Pedestrian Dynamics With Event-driven Simulation
Mohcine Chraibi, Armin Seyfried
社会力模型进行了系统的修改，以实现一个令人满意的协议的基本图。此外，我们的修改允许一个有效的模拟计算。最后，将不同的模拟结果与经验数据进行比较。
The social-force model is systematically modified to achieve a satisfying agreement with the fundamental diagram. Furthermore, our modification allows an efficient computation of the simulation. Finally, different simulation-results will be compared to empirical data.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
Data-driven simulation of pedestrian collision avoidance with a nonparametric neural network
数据驱动的行人动力学仿真是建立可靠的微观行人模型的一种新兴和有前途的方法。我们提出了一种基于广义回归神经网络的方法，它不需要像多层神经网络那样处理大量的自由参数。虽然该方法是通用的，我们专注于一个障碍物的一个障碍物的问题。实验数据收集在一个运动捕捉实验室提供高精度的轨迹。该模型允许我们模拟行人从任何方向避开障碍物的轨迹。
Classifying pedestrian crossing flows: A data-driven approach using fundamental diagrams and machine learning
本研究针对不同过街角度$α$的行人过街流分类问题，通过分析四个关键特征并结合机器学习模型，解决了单一指标分类重叠问题，为人群管理和公共空间设计提供实用指导。
Data-driven physics-based modeling of pedestrian dynamics
本文提出一个基于双时间尺度Langevin动力学的通用框架，通过数据驱动方法从真实轨迹数据中学习复杂势能，有效捕捉复杂几何环境下的行人动力学及波动统计特性，并适用于车辆交通等主动动力学研究。
A Knowledge-based Way-Finding Framework for Pedestrian Dynamic
我们引入了一个框架来导航代理在建筑物中，“认知地图”的概念的启发。它允许路由代理取决于他们的空间知识。在事件驱动机制的帮助下，智能体获得关于其周围环境的新信息，从而扩展其个体认知地图。
Phase coexistence in congested states of pedestrian dynamics
拥挤的行人交通的实验结果。对于数据分析，我们应用了一种方法，该方法提供了单个尺度上的测量值。由此产生的速度-密度关系显示了移动和停止状态的共存，揭示了行人基本图的复杂结构，并支持对行人步行特征的新见解。此外，我们引入了一个类似于事件驱动的方法模型。再现了速度-密度关系以及相分离。参数分布的变化表明，行人的多样性是至关重要的相位分离。
High precision analysis of unidirectional pedestrian flow within the Hermes Project
Hermes项目的目的是开发一种基于疏散助理的计算机模拟，以在复杂建筑物发生紧急情况时支持安全服务，从而改善群众活动的安全。该项目的一个目标是建立和校准行人动力学模型，专门用于预测比实时更快的大量人群的紧急出口。在这方面的贡献，我们给出了该项目的概述和实验结果的单向流动的走廊。采用不同的测量方法对所有行人的运动轨迹进行了分析。数据将用于模型校准。
Symmetry Breaking in Pedestrian Dynamics
