[论文解读] Determination of Pedestrian Flow Performance Based on Video Tracking and Microscopic Simulations

Kardi Teknomo, Yasushi Takeyama+1 more|arXiv (Cornell University)|Sep 8, 2016

Evacuation and Crowd Dynamics参考文献 5被引用 9

一句话总结

本文提出一种基于视频追踪与仿真的微观方法，用于评估行人流性能，通过捕捉个体互动与空间约束，克服了宏观模型的局限性。研究表明，微观建模能够更准确地预测受阻塞或复杂环境下的流效率，揭示了宏观模型所忽略的空间与流量之间的非线性关系。

ABSTRACT

One of the objectives of understanding pedestrian behavior is to predict the effect of proposed changes in the design or evaluation of pedestrian facilities. We want to know the impact to the user of the facilities, as the design of the facilities change. That impact was traditionally evaluated by level of service standards. Another design criterion to measure the impact of design change is measured by the pedestrian flow performance index. This paper describes the determination of pedestrian flow performance based video tracking or any microscopic pedestrian simulation models. Most of pedestrian researches have been done on a macroscopic level, which is an aggregation of all pedestrian movement in pedestrian areas into flow, average speed and area module. Macroscopic level, however, does not consider the interaction between pedestrians. It is also not well suited for prediction of pedestrian flow performance in pedestrian areas or in buildings with some obstruction, that reduces the effective width of the walkways. On the other hand, the microscopic level has a more general usage and considers detail in the design. More efficient pedestrian flow can even be reached with less space. Those results have rejected the linearity assumption of space and flow in the macroscopic level.

研究动机与目标

• 开发一种评估行人流性能的方法，以考虑个体行为与空间障碍物的影响。
• 解决宏观模型的局限性，后者假设线性关系并忽略行人之间的互动。
• 评估通道设计变更对用户体验与流效率的影响。
• 验证在受限环境中，微观仿真相较于宏观聚合方法能否提供更准确的预测。
• 基于视频追踪获取的详细行人移动数据，建立性能指数。

提出的方法

• 使用视频追踪收集真实世界中的行人轨迹，捕捉个体运动模式与互动行为。
• 利用追踪数据校准微观行人仿真模型，以复现真实行为。
• 仿真模型整合了个体决策、避让行为与空间约束。
• 通过基于个体速度、密度与流量的性能指数量化行人流性能。
• 将仿真结果与宏观流假设进行对比，识别非线性效应。
• 在通道存在障碍物、有效通道宽度减小的环境中验证该方法。

实验结果

研究问题

• RQ1 与无障碍通道相比，受阻塞通道中的行人流性能如何变化？
• RQ2 在狭小空间中，个体互动对整体流效率的影响程度如何？
• RQ3 在复杂环境中，微观仿真模型是否能比宏观模型更准确地预测流性能？
• RQ4 当存在障碍物时，有效通道宽度与行人流率之间的关系是什么？
• RQ5 基于视频追踪推导出的性能指数与传统服务水平标准相比如何？

主要发现

• 微观建模揭示了空间与流量之间的非线性关系，与宏观模型的假设相矛盾。
• 即使空间减少，通过优化布局并考虑个体互动，仍可提升行人流效率。
• 基于视频追踪推导出的性能指数比宏观流指标更能准确评估用户体验。
• 障碍物显著降低有效通道宽度，但微观仿真比宏观聚合更能准确捕捉其影响。
• 仿真结果表明，流性能对空间布局与行人互动模式高度敏感。
• 本研究证实，微观仿真更适合用于评估具有空间约束的复杂行人环境。