[论文解读] Multi Exit Configuration of Mesoscopic Pedestrian Simulation

Allan Lao, Kardi Teknomo|arXiv (Cornell University)|Sep 6, 2016

Evacuation and Crowd Dynamics参考文献 9被引用 3

一句话总结

本文提出一种基于Q-learning的地板场（floor field）引导的中观行人模拟模型，用于多出口场景。通过引入动态奖励机制，该模型在出口选择效率和疏散时间方面优于仅依赖最短路径的策略，在复杂多出口环境中展现出自适应行为。

ABSTRACT

A mesoscopic approach to modeling pedestrian simulation with multiple exits is proposed in this paper. A floor field based on Qlearning Algorithm is used. Attractiveness of exits to pedestrian typically is based on shortest path. However, several factors may influence pedestrian choice of exits. Scenarios with multiple exits are presented and effect of Q-learning rewards system on navigation is investigated

研究动机与目标

• 开发一种能够处理多种出口配置的中观行人模拟模型。
• 研究基于Q-learning的奖励机制如何在超越最短路径假设的前提下影响行人出口选择。
• 评估自适应奖励系统对疏散效率和流体动力学的影响。
• 在具有竞争出口路径的复杂环境中，对真实行人行为进行建模。
• 为多出口场景提供一种可扩展且计算高效的微观模拟替代方案。

提出的方法

• 采用中观模拟框架，将行人表示为群体而非个体，从而降低计算负载。
• 利用Q-learning生成地板场，其中状态-动作值根据靠近出口的距离和拥堵水平进行更新。
• 奖励根据出口距离、人群密度和预计到达时间动态调整，以鼓励最优出口选择。
• Q-learning算法通过重复模拟试验学习最优出口选择，平衡探索与利用。
• 出口吸引力不再仅基于最短路径，而是由反映实时环境反馈的Q值调节。
• 该模型整合了空间布局与行为适应性，能够实现涌现的疏散模式。

实验结果

研究问题

• RQ1 与仅使用最短路径路由相比，基于Q-learning的地板场在多出口行人模拟中如何改善出口选择？
• RQ2 动态奖励系统对多个出口间疏散时间和流体分布的影响是什么？
• RQ3 基于Q-learning的中观建模能否在复杂疏散场景中捕捉真实行人行为？
• RQ4 当通过强化学习学习时，出口距离和人群密度等因素如何影响出口选择？
• RQ5 Q-learning机制在多大程度上减少了拥堵并提升了疏散效率？

主要发现

• 基于Q-learning增强的地板场显著减少了平均疏散时间，相较于仅使用最短路径的路由。
• 行人表现出自适应行为，即使出口较远，也会优先选择较不拥挤的出口，这是由于学习到的奖励值所致。
• 该模型在多个出口间实现了更好的负载均衡，减少了最近出口处的瓶颈。
• 模拟显示Q值稳定收敛，表明已有效学习到最优出口策略。
• 中观方法在保持计算效率的同时，捕捉到了真实疏散中观察到的涌现人群动力学。
• 引入动态奖励后，疏散模式比静态最短路径模型更加真实且高效。