[論文レビュー] Sub-Goal Social Force Model for Collective Pedestrian Motion Under Vehicle Influence

Dongfang Yang, Fatema Tuj Johora+3 more|arXiv (Cornell University)|Jan 10, 2021

Evacuation and Crowd Dynamics参考文献 41被引用数 5

ひとこと要約

本稿では、反応的および能動的歩行行動のバランスを取るために部分的目標（sub-goals）を用いて車両の影響を社会的力フレームワークに統合した一般化された歩行者運動モデル、Sub-Goal Social Force Model（SG-SFM）を提案する。このモデルは、3つのデータセットにおける定量的キャリブレーションと、基本的な相互作用タイプにおける定性的シミュレーションを通じて、多様な車両-歩行者相互作用シナリオにおいて現実的な集団的歩行行動を効果的にシミュレートする。

ABSTRACT

In mixed traffic scenarios, a certain number of pedestrians might coexist in a small area while interacting with vehicles. In this situation, every pedestrian must simultaneously react to the surrounding pedestrians and vehicles. Analytical modeling of such collective pedestrian motion can benefit intelligent transportation practices like shared space design and urban autonomous driving. This work proposed the sub-goal social force model (SG-SFM) to describe the collective pedestrian motion under vehicle influence. The proposed model introduced a new design of vehicle influence on pedestrian motion, which was smoothly combined with the influence of surrounding pedestrians using the sub-goal concept. This model aims to describe generalized pedestrian motion, i.e., it is applicable to various vehicle-pedestrian interaction patterns. The generalization was verified by both quantitative and qualitative evaluation. The quantitative evaluation was conducted to reproduce pedestrian motion in three different datasets, HBS, CITR, and DUT. It also compared two different ways of calibrating the model parameters. The qualitative evaluation examined the simulation of collective pedestrian motion in a series of fundamental vehicle-pedestrian interaction scenarios. The above evaluation results demonstrated the effectiveness of the proposed model.

研究の動機と目的

• 混在交通シナリオにおいて、歩行者同士の相互作用と車両-歩行者相互作用の両方を同時に考慮する一般化された歩行者運動モデルの不足を解消すること。
• 既存のモデルが特定の状況に限定されすぎている、あるいは多様な相互作用パターンにおいて十分に評価されていないという限界を克服すること。
• さまざまな車両影響シナリオ下での集団的歩行行動の現実的なシミュレーションを可能にする統一的モデリングフレームワークの構築。
• 共有空間設計や自律走行車両のテストへの実用的応用を可能にするために、スケーラブルで解析的根拠を持つ歩行者モデルの提供。

提案手法

• 古典的Social Force Model（SFM）を拡張し、歩行者同士の反発力と最終目的地への能動的ナビゲーションの間を調整するための部分的目標（sub-goal）概念を導入する。
• 車両の影響を、部分的目標の計算を通じて動的に統合される追加の仮想力成分としてモデル化する。
• 二段階の力分解を実施：(1) 近接する歩行者および車両からの反発力、(2) 動的に調整された部分的目標への目的地指向力。
• HBS、CITR、DUTの3つのデータセットで、シミュレートされた歩行者経路と実測経路の軌跡誤差を最小化するように、遺伝的アルゴリズムを用いてモデルパラメータをキャリブレーションする。
• 手動チューニングと自動キャリブレーションを併用し、さまざまなシナリオにおけるロバストネスと一般化性能を確保する。
• 前方/後方、45度角、側方の車両接近を含む12の基本的車両-歩行者相互作用シナリオにおいて、シミュレーションベースの評価を通じてモデルを検証する。

実験結果

リサーチクエスチョン

• RQ1 歩行者同士と車両の両方と同時に相互作用する状況において、一般化された歩行者運動モデルが集団的行動を効果的にシミュレートできるか。
• RQ2 部分的目標の概念が、物理的に妥当かつ行動的に現実的である方法で、車両の影響と歩行者同士の相互作用を統合できるか。
• RQ3 SG-SFMは、複雑な車両の動きを含む多様なデータセットと相互作用パターンにどの程度一般化できるか。
• RQ4 車両の影響下で、譲り合い、すきまを求める、レーン形成といった現実の歩行行動を、モデルがどの程度正確に再現できるか。
• RQ5 手動キャリブレーションと遺伝的アルゴリズムによるキャリブレーションの違いが、モデルの精度と一般化性能に与える影響は何か。

主な発見

• SG-SFMは、HBS、CITR、DUTの3つの異なるデータセットにおいて、キャリブレーション後も強力な定量的一般化性能を示す。
• 2つの歩行者フローが衝突する状況で、元のSFMに見られるように、レーン形成が正確に再現される。これは、現実の群衆行動の特徴である。
• 前方/後方の車両接近シナリオでは、歩行者が一貫して車両の通過のための空間を確保し、衝突を避ける協調的回避行動を示す。
• 45度角接近シナリオでは、行動の多様性が適切に捉えられる：一部の歩行者は道を素早く空けるために加速し、他の歩行者は車両の進行方向に平行に移動して譲る。
• 側方相互作用シナリオでは、歩行者が車両の間を通過するか、2台目の車両が通過するのを待つ行動が観察され、現実世界のすきま探し行動を反映している。
• すべての12のシミュレーションシナリオにおいて、歩行者と車両の間で衝突が発生しなかった。これは、モデルの安全性と行動の妥当性を確認するものである。