[论文解读] Non-separable Mean Field Games for Pedestrian Flow: Generalized Hughes Model

Mohamed Ghattassi, Nader Masmoudi|arXiv (Cornell University)|Oct 7, 2023

Traffic control and management被引用 4

一句话总结

本文提出了一种基于非可分均场博弈的广义休斯模型，用于行人流动建模，其中个体根据局部密度知识选择避让或穿越高密度区域。该研究证明了弱解的存在性，并分析了消失粘性极限，数值实验表明参数β控制行为模式——从避免（β=2）到吸引（β=0）的群体动力学行为。

ABSTRACT

In this paper, we present a new generalized Hughes model designed to intelligently depict pedestrian congestion dynamics, allowing pedestrian groups to either navigate through or circumvent high-density regions. First, we describe the microscopic settings of the model. The corresponding optimization problems are deterministic and can be formulated by a closed-loop model predictive control strategy. This microscopic setup leads in the mean-field limit to the Generalized Hughes model which is a class of non-separable mean field games system, i.e., Fokker-Planck equation and viscous Hamilton-Jacobi Bellman equation are coupled in a forward-backward structure. We give an overview on the mean field games in connection to our intelligent fluid model. Therefore, we show the existence of weak solutions to the Generalized Hughes model and analyze the vanishing viscosity limit of weak solutions. Finally, we illustrate the generalized Hughes model with various numerical experiments.

研究动机与目标

• 开发一种广义休斯模型，以捕捉个体对局部密度的智能响应行为，允许在高密度区域实现避让与穿越。
• 建立一个严谨的数学框架，将微观控制策略与宏观非可分均场博弈系统联系起来。
• 证明广义休斯模型弱解的存在性，并分析消失粘性极限。
• 通过数值验证模型再现真实群体动力学的能力，包括分散、扩散和聚集现象。
• 研究参数β在调节行人行为中的作用——从避让到吸引高密度区域的行为模式。

提出的方法

• 基于闭环模型预测控制构建微观模型，其中每个行人根据对局部密度的部分信息优化其路径。
• 推导均场极限，得到一个耦合黏性汉密尔顿-雅可比-贝尔曼方程（前向）与福克-普朗克方程（后向）的宏观系统，形成非可分均场博弈。
• 采用正则化逼近方案处理势函数φ的低正则性，从而实现弱解的存在性与唯一性证明。
• 应用消失粘性方法，分析当粘性参数趋于零时弱解的极限行为。
• 使用FreeFem++实现数值模拟，采用三角形有限元网格（h = 1/40）与显式时间推进（dt = 5×10⁻²），在T = 50的时间区间内求解该系统。
• 在速度函数f(ρ) = f(ρ)^(1−β)中调节参数β，以模拟不同行为模式：避让（β=2）、无感（β=1）与吸引（β=0）。

Figure 1: Schematic illustration of density contour levels (a) and velocity field (b) at the initial instant $\displaystyle t=0$ ( $\displaystyle\beta=2$ ).

实验结果

研究问题

• RQ1 如何建模高密度区域中的行人行为，以实现避让与穿越的双重能力，而非假设普遍避让？
• RQ2 广义休斯模型作为非可分均场博弈系统的数学结构是什么？与经典公式有何不同？
• RQ3 在何种条件下广义休斯模型的弱解存在？其在消失粘性极限下的行为如何？
• RQ4 参数β如何影响群体动力学的涌现行为？对疏散与安全规划有何启示？
• RQ5 模型中会出现哪些数值不稳定现象或聚集现象？这些现象在何种参数条件下出现？

主要发现

• 在适当的正则性与逼近假设下，广义休斯模型的弱解存在，通过粘性正则化逼近方案得以证明。
• 分析了弱解的消失粘性极限，结果表明其收敛于原始非正则化系统的解，支持了模型的鲁棒性。
• 数值模拟表明，当β = 2时，行人有效避让高密度区域，随时间产生分散与扩散，符合智能群体行为特征。
• 当β = 1时，行人对密度无感，导致均匀流向出口，类似于经典休斯动力学中无避让行为的情形。
• 当β = 0时，行人被吸引至高密度区域，引发聚集现象，并在T = 13.5后出现数值不稳定性，表明在强吸引条件下模型可能发生失效。
• 参数β可作为可调的安全控制机制，使模型能够模拟多样化的疏散场景，并支持实时人群管理策略。

Figure 2: Schematic illustration of density contour levels (a) and velocity field (b) at final time $\displaystyle T$ and $\displaystyle\beta=2$ .