当两个方向相反的行人接近对方时，每个人都必须决定他们将试图通过哪一侧（左侧或右侧）。如果双方都做出相同的选择，那么传球就可以轻松完成，而如果他们做出相反的选择，就会发生尴尬的对峙或碰撞。经常相遇的行人可以建立“社会规范”，使这一决定产生偏见。在这项研究中，我们调查的行人的二元决策的影响时，通过对行人流量的动态，以研究出现的社会规范的人群与个人偏见的混合物。例如，当来自不同社区的人在大型体育赛事或交通枢纽混在一起时，就可能出现这种情况。我们构建了一个相图，表明一个社会规范仍然可以出现提供行人是足够注意的人群中的其他人的选择。我们表明，这种集体行为有可能极大地影响行人的动态，包括打破对称的车道的形成。
Time-continuous microscopic pedestrian models: an overview
本文综述了时间连续微观行人模型，重点探讨从基于反应力的先驱模型到现代基于优化的主动避碰模型的发展，涵盖数据驱动校准、神经网络混合方法及深度学习纯数据模型，并展望未来趋势。
How simple rules determine pedestrian behavior and crowd disasters
随着群体性事件规模的不断扩大和发生频率的不断提高，人群灾害的研究和行人流的模拟已经成为重要的研究领域。然而，即使是成功的建模方法，如牛顿力模型的启发，仍然不完全符合经验观察，有时很难校准。本文提出了一种基于行为分析的认知科学方法。我们建议，引导视觉信息，即障碍物在候选视线的距离，行人应用两个简单的认知程序，以适应他们的步行速度和方向。虽然比以前的方法更简单，但该模型预测的个人轨迹和集体运动模式与大量的经验和实验数据具有良好的定量一致性。这包括自组织现象的出现，例如自发形成单向车道或走走停停的波浪。此外，行人碰撞与身体碰撞的结合产生了极端密度的人群湍流，这是在最近的人群灾难中观察到的现象。通过提出多个个体之间同时相互作用的综合处理，我们的方法克服了当前物理学启发的对相互作用模型的局限性。因此，通过认知行为学了解人群动态不仅对更好地准备安全的群体事件至关重要。它还为更现实的集体社会行为建模扫清了道路，特别是人类群体和生物群体。此外，我们的行为学可能有助于提高自主机器人的导航。
Social Distance Characterization by means of Pedestrian Simulation
在目前的工作中，我们研究如何模拟客户端（占用）的数量影响社会距离在一个理想的超市。为此，我们考虑了实际的典型尺寸和处理时间（挑选产品和结账）。从模拟的轨迹，我们测量的社会距离小于2米，其持续时间的事件。在其他可观测量之间，我们定义了一个社会距离系数，它可以告诉系统中每个代理遭受多少事件（给定持续时间）。这些类型的输出可能有助于在大流行病的背景下建立程序和协议，从而在设定最大业务能力的同时保持低健康风险。
Fluctuations around mean walking behaviours in diluted pedestrian flows
了解和模拟行人人群的动态可以帮助设计和提高民用设施的安全性。群体的一个关键特征是其内在的随机性，由于个体行为的可变性，即使在非常稀释的条件下也会出现。在密集拥挤的条件下，个体的随机性变得更加重要，因为它可以被非线性地放大，并可能导致潜在的危险的集体行为。为了定量地了解人群的随机性，我们研究了一个大的行人步行不受干扰的合奏的现实生活中的动态，我们进行了一年之久的高分辨率测量活动获得的完全解决的行人轨迹的统计分析。我们的测量是在埃因霍温理工大学的一个走廊上进行的，通过微软Kinect 3D距离传感器和自动头部跟踪算法的组合。我们的大型轨迹数据库的时间同质性使我们能够稳健地定义和分离平均步行行为与相对于平均步行路径平行和正交的波动。波动包括个体突然改变主意并反转其步行方向的罕见事件。迄今为止，对这种反向趋势的研究很少，即使它可能对设施的运作和安全产生重要影响。我们提出了一个新的模型，不受干扰的行人的动态，随机微分方程的基础上，提供了一个很好的协议与我们的实验观察，包括罕见事件的发生。
Group dynamic behavior and psychometric profiles as substantial driver for pedestrian dynamics
我们目前的研究重点放在扩展行人的感知和应对动态的群体行为和个人的情况下的评价，因此，而不是侧重于运动行为的战术水平。虽然常见的运动模型主要考虑操作方面（空间排斥或距离和方向相关的排斥），心理物理概念和组内协调的考虑克服了直接排斥力的想法，并得出具体的运动决定相对于个人评估的情况。为了提供一个坚实的基础，我们分析记录在一个群体事件和数据从一个双阶段的疏散测试，得出基本的群体动态行为和心理相关的决策原则，分别。
