2026-09-18T14:06:36Zhttps://elekpub.bib.uni-wuppertal.de/oai/

oai:elekpub.bib.uni-wuppertal.de:80602602025-09-17T00:00:05ZubwhsoaDoctoralThesis

vls/2603noah-balancer_mdapi1elekpub.bib.uni-wuppertal.devdSingle-file movement: literature review, empirical analysis with artificial neural networks, and modelingSubaih, RudinaVerfasserautTordeux, AntoineAkademischer BetreuerdgsBergische Universität WuppertalGrad-verleihende InstitutiondggtextthesisTextHochschulschriftthesisdoctoralThesisgwXA-DEWuppertal2025monographicengelectronic resourceremotetext/htmltext/html1 Online-Ressource (x, 115 Seiten) : Illustrationen, DiagrammeComputerOnline-RessourceMehrere Einflussfaktoren wirken sich auf die Bewegung von Fußgängern in Menschenmengen aus, was ihre Analyse komplex und schwierig macht. Um dieses Problem zu lösen, verwenden wir ein vereinfachtes System, das als Single-File bezeichnet wird. In diesem System gehen die Fußgänger auf einem schmalen Weg, ohne zu überholen, so dass die Reihenfolge der Personen konstant bleibt. Dieser Aufbau reduziert die Anzahl der Variablen und ermöglicht eine gezielte Untersuchung der spezifischen Faktoren, die die Forscher in der Fußgängerdynamik untersuchen wollen. Angesichts der Bedeutung der Bewegung in einer Reihe für das Verständnis komplexer Bewegungsabläufe zeigt diese Arbeit, wie wichtig die Untersuchung von Systemen in einer Reihe ist. Darüber hinaus werden in dieser Arbeit die Interaktionsbereiche in Ein-Fußgänger-Systemen analysiert, indem der Einfluss sowohl des vorausfahrenden als auch des nachfolgenden Fußgängers in das Geschwindigkeitsmodell einbezogen wird, wobei die jeweiligen Entfernungen und Geschwindigkeiten berücksichtigt werden. Dieser neuartige Ansatz, der in den Ver-öffentlichungen II und III detailliert beschrieben wird, erhöht die Genauigkeit der Modellierung bei einreihigen Bewegungen. Die vorliegende kumulative Dissertation umfasst drei Publikationen, die sich mit der Untersuchung von Single-File-Bewegungen von Fußgängern befassen. Publikation I gibt einen umfassenden Überblick über Experimente zur Single-File-Bewegung-en von Fußgängern und unterstreicht die Bedeutung dieses Forschungsgebiets. Der Bericht befasst sich mit dem historischen Hintergrund von Studien über Single-File-Bewegungen und bietet Einblicke in menschliche und nicht-menschliche Verkehrssysteme. Die Publikation geht auch auf verschiedene Versuchsaufbauten und Datenerhebungsmethoden ein und erörtert Faktoren, die die Fußgängerbewegungen beeinflussen. Die Studie stellt außerdem ein neues Python basiertes Tool, SingleFileMovementAnalysis, vor, welches für die Analyse von Fußgängerbewegungen, insbesondere deren Kopftrajektorien, entwickelt wurde. Es unterstützt außerdem die Berechnung von Bewegungsgrößen wie Geschwindigkeit, Dichte und Wegstrecke. Diese Publikation bietet einen Ansatz für die experimentelle Datenanalyse und schlägt zukünftige Forschungsrichtungen in diesem Bereich vor. In der Publikation II werden die Faktoren untersucht, die die Bewegung von Fußgängern in Single-File-Experimenten beeinflussen. Feed-forward neuronale Netze werden zur Vorhersage der Geschwindigkeit einzelner Fußgänger eingesetzt, wobei verschiedene Kombinationen von Abständen und Interaktionsbereichen mit benachbarten Fußgängern verwendet werden. Der Einfluss auf das Geschwindigkeitsmodell durch die Einführung des Abstandes zum hinteren Nachbarn wird analysiert, und die vorhergesagten individuellen Geschwindigkeiten werden unter Verwendung von verschiedenen Einflussfaktoren bewertet und verglichen. Ausgehend von den Ergebnissen der statistischen Untersuchungen, die in der Publikation II durchgeführt wurden, führt die Publikation III ein neues mikroskopisches Geschwindigkeitsmodell ein, das die relativen Entfernungen zu den nächsten Nachbarn sowohl hinter als auch vor dem Fußgänger für die Single-File-Bewegungen berücksichtigt. Es wird eine Feinabstimmung der gewichteten Asymmetrieparameter vorgenommen, und die Stabilität des neuen Modells wird analysiert. Darüber hinaus wird das vorgeschlagene Modell durch eine