大数据揭示了人群如何快速移动

世界上有史以来规模最大的基于真实人群的大数据可以帮助公共空间变得更少的拥挤，并在此过程中保证我们的安全。

人群可能令人烦躁，但是，人们实际上如何设法避开彼此，到处都是脚，肘部和肩膀？最近的研究对一个繁忙的火车站跟踪了500万人次路程，以弄清楚人们实际上是如何移动的。

到目前为止，大多数关于人群动态的研究都是基于在实验室条件下或计算机模型上进行的实验中的运动。这些先前的研究发现，当人们四处走动时，他们往往会开始一条预定的路径，一个想象中的轨迹。但是当他们更多地了解环境时，例如路上模糊不清的障碍物，如水坑，或者人们向该路径移动时，他们会在几分之一秒内调整，有效地做出动作躲避。

这项由荷兰，意大利和美国的团队进行的新研究的目的是准确地了解这一点：并弄清楚这种调整是如何实现的，何时以何种速度发生。研究人员发现，如果行人在可能的碰撞路径上，他们修改了他们的路线，使他们的相互距离平均不小于0.75米。为了弄清楚这一点，研究人员将个体视为流体中的粒子，将人群动态与流体流动进行比较，粒子相互作用。

“论文的指出了自动化人群分类方案，”瑞典卡尔斯塔德大学的数学家阿德里安·蒙坦说，他研究人群动态但没有参与这项研究。他补充说，该论文“揭示了第一响应者的行为可能导致的结果，或现有建筑物疏散策略的设计，如果涉及到大量人群，这些都是必不可少的因素。”

giphy.gif

该研究依赖于四个微软Kinect传感器，这些传感器安装在荷兰艾恩德霍芬拥挤的火车站走廊天花板附近。科学家们从2014年10月到2015年3月收集了每天10万次行程的信息，并创建了该地区的重叠深度图。

研究人员测量了最简单的相互作用，两个行人相互走路，技术上称为成对相互作用。然后，他们映射了他们的轨迹，并在相应的图表上为每个人分配了一个节点。一旦其他人进入走廊，他们就会链接图表上的节点，那里的人越多，他们之间的节点网络就越复杂。

在收集数据后，研究人员设计了一个计算机程序来筛选和分类。“通过几个月的数据，我们可以观察到许多不同的拥挤条件：从稀疏到密集的流动，从单向到多向，从通勤者到休闲步行者，”该研究的主要作者荷兰埃因霍温科技大学的物理学家Alessandro Corbetta说。“但这些数据的潜力是无限的，因为我们考虑了相互避免成对行人的情况，这只是第一步。”

该团队还发现了罕见的事件，如每千人一次发生的自发逆转或误导。实验室环境通常不太适合识别此类事件，但传感器在这里提供了帮助。在未来，由于基础设施存在问题，这种类型的数据可能会被当局用于获取有关人员受伤的区域的警报。然后可以使用这些警报向行人发送自动文本，告诉他们哪些站点退出使用以及哪些站点正忙。

该论文与另一项研究同时由中国四川大学和香港城市大学的一个小组进行，该小组分析了70人在实验室环境中的运动。然而，另一篇论文特别关注人们在不同条件下的步伐的持续时间。该团队发现，当周围人数较少时，人们倾向于采取更长的步伐，反之亦然。

“在过去，科学家们面临着两个问题 ：如何收集原始数据以及如何分析它们，”德国马克斯普朗克人类发展研究所人群动态和社会影响力研究员Mehdi Moussaid说。由于复杂的运动传感设备和人工智能计算机视觉算法的进步，最近克服了这两个问题，因此人群研究正在进入大数据时代。

科贝塔说：“在我看来，我们无法预测某个人将来会如何行动。”虽然预测个人运动可能仍然无法预测，但集体行为彻底可以用概率来捕捉，从而尽量减少发生事故的可能性。