行人如何避免撞在一起？

火車站、地鐵站太擠怎麼辦？展覽太火怎麼辦？研究人員建立數學模型來描述行人在自然狀態下的行為，告訴你怎麼走才不會堵。

來源 New Scientist

撰文 Jennifer Ouellette

翻譯 肖坤

審校 王騰

由於行人的個體行為無法預測，群體行為往往難以建模從而被準確描述。圖片來源：Chinch Gryniewicz/Plainpicture

了解行人的群體行為有助於緩解上下班高峰時段的交通擁堵，以及避免類似 2014 跨年夜上海外灘踩踏事故這樣的悲劇再次發生。

群體中的個體往往很難追蹤，因而研究人員常把人群類比為流體中粒子的集合來建立模型，每個行人就是其中的一個粒子。然而實際上行人的個體行為比流體中的粒子更難以預測。

荷蘭埃因霍芬理工大學的 Federico Toschi 及其同事希望建立一個能夠描述行人行走過程中少量隨機變化的數學模型，比如說，突然轉身（U-turn）。Toschi 說：「絕大多數現有的模型都忽視了人們往回走的可能性，然而這種情況在火車站卻極為常見」。

在埃因霍芬理工大學校內，Toschi 團隊沿著連接兩個餐廳的一條走廊布置了多個攝像頭來記錄行人的行動。這條走廊的人流量並不大，方便了研究人員對每個行人進行連續且準確地追蹤。此外，每個攝像頭都採用微軟公司為 Xbox 遊戲設計的 Kinect 三維運動感測器，其內置有紅外光源以適應不同的光照條件，並通過搭配輔助軟體對行人頭部進行追蹤。

在一年多的時間裡，研究人員得到了超過 72000 份記錄著行人行走路線的影像數據。他們利用這些數據建立了考慮隨機波動後的行走路線模型。

這個模型可以預測人們突然轉身的頻率，而這種行為（突然轉身）往往是交通擁堵或癱瘓的罪魁禍首，特別在擁擠的場合——例如高峰時段的火車站。

Toschi 說：「這類實驗的魅力就在於它們完全來源於真實生活」。

這個模型還可以推廣應用到更為複雜的群體行為研究中。研究團隊在一個火車站裡也進行了類似的實驗，並收集了六個月的數據。他們還和博物館合作，優化引導參觀人流，並且當某個展覽太過火爆時，尋找巧妙疏導人群的方法。

麻省理工學院的 Brian Skinner 表示：「總的來說，我非常喜歡根據數據研究人們行走模式隨機性的想法。不過，這個模型的假設太多了。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！