虚拟现实环境下行人寻路与群集动力学行为的实验与模拟

Studying pedestrian wayfinding and crowd dynamics behaviors is of great importance for guaranteeing the safety and efficiency of crowded public places such as large transit hubs. However, due to reasons including the inability of extracting highly detailed human behavior data by using traditional data collection methods, firstly, pedestrian wayfinding behaviors in complex environment based on exploration of the surroundings are still not well understood so far and the relevant empirical data and simulation models are also missing; secondly, many behavior rules governing the microscopic pedestrian movement in existing crowd dynamics models are not grounded on reality but hypnoses. This research proposes carrying out pedestrian crowd dynamics experiments based on Virtual Reality techniques, developing heuristic wayfinding model and microscopic crowd dynamics simulation model on the basis of the collected empirical data. In the wayfinding model, instead of rigidly calculating the shortest or fastest route, pedestrians will explore and find the way to the target in complex environment based on the processing of cognitive and environmental elements. In the microscopic crowd dynamics simulation model, fine scale pedestrian locomotion behavior rules relevant with collision avoidance as well as microscopic pedestrian movement will be developed and validated. This research will provide valuable information for future similar experimental studies, important empirical data and modeling techniques for the research area, reliable data and simulation tools for densely populated places for pedestrian planning, crowd risk and evacuation assessment, and therefore is of great theoretical and practical significance.

开展行人寻路和群集动力学行为研究对大型交通枢纽等人员密集场所安全与效率问题具有重要意义。分析目前研究现状发现，行人在复杂环境中的寻路行为机制尚不清楚且缺乏相应的模拟模型，行人群集动力学相关模型中行人微观运动行为规则普遍缺乏严格的现实依据。这主要是由于传统数据采集方法难以获取精细化行人行为数据造成的。因此，本研究提出构建行人群集动力学虚拟现实实验平台，采集深层次的行人行为模式数据，揭示行人在复杂环境下根据认知要素和环境要素探索寻路，而非完全依据最近或最快等路径规则进行决策的规律性，发展探索式行人寻路模型，实现群集动力学模型中与碰撞躲避等微观行为规律相关的模型规则的精细化建模，改进和验证微观群集动力学模型。研究成果不仅可为未来开展类似实验提供宝贵经验，为相关研究领域提供重要经验数据和建模思路，也可为人员密集场所行人流规划设计、群集风险和应急疏散评估提供分析工具，因此，具有重要理论和现实意义。

大型交通枢纽等密集人群场所在常态运营中的拥挤问题以及紧急情况下的人员疏散问题一直受到诸多关注。分析目前研究现状发现，行人在复杂环境中的寻路行为机制尚不清楚且缺乏相应的模拟模型，行人群集动力学相关模型中行人微观运动行为规则普遍缺乏严格的现实依据。本项目围绕基于虚拟现实技术的微观行人动力学数据采集与分析方法、行人寻路行为建模及基于虚拟现实的导向标识系统优化方法、行人动力学微观行为规律及其建模分析三个主题，开展了系列研究，具体包括：1）以武汉市某三线换乘地铁站为原型构建了三维模型，并在三维场景中植入行人流仿真，结合HTC VIVE和Unity，设计开发了微观行人动力学数据捕捉系统，实现多种微观行人动力学参数以及行人与导向标识交互参数的精确采集分析；2）构建了人员疏散路径选择行为的Logit模型，并基于实测数据，对数据中显示的每个路径选择决策点分别进行了模型参数逻辑回归求解，验证了模型的有效性；针对交通枢纽等具有复杂路径的环境中导向标识系统的导向效率问题，在虚拟现实实验系统的支持下，构建了一套更加完善的导向标识导向服务效能评价指标体系和评价方法，发展了以导向标识服务效能最优为目标的导向标识布局优化方法；3）通过一系列行人流运动特性微观群体实验，获取了无固定目标状态下、不同交叉角度情况下、通道瓶颈处以及连续分布的多出口处等情况下的行人动力学特征；开展了连续和离散模型的对比研究，揭示了各自的适用性差异；详细分析了社会力模型中自驱动力的动力学机理，并通过引入转向标度参数量化了行人转向运动的特征；针对多层建筑的人员疏散问题，通过改进的元胞自动机模型和自主体模型分别分析了环境因素和建筑结构因素对疏散效率的影响，创新性地提出了楼层疏散效率的概念，可更准确的反映每个楼层疏散通道特性。研究成果为未来开展类似研究提供了宝贵经验、重要经验数据和建模思路，也为解决密集人群场所的安全和效率问题提供了参考。