numerische Simulation einer eindimensionalen Bewegung evaluiert.Several influential factors impact pedestrian movement within crowds, making their analysis complex and challenging. To address this, we employ a simplified system referred to as single-file. In this system, pedestrians walk along a narrow path without overtaking, ensuring that the order of individuals remains constant. This setup reduces the number of variables and allows for a focused examination of the specific factors researchers aim to investigate in pedestrian dynamics. Given the significance of single-file movement in understanding complex movement behaviors, this thesis demonstrates the importance of studying single-file systems. Furthermore, this thesis analyzes the interaction ranges in single-file systems by incorporating into the speed model the influence of both the pedestrian ahead and the one behind, taking into account their respective distances and speeds. This novel approach, detailed in Publications II and III, enhances the accuracy of modeling in single-file movement. This cumulative thesis comprises three publications aimed at investigating pedestrians' single-file movement. Publication I provides a comprehensive review of experiments on single-file pedestrian movement, emphasizing its importance. The review covers the historical background of single-file movement studies and offers insights from human and non-human traffic systems. The publication also elaborates on various experimental setups and data collection methods and discusses factors influencing pedestrian movement. Additionally, the study introduces a new Python-based tool, SingleFileMovementAnalysis, designed to analyze the data of pedestrian movement, particularly head trajectories, which helps prepare and calculate movement quantities such as speed, density, and headway. The publication offers an approach to experimental data analysis and suggests future directions for research in this field. In Publication II, the factors influencing pedestrian movement in single-file experiments are explored. Feed-forward neural networks are utilized to predict individual pedestrians' speeds, using various combinations of distances and interaction ranges with neighboring pedestrians. Therefore, the influence of introducing the distance behind into the speed model is analyzed, and the predicted individual speeds using different influential factors are evaluated and compared. Inspired by the results from the statistical investigations conducted in Publication II, Publication III introduces a new microscopic speed model that considers the relative distances to the nearest neighbors both behind and ahead for single-file movement. A fine-tuning of the weighted asymmetry parameters is applied, and the stability of the new model is analyzed. Furthermore, a numerical simulation of one-dimensional movement evaluates the proposed model.submitted by: Rudina SubaihBergische Universität Wuppertal, Dissertation, 2025Single-file MotionSingle-File FlowPedestrian DynamicsFundamental DiagramExperimentSoftwareMicroscopic ModelLeast Squares Parameter EstimateStop-and-go WavesArtificial Neural NetworksDistanceSingle-file MovementHeadway ModelingInteraction RangeModelingWuppertal000004005624530urn:nbn:de:hbz:468-2-607510.25926/BUW/0-88699376105867906441Single-file movement: literature review, empirical analysis with artificial neural networks, and modelingSubaih, RudinaDruck-AusgabeHT031274339https://dx.doi.org/10.25926/BUW/0-886https://nbn-resolving.org/urn:nbn:de:hbz:468-2-6075Open AccessCC BY 4.02025-05-28oaDoctoralThesispublic25090420251028111052.0CT009000422s2w-hsswupubwgerUBW:FK7:FK7.02 https://elekpub.bib.uni-wuppertal.de//domainresource/static/graphics/connectors/viewerLogo.gifWuppertal : Bergische Universität Wuppertalcc-by https://ub-wuppertal.digibib.net/search/katalog/record/(DE-605)urn%3Anbn%3Ade%3Ahbz%3A468-2-6075 https://elekpub.bib.uni-wuppertal.de/id/8060260 https://elekpub.bib.uni-wuppertal.de/i3f/v20/8060260/manifest https://elekpub.bib.uni-wuppertal.de/proto_ftsearch/8060260