迈向行人群组的能动性、生命周期与行走行为的建模

《Physica A: Statistical Mechanics and its Applications》：Towards modeling pedestrian-group agency, life-cycle and walking behavior

　　

**摘要**

本文探讨将行人组视为一种涌现智能体。文章探索实证数据，并提供初步证据，以支持将行人组行走行为构建为混合系统；重点关注涌现能动状态空间、编队状态空间以及行走行为的其他反复出现的模式。在本分析中，使用了从监控视频中提取的行人轨迹以及先前发布的人工标注行人组成员身份。我们对观察到的组进行了额外的人工专家评估，制作了与组行为相关事件的新人工标注，并提取了与组形成相关的指标。混合定性和定量分析被用来为将组建模为混合系统的离散状态空间制定假设。最终，随着更多证据支持所提出的模型，该模型将有助于在整个生命周期内捕捉关于组行为的详细且结构化的预期；从行人独立行走，到集体意图的出现，此时组成员倾向于彼此之间保持有界距离。所展示的分析表明，这种有界距离的扰动往往与其能动状态或编队状态的变化相关联。我们总结观察到的组行为以及状态转换序列，形成抽象模式，这有助于在模拟中开发更详细的组智能体，以及设计与这些组交互的工程系统。

**引言**

自主多智能体编队一直受到几个科学和工程社区的关注，例如航空领域，以及近期的无人机领域 [1], [2]。科学社区研究了动物行为，例如鸟类集群 [3], [4]，作为参考以了解这些编队的本质以及使其成为可能的基本原理。

行人组是在人类行为研究中发现的类似概念，事实证明它对人群行为研究 [5] 和紧急疏散 [6], [7] 具有重要意义。该概念自然引发了跨学科研究。行人组首先倾向于是一个社会群体，因此受到社会科学研究 [8], [9] 的关注。这些行人组往往代表人群中的重要部分，吸引了交通研究社区的研究 [10]。对推导可用于模拟此类人群模型的物理社区也关注了这一主题 [11]。最近，工程社区也对这一主题产生了兴趣，因为他们开始设计具有社会意识的机器人系统，预计这些系统能够在这样的人群中导航并与之互动 [12]，以及与其中的群体互动 [13], [14]。

群体的行走行为受到了特别关注 [15], [16]。这包括群体规模对群体行走速度的影响、编队形状以及平均群体空间分散度等方面。一些分散的工作中考虑了多个方面来建模和模拟群体的行走行为，例如 [5], [17], [18]。

尽管该主题有大量的研究，并且从自底向上的视角研究和优化了多种方面，但仍需要努力组织现有知识并填补空白，以帮助从自顶向下的视角创建描述群体作为智能体的解剖结构和构建的统一框架（在下一节讨论）。我们相信，这种尝试可以简化将文献中可用信息整合在一起的工作，支持构建更准确的群体行为模拟模型，并有助于设计与这些群体集成和互动的工程系统。

因此，在本文中，我们首先尝试突出与构建此类解剖结构相关的信息。然后，我们讨论文献中已被接受并用于分析人群行为的数据集，这些数据捕捉了行人轨迹，并对属于群体的行人轨迹进行了手动聚类。我们使用这些数据研究群体的生命周期，并提供初步证据以支持推导混合系统模型以及影响其集体行为的离散状态空间。

本文重点关注组内交互（组内成员之间以及与组内成员的交互），并制定了对群体行为的理解，超越了他们最常研究的凝聚力状态。本文仅极少关注组间交互和动态（组内成员与组外人士之间）。本文的贡献包括：
•多学科定性和定量分析，结合新的人工标注，讨论了作为涌现智能体的群体结构以及群体智能体行为。
•案例发现研究，以突出群体中反复出现的不规则行为，并确定研究群体行为的关键因素变量。
•为群体提出一种混合模型，详细说明群体能动状态空间和群体编队状态空间作为影响群体行为的主要离散状态。
•探索并以定性方式表征代表为混合系统的行人组行走行为模式。
•使用轨迹数据对群体行为及群体状态可区分性进行统计分析并得出结果。
在附录中，我们提供了仍在开发中的额外材料，例如关于群体生命周期扩展社会力模型的数学公式提案（未经验证提供）。

