[论文解读] First Order Models of Human Crowds with Behavioral-Social Dynamics

Nicola Bellomo, Stefano Berrone+2 more|arXiv (Cornell University)|Jan 12, 2015

Evacuation and Crowd Dynamics参考文献 20被引用 4

一句话总结

本文提出了一种一阶宏观人群动力学模型，通过基于子系统的异质性与非局部速度选择，整合了行为-社会动力学。通过将质量守恒与基于决策的速度动力学耦合，并利用博弈论框架建模社会互动，该方法能够捕捉异常行为的传播与异质速度分布，为传统流体动力学模型提供了一种计算高效且信息丰富的替代方案。

ABSTRACT

This paper presents a new approach to behavioral-social dynamics of human crowds. First order models are derived based on mass conservation at the macroscopic scale, while methods of the kinetic theory are used to model the decisional process by which walking individuals select their velocity direction. Crowd heterogeneity is modeled by dividing the whole system into subsystems identified by different features. The passage from one subsystem to the other is induced by interactions. It is shown how heterogeneous individual behaviors can modify the collective dynamics, as well as how local unusual behaviors can propagate in the crowd. The paper also proposes a system approach to the modeling of the dynamics in complex venues, where individuals move through areas with different features.

研究动机与目标

• 解决传统一阶流体动力学人群模型中个体异质性丧失的问题。
• 建模社会互动（如共识、竞争与领导力）如何影响集体动力学。
• 为具有空间异质特征与非局部交互的复杂场所开发系统化方法。
• 通过概率分布超越平均速度，对速度分布异质性进行建模。
• 通过子系统转换实现异常行为（如恐慌）在人群中的传播建模。

提出的方法

• 通过局部密度与平均速度的宏观质量守恒方程建模人群动力学。
• 引入功能子系统以表征具有不同行为特征的个体。
• 采用确定性决策过程，基于感知到的局部密度与社会互动选择速度方向。
• 通过博弈论框架形式化社会动力学：共识、竞争与领导力动态。
• 将模型扩展为引入随时间演化的概率分布 P(t,v|α,x,ρ) 以表征个体速度，其中平均速度为其一阶矩。
• 整合非局部交互，以建模个体在遭遇障碍物或密度变化前的速度调整行为。

实验结果

研究问题

• RQ1 如何在一阶宏观模型中保留个体行为的异质性，而无需采用完整的动力学描述？
• RQ2 不同类型的社交互动（共识、竞争与领导力）在塑造集体人群动力学中发挥何种作用？
• RQ3 异常行为（如恐慌）如何通过子系统转换在人群中传播？
• RQ4 在仅使用概率分布的一阶框架下，速度分布异质性可在多大程度上被建模？
• RQ5 如何将非局部交互整合到一阶模型中，以更真实地反映复杂环境中人类的决策行为？

主要发现

• 所提出的基于子系统的方案可在保持一阶模型计算效率的同时，实现对异质行为的建模。
• 共识、竞争与领导力等社会动力学可通过宏观方程中的博弈论通量项形式化表达。
• 异常行为可通过子系统间的转换在人群中传播，从而实现类似恐慌的级联效应建模。
• 通过引入随时间演化的概率分布 P(t,v|α,x,ρ)，速度分布异质性得以捕捉，其平均速度为其一阶矩。
• 该模型通过考虑非局部交互与空间异质环境特征，实现了对复杂场所的系统化建模。
• 该框架为混合模型奠定了基础，可耦合宏观密度动力学与介观速度分布演化。