可穿戴设备下的恐慌人群仿真探究
【摘要】利用可穿戴设备解决恐慌人群仿真中数据采集的问题。首先，建立信息传递下的人群仿真模型，为可能的采集数据提供输入接口;其次利用动作捕捉设备处理个体行为仿真;最后进行了广场火灾事件下的恐慌人群仿真实验。结果证明，可穿戴设备的普及使得突发事件下恐慌人群的数据采集变得可行，在这些数据研究下的恐慌人群仿真可以为制定城市应急预案提供更精准的分析。
【关键词】可穿戴设备 动作捕捉 恐慌人群 仿真
一、引言
2014年我国发生了震惊全国的“昆明火车站暴力恐怖袭击事件”，事件中共造成29人死亡、143人受伤。2014年12月31日上海外滩陈毅广场发生的踩踏的事件造成36人死亡、49人受伤，使我国2015年的元旦笼罩在一片悲伤中。近年来，随着人们精神文化生活的日益丰富，各式各样的活动蜂拥般出现在人群中，随之引发的是社会公共管理能力与快速增长的公共活动需求之间的矛盾。国内外发生的一系列突发性人群事件，由于其巨大的破坏力得到了越来越多人的关注，大家迫切希望有某种手段能够提高社会的公共管理能力和突发事件的处理能力，把各类事故中的损失降到最低。
人群仿真是提高公共管理能力的有效辅助手段，其本质上是一个复杂的动态系统，它涉及心理学、社会学、管理学和计算机科学等多个学科。因此，关于人群仿真有来自于不同领域的大量研究，如心理行为及其影响因素研究[1-2]、建筑逃生演练研究[3]、危险气体的扩散研究[4]、疏散速度研究[5]和应急动态决策研究[6]等。通过这些研究可以发现，在突发事件人群仿真中有一个显著特征――人群的聚集，而且在??突发事件中可以观察到人群行为与正常情况下的人群行为的巨大差异。这种人群的巨大差异使得突发事件中人群的各项数据采集变成了难题，从而导致危险情况下的恐慌人群仿真研究因数据缺乏而陷入瓶颈。
值得庆幸的是，随着谷歌智能眼镜、小米手环、苹果Apple Watch、耐克智能鞋等可穿戴设备的出现，人们也开始热衷于随时随地记录自己的运动和行为数据，可穿戴设备从未以如此高的频率在健康与运动领域井喷式发展[7-8]。事实上，可穿戴设备使用便捷、人性化设计、可操作性强、智能高效等优势都在逐渐凸显，先进的电路系统、无线联网，越来越准确的传感器技术以及不断提高的蓄电能力[9]，都使得可穿戴设备在具备数据采集能力时还具有极强的数据处理能力，可以在采集数据的同时实现智能终端同步。这为突发事件中恐慌人群的数据记录提供了可以发展的前提条件，突发事件中的恐慌人群研究将进入新的研究篇章。
二、恐慌人群的仿真
人群仿真算法可以分为宏观算法与微观算法[11-12]。人群行为的研究主要包含以下几个方面：个体行为、群体行为、群体之间的交互行为。恐慌人群与普通人群行为有巨大差异的主要原因是突发事件中的个体会产生恐慌情绪并相互感染，从而导致群体行为异常。通过剖析恐慌情况下人群中个体情绪的形成、发展和传递，发现情绪可以看成个体对自身接收信息的一种心理反应，情绪的产生原因可视为新信息的进入，情绪的作用结果是行为的选择，而情绪的感染过程等同于个体间信息的交互。因此恐慌人群仿真可以归纳为如下几个功能模块：虚拟人对环境的感知、根据获得的数据进行决策、生成动作数据以及执行动作，具体如图1所示：
2.1信息获取
在虚拟人对环境的感知中虚拟人跟正常人一样具有虚拟感受空间，每个虚拟人都有自己独立的信息空间。根据信息传递的3种途径(视觉、听觉、触觉)，虚拟人信息空间的模型可以分为3个模块，即视觉信息空间、听觉信息空间、触觉信息空间。每个子模块的信息空间分别有自己可接收信息的种类、范围、程度等规则，虚拟人之间根据这些信息空间的规则进行彼此间的交互。
虚拟人i的信息空间如图2所示，Rv、Rh、Rt、R0分别为视觉空间半径、听觉空间半径、触觉信息半径和虚拟人所占空间半径。不同子空间具有不同的约束条件，每个空间按照各自的条件或规则进行信息收集、处理，最终虚拟人体获取的是各子空间的全部信息的综合，即虚拟人得到的总信息等于各个子信息求并集，如式(1)所示：
(1)
2.2信息传递
确定人群中信息传递的途径后，需要确定的是虚拟人间信息传递的种类。根据恐慌情况下能够影响人群疏散能力的几种因素，可以将危险情况下人群中的信息传递种类分为：事故信息(AI)、逃生知识与经验(KI)和舒适度(CI)这3类信息。事故信息AI的值设定在[-1，1]之间，并根据其程度、影响进行赋值，1表示事故信息带来最大的消极影响(如事故范围内的人离事故地点越近受到的伤害越大)，而-1表示事故信息带来最大的积极影响(如事故范围外的人得到事故信息可以有所防范)，0表示其无影响。舒适度指的是个体对周围环境信息的一个反应，它不仅与个体局部人群密度相关，还与个体间的距离有关系。逃生知识与经验属于积极信息，个体具备逃生知识与经验会在危险中产生积极的情绪，使其由恐慌转向理智，有助于个体做出明智的`判断。最终虚拟人可以通过自己的3种信息数据以及环境感知到的信息数据，得到自身在突发事件中的恐慌情绪值Panic，计算方法如式(2)所示：
(2)
式(2)中λ、α、β、γ为相关系数，这个系数在获得真实数据以后可以通过训练实验场景中的输入输出数据得到准确的值。
2.3虚拟人行为计算
如图1恐慌人群仿真功能模块示意图所示，在前面解决了人群中虚拟人的恐慌情绪计算问题，通过式(2)可以得到虚拟人的情绪值，使虚拟人进入决策机制开始进行行为选择。然后把虚拟人的运动分为4个运动片段：开始(起步)、行走、停留、摔倒，每个运动片段都被表示为一个节点，如图3所示，运动图表示状态转换间的路径，每种状态对应各自的触发条件和表现形式。
每个个体初始化状态为开始，开始状态下个体的速度大小为个体i的初速度大小vi(0)，每次经过其它状态转换到的开始状态也采用该速度。开始状态完成后，在人群密度和个体恐慌情绪的条件下，个体转换到行走状态，平移速度vi(t)由个体的局部人群密度ρi和当前恐慌程度Panic(t)通过式(3)计算并进行步态控制，在行走过程中如果人群密度超过4.2人/m2或个体寻径陷入困难或碰到无法躲避的障碍物，个体运动状态则会转入停留状态，直至困境解除重新进入开始状态或困境达到极限引发跌倒。