Path-integral representation of diluted pedestrian dynamics
我们框架的行人动力学建模的路径积分，最初在量子力学中引入的形式主义来解释量子粒子的行为，后来扩展到量子场论和统计物理学的问题。路径集成实现了行人运动的以概率为中心的表示，直接提供观察给定轨迹的概率。这似乎是最自然的语言来描述一般设置中的行人动态的统计特性。在给定的场所中，各个轨迹可以属于许多可能的使用模式，并且在每个使用模式中，它们可以显示出广泛的可变性。我们首先提供了一个入门的路径积分，我们介绍和讨论的路径积分功能概率措施的行人动力学在稀释的限制。作为一个说明性的例子，我们连接的路径积分描述的朗之万模型，我们以前开发的一个特定的人群流动条件（在一个狭窄的走廊流）。建立在我们以前的现实生活中的测量，我们提供了一个定量正确的路径积分表示这种情况。最后，我们展示了如何路径积分形式主义可以用来评估罕见事件的概率（在走廊的情况下，U形转弯）。
Simulation of High Density Pedestrian Flow: Microscopic Model
近年来，随着越来越多的人因各种原因和事件聚集在世界各地，对人群和疏散动力学进行建模变得非常重要。全球人口每年急剧增长，而目前的公共交通系统能够运送大量人员，这一事实增加了人群恐慌或拥挤的风险。行人模型基于宏观或微观行为。在本文中，我们感兴趣的是开发模型，可用于疏散控制策略。该模型将基于微观行人仿真模型，其演变和设计需要大量的信息和数据。将根据行人流量的经验数据得出的数学模型模拟人流。该模型是从图像数据库开发的，所谓的经验数据，从摄像机或使用人类探测器获得的数据中获取。我们把个体看作是通过社会和物理力量相互作用的自治粒子，这是一种用于模拟群体行为的方法。
Mechanical response of dense pedestrian crowds to the crossing of intruders
越来越多的涉及大量人群的群众活动要求更好地了解密集人群的动态。探究这些动态的机械描述的可能性，我们实验研究了密集的静态人群的交叉由一个圆柱形的入侵者，一个机械测试，这是经典的颗粒物质。我们的实验分析揭示了强大的功能，在人群的反应，包括相似性和差异的颗粒媒体的反应。共同特征包括入侵者后面的耗尽区的存在和扰动的短程特征。另一方面，与颗粒不同，行人在接触之前就通过移动来预测入侵者的通过，并且他们的位移大多是横向的，因此与入侵者施加的力不一致。当入侵者不是一个圆柱体，而是一个单独的行人时，也可以得出类似的结论。因此，我们的工作表明，行人的相互作用，即使在高密度（3至6 ped/m 2）不减少机械的。更一般地说，回避策略证明了我们的研究结果的问题，不小心使用的力量模型密集的人群。
A primer on data-driven modeling of complex social systems
道路上的交通堵塞、社交媒体上的回音室、流动的行人人群以及选举期间的观点动力学，都是复杂的社会系统。这些应用程序可能看起来不同，但从数学的角度来看，它们激发的一些问题是相似的。在这些例子中，研究人员试图揭示个体代理-无论是司机，Twitter帐户，行人还是选民-是如何互动的。通过更好地理解这些相互作用，数学建模者可以预测当代理改变其行为时将出现的组级特征。在本教程中，这是基于我在2021年美国数学学会短期课程的演讲，我介绍了一些术语，方法，以及在构建这种数据驱动模型时出现的选择。我讨论了统计模型或数学模型、静态模型或动态模型、空间模型或非空间模型、离散模型或连续模型以及现象模型或机械模型之间的差异。为了具体起见，我还更详细地描述了两个复杂系统，选举动力学和人群运动的模型。通过概念方法，我广泛强调了在构建和校准模型、选择复杂性以及使用定量和定性数据时出现的一些挑战。
Basics of Modelling the Pedestrian Flow
对于行人动力学的建模，我们将人视为在连续空间中移动的自驱动对象。基于修正的社会力模型，定性分析了行人之间的相互作用的各种方式对速度-密度关系的影响。为了关注所需空间和远程力的作用，我们选择了一个一维模型进行研究。对于那些密度，在两个维度也通过不再是可能的和平均值的速度主要取决于相互作用，我们得到以下结果：如果该模型增加了所需的空间的一个人与增加目前的速度，再现的典型形式的基本图表是可能的。此外，我们证明了远程力的速度密度关系的影响。
