Social Force Model for Pedestrian Dynamics翻译

行人动力学的社会力模型

原文为

Social Force Model for Pedestrian Dynamics

摘要

研究表明行人的运动可以被描述为受到“社会力”的影响,这些力并非由行人的个人环境施加,而是一种衡量个人执行某些动作(移动)的内部动机的措施,相应的力概念将进行更详细的讨论,同时它也可以应用于其他行为的描述。

在提出的行人行为模型中,其中的几个力是必不可少的:首先,描述朝向期望运动速度的加速度项。第二,反映行人与其他行人和边界保持一定的距离项目。第三,有吸引力效果的项。所产生的运动方程是非线性耦合的Langevin方程。交互行人人群的计算机仿真表明,社会力模型能够非常真实地描述观察到的行人行为的几种集体效应的自组织。

绪论

在过去的二十年里,行人行为的模型由于几个原因引起了人们的注意。首先,它与气体和液体有一些惊人的相似之处。其次,所有的模型量,例如位置 γ ⃗ α \vec{\gamma}_\alpha γ α和速度 υ ⃗ α \vec{\upsilon}_\alpha υ α,都是可以测量的,因此可以与经验数据进行比较。第三,已经存在大量的数据资料,例如流量测量或(视频)胶片。第四,行人模型可以为设计和规划行人区域,地铁或火车站,大型建筑物,购物中心等提供有价值的工具等。

在1970年Henderson将行人流量的测量结果与Navier-Stokes的方程进行了比较,取得了相当大的成功。他的现象学流体动力学方法已得到改进,并在1990年代由Helbing根据行人特定气体动力学模型(类似于Boltzmann)建立了数学模型。该模型与某些气体动力学和流体动力学交通模型密切相关。近年来,“微观”方法引起了车辆交通的关注。在下文中,我们将介绍用于行人运动的社会力模型。参考文献[2],[21]提出了这种“微观”模型的最初想法。[22]中简要介绍了行人行为及其相互关系中的“微观”,“中观”和“宏观”的描述。

社会力的概念

许多人感到人类的行为是“混乱的”,或者至少是非常不规则和不可预测的。在一些复杂的情况下,这个理论或许是正确的。但是,至少在相对简单的情况下,如果局限于描述可以在大量个体中发现的行为概率,则可以开发出随机行为模型。气体动力学行人模型就遵循了这一想法。

Lewin提出了另一种模拟行为变化的方法。根据他的观点,行人的改变是由所谓的社会域所引导的,即社会力。下面我们将探讨这一观点是否可以应用行人行为的描述。

图1说明了导致行为变化的示意图。根据此图,感官的激励会引起行为反应,这种反应取决于个人目标,并从一系列以效用最大化为目标的行为选择中进行选择。
在这里插入图片描述

图1. 导致行为改变的过程示意图

表1建议将激励分为可预测的简单或标准情况,以及可以用概率模型建模的复杂或新情况。然而,由于行人习惯于他自身通常面对的情况,所以他的反应通常是相当自动的,并且由他的经验来决定哪一种反应是最佳的。因此,可以将行人行为的规则放到运动方程中。根据该方程,使用一个矢量 F α ⃗ ( t ) \vec{F_{\alpha}}(t) Fα (t)来描述行人 α \alpha α期望速度 ω α ⃗ ( t ) \vec{\omega_\alpha}(t) ωα (t)的系统时间变化 d ω α ⃗ / d t d\vec{\omega_\alpha}/dt dωα /dt,该矢量被称为社会力。显然,这种力必须反应环境(例如,其他行人或边界)对所描述的行人行为影响。然而,社会力并不是由环境对人身体的影响所表现出来的,而是描述行为的具体动机的量。在行人行为的情况下,该动机引起了对加速度或减速度的物理现象产生,作为他获得的关于他环境的感知信息的反应,如图1。总之,可以说行人的行为就好像他会受到外力的影响,这一观点在文献[26]中有具体的数学基础。

表1. 根据复杂程度对行为进行分类

在这里插入图片描述

社会力模型的建立

下面将介绍决定行人 α \alpha α运动的主要因素:

1.行人想要尽可能以舒适的方式到达一个确定的目的地 γ α 0 ⃗ \vec{\gamma^{0}_{\alpha}} γα0 ,因此他通常常走一条不走弯路的路,即最短的路。这种方式通常具有边缘的多边形形状 γ α 1 ⃗ , . . . , γ α n ⃗ : = γ α 0 ⃗ \vec{\gamma^{1}_{\alpha}},...,\vec{\gamma^{n}_{\alpha}}:=\vec{\gamma^{0}_{\alpha}} γα1 ,...,γαn :=γα0 。如果 γ α 0 ⃗ \vec{\gamma^{0}_{\alpha}} γα0 是这个多边形下一个要到达的边,那么他的期望运动方向 e α ⃗ ( t ) \vec{e_{\alpha}}(t) eα (t)为,

e ⃗ α ( t ) : = γ ⃗ α k − γ ⃗ α ( t ) ∣ ∣ γ ⃗ α k − γ ⃗ α ( t ) ∣ ∣ \vec{e}_{\alpha}(t):=\frac{\vec{\gamma}_\alpha^k-\vec{\gamma}_\alpha(t)}{||\vec{\gamma}_\alpha^k-\vec{\gamma}_\alpha(t)||} e α(t):=γ αkγ α(t)γ αkγ α(t)

其中 r ⃗ α ( t ) \vec{r}_\alpha(t) r α(t)表示行人 α \alpha α在t时刻的实际位置,确切的说,行人的目标是一个区域,而不是一个目标点 γ α k ⃗ \vec{\gamma^k_\alpha} γαk 。在这种情况下,他将在每个t时刻转向相应区域的最近点 γ α k ⃗ \vec{\gamma^k_\alpha} γαk

