【摘要】利用可穿戴設備解決恐慌人羣仿真中數據採集的問題。首先，建立信息傳遞下的人羣仿真模型，爲可能的採集數據提供輸入接口;其次利用動作捕捉設備處理個體行爲仿真;最後進行了廣場火災事件下的恐慌人羣仿真實驗。結果證明，可穿戴設備的普及使得突發事件下恐慌人羣的數據採集變得可行，在這些數據研究下的恐慌人羣仿真可以爲制定城市應急預案提供更精準的分析。
【關鍵詞】可穿戴設備 動作捕捉 恐慌人羣 仿真
一、引言
2014年我國發生了震驚全國的“昆明火車站暴力恐怖襲擊事件”，事件中共造成29人死亡、143人受傷。2014年12月31日上海外灘陳毅廣場發生的踩踏的事件造成36人死亡、49人受傷，使我國2015年的元旦籠罩在一片悲傷中。近年來，隨着人們精神文化生活的日益豐富，各式各樣的活動蜂擁般出現在人羣中，隨之引發的是社會公共管理能力與快速增長的公共活動需求之間的矛盾。國內外發生的一系列突發性人羣事件，由於其巨大的破壞力得到了越來越多人的關注，大家迫切希望有某種手段能夠提高社會的公共管理能力和突發事件的處理能力，把各類事故中的損失降到最低。
人羣仿真是提高公共管理能力的有效輔助手段，其本質上是一個複雜的動態系統，它涉及心理學、社會學、管理學和計算機科學等多個學科。因此，關於人羣仿真有來自於不同領域的大量研究，如心理行爲及其影響因素研究[1-2]、建築逃生演練研究[3]、危險氣體的擴散研究[4]、疏散速度研究[5]和應急動態決策研究[6]等。通過這些研究可以發現，在突發事件人羣仿真中有一個顯著特徵――人羣的聚集，而且在??突發事件中可以觀察到人羣行爲與正常情況下的人羣行爲的巨大差異。這種人羣的巨大差異使得突發事件中人羣的各項數據採集變成了難題，從而導致危險情況下的恐慌人羣仿真研究因數據缺乏而陷入瓶頸。
值得慶幸的是，隨着谷歌智能眼鏡、小米手環、蘋果Apple Watch、耐克智能鞋等可穿戴設備的出現，人們也開始熱衷於隨時隨地記錄自己的運動和行爲數據，可穿戴設備從未以如此高的頻率在健康與運動領域井噴式發展[7-8]。事實上，可穿戴設備使用便捷、人性化設計、可操作性強、智能高效等優勢都在逐漸凸顯，先進的電路系統、無線聯網，越來越準確的傳感器技術以及不斷提高的蓄電能力[9]，都使得可穿戴設備在具備數據採集能力時還具有極強的數據處理能力，可以在採集數據的同時實現智能終端同步。這爲突發事件中恐慌人羣的數據記錄提供了可以發展的前提條件，突發事件中的恐慌人羣研究將進入新的研究篇章。
二、恐慌人羣的仿真
人羣仿真算法可以分爲宏觀算法與微觀算法[11-12]。人羣行爲的研究主要包含以下幾個方面：個體行爲、羣體行爲、羣體之間的交互行爲。恐慌人羣與普通人羣行爲有巨大差異的主要原因是突發事件中的個體會產生恐慌情緒並相互感染，從而導致羣體行爲異常。通過剖析恐慌情況下人羣中個體情緒的形成、發展和傳遞，發現情緒可以看成個體對自身接收信息的一種心理反應，情緒的產生原因可視爲新信息的進入，情緒的作用結果是行爲的選擇，而情緒的感染過程等同於個體間信息的交互。因此恐慌人羣仿真可以歸納爲如下幾個功能模塊：虛擬人對環境的感知、根據獲得的數據進行決策、生成動作數據以及執行動作，具體如圖1所示：
2.1信息獲取
在虛擬人對環境的感知中虛擬人跟正常人一樣具有虛擬感受空間，每個虛擬人都有自己獨立的信息空間。根據信息傳遞的3種途徑(視覺、聽覺、觸覺)，虛擬人信息空間的模型可以分爲3個模塊，即視覺信息空間、聽覺信息空間、觸覺信息空間。每個子模塊的信息空間分別有自己可接收信息的種類、範圍、程度等規則，虛擬人之間根據這些信息空間的規則進行彼此間的交互。
虛擬人i的信息空間如圖2所示，Rv、Rh、Rt、R0分別爲視覺空間半徑、聽覺空間半徑、觸覺信息半徑和虛擬人所佔空間半徑。不同子空間具有不同的約束條件，每個空間按照各自的條件或規則進行信息收集、處理，最終虛擬人體獲取的是各子空間的全部信息的綜合，即虛擬人得到的總信息等於各個子信息求並集，如式(1)所示：
(1)
2.2信息傳遞
確定人羣中信息傳遞的途徑後，需要確定的是虛擬人間信息傳遞的種類。根據恐慌情況下能夠影響人羣疏散能力的幾種因素，可以將危險情況下人羣中的信息傳遞種類分爲：事故信息(AI)、逃生知識與經驗(KI)和舒適度(CI)這3類信息。事故信息AI的值設定在[-1，1]之間，並根據其程度、影響進行賦值，1表示事故信息帶來最大的消極影響(如事故範圍內的人離事故地點越近受到的傷害越大)，而-1表示事故信息帶來最大的積極影響(如事故範圍外的人得到事故信息可以有所防範)，0表示其無影響。舒適度指的是個體對周圍環境信息的一個反應，它不僅與個體局部人羣密度相關，還與個體間的距離有關係。逃生知識與經驗屬於積極信息，個體具備逃生知識與經驗會在危險中產生積極的情緒，使其由恐慌轉向理智，有助於個體做出明智的`判斷。最終虛擬人可以通過自己的3種信息數據以及環境感知到的信息數據，得到自身在突發事件中的恐慌情緒值Panic，計算方法如式(2)所示：
(2)
式(2)中λ、α、β、γ爲相關係數，這個係數在獲得真實數據以後可以通過訓練實驗場景中的輸入輸出數據得到準確的值。
2.3虛擬人行爲計算
如圖1恐慌人羣仿真功能模塊示意圖所示，在前面解決了人羣中虛擬人的恐慌情緒計算問題，通過式(2)可以得到虛擬人的情緒值，使虛擬人進入決策機制開始進行行爲選擇。然後把虛擬人的運動分爲4個運動片段：開始(起步)、行走、停留、摔倒，每個運動片段都被表示爲一個節點，如圖3所示，運動圖表示狀態轉換間的路徑，每種狀態對應各自的觸發條件和表現形式。
每個個體初始化狀態爲開始，開始狀態下個體的速度大小爲個體i的初速度大小vi(0)，每次經過其它狀態轉換到的開始狀態也採用該速度。開始狀態完成後，在人羣密度和個體恐慌情緒的條件下，個體轉換到行走狀態，平移速度vi(t)由個體的局部人羣密度ρi和當前恐慌程度Panic(t)通過式(3)計算並進行步態控制，在行走過程中如果人羣密度超過4.2人/m2或個體尋徑陷入困難或碰到無法躲避的障礙物，個體運動狀態則會轉入停留狀態，直至困境解除重新進入開始狀態或困境達到極限引發跌倒。