[論文レビュー] A Clustering Based Approach for Realistic and Efficient Data-Driven Crowd Simulation

Mingbi Zhao|arXiv (Cornell University)|Jun 15, 2015

Evacuation and Crowd Dynamics参考文献 40被引用数 5

ひとこと要約

本稿では、集団の映像データから相互作用パターンを分類し、文脈に適合したステアリング行動を選択することで、現実的で効率的な群衆シミュレーションを実現するクラスタリングベースのデータ駆動型アプローチを提案する。階層的行動生成により、最先端のモデルを上回る予測精度を達成するとともに、リアルタイム性能を実現する。

ABSTRACT

In this paper, we present a data-driven approach to generate realistic steering behaviors for virtual crowds in crowd simulation. We take advantage of both rule-based models and data-driven models by applying the interaction patterns discovered from crowd videos. Unlike existing example-based models in which current states are matched to states extracted from crowd videos directly, our approach adopts a hierarchical mechanism to generate the steering behaviors of agents. First, each agent is classified into one of the interaction patterns that are automatically discovered from crowd video before simulation. Then the most matched action is selected from the associated interaction pattern to generate the steering behaviors of the agent. By doing so, agents can avoid performing a simple state matching as in the traditional example-based approaches, and can perform a wider variety of steering behaviors as well as mimic the cognitive process of pedestrians. Simulation results on scenarios with different crowd densities and main motion directions demonstrate that our approach performs better than two state-of-the-art simulation models, in terms of prediction accuracy. Besides, our approach is efficient enough to run at interactive rates in real time simulation.

研究の動機と目的

• 直接的な状態マッチングに依存する従来の例ベースの群衆シミュレーションの限界を解消すること。これにより、行動の多様性と現実性が制限される。
• 群衆相互作用における人間の認知的プロセスを模倣することで、歩行者の行動をより自然にモデル化すること。
• 密度や運動方向が異なる複雑な群衆シナリオにおける予測精度を向上させること。
• インタラクティブなリアルタイムシミュレーションアプリケーションに適した計算効率を確保すること。

提案手法

• シミュレーション前に、クラスタリング技術を用いて集団の映像データから相互作用パターンを自動で発見する。
• 各エージェントを、その現在の状態と文脈に基づいて、発見された相互作用パターンのいずれかに分類する。
• 対応する相互作用パターンから、文脈的に最も適合するステアリング行動を選択してエージェントの行動を誘導する。
• 直接的な状態マッチングを分離する階層的メカニズムを用いることで、より豊かな行動レパートアを実現する。
• データ駆動型の相互作用パターンを活用し、実際の人間の移動傾向を反映したステアリング行動を生成する。
• 事前に計算された相互作用クラスタに依存することで、高コストな状態空間探索を回避し、リアルタイム性能を確保する。

実験結果

リサーチクエスチョン

• RQ1 クラスタリングベースのアプローチは、データ駆動型群衆シミュレーションにおけるステアリング行動の現実性と多様性を向上させることができるか？
• RQ2 本手法は、群衆密度が異なる状況において、最先端のモデルと比較して予測精度でどのように差をつけるか？
• RQ3 本手法は、歩行者相互作用における人間らしい認知的意思決定をどの程度再現できるか？
• RQ4 本手法は、高い行動忠実性を維持しながらリアルタイム性能を達成できるか？

主な発見

• 本手法は、異なる群衆密度や主な運動方向を示すシナリオにおいて、2つの最先端のシミュレーションモデルを上回る高い予測精度を達成した。
• 相互作用パターンの分類と文脈に配慮した行動選択を用いることで、直接的な状態マッチング手法と比較して、より多様で現実的なステアリング行動をエージェントが示した。
• 孤立した状態ではなく、文脈的な相互作用パターンに基づいて行動を選択することで、歩行者の認知的プロセスを効果的に模倣した。
• シミュレーションはインタラクティブレートで実行され、リアルタイムアプリケーションに適した計算効率を示した。