建成环境中深度人群流预测
人工智能
2019-10-15 v1 计算机视觉与模式识别
摘要
在众多应用领域中，预测复杂环境中人群的行为是一项关键需求，包括人群与灾害管理、建筑设计和城市规划。给定人群的即时状态，现有方法通过模拟人群运动来得到未来状态。然而，大多数应用需要以实时速率预测数百种可能的模拟结果（例如在不同环境和人群情形下），对于这些应用而言，现有方法的开销高得令人望而却步。本文提出一种方法，可即时预测任意大型真实环境中人群的长期流动。我们方法的核心是一种新颖的 CAGE 表示，由 Capacity（容量）、Agent（智能体）、Goal（目标）和 Environment（环境）导向信息组成，它能将人群场景高效编码和解码为紧凑、固定大小的、环境无损的表示。我们提出一个框架，以促进对前所未见人群场景中人群流动的准确高效预测。我们进行了一系列实验来评估我们方法的有效性，并展示了积极的结果。
引用
@article{arxiv.1910.05810,
title = {Deep Crowd-Flow Prediction in Built Environments},
author = {Samuel S. Sohn and Seonghyeon Moon and Honglu Zhou and Sejong Yoon and Vladimir Pavlovic and Mubbasir Kapadia},
journal= {arXiv preprint arXiv:1910.05810},
year = {2019}
}