如果行人的动作没有受到干扰,他/她将以一定的期望速度 v α 0 v^0_\alpha vα0朝期望的方向 e α ⃗ ( t ) \vec{e_\alpha}(t) eα (t)前进。由于必要的减速过程或回避过程,实际速度 v ⃗ α ( t ) \vec{v}_\alpha(t) v α(t)与期望速度 v α 0 ⃗ ( t ) : = v α 0 e α ⃗ ( t ) \vec{v^0_\alpha}(t):=v^0_\alpha\vec{e_\alpha}(t) vα0 (t):=vα0eα (t)会产生偏差,这将在一定的松弛时间内产生再次趋向期望速度 v α 0 ⃗ \vec{v^0_\alpha} vα0 的趋势。这可以用下面的式子来表示:
F ⃗ α 0 ( v α ⃗ , v α 0 e ⃗ α ) : = 1 τ α ( v α 0 e ⃗ α − v ⃗ α ) \vec{F}^0_\alpha(\vec{v_\alpha},v^0_\alpha\vec{e}_\alpha):=\frac{1}{\tau_\alpha}(v^0_\alpha\vec{e}_\alpha-\vec{v}_\alpha) F α0(vα ,vα0e α):=τα1(vα0e αv α)
2. 行人 α \alpha α的运动会受到其他行人的影响,特别是与其他行人保持一定的距离,这取决于行人的密度和期望速度 v α 0 v^0_\alpha vα0。其中,每个行人的私人空间(可以被解释为领地效应)起着至关重要的作用。一般来说,行人越靠近陌生人,他/她就会感到越来越不舒服,而陌生人可能会做出侵犯性的反应。这就导致其他行人β产生的排斥效应,可以用矢量表示:
f ⃗ α β ( r ⃗ α β ) : = − ∇ r ⃗ α β V α β [ b ( r ⃗ α β ) ] \vec{f}_{\alpha\beta}(\vec{r}_{\alpha\beta}):=-\nabla_{\vec{r}_{\alpha\beta}}V_{\alpha\beta}[b(\vec{r}_{\alpha\beta})] f αβ(r αβ):=r αβVαβ[b(r αβ)]
我们假设排斥势 V α β ( b ) V_{\alpha\beta}(b) Vαβ(b)是b的单调递减函数,其中等位线呈椭圆形状,并且指向4个运动方向。这是因为行人需要进行下一步操作的空间,而其他行人也要考虑到这一点。 b表示椭圆的半短轴,由下式给出:
2 b : = ( ∣ ∣ r ⃗ α β ∣ ∣ + ∣ ∣ r ⃗ α β − v β Δ t e ⃗ β ∣ ∣ ) 2 − ( v β Δ t ) 2 2b:=\sqrt{(||\vec{r}_{\alpha\beta}||+||\vec{r}_{\alpha\beta}-v_\beta\Delta t\vec{e}_\beta||)^2-(v_\beta \Delta t)^2} 2b:=(r αβ+r αβvβΔte β)2(vβΔt)2
其中, r ⃗ α β : = r ⃗ α − r ⃗ β \vec{r}_{\alpha\beta}:=\vec{r}_\alpha-\vec{r}_\beta r αβ:=r αr β s β : = v β Δ t s_\beta:=v_\beta\Delta t sβ:=vβΔt是行人β的时间步长。尽管这种方法很简单,但它非常逼真地描述了行人的回避行为。
行人还应与建筑物,墙壁,街道,障碍物等的边界保持一定距离[8]。他/她感到越靠近边界越不舒服,因为他/她必须更多地注意避免受伤的危险,例如意外碰壁,因此,边界B会产生排斥作用,可以通过以下方式描述:

F ⃗ α B ( r ⃗ α B ) : = − ∇ r ⃗ α B U α B ( ∣ ∣ r ⃗ α B ∣ ∣ ) \vec{F}_{\alpha B}(\vec{r}_{\alpha B}):=-\nabla_{\vec{r}_{\alpha B}}U_{\alpha B}(||\vec{r}_{\alpha B}||) F αB(r αB):=r αBUαB(r αB)
具有排斥单调递减势 U α B ( ∣ ∣ r ⃗ α B ∣ ∣ ) U_{\alpha B}(||\vec{r}_{\alpha B}||) UαB(r αB),这里的向量 r ⃗ α B \vec{r}_{\alpha B} r αB已经介绍过,其中 r ⃗ B α \vec{r}^\alpha_B r Bα代表了距离行人α最近的边界β的位置。

3.行人有时会被其他人(朋友、街头艺术家等)或物体(如橱窗展示物)吸引。这些在 r ⃗ i \vec{r}_i r i的方向有着吸引效应的 f ⃗ α i \vec{f}_{\alpha i} f αi可以用吸引的单调递增式 W α i ( ∣ ∣ r ⃗ α i , t ) W_{\alpha i}(||\vec{r}_{\alpha i},t) Wαi(r αi,t)来模拟,其方式类似于排斥效应:
f ⃗ α i ( r ⃗ α i ) : = − ∇ r ⃗ α i V α i [ b ( r ⃗ α i ) ] \vec{f}_{\alpha i}(\vec{r}_{\alpha i}):=-\nabla_{\vec{r}_{\alpha i}}V_{\alpha i}[b(\vec{r}_{\alpha i})] f αi(r αi):=r αiVαi[b(r αi)]
主要区别在于,随着兴趣的下降,吸引力f通常随时间t减小。吸引作用例如是造成行人基团(与分子相当)的形成的原因。

未完

  • 4
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值