人群仿真模型综述

随着计算机技术水平的飞跃发展和人们对动画特效的迫切需求，人群建模引发了空前的研究热潮。人群运动建模和仿真已成为计算机图形学，安全科学和人工智能的研究热点。本文从人群运动仿真的意义出发，回顾了人群运动仿真的传统研究方法，并对常用传统模型的基本原理、优缺点以及相关应用进行了介绍。讨论了现阶段人群运动仿真的研究热点，包括现今极为火热的基于大数据驱动的新型仿真模型以及融入情绪传染的仿真方法。分析了人群运动仿真领域现阶段存在的不足，重点指出了当今对于情绪研究只重视情绪的感染方式而忽略了情绪差异下行人行为异质性的问题。最后，对人群仿真未来的研究方向进行了展望。

进入新世纪以来，各国经济水平快速提高，大量的乡村人口涌向城市，这些流动人群给城市带来了发展的同时，同样也给城市里的公共区域带来了巨大的压力，尤其是地铁、商场等场所常常人满为患。

而大规模的人群聚集极易诱发躁动、不安等负面情绪。此时一旦发生突发事件，恐慌情绪将迅速在人群中传播从而导致人群阻塞甚至出现踩踏，对公共安全产生巨大的冲击，产生严重的事故后果。

如何在事故发生时迅速采取应对措施或者通过预测来避免事故的发生变得极为重要。传统的疏散演习费时费力且不能真实反映出紧急情况下行人的迷茫和惊慌等情绪，而利用计算机人群仿真技术可以在有效降低成本的同时提高安全性，因此利用虚拟人群仿真技术研究人群疏散对预防安全事故发生、保障公共安全有着重大的现实意义。

人群仿真技术首次出现于Reynolds [1]提出的一种用以模拟鸟群内部群体行为的“Boid”模型。在那之后，人群模拟仿真得到了学者的持续研究并在各个领域大放异彩。尽管人群仿真领域现阶段已经取得了巨大的进展，但是随着社会环境的复杂化、计算机水平的不断提高，简单场景下的人群仿真模型已不能满足当前的研究需求。人群仿真技术也已不再是单一的计算机仿真技术，其往往需要与心理学、大数据等学科相互交叉。因此，研究如何模拟出真实环境中行人的运动对提高城市规划合理性和人群应急疏散效率有着重大的现实意义。本文后续将对传统的人群仿真模型和现阶段主要的研究方法进行归纳和总结，并指出现阶段研究尚存的部分问题，最后对未来的研究方向和发展趋势进行展望。

2. 传统人群仿真模型 人群仿真模型根据仿真对象的规模可以分成两大类：宏观模型和微观模型。其中，宏观模型将所有行人看成一个整体， 更加关注人群的宏观数据(人流速率、人群密度)之间的联系，忽略了个体行为方式和交互情况。因此宏观方法更适合模拟车站等空间范围大、人群密度高的场景。而微观模型则更侧重于行人的个体行为特征，重点关注个体的运动方式、决策以及与周围个体之间的交互情况。

2.1. 宏观模型 宏观模型从全局出发，重点关注人群整体的运动情况。下面以几个典型的宏观模型为例，介绍了其工作原理、在人群仿真领域的具体应用以及各自的优缺点。