16、基于前馈神经网络的行人速度预测

基于前馈神经网络的行人速度预测

1. 研究背景与相关模型

在行人行为建模领域，诸多学者进行了不同方向的研究。2001 年有学者利用元胞自动机原理对行人在单向和双向移动中的行为进行建模。此后，Dijkstra 和 Jessurun 以及 Wang 等人将元胞自动机模型进行扩展，用于模拟公共场所的行人行为。Chen 等人进一步扩展该模型，以模拟有吸引事件时的行人行为。Hu 等人扩展元胞自动机来提高疏散效率并分析排队时间相关模型。Alghadi 等人允许同一单元格中有更多行人。Lu 等人扩展了地板场元胞自动机模型，以捕捉和评估群体行为对人群疏散的影响。

在社会力模型方面，Helbing 和 Molnár 提出行人在移动路径上的行为可以用社会力来建模，此前 Lewin 也曾提及人类行为变化受社会场或社会力引导。Teknomo 扩展了社会力模型，考虑了两种排斥力。Helbing 等人、Lakoba 等人以及 Parisi 等人引入了“自停止”机制，以防止行人在模拟过程中推挤他人。Zanlungo 等人引入了碰撞预测和避免机制，Moussaid 等人开发了基于个体的模型来描述行人与同组和其他组行人的交互。此外，Xun 等人研究了地铁站出口选择中空间距离、占用密度和出口宽度的影响，Abualigah 等人提出了新的优化技术来解决该问题。

在人工神经网络（ANN）应用于行人行为建模方面，Gruden 等人用 ANN 对微观行人过街行为进行建模，Das 等人用 ANN 对行人宏观交通流关系进行建模，并且有研究对比 ANN 与其他确定性模型在不同行人设施上的表现，发现 ANN 具有出色的性能。Zampieri 等人对比空间句法和 ANN 对行人移动行为的建模，发现 ANN 表现更好，相关系数准确率超