEAN de 36 culturas

Dados deSimulações

Dados deProxemics

Sorokowska et al. [5]

Comparação global de distâncias interpessoais

Input

Simulações

Análise

Comparações

Favaretto et al. [3]

Investigação de aspectos culturais no diagrama fundamental

Figura 1: Modelo demonstrando a relação dos trabalhos relacionados com este estudo.

O modelo definido tem como entrada valores para os cinco fatores depersonalidade conhecido como OCEAN e geram como saída um vetor decaracterísticas de um agente. Analisando as entradas do métododesenvolvido com a saída do método feito por Favaretto et al. [2], obtemosaltas correlações de até 0.7400 para fatores de personalidade relacionadoscom comportamento de grupos. Os resultados mostram que ocomportamento original de um agente na simulação pode ser amplamentealterado pela personalidade associada a ele. A Figura 2 mostra uma série demétricas extraídas de simulações em um mesmo cenário e grupos com

RESULTADOS

Figura 3: Comparação de distâncias pessoais médias entre estudos

Brasileiros e Alemães emcomparação com a distânciapessoal média destes doispaíses apresentados porSorokowska et al. [5] e amesma distância obtida pornossas simulações utilizandocomo entrada parâmetrosculturais apresentados porMcCrae [4] para as culturasalemã e latina.

Também utilizamos um cenário de Evacuação para analisar ocomportamento de indivíduos em grandes multidões. Os resultadoscoletados de simulações com culturalidade, mostraram uma fracacorrelação com os obtidos através de simulação sem culturalidade. Comcoeficientes de correlação entre -0.3415 e 0.1125 entre os resultadosobtidos por simulações com e sem culturalidade, demonstrando a eficiênciado método em simular multidões heterogênias através de parametrospsicológicos.

Isto pode ser visualmente observado na Figura 4 que ilustra uma simulaçãode evacuação capturada no mesmo frame para uma simulação comum doBioCrowds [1] e uma aplicando-se um perfil psciológico para pessoascalmas. Podemos observar que as multidões, mesmo se dirigindo a umobjetivo comum, apresentam distribuições diferentes, refletindo emresultados distintos.

Figura 4: Captura do mesmo frame em simulaçoes com BioCrowds (esq.) e Nosso Método (dir.).

Figura 2: Comparação entre simulações com nosso método em comparação com o comportamento padrão do Algoritmo BioCrowds (linha laranja).