L形走廊中行人速度分布的非广延统计力学:一种q-高斯分析

《Physica A: Statistical Mechanics and its Applications》:Nonextensive statistical mechanics of pedestrian speed distributions in L-shaped corridors: A q-Gaussian analysis

【字体: 大 中 小 】 时间:2026年08月29日 来源:Physica A: Statistical Mechanics and its Applications 3.1

编辑推荐:

   摘要 本研究在Tsallis非广延统计框架下考察了L形走廊中的行人速度分布。通过受控实验数据分析,探究了转弯几何形状和密度对速度波动的影响。通过航向偏差轮廓的断点检测来标定转弯影响区的边界,其中断点选择基于贝叶斯信息准则(BIC)。随后使用q-高斯模型拟合速度分布,并通过赤

  

摘要

本研究在Tsallis非广延统计框架下考察了L形走廊中的行人速度分布。通过受控实验数据分析,探究了转弯几何形状和密度对速度波动的影响。通过航向偏差轮廓的断点检测来标定转弯影响区的边界,其中断点选择基于贝叶斯信息准则(BIC)。随后使用q-高斯模型拟合速度分布,并通过赤池信息准则(AIC)和Kolmogorov-Smirnov(KS)距离将其与高斯模型进行对比评估,同时通过Bootstrap置信区间量化参数不确定性。在86.2%的场景-区域组合中,AIC更倾向于选择q-高斯模型。在空间上,q值在上游和下游直线区域通常较高,而在几何约束较强的中间区域趋于下降,尽管详细的剖面形状在不同场景间有所变化。随着密度增加,q值呈现近似U形趋势,这与低密度下的自由速度异质性、中等密度下更加均匀的跟随行为,以及高密度拥堵条件下速度异质性重新出现一致,在较窄走廊中尤为明显。Tsallis熵Sq进一步表明,行人速度分布的统计复杂度共同依赖于尾参数q和涨落尺度参数β。这些发现表明,高斯假设在描述几何奇点附近的行人速度波动时可能不够充分,所提出的框架为分析拐角设施中的非高斯速度统计提供了定量基础。

引言

行人流是交通科学、安全工程和复杂系统物理学中的核心课题。随着城市密度增加、大规模公共活动频繁以及交通设施安全要求的不断提高,对人群运动的可靠表征已成为一项重要的科学和工程任务。在过去三十年中,行人动力学建模取得了巨大进展。Helbing和Molnár提出的社会力模型将行人描述为受期望运动力和交互力作用的自驱粒子[1],该框架后来被扩展到再现紧急疏散场景中相关的集体现象[2]。元胞自动机模型提供了一种离散且计算高效的集体运动模拟替代方案[3,4]。连续介质方法将人群视为宏观流场[5],而认知和启发式模型将局部感知与决策和集体行人行为联系起来[6]。基于力的模型的进一步改进被开发出来,以减少不真实的重叠和振荡运动等伪影[7]。综合评述总结了这些模型家族在交通和物理背景中的发展、范围和局限性[8,9]。

与建模工作并行,受控实验和现场测量为行人动力学提供了丰富的经验基础。经典经验研究主要关注基本图,即速度、密度和流量之间的关系。Seyfried等人重新考察了实验室条件下单列行人运动的基本图[10],而Zhang等人研究了直线走廊、T型路口和双向流中速度-密度关系的变化[11,12]。基于Voronoi分解的测量方法改进了密度、速度和流量的局部估计,并减少了经验数据中的离散度[13]。Forschungszentrum Jülich的行人动力学数据档案通过提供多种行人流场景的受控实验室数据集、视频录像和提取的轨迹,进一步加强了该领域的经验基础[14,15]。其他实验考察了动机和竞争性的影响[16]、狭窄门道和瓶颈[17,18]、多方向流[19]以及其他受控行走配置。对实验方法、现场观测和数据收集技术的综述表明,行人动力学已发展为一个成熟的数据驱动研究领域[[20],[21],[22],[23]]。

然而,大多数经验分析仍然主要通过平均量来表征行人流,如平均速度、密度和流量。这些量对于设施设计和模型校准不可或缺,但它们并不能完全描述行人运动的微观变异性。越来越多的证据表明,围绕均值的波动包含重要信息,且这些波动通常是非高斯的。Corbetta等人表明,即使稀薄的行人流也表现出与平均行走行为的显著偏差,包括罕见事件和优选路径周围的波动[24]。后续工作提出了基于物理和数据驱动的描述,其中行人运动包含叠加在较慢的预期运动分量上的随机速度波动[25,26]。其他研究报告了自组织行人通道中的Levy行走类似特征[27]、双向流中预期引发的波动[28]以及单列运动中的停止-起步波[29,30]。在高密度下,波动的重要性变得更加突出:人群灾难的经验研究记录了湍流式人群运动和临界条件附近的强波动[31],而密集的极化人群已被证明显示出类似活性流体行为的集体速度波[32]。

