通过深度生成代孕实验在人群中发现相互作用机制.

科学领域:

• 活动物质物理学 活动物质物理学
• 城市基础设施的设计.
• 复杂系统分析 复杂系统分析

背景情况:

• 步行者人群动态是复杂的,由社会互动驱动,通常以简单的力量为模型.
• 定量研究面临着控制实验室实验和大规模现实世界数据之间的权衡.
• 了解这些动态对于城市规划和安全至关重要.

研究的目的:

• 在人群动态中弥合控制实验和现实世界的数据分辨率之间的差距.
• 为研究行人行为开发一个虚拟代用实验范式.
• 揭示复杂社会系统中的基本相互作用结构.

主要方法:

• 利用基于图形神经网络 (GNN) 的生成模拟模型.
• 在现实世界的行人跟踪数据上训练了GNN模型.
• 根据人群动态的统计性质和已知的实验结果验证了模型.

主要成果:

• 成功地复制了已知的关于避免碰撞的实验结果.
• 揭示了人群中的N体相互作用主要是拓性的.
• 发现,个体在狭窄的视野内对有限数量的邻居做出反应.

结论:

• 数据驱动的虚拟代用实验可以提供实验室式的控制与现实世界的统计分辨率.
• 拓相互作用,而不是简单的基于距离的力量,决定了行人群的行为.
• 这种方法为复杂系统的科学发现提供了新的途径,在复杂系统中,直接实验是具有挑战性的.