30、交叉行人流轨迹提取与密度分析及圆形中心定位测量精度研究

交叉行人流轨迹提取与密度分析及圆形中心定位测量精度研究

交叉行人流相关研究

在人群分析中，从稀疏数据中估计连续的人群密度是一个主要问题，这对于基于连续模型（如偏微分方程）的数值模拟验证至关重要。

人群密度估计方法

• 传统粒子密度公式 ：对于观察区域 $\Omega \subset R^n$（平面区域 $n = 2$，体积区域 $n = 3$）内大量 $N$ 个粒子，位置为 $x_j \in \Omega$（$j = 1, \cdots, N$），点 $x \in \Omega$ 处的粒子密度 $\rho(x)$ 可近似表示为该点足够小邻域 $\Omega_0 \subset \Omega$ 内包含的粒子数 $N_0$ 除以邻域面积或体积，即 $\rho(x) \approx \frac{N_0}{|\Omega_0|}$。当粒子数量非常大时，该值对 $\Omega_0$ 的选择依赖性可忽略。例如在流体力学中，每立方米 $N = 10^{26}$ 个粒子的全局粒子密度很常见，即使在 $|\Omega_0| = 1 \ \mu m^3$ 的微小体积中，平均仍有 $N_0 = 10^8$ 个粒子来估计局部密度，相对测量误差可忽略不计。
• Helbing 公式 ：对于人数少得多的人群，Helbing 等人（2007）提出公式 $\rho(t, x) = \frac{1}{\pi R^2} \sum_{i = 1}^{N} \exp(-\frac{|x_i(t) - x|^2}{R^2})$ 来计算某一时刻 $t$ 的局部密度，其中 $R > 0$ 是合适的常数，该公式可