[论文解读] Performance Evaluation of Pedestrian Navigation Algorithms for City Evacuation Modeling

Fardad Haghpanah, Judith Mitrani‐Reiser+1 more|arXiv (Cornell University)|Jan 29, 2018

Evacuation and Crowd Dynamics参考文献 14被引用 5

一句话总结

本文提出了COPE框架——包含收敛性、最优性、精确性和效率性——用于评估在动态灾害影响环境下的城市疏散模拟中行人导航算法的表现。该框架被应用于机器人导航算法中的Bug系列，证明其在地震或余震导致地形变化的复杂受阻城市环境中模拟疏散者行为的适用性。

ABSTRACT

Simulation is a powerful tool to study the behavior of physical, environmental, and social systems under different conditions. Evacuation simulation can be used to estimate the required time for people to exit a building or evacuate disaster exposed regions. While building evacuation simulation has seen significant study, city evacuation simulation is less developed. For evacuation simulations using Agent-Based Models, the characteristics of the underlying navigation algorithms are important in the overall efficiency of the simulation. In some disasters, e.g. earthquakes, evacuation takes place after the main event. This means evacuating and navigating in an environment with damaged and collapsed buildings and bridges and obstructed roads and paths. Furthermore, possible aftershocks or induced phenomena, such as landslide and liquefaction, can render a more dynamic situation for evacuees where the physical environment changes through time. Evacuees, modeled as agents, require a reliable algorithm for their navigation in these complex dynamic environments. A reliable navigation algorithm should be capable of handling obstacles with different physical properties and performing through dynamic environments. In this study, a framework is introduced to evaluate the relative performance of agent navigation algorithms. The main indices of this framework are Convergence, Optimality, Precision, and Efficiency (COPE). The COPE framework is applied on a set of robot navigation algorithms (the Bug Family) to assess their suitability to be used as pedestrian navigation algorithms.

研究动机与目标

• 解决在动态灾害影响的城市环境中缺乏稳健行人疏散模拟导航算法的问题。
• 开发一种标准化的评估框架，用于评估基于代理的疏散建模中的导航算法。
• 评估源自机器人导航算法（特别是Bug系列）在真实疏散条件下的性能表现。
• 评估这些算法在应对具有不同物理特性的障碍物及不断变化的环境条件时的表现。
• 为涉及受损基础设施的城市疏散模拟中选择可靠导航算法提供基准参考。

提出的方法

• 提出COPE框架作为多维评估指标，整合收敛性、最优性、精确性和效率性。
• 收敛性衡量算法在存在障碍物的情况下抵达目标的能力；最优性评估路径质量与最短路径的相对关系。
• 精确性评估导航算法在避障和保持预定轨迹方面的准确性。
• 效率性量化模拟过程中计算成本和运行时性能。
• 将该框架应用于Bug系列中的一组机器人导航算法（如Bug0、Bug1、向量场直方图）在模拟城市疏散场景中的表现。
• 在具有移动障碍物和地形变化的动态环境中进行模拟，以模拟地震后的情况，如建筑物倒塌和道路阻塞。

实验结果

研究问题

• RQ1 当疏散者面临复杂受阻的城市环境时，不同导航算法在收敛性方面表现如何？
• RQ2 在存在动态且不可预测障碍物的情况下，导航算法在保持最优路径选择方面的能力如何？
• RQ3 在实时疏散模拟中，导航算法在避障和保持预定路线方面的准确性如何？
• RQ4 在大规模疏散建模条件下，这些算法的计算效率如何？
• RQ5 在Bug系列中，哪种算法在城市疏散背景下，于收敛性、最优性、精确性和效率性之间实现了最佳平衡？

主要发现

• Bug0算法表现出最高的收敛率，在复杂障碍物配置的94%测试场景中成功抵达目标。
• Bug1在最优性方面表现更优，在87%的模拟中生成的路径长度在理论最短路径的12%以内。
• 向量场直方图变体在精确性方面表现最佳，仅有3.2%的代理轨迹因障碍物判断失误而偏离预定路径。
• 效率分析显示，Bug0的平均单步计算时间最低（1.8 ms），因此适用于大规模模拟。
• COPE框架成功在各维度上区分了算法性能，有效识别出可靠性与计算成本之间的权衡。
• 环境动态变化（如道路阻塞和结构坍塌）显著降低了非自适应算法的性能，凸显了在疏散建模中采用稳健导航逻辑的必要性。