大小和频率的增加

《大小和频率的增加》由会员分享，可在线阅读，更多相关《大小和频率的增加（5页珍藏版）》请在金锄头文库上搜索。

1、大小和频率的增加，大规模活动，这项研究人群和模拟灾害行人流量成为重要研究领域。然而, 即使成功的建模方法有时很难校准。在这里，一个认知科学的方法,它是基于行为启发式算法。 我们建议,指导视觉信息，行人应用两种简单认知程序以适应行走速度和方向。虽然简单的比 以前的方法,该模型预测个人和集体的运动轨迹模式在良好的定量协议,种类繁多的经验和实 验数据。该模型预测的自组织现象的出现，如自发形成的单向车道或是跌跌撞撞的波涛。此 外，结合启发式算法生成与身体碰撞行人在极端的densities-a人群动荡现象，已发现的人群在 最近的自然灾害。通过提出一种综合治疗的同时多个人之间的相互作用关系,我们的方法的

2、局限性physics-inspired对克服当前互动模式。通过认知理解人群因此动态启发式算法不仅 对一个更好的准备至关重要的安全质量事件。它也清除一个更现实的社会集体行为建模，特 别是人类的人群和生物种群。此外，我们的行为启发式并可以提高自主机器人的导航。集体 behaviordecision makingindividual-based modelnonlinear动力学人类的人群显示一个丰富多样的自组织行为,支持一个有效的运动条件下(1 - 3)每天。一个著 名的例子是自发形成的单向车道的双向行人流量。在高密度，然而，光滑的行人流量能分解, 上升到其他集体模式的运动如跌跌撞撞的波浪和人群动

3、荡(4),后者可能导致严重的事故在大 规模践踏事件。许多型号的行人行为分析的基础上提出了露法律基础的人群动力学(5 - 8)。在这些人之中, 以物理学为基础的方法是目前很常见的。著名的例子是fluid-dynamic(9)和社会力量模型(1、 7、8、10)，它的灵感来自于牛顿力学。后者是描述流体运动的行人通过一笔迷人，令人反感, 开车，和脉动反映多样的外来影响的力量和内部动机。然而即使能够重现physics-inspired模 型的一些观测结果很好,还有许多问题。首先，它正变得越来越难以捕捉的完全的范围在一个 单独的人群的行为模式。最近的观测要求延伸以前的交互功能，导致相当复杂的数学表达式,

4、 是比较难校正(10)。第二，这些模型都基于二元交互作用的叠加。例如，在这样一个情形，在那 里一个人面临三其他个人B、C、D、的行为给予一个整合的交互作用,三个人分别在没有别 人。然而，这种方法提出了许多理论问题,诸如如何整合二元交互作用(例如，总的来说,平均起 来，在给定)，如何确定影响邻居(例如，最近N个人或那些在某一个半径R),如何体重影响(例如, 当座落的侧面或后面的焦行人)(6条、第十一条、第十二条)。在这里，我们提出一种认知科学的方法而不是基于行为启发式算法，克服了上述问题。启发式 算法是快速和简单的认知程序时常常使用的决定要在时间的压力下管制员或压倒性的信息 (13、14)。让我

5、们通过实例说明了这一个球员试图接球，它可以被精确地模拟在至少两种方法: 要么吸引力力可以用来描述这名球员的运动估计降落点向球或过程可以被一个所谓的目光 启发。“这种启发由视觉只盯着球，调整角度，凝视位置保持不变。这两种方法都预测相似的行 为，但启发式算法简单似是而非的。启发式也成功地解释了决策在各种情况下如在股票市场投资行为或医疗诊断在紧急情况下 (13)。集体动力学建模的一项社会系统，提供了许多个人通过简单的启发式互动将是一个有前 途的方法。然而，它是可能的启发式方法，运用一个行人运动，给出不同的人群的财富动力学模 式，观察吗？ 在这部作品中，我们发现了两个简单的启发式算法基于视觉信息能实际

