Core Concepts
본 연구는 시나리오 기하학과 보행자 운동 정보를 포함하는 시각 정보를 활용하여 데이터 기반 군중 시뮬레이션 모델의 적응성을 향상시키는 것을 목표로 한다.
Abstract
본 연구는 데이터 기반 군중 시뮬레이션 모델의 적응성 향상을 위해 시각 정보를 활용하는 새로운 모델을 제안한다.
데이터 처리 모듈에서는 레이더-기하학-운동 (RGL) 방법을 통해 보행자의 시각 정보를 추출한다. 이 정보는 보행자의 주변 환경과 자신의 운동 상태를 반영한다.
속도 예측 모듈에서는 시간 합성 신경망 (TCN) 기반의 사회-시각 TCN (SVTCN) 모델을 개발하여 다음 시간 단계의 보행자 속도를 예측한다.
롤링 예측 모듈에서는 훈련된 SVTCN 모델을 활용하여 군중 시뮬레이션을 수행한다.
제안된 VID 모델은 복도, 코너, T-junction 등 다양한 기하학적 시나리오에서 실험되었으며, 정성적 및 정량적 평가 지표를 통해 우수한 적응성을 입증하였다.
Stats
보행자의 속도는 이전 시간 단계의 속도와 밀접한 관련이 있다.
보행자와 주변 보행자 간의 상대 위치와 상대 속도는 보행자의 움직임에 영향을 미친다.
보행자는 주변 벽면의 상대 위치 정보를 통해 공간적 제약을 인지할 수 있다.
Quotes
"보행자 운동은 매우 복잡하며 다양한 요인의 영향을 받는다. 이러한 복잡성은 지식 기반 모델의 단순한 물리적 방정식과 전문가 경험으로는 충분히 포착할 수 없다."
"데이터 기반 모델은 실제 관측 데이터로부터 보행자 움직임 동역학을 학습할 수 있어 지식 기반 모델의 한계를 극복할 수 있다."
"시각 정보는 보행자가 공간 기하학과 자신의 운동 상태를 인지하는 데 중요한 역할을 한다. 이러한 정보를 활용하면 데이터 기반 모델의 적응성을 향상시킬 수 있다."