Como grande parte do gamedev, a resposta de como os jogos sim da cidade realizam esse feito aparentemente impossível é: provavelmente não. Eles estão apenas fingindo bem. ;)
Sims como esses normalmente operam em um nível "fragmentado", modelando grupos de pessoas, bairros, corredores de tráfego ou outras dinâmicas da cidade como um todo, em vez de processar a IA para cada um dos milhares ou milhões de residentes.
Existem algumas maneiras pelas quais podemos abordar isso:
"Esparso" de baixo para cima: aqui ainda simulamos residentes individuais da cidade, mas não "muitos" deles, e nem todos os cenários. Você pode pensar nisso como uma pesquisa ou censo emitido para uma amostra aleatória das pessoas a cada semana. Você interpola os resultados para obter estimativas da população virtual mais ampla - onde eles moram, sua vocação, renda, dados demográficos etc.
Por exemplo, se você simular apenas uma centena de residentes em sua cidade, e 5 deles forem estudantes, poderá estimar que cerca de 5% da população de sua cidade são estudantes e modelar a demanda por escolas de acordo.
Pode ser necessário gerar novamente amostras aleatórias a partir da distribuição da população da sua cidade ocasionalmente, para evitar excesso de aglomeração / escassez (por exemplo, se um bairro se tornar impopular e todos os residentes do seu censo se afastarem, você deve observar o êxodo sem deixá-lo completamente sem representação no seu sim!)
De cima para baixo: aqui você cria uma fórmula mestre que analisa sua cidade e modela sua dinâmica como um todo. Em um estilo semelhante à macroeconomia, negligenciamos os detalhes de agentes individuais ou os consideramos um tipo de "fluido" continuamente divisível de atividade econômica que flui de acordo com as leis baseadas em princípios.
Em vez de pensar nas preferências individuais e na variabilidade das pessoas, suas regras de jogo podem parecer mais com equações diferenciais relacionadas a proximidade de amenidades e taxas de impostos e produtividades e valores de propriedades e taxas de crimes ee e ...
Meio intermediário: vários híbridos entre os dois são possíveis - por exemplo, simulando cada "facção", "indústria" ou segmento demográfico da cidade como sua própria meta-pessoa, tomando suas próprias decisões individuais, mas espalhadas em um mapa de calor ou função de onda em toda a cidade, em vez de existir em qualquer órgão. Ou dividir a cidade em bairros onde cada um processa suas próprias regras de menor escala em interação com seus vizinhos.
Agora, quando o jogador aproxima o zoom o suficiente para ver pessoas individuais ou observa relatórios de estatísticas citando números de pessoas - essas não são necessariamente a verdade básica que está sendo usada para executar o sim. Em vez disso, eles podem ser um produto inferido disso.
Digamos que aumentemos o zoom em um quarteirão específico. No nosso sim geral da cidade, conhecemos a população aproximada dessa parte da cidade, os tipos de atividades que acontecem lá, as horas do dia em que ela está ativa. Portanto, sob demanda, podemos gerar um número apropriado de pessoas com as informações demográficas apropriadas realizando esses tipos de atividades lá. A IA deles pode ser muito simples, talvez tão pouco quanto reproduzir uma animação no local ou seguir um waypoint até a borda da porta / tela mais próxima, onde eles podem desovar.
Isso significa que geralmente não precisaremos procurar caminhos para todos os agentes. Em vez disso, podemos fazer um passe principal de mapeamento de fluxo em toda a rede rodoviária, para identificar o volume geral de diferentes tipos de tráfego ao longo de cada segmento. Então podemos gerar veículos suficientes do tipo certo nesses segmentos para refletir essa densidade. Uma vez gerados, os agentes podem apenas seguir com a direção local ou pontos de referência pré-gerados para chegar a um ponto de desova. Manter os armários de desova ao longo de cada segmento corretamente equilibrados com a taxa de desova permite manter qualquer volume constante de tráfego que desejamos.
Dessa forma, as pessoas e veículos que o jogador vê são invenções, como um sistema de partículas absorvido, dando a impressão de nuvens realistas sem calcular a dinâmica de fluidos em todas as moléculas de vapor. ;) Organizamos-os como curativos para comunicar o estado da simulação, em vez de controlá-lo.
Para muitos jogos, isso será suficiente. O jogador geralmente não é capaz de selecionar um agente individual para interrogá-lo sobre o que está fazendo lá ou para onde está indo; portanto, é difícil identificar as costuras e perceber se um agente faz algo que não faz sentido, como dirigir pelo mesmo quarteirão três vezes.
Mas se você precisar de agentes absolutamente consistentes em um ambiente densamente povoado, poderá procurar uma técnica elegante chamada " Geração de álibi ". Essa é uma técnica sofisticada de amostragem que permite gerar agentes que você esperaria encontrar em uma determinada situação. Então, se o jogador tentar investigar um com mais detalhes, você poderá retroativamente obter mais detalhes sobre o que está fazendo, de maneira consistente com o que o jogador observou até agora. A idéia é que você ainda obtenha os benefícios leves das pessoas que "substituem o papelão" a maior parte do tempo, mas no local elas podem criar um álibi plausível para passar como agentes totalmente simulados.