[论文解读] Body and mind: Decoding the dynamics of pedestrians and the effect of smartphone distraction by coupling mechanical and decisional processes

Iñaki Echeverría-Huarte, Alexandre Nicolas|arXiv (Cornell University)|Nov 7, 2022

Evacuation and Crowd Dynamics参考文献 60被引用 7

一句话总结

本文提出了 ANDA 模型，这是一种新颖的基于智能体的模型，通过将行人决策行为与机械动力学解耦，以模拟逼真的群体行为。通过优化一个综合了目标导向运动、行走努力和预期碰撞风险（通过碰撞时间预估，即 TTC）的感知成本函数，该模型仅用一组参数即可定量再现复杂的行人现象，包括避碰、流体动力学和疏散过程。关键的是，它通过降低决策更新频率来模拟手机分心，从而复制出观察到的混乱移动和突然转向行为增加的现象。

ABSTRACT

Pedestrians are able to anticipate, which gives them an edge in avoiding collisions and navigating in cluttered spaces. However, these capabilities are impaired by digital distraction through smartphones, a growing safety concern. To capture these features, we put forward a continuous agent-based model (dubbed ANDA) hinging on a transparent delineation of a decision-making process, wherein a desired velocity is selected as the optimum of a perceived cost, and a mechanical layer that handles contacts and collisions. Altogether, the model includes less than a dozen parameters, many of which are fit using independent experimental data. The versatility of ANDA is demonstrated by numerical simulations that successfully replicate empirical observations in a very wide range of scenarios. These scenarios vary from collision avoidance involving one, two, or more agents, to collective flow properties in unidirectional and bidirectional settings, and to the dynamics of evacuation through a bottleneck, where contact forces are directly accessible. Remarkably, the model is able to replicate the enhanced chaoticity of the flow observed experimentally in 'smartphone-walking' pedestrians, by reducing the frequency of decisional updates, replicating the digital distraction effect. The conceptual transparency of the model makes it easy to pinpoint the origin of its current limitations and to clarify the singular position of pedestrian crowds amid active-matter systems.

研究动机与目标

• 开发一种透明且具备物理依据的基于智能体的模型，以同时捕捉行人运动的认知与力学特征。
• 解决现有模型在处理预期行为、避碰和复杂环境中类人导航方面的局限性。
• 在多样化行人场景（包括单向与双向流、瓶颈区域和群体导航）中，定量再现实证观测结果。
• 通过调节决策更新频率，隔离并建模手机分心对行人动力学的影响。
• 明确区分决策松弛过程与力学松弛过程在行人运动中的作用，解决先前模型中的模糊性问题。

提出的方法

• 该模型采用双层架构：决策层通过最小化感知成本函数计算期望速度，机械层则负责实现接触力与碰撞解析。
• 感知成本函数包含三个组成部分：用于目标导向运动的地板场、行走的生物力学成本，以及基于预期碰撞时间（TTC）的碰撞风险项。
• 决策更新以固定时间间隔 δt 进行，通过参数 μ 对速度突变进行惩罚，以避免剧烈过渡，确保行为的平滑性。
• 机械力通过松弛时间 τ^mech 解决，与决策动力学解耦，从而能够真实响应环境变化（如移动走道）。
• 模型采用带折射率的广义 Eikonal 方程，以引导绕障碍物的导航，提升在复杂几何结构中的局部路径规划能力。
• 数字分心通过降低决策更新频率（即增加 δt）进行建模，模拟注意力下降，而不改变机械参数。

实验结果

研究问题

• RQ1 如何构建一个统一的基于智能体的模型，以高保真度同时捕捉行人群体中的决策行为与力学动力学？
• RQ2 在多大程度上可以将行人预期行为（尤其是通过碰撞时间预估 TTC）建模为对感知成本函数的优化？
• RQ3 手机分心如何改变行人动力学？是否可以通过调节决策更新频率来捕捉这一效应？
• RQ4 为何现有模型在模拟非凸障碍物周围的局部导航时表现不佳？该问题如何得以解决？
• RQ5 机械松弛时间（τ^mech）与决策响应时间（δt）在塑造行人运动中各自扮演什么角色？如何实现两者的解耦？

主要发现

• ANDA 模型仅使用一组一致的参数，成功再现了多样化场景下的实证行人动力学，包括单向与双向流、瓶颈疏散以及复杂障碍物导航。
• 该模型准确再现了疏散过程中时间间隙的生存函数，在 70 cm、80 cm 和 100 cm 宽度的瓶颈条件下，与实验数据高度一致。
• 当通过增加决策更新间隔 δt 来模拟手机行走时，模型成功再现了实验中观察到的混乱移动增加现象，包括更频繁的突然转向和不规则流场模式。
• 在绕非凸障碍物导航方面，该模型优于现有成熟模型（如 RVO、ORCA、Social Force 和 Karamouzas 的 TTC 模型），生成了更符合物理规律的轨迹。
• 决策松弛时间（δt）与机械松弛时间（τ^mech）的分离，清晰界定了认知响应与物理惯性在行人运动中的不同作用，解决了以往模型中两者被混淆的问题。
• 该模型识别出两个关键局限：在穿越密集人群时存在短视预期，以及使用圆形行人假设可能在极高密度场景下导致行为失真。