**部分片段**

**群体解剖学：一个整合的多视角文献综述**

拥有共同社会联系的人倾向于结伴而行，并表现出共享方向和步伐等行为模式。虽然文献中充满了关于行人组是什么的不同定义 [5], [8], [19]，在这里，从这些定义中，我们假设如果人类检查员基于他们的行走行为将他们识别为一个组，那么他们就是一个组。

因此，我们首先关注一组充当行人组的行人。我们假设每个行人都可以是

**一般观察设置**

在本文中，我们专注于研究行人组如何在大部分开放空间中行走并与场景中的其他行人互动；即，我们关注人群交通场景，并研究其中的群体行为。我们将我们的工作作为一种自然行为研究，依赖此类人群的监控视频录像，不受观察者或研究干扰。此类观察数据已被几个研究小组记录并发布在文献中，例如 [16], [33]。那些

**探索性研究**

第 3 节生成的组观察片段被用于对数据进行初步的人工定性专家检查。这项检查专注于产生关于群体行为、可识别模式和异常行为的初步见解。

对于这项探索性研究，对整个数据集进行了初步的快速浏览。在此过程中，仅记录一般观察结果，以在数据集中的案例中建立初步的高层可见性。这包括

**变量缩减和选择**

在本节中，我们将第 4 节开发的主题/模式作为影响群体行走行为的因素变量。在这里，我们关注群体半径 [16] 作为群体内部行为模式的主要可测量指标。群体半径是在群体成员占据的物理区域可以被建模为圆 ???(????,????) 的框架下开发的，其中 ?????(??) 是时间 ?? 的群体质心，?????(??)（在本文其余部分以米为单位报告）是其半径

**作为混合系统的群体**

本节将群体呈现为混合系统。我们期望建立这样的模型将能在未来工作中实现对群体行为和交互的专注研究。正如本文讨论中所示，当群体在此混合模型的状态之间切换时，群体行为会发生明显变化。预计群体外部人士反过来将以明显不同的方式与群体互动。混合系统通常被建模为元组 (??, ??, ?, ??)，

**群体半径和状态转换模式**

在这里，我们主要关注群体半径 ?????(??) 作为群体行走行为的一般指标。我们将此群体半径绘制为时间的函数，如图 6、图 7 所示，持续时间为群体观察期间。这些图曲线中的每条曲线代表一个群体在它们停留在观察的物理区域内期间（从进入场景到离开场景）的半径。在这两张图中，我们排除了在我们人工标注过程中被识别为错误标记群体的群体（两个来自

**定量统计分析**

本节检查群体观察的实证数据进行定量分析。在接下来的小节中，我们将密切调查两个主要数据集，并讨论我们的观察和结论。

**结论**

本文呈现了关于群体和群体行为的多学科调查。文章提供了概念和系统视角，重点突出对调查的自顶向下和自底向上视角，以及数据驱动分析。定性分析被用于在自然设置中研究群体行为，并为群体构建系统模型，识别相关状态空间，并为问题提供结构。实证数据被用于验证

**CRediT 作者贡献声明**

Saleh Albeaik：撰写 – 初稿，可视化，验证，监督，软件，资源，项目管理，方法论，调查，资金获取，正式分析，数据管理，概念化。
Mohamad Alrished：正式分析，数据管理，概念化。
Faisal Alsallum：软件，数据管理。

**利益冲突声明**

作者声明他们没有已知的竞争财务利益或个人关系，这些关系可能影响本论文报告的工作。

**致谢**

本研究工作部分由阿卜杜勒阿齐兹科学与技术城 (KACST) 支持。我们要感谢编辑和匿名审稿人付出的时间和宝贵反馈。他们富有洞察力的评论极大地帮助提高了文章的质量。

Saleh Albeaik|Mohamad Alrished|Faisal Alsallum 阿卜杜勒阿齐兹科学与技术城，复杂工程系统中心，沙特阿拉伯，利雅得