Collective phenomena in crowds - where pedestrian dynamics need social psychology
这篇文章是关于聚集和分散阶段的行人动力学中的集体现象。迄今为止，行人动力学主要在自然科学和工程科学中进行研究。行人被分析和模拟为驱动粒子揭示自组织现象和复杂的运输特性。然而，人群中的行人也根据刺激-反应机制作为生物或根据社会规范、社会身份或策略作为人类主体。为了说明行人动力学除了自然科学之外还需要社会心理学，我们提出了三个类别的应用：现象，行为和行动。它们允许在自然科学的极小模型适用的情况和需要社会学和心理学概念的情况之间进行明确的区分。为了证明这个框架的必要性，一个实验中，一大群人（n=270）进入音乐厅通过两个不同的空间障碍结构进行了分析。这两个结构对应于日常情况，如登上火车和出入境柜台。应用自然科学和社会科学的方法。首先，物理测量显示了空间结构对入口过程动力学的影响。人口密度、等待时间和进展速度都有很大的差异。其次，问卷调查（n=60）揭示了人们如何看待和评价这些入口的情况。显著不同的期望，社会规范和策略与这两种空间结构。问卷调查的结果并不总是符合客观的物理措施，表明模型的局限性，这是基于客观的物理措施，忽视了主观的角度。
Data-Driven Crowd Dynamics using Kinetic Theory and Ensemble-based Data Assimilation
提出结合动理学理论与集成卡尔曼滤波的数据驱动介观建模框架，通过同化观测数据估计人群密度和恐慌因子，验证了方法对模型误差的鲁棒性。
Discrete Element Crowd Model for Pedestrian Evacuation Through an Exit
在过去的几十年里，一系列由人群引起的事故引起了人们对行人人群运动建模的兴趣。基于离散元方法，将人体简化为自驱动球体，建立了模拟出口人群流动特性的颗粒动力学模型。在该模型中，人与人之间的排斥力被认为具有各向异性的特征，由于身体变形的物理接触力被量化的赫兹接触模型。应用牛顿第二定律模拟人体的运动。研究了不同期望速度下人群通过出口时的流动情况，仿真结果表明，人群流动呈现出三种不同的状态，光滑态、过渡态和相分离态。在模拟中，当所需的速度较高时，更容易发生堵塞现象，并且当所需的速度为1.6m/s或更高时，出口可能被完全堵塞，导致更快地冻结效果。
The walking behaviour of pedestrian social groups and its impact on crowd dynamics
人类群体运动主要是由基于行人之间局部相互作用的自组织过程驱动的。虽然大多数关于群体行为的研究只考虑孤立个体之间的互动，但事实证明，群体中高达70%的人实际上是在群体中移动的，例如朋友，夫妇或家人一起散步。这些群体构成了中等规模的聚合结构，其对人群动态的影响在很大程度上仍然是未知的。在这项工作中，我们分析了约1500个行人群体在自然条件下的运动，并表明，群体成员之间的社会互动产生典型的群体步行模式，影响人群动态。在低密度下，群体成员倾向于并排行走，形成一条垂直于行走方向的线。然而，随着密度的增加，直线行走的队形会向前弯曲，变成V形。这些空间模式可以很好地描述了一个模型的基础上，社会群体成员之间的沟通。我们发现，V形行走模式有利于群体内的社会互动，但由于其“非空气动力学”的形状，减少了流量。因此，当人群密度增加时，群体组织是在加快步行速度和促进社会交换之间进行权衡的结果。这些见解表明，人群动力学不仅是由其他行人和环境引起的物理约束，但也显着由个人之间的沟通，社会互动。
Simulation method of urban evacuation based on mesoscopic cellular automata
本研究提出一种基于细观元胞自动机的城市疏散模拟方法，通过道路单元分割和状态变量表示行人流，模拟大规模疏散过程，识别潜在挑战，为疏散规划提供改进依据。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈
发表机构由 AI 从论文文本抽取，如发现错误，欢迎反馈修正建议。