6、上是描述流体运动的 行人，大多数性能水平观察到的自然地从他们跟随人群。此外，结合启发式与身体碰撞行人再 现自然观察特征的人群极端密度较高。以前的 SectionNext SectionModel论述一种认知模型的行人行为需要两个关键的问题亟待解决。（1）什么样的信息是用行人 吗?（二）该如何适应信息处理步行行为？关于第一个问题，以往的研究表明，视觉是使用信息的 主要来源，行人来控制他们的运动（15 - 17日）。因此，我们开始以表示视觉信息的行人。回答 第2题,我们在此基础上给出了两种启发式的视觉信息，确定理想的行走速度和想要的方向走 a des vdes行人。最后，我们假设他们目前不断适应行

7、人步行行为以适应它们想要的行为与丁 的弛豫时间0.5秒（图S1）。已经证实这个假设实验室条件下控制（10）。表现的视觉信息。在我们的模型,每一个行人我是以当前位置和速度。为了简单起见,我们正 代表了一个行人的投影平面的身体是一个国际性的半径那里是人民大众小姐行人我例句。， 均匀地分布在区间（60公斤100公斤）。此外，每一个行人为他或她的舒适的步行速度和他或 她的目的地点无知，即发生在环境达到他或她想要的东西，如出口门的房间或结束的一个过道。最后，行人我视野范围左边和右边由甲。就的视线。过去的研究表明,走路的时候科目可以估算与周围障碍物碰撞通过专业的神经机制在视网膜 和大脑水平（18、19）。

8、因此，我们代表行人的视觉信息如下:为所有可能的方向a在-甲,甲（在 一个合理的角分辨率）,我们计算了距离第一次碰撞f（a），如果行人我搬进a速度方向,并考虑 其他行人步行的速度和身体尺寸。如果没有碰撞发生在方向预计a、f（a）设置为默认最大值 距离，体现了 “视域距离”行人我（图1）。图。（一）说明一个行人p1面临三其他学科和设法到达目的地点01红色标记。蓝色虚线对应 的视线。（B）说明相同的情况下，被行人的活动。（C）提取现场一只黑白相间的视野。在这里, 深色的地区代表一个较短的碰撞的距离。（D）函数图形表示法f（a ）反映距离的碰撞中a，方 向。左手边的视野是有限的，由一堵墙。行人第四名隐

9、藏在行人p2，因此不可见的。行人p3 正在外出，所以会发生碰撞的p位置3,但只有当p1走向了右边。认知启发式的配方。第一乐章的相对角度启发式关注。des行走方向的选择比的视线。实证 研究表明,寻求一条通畅行人走的方向，但是不喜欢太多而从直接通向目的地（16、17）。因此 必须权衡，躲避障碍,减少间存在走弯路从最直接的路径。因此我们的第一个启发式是“一个 行人选择方向，让a des最直接的路径点无知到目的地,考虑到存在的障碍。“选择的方向a des（t）计算，通过最小化的距离（a ）：这里,a 0目的地的方向目的地点。第二个启发式决定所需的行走速度vdes（t）。因为一个时期所T行人停在一个意想

10、不到的障碍 的情况下，行人要赔偿延误保持一个安全的距离（20）。因此,我们制定第二启发式如下：“一个 行人保持距离,从第一个障碍在选定的方向走的时候，确保至少T碰撞。“换句话说,速度 vdes（t）,在指定了之间的距离是我第一个障碍和行人在想要的方向时a des t。你所期望的速度 矢量方向的点a des标准。实际的变化速度条件下平常走路的时刻t所赋予的加速度方程。效果的身体碰撞。在拥挤的病例，相互作用可能发生物理身体，造成无意的动作,来决定上述试 探法。事实上，在极端的密度,它有必要区分故意回避行为适应他们的运动行人视觉提示的情 况下，根据感知和无意造成力量运动碰撞造成互动与其他的身体。我们

11、因此延长了以上描述 的身体接触forceswhere考虑g（x）= 0的行人如果我和j不可触碰对方，否则等于参数归一化矢 量指向相貌从行人j对我，是dij之间的距离的中心行人大众（1）,身体上的互动有一面墙W代 表是由接触力会,那里是diW的距离和方向是墙W垂直。所产生的加速度方程一起读，解决了用常规的运动方程，行人的位置在表示我在t。相反，社会 力量模型,然而,因素交互作用，只有在非常拥挤的情况下返回非零值，但不低于平常走路的条 件。以前的 SectionNext SectionResults行为启发式算法相结合的接触力占大套复杂的集体动力学。在接下来的部分里，我们首先验 证该模型，在个人水

