[论文解读] Can high-density human collective motion be forecasted by spatiotemporal fluctuations?

Arianna Bottinelli, Jesse L. Silverberg|arXiv (Cornell University)|Sep 20, 2018

Evacuation and Crowd Dynamics参考文献 27被引用 6

一句话总结

本研究提出了一种基于视频数据中时空波动的无模型预测方法，用于高密度人群运动的预测。通过应用模式分析和粗粒度位移场的波动协方差，该方法识别出集体运动中的能量级联与同步模式，能够提前约1秒预测密度波的出现，展示了在真实世界音乐会影像中具有鲁棒性的预测信号。

ABSTRACT

Concerts, protests, and sporting events are occurring with increasing frequency and magnitude. The extreme physical conditions common to these events are known to cause injuries and loss-of-life due to the emergence of collective motion such as crowd crush, turbulence, and density waves. Mathematical models of human crowds aimed at enhancing crowd safety by understanding these phenomena are developed with input from a variety of disciplines. However, model validation is challenged by a lack of high-quality empirical data and ethical constraints surrounding human crowd research. Consequently, generalized model-based approach for real-time monitoring/risk-assessment of crowd collective motion remains an open problem. Here, we take a model-free approach to crowd analysis and show that emergent collective motion can be forecasted directly from video data. We use mode analysis methods from material science and concepts from non-equilibrium physics to study footage of a human crowd at an Oasis rock concert. We analyze the attendees positional fluctuations during a period of crowd turbulence to predict the spatial patterns of an emergent human density wave. In addition to predicting spatial patterns of collective motion, we also identify and measure temporal patterns that precede the density wave and forecast its appearance by 1~s. Looking ahead, widening this forecasting window beyond 1~s will enable new computer vision technologies for real-time risk-assessment of emergent human collective motion.

研究动机与目标

• 解决在音乐会和抗议活动等高密度事件中，缺乏实时、无模型的危险集体人群运动预测方法的问题。
• 确定人群运动中可测量的时空波动是否能在密度波等涌现现象发生前实现预测。
• 验证在不同数据长度和分析窗口下，从视频数据中提取的预测信号的鲁棒性。
• 识别可量化的前兆信号，如能量级联和模式同步，以指示即将发生的集体运动转变。

提出的方法

• 应用数字图像相关法（DIC）从一段3/4俯视视角的YouTube视频中提取60,000人规模的Oasis音乐会的粗粒度位移场。
• 从190帧的湍流人群运动中计算波动协方差矩阵 $ C_{ij} $，通过特征值分解识别集体模式。
• 利用每个模式的平方投影系数 $ \alpha_m^2(t) $ 检测模式间的能量注入与级联，表明集体能量的传递。
• 定义模式之间的同步延迟 $ \rho_{m_i,m_f}(t) $，以识别在集体运动事件之前出现的瞬时协调模式。
• 通过截短至150帧的窗口验证结果，测试方法对数据长度变化的鲁棒性。
• 对 $ \alpha_m^2(t) $ 的分布拟合幂律，以检测非高斯、尺度不变的动力学，表明临界类似行为的特征。

实验结果

研究问题

• RQ1 视频数据中的时空波动能否预测集体人群运动（如密度波）的出现？
• RQ2 在高密度人群中，密度波形成之前，是否存在可测量的动力学特征（如能量级联或模式同步）？
• RQ3 当分析窗口缩短或改变时，所检测到的预测信号有多大的鲁棒性？
• RQ4 模式动力学中观察到的模式是否与涌现密度波的出现时间及空间结构相关？

主要发现

• 本研究仅利用波出现前的波动特征，成功地将高密度人群中的密度波出现提前约1秒预测出来。
• 在平方投影系数 $ \alpha_m^2(t) $ 中检测到能量级联，模式2–4在波接近时与主导模式（m=1）的同步性逐渐增强，峰值出现在t=190附近。
• 当分析窗口缩短至150帧时，特征值谱和第一模式 $ \vec{e}_1 $ 保持稳定，证实了该方法的鲁棒性。
• $ \alpha_m^2(t) $ 的分布于波出现前符合幂律，期间在小幅度波动和波传播阶段出现偏差，表明非平衡动力学。
• 模式2–4与m=1之间的同步延迟 $ \rho_{m_i,m_f}(t) $ 在t=190附近振荡并趋近于零，表明波出现前协调性的增强。
• 总线性功率 $ A^2(t) $ 以及变异系数 $ \gamma_4(t) $ 和 $ \gamma_{190}(t) $ 在完整数据窗口和截短数据窗口中均表现出一致趋势，支持了信号的可靠性。