Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 논문은 군중 이동 시뮬레이션 시 발생하는 높은 충돌률을 해결하기 위해 GAN 기반의 새로운 모델인 CPGAN을 제안합니다. 측면 가속도 기반의 충돌 손실 함수와 Voronoi 기반 특징 추출을 통해 양방향 흐름에서의 충돌을 효과적으로 감소시켰습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기군중 이동 시뮬레이션 (Crowd movement simulation)은 보행자 안전 관리 및 시설 배치 최적화를 위해 필수적입니다. 데이터 기반 모델 (Data-driven models)은 유클리드 거리 (Euclidean metrics) 기준의 궤적 예측 정확도를 향상시키지만, 특히 양방향 및 다방향 흐름에서 충돌률이 지나치게 높다는 문제를 겪습니다. 본 논문에서는 충돌을 줄이기 위해 보행자 충돌 메커니즘을 손실 함수 (Loss function)에 통합한 새로운 데이터 기반 군중 시뮬레이션 모델을 구축합니다. 새로운 측면 가속도 기반 충돌 손실 함수 (Lateral-acceleration-based collision loss function)와 Voronoi 기반 운동 특징 추출 (Voronoi-based motion feature extraction) 접근 방식을 제안합니다. 이 모델은 생성적 적대 신경망 (Generative Adversarial Network, GAN) 구조를 기반으로 하며, CPGAN (Collision-Penalized GAN)이라 명명되었습니다. 우리는 빈번한 충돌 회피 행동이 발생하는 양방향 흐름 시나리오에서 CPGAN을 평가합니다. 결과에 따르면, 제안된 측면 가속도 기반 충돌 손실은 반대 방향 보행자 충돌률을 통제된 실험과 유사한 수준으로 크게 감소시킵니다. CPGAN은 차선 형성 (Lane formation) 및 N-t 곡선 (N-t curves)을 재현하며 양방향 흐름을 효과적으로 시뮬레이션합니다. 본 연구 결과는 데이터 기반 군중 시뮬레이션에서 보행자 역학 메커니즘을 손실 함수에 통합하는 데 영감을 제공할 수 있습니다.