这些非高斯特征不应仅被视为可以通过平均消除的统计噪声。在几何约束或拥堵流中,行人通过反复的速度适应、碰撞避免、排队形成和扰动的上游传播进行交互。这些过程引入了相关性、间歇性和异质性,纯高斯波动模型无法很好地表征这些特性。在驱动的许多体系统中也广泛观察到类似的高斯统计偏离。例如,在颗粒气体中,速度分布可以显著偏离Maxwell分布[33]。在湍流和其他非平衡系统中,具有涨落广延参数的随机模型产生重尾概率密度,这一机制在非广延统计框架中得到了形式化[34,35]。这些类比表明,微观行人速度波动也可能受益于一个明确考虑高斯行为偏离的统计物理描述。

非广延统计力学提供了这样一个框架。Tsallis引入了一个由熵指数q表征的广义熵,在q=1的极限下恢复Boltzmann-Gibbs熵[36]。Tsallis、Mendes和Plastino进一步阐明了该广义框架中约束和正规化的作用[37]。在适当的约束下,Tsallis熵的最大化导致q-高斯分布,它推广了普通高斯分布[38,39]。熵指数q控制对高斯极限的偏离:q=1对应高斯情况,q>1产生具有更重尾部的分布,q<1则产生紧致支撑形式。这使得q-高斯在描述罕见但动力学上重要的波动比高斯统计预期更频繁出现的系统中具有吸引力。非广延统计力学和相关q统计分布在光学晶格[40]、生物细胞迁移[41]、金融市场[42]、非广延参数的温度波动解释[43]以及交通延误统计[44]中的应用已被报道。

尽管存在这种自然联系,q-高斯统计在行人动力学中的系统使用仍然有限,特别是在几何约束设施中的受控轨迹数据方面。现有的行人研究记录了非高斯特征、间歇性运动和相关的波动,但通常以定性方式或通过问题特定的统计指标进行。因此,行人速度分布偏离高斯极限的程度、这种偏离如何随局部密度和位置变化,以及熵指数q能否作为行人流非平衡态的紧凑描述符,仍然不清楚。这个问题对于拐角几何形状尤为相关。在拐角处,行人必须同时调整方向和速度,几何约束可以引起局部压缩、间歇性减速和异质性交互。这种条件预计会放大非高斯速度波动。

基于这一空白,本研究使用q-高斯框架研究了L形走廊中的行人速度分布。分析基于Forschungszentrum Jülich行人动力学数据集中的受控实验轨迹数据。轨迹经Savitzky-Golay滤波器平滑后,通过中心差分获得瞬时速度,并对相应的行人速度进行统计分析。q-高斯分布被用作正确正规化的概率模型,而不仅仅是作为经验重尾拟合曲线。熵指数q被解释为偏离高斯速度统计的描述性指标,而尺度参数和位置参数用于表征经验分布的宽度和中心趋势。考察了q值随L形走廊中密度和空间位置的变化,并讨论了其在提供行人流中拥堵、间歇性和几何约束信息方面的潜力。此外,计算了Tsallis熵以量化不同密度和空间条件下速度波动统计无序度的变化。

本文其余部分组织如下。第2节介绍数据集和轨迹预处理。第3节描述方法论,包括转弯区域检测、q-高斯拟合和Voronoi密度估计。第4节展示结果和讨论,重点关注模型验证、非广延参数q的变化和Tsallis熵分析。第5节得出结论。

数据集准备

本研究的总体框架如图1所示。从受控L形走廊实验收集的行人轨迹首先进行预处理以提取个体速度和航向。然后利用航向信息以数据驱动的方式标定转弯影响区的空间范围,将每条走廊分为直线、过渡和转弯区域。所得速度分布由q-高斯统计在严格的

问题定义

在L形走廊中,行人航向在离开SBB区域后偏离直线行走参考值,直到在SAB区域中恢复稳定行走。在五区域划分模型中,BB区域和AB区域分别位于TB区域的上游和下游。本节提出了一种基于航向偏差的断点检测方法,以划定这两个影响区域的空间边界。

核心假设是,当行人距离

轨迹预处理验证

Savitzky-Golay平滑的有效性通过比较原始轨迹和平滑轨迹导出的运动学量进行评估。图5展示了一位代表性行人的瞬时加加速度范数:原始信号表现出与物理合理运动不一致的显著锯齿状振荡,而平滑信号连续变化同时保持整体的加速-减速模式,证实了SG滤波器抑制了高频

结论

本研究在Tsallis非广延统计框架下考察了L形走廊中的行人速度分布。本研究做出了两点方法论贡献。首先,通过航向偏差轮廓的断点检测来标定转弯影响区的边界,替代了先前区域模型中使用的固定经验设置,使空间划分具有可重复性。其次,q-高斯拟合与模型选择

CRediT作者贡献声明

Hui Zhang:资源、方法论、调查、原创稿件撰写、审阅与编辑、资金获取。Xinmeng Wang:审阅与编辑、监督。Yitao Yang:审阅与编辑、监督。

利益冲突声明

本手稿的提交不存在利益冲突,手稿已获所有作者批准发表。我谨代表我的合著者声明,所述工作为原创研究,此前未曾发表,也未被其他刊物考虑出版,无论是全部还是部分内容。

致谢

本研究得到中央高校基本科研业务费专项资金[项目编号LGZD202605]、青蓝项目以及江苏省高校哲学社会科学研究项目[项目编号2025SJYB0091]的资助。

Hui Zhang | Xinmeng Wang | Yitao Yang

南京警察学院信息技术学院,南京,210023,中国
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号