[论文解读] 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 5

一句话总结

该论文提出了一种基于聚类的数据驱动方法，通过从人群视频中分类代理的交互模式并选择上下文匹配的转向行为，实现逼真且高效的群体模拟。该方法在提升预测精度的同时，通过分层行为生成实现实时性能。

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.

研究动机与目标

• 解决传统基于示例的群体模拟方法依赖直接状态匹配的局限性，后者限制了行为的多样性与真实性。
• 通过模仿人类在群体互动中的认知决策过程，更自然地建模行人行为。
• 在不同密度和运动方向的复杂群体场景中提升预测精度。
• 确保计算效率，以适用于实时交互式模拟应用。

提出的方法

• 在模拟前使用聚类技术从人群视频数据中自动发现交互模式。
• 根据当前状态和上下文，将每个代理分类到已发现的交互模式之一。
• 从相应的交互模式中选择最匹配上下文的转向动作以指导代理行为。
• 使用分层机制将行为选择与直接状态匹配解耦，从而实现更丰富的行为库。
• 利用数据驱动的交互模式生成反映真实人类运动倾向的转向行为。
• 通过避免昂贵的状态空间搜索并依赖预计算的交互聚类，确保实时性能。

实验结果

研究问题

• RQ1 基于聚类的方法能否提升数据驱动群体模拟中转向行为的逼真度与多样性？
• RQ2 在不同人群密度下，该方法与最先进模型相比在预测精度方面表现如何？
• RQ3 该方法在多大程度上能模拟行人互动中的人类认知决策过程？
• RQ4 该方法能否在保持高行为保真度的同时实现实时性能？

主要发现

• 在不同人群密度和主要运动方向的场景中，该方法的预测精度高于两种最先进模拟模型。
• 通过交互模式分类和上下文感知的动作选择，代理展现出比直接状态匹配方法更广泛多样的逼真转向行为。
• 该方法通过基于上下文交互模式而非孤立状态选择动作，成功模拟了行人的认知过程。
• 模拟以交互速率运行，展示了适用于实时应用的计算效率。