ShibuyaSocial：关于人行步行流的多尺度模型
多智能体系统
2025-12-23 v1
摘要
本文提出一种基于学习的人行步行流模型，将全局路线选择和局部碰撞规避等多尺度行为整合到城市空间中，特别关注人行步行在涉谷冲突穿越（Shibuya scramble crossing）的人群行为。由于人行步行流过度拥堵可能导致严重事故，因此对人行为进行数学建模和预测对于预防事故和提供安全舒适的环境至关重要。虽然已有大量研究探讨了基于学习的建模方法，但大多数研究仅关注人行步行的局部行为，如与邻居和环境物体的碰撞规避。在实际环境中，人行为涉及更复杂的决策，包括全局路线选择。此外，还应同时考虑从停止到行走的状态转换。本研究将局部行为与全局路线选择相结合，使用注意力机制确保全局和局部行为预测的一致性。我们记录了涉谷冲突穿越人行步行的视频数据，并使用从视频中获取的人行步行轨迹数据训练了所提出的模型。基于训练好的模型对人行步行行为的仿真在定性和定量上均表明，所提出的模型能够appropriate地预测人行步行行为。
引用
@article{arxiv.2512.18550,
title = {ShibuyaSocial: Multi-scale Model of Pedestrian Flows in Scramble Crossing},
author = {Akihiro Sakurai and Naoya Kajio and Ko Yamamoto},
journal= {arXiv preprint arXiv:2512.18550},
year = {2025}
}