Resumen

Predecir el movimiento de los peatones es de vital importancia en una amplia gama de aplicaciones. Recientemente, los modelos basados en datos están recibiendo cada vez más atención en los estudios de dinámica peatonal, demostrando un gran potencial para mejorar el rendimiento de la simulación. Este artículo presenta un modelo de simulación del movimiento peatonal basado en la red neuronal artificial, en el que se utilizan dos submodelos, respectivamente, para predecir el desplazamiento de la velocidad y el ángulo de dirección de la velocidad en cada paso temporal. La información sobre el destino, el historial de movimientos del peatón, los peatones vecinos y los obstáculos del entorno dentro de un área de percepción semicircular se utilizan como entradas para aprender las reglas de comportamiento del movimiento peatonal. En el submodelo del ángulo de dirección de la velocidad, se adopta un novedoso método de división del área de percepción del peatón. En concreto, el radio de percepción se divide en varias bandas, y el rango del ángulo de percepción se divide en varios sectores, estableciendo una matriz espacial ponderada para representar influencias variadas de peatones y obstáculos vecinos. Se realizaron experimentos en dos escenarios típicos, el flujo unidireccional y el flujo bidireccional en un pasillo recto largo, para obtener conjuntos de datos de movimiento de peatones. A continuación, se llevaron a cabo una serie de casos de simulación para investigar los valores adecuados de los parámetros críticos, incluidos el radio de percepción, la división del ángulo de percepción, los pesos de la matriz espacial y la adopción histórica del movimiento. En la comparación de la trayectoria de los peatones entre los resultados de la simulación y los datos reales, el error medio de trayectoria (EMT) y el error medio de destino (EMD) son, respectivamente, 0,114 m y 0,171 m en el escenario de flujo unidireccional, que son, respectivamente, 0,204 m y 0,362 m en el escenario de flujo bidireccional. Además, el diagrama fundamental que representa las relaciones densidad-velocidad y densidad-flujo en los resultados de la simulación concuerda bien con el de los datos reales. Los resultados demuestran la gran capacidad y credibilidad del modelo presentado para simular el movimiento peatonal en aplicaciones reales.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:movimiento peatonal, peatones vecinos, área de percepción, radio de percepción, datos reales, resultados de simulación, modelo de simulación de movimiento peatonal, submodelo de ángulo de dirección de la velocidad, red neuronal artificial, escenario de flujo bidireccional
• Keywords:pedestrian movement, neighboring pedestrians, perception area, perception radius, real data, simulation results, pedestrian movement simulation model, velocity direction angle submodel, artificial neural network, bidirectional flow scenario