基于人工神经网络的行人速度预测
物理与社会
2018-02-01 v2
摘要
行人行为往往依赖于设施类型。因此，对于具有少量参数的经典模型而言，在复杂几何（包括走廊、瓶颈或交叉口）中准确预测行人运动难以实现。人工神经网络具有多个参数并能够识别各类模式，它们可能是合适的预测替代方案。本文中我们旨在展示测试该方法的第一步。我们将走廊与瓶颈实验组合下经典模型与神经网络对行人速度的估计进行比较。结果表明，神经网络能够区分两种几何形状，并在几何混合时改进行人速度的估计。
引用
@article{arxiv.1801.09782,
title = {Prediction of Pedestrian Speed with Artificial Neural Networks},
author = {Antoine Tordeux and Mohcine Chraibi and Armin Seyfried and Andreas Schadschneider},
journal= {arXiv preprint arXiv:1801.09782},
year = {2018}
}
备注
8 pages, 5 figures; Traffic and Granular Flow 2017 Conference (TGF'17)