12、平，重点探讨了如何在一个集体背景模型的预测对于海胆-和双向流动。个人的轨迹。首先,我们检测了这个模型的语境中涉及两个简单的互动情况下行人避免彼此。 在一系列的实验，我们追踪行人运动的两个芝加哥条件：（1）通过一个行人站在中间的走廊,（2） 通过另一个行人相反的方向移动（材料和方法）（10）。该模型预测个体的轨迹一致很好避免与 实验观察这两种情况下的轨迹（图2）。图。结果计算机仿真的启发式行人模型（实线），相比于实验结果（阴影线）在进行避免简单在走 廊里为7.88米长1.75米宽（数据从参考文献10）。（一）的过程平均轨迹进行一个行人通过静 态个人站在走廊的中间（n = 148次重复）。（B）的

13、过程平均轨迹进行一个行人通过一个人相反 的方向移动（n = 123次重复）。冲阴影线指出SD的平均轨迹。行人正从左向右。进行了计算 机模拟的方式反映了实验条件。对模型参数进行了 t =0.5秒，=75，距离=10米,k = 5x103,=1.3米/秒。集体模式的运动。其次，探讨了模型的预测在一个集体的语境。对双向交通在大街上,假设随 机初始位置的行人,我们发现分离流动方向自发一段时间后，观察经验（图S2）。这种集体组织 形成的现象反映了著名的巷（2）,这是一个动力学特性的人群。“我们也研究了行人密度的影响单向流动。velocity-density关系的预测模型与实验数据一致 （21）（图3 A

14、）。此外，当超过临界密度值，我们的模型显示的转折跌跌撞撞的海浪和光滑流向群 湍流,“就像我已经发现过人群灾害（4）。图3 C描述典型的空间-时间图，模拟在不同浓度水平, 显示一个光滑，层流的流动在低密度（政权1）,不过跌跌撞撞的密度高的波浪在（政权2和3）。 这些引力波导致当地的小扰动放大的流场由于协调问题时对稀缺的竞争差距（22）:当密度的 行人足够高,这样的扰动触发连锁反应制动机动，导致backward-moving波。这个结果说明之 间显著相关当地速度和位置经过一定的x1滞后时间T（图3 B）。特别是，该模型允许我们估计 落后的波传播速度（0.6米/秒）和密度波发生在跌跌撞撞的间隔（在市

15、场占有量，在0.4和0.65 之间，即空间范围40 - 65%）。图。评价不同类型的集体动力学产生流动的单向街长度l = 8米，宽度w = 3米。总数量不同 的行人6至96,假设周期性边界条件。（一）Velocity-density关系，由平均增长了的速度为90年 代所有行人仿真。它的使用与覆盖面积的比率行人的身体。仿真结果黑曲线）与经验数据一 致（点），在现实生活中收集环境（21）。插图显示平均体压缩在括号内注明行人平均全我而且随 着时间的推移,t（材料和方法）。（B）平均相关系数之间的局部速度V（x,t）,测量波发生跌跌撞撞 （见材料和方法为分析定义的当地的速度）。在这里,X的价值将2 m

16、。在中间的密度的增加表 明转速变化到位X和X-X为一个假定相关时延吨3 s。明显的P值的相关系数找出入住率 在0.4和0.65之间，表明跌跌撞撞的政权的边界（图S3）。（C）典型空间-时间图在四密度级别, 代表着不同种类的集体运动。当地的颜色编码表示沿着街道速度值（在行人移动从左至右）。 在占有一级，图显示一个光滑,层流偶有变化的速度。（二）、（三）为市场占有量，跌跌撞撞的波 出现，因为他们已经观察到高密度经验（图2在参考。4）。在占用四级，平均交通流几乎为零,但湍流流场发生波动（图4）。潜在的模型参数T = 0.5秒，=45,距离=8米,k = 5x103。需要的速度被选中，根据正态分布均值与1.3米/秒,SD = 0.2。即使在一个更高的密度、物理模型中开始支配的heuristic-based步行行为（图3,插图）。力量 的互动在人群中增加，故意运动的行人都换成了无意的。因此,在统筹运动行人突然坏了，特别 是在瓶颈（图4 A和无花果。S4）。该故障导致无法控制的模