文摘
行人受伤和死亡世界各地的问题。行人违反一致性的行为,导致许多行人碰撞,在中国是很常见的现象在路口十字路口。复杂网络的概念和指标应用于分析行人网络的结构特征和演化规则的一致性违反口岸。首先,网络建立了行人过马路,和网络的度分布进行了分析。然后,通过使用SI模型的基本思想,传播模型的行人非法穿越行为提出了。最后,通过仿真分析,得到行人的非法越境行为趋势在不同的网络结构和不同的传播率。一些结论是:随着等待时间的增加,更多的行人将加入红色首先违反行人穿越一次跨越。和行人的从众心理违法违规行为会增加随着扩散速率的增加。
1。介绍
涉及行人的交通事故已经成为全世界的一个主要安全问题,特别是在发展中国家。几项研究已经检查行人行为(性别和年龄差异1,2]。物理环境和性格特征也可能相关的行人行为的差异(3]。例如,自我认同,在这种情况下表现为个体的自我认同是一个安全的行人,已被证明预测行人穿越公路意图(4]。另一个人格特质,整合,包括特征的意愿或倾向于跟随别人的想法、价值观和行为,也是一个重要因素。
从众行为,也称为羊群行为,指的是个体的行为后,集团的趋势。这种心理现象被发现普遍在社会生活5]。多数学者认为整合行人违反心理学是一个很重要的原因,但是其中的一些研究行人的从众行为的原因和机制。通过问卷调查基于计划行为理论,从周Gonggang一些更深层次的研究将更有可能发现行人过马路,当其他行人交叉比其他所有人等待着“绿人,”和行人感知行为控制和有一个更大的社会从众倾向更有可能表现出积极的意图跨越红色(6,7]。目前,研究人员面临的挑战是研究行人的整合的过程和原因违反道路交叉点的情况。一种有效的方法应该由基本理论和数据分析。
复杂网络已经在许多工程领域的成功应用。在这篇文章中,复杂网络理论用于分析行人网络的结构特征和演化规则的一致性违反口岸。
2。文献综述
2.1。网络和复杂网络
在1960年代,鄂尔多斯和Renyi提出随机图理论分析网络拓扑结构的复杂性。随机网络组成节点和边,是概率每一对节点之间的联系。这个经典的数学理论可以被视为复杂网络理论的基础。小世界和无标度特性的发现为复杂网络的研究带来一个新的开始。当用图表表示,一些网络揭示每一对节点之间的距离相对较小;也就是说,平均分开一小部分节点。这种类型的复杂网络,小世界,还显示了高聚类;也就是说,如果两个节点连接到相同的节点,它们彼此连接的概率很高(8]。其他一些网络包含几个高度连接节点。这些网络是无标度(9]。自然和社会生活中最真实世界网络已经被证明是无尺度。
复杂网络近年来引起了广泛的关注。复杂网络的一个主要原因已经变得如此受欢迎的灵活性和通用性代表任何自然的结构,包括那些发生动态变化的拓扑结构(10]。考虑到这一点,不同的研究都集中在如何描述一个问题作为一个复杂的网络,根据其拓扑特征和特征提取。
最近,交通系统的流动特性(如交通流和人流)成为复杂网络的基本利益。特别是,交通拥堵及其动态关系网络结构已经成为一个热门话题。相结合,而很少有研究并给出了复杂网络和行人行为的文献报道。
受上述研究成果,本文将复杂网络理论应用于模拟行人违法违规行为。
2.2。行人行为模型
行人安全在城市地区日益关注的问题。行人的行为建模是行人安全研究领域的一个重要课题。研究人员构建模型来描述和模拟行人运动特征自1970年代。以前的行人行为建模方法可以分为两大类:微观和宏观模型。在过去的几年,更多的注意力都集中在微观建模,每个行人都被建模为一个代理人。微观模型包括社会力量模型、晶格气体(LG)模型,细胞自动机(CA)模型,和artificial-intelligence-based模型(11,12]。复杂网络是用来表示自组织现象,噪音性排序,在不同的情况下和集体现象。
CA模型使用一个离散的空间结构来模拟行人行走行为包括方式变化,向前迈出一步,差距计算。在模型中,网格中的每个细胞由状态变量表示。一组规则定义了细胞的状态根据细胞的社区,和转移矩阵是用来更新细胞在连续的时间步骤。按照规定,促进向前移动的车道回避运动的最佳选择。和每个行人的运动空间是基于所需的速度和前方的差距可用向前移动。CA模型能够有效地捕捉集体行为自主的行人在微程序级(13,14]。类似于CA模型,经典LG模型中的每个网格具有相同的大小,和每一个行人占据了一个网格在每个时间步。最近,LG模型关注的是行人和车辆之间的相互作用。此外,基于实验与人类社会代理行人模型对象是一个新的研究对象(15]。
3所示。行人网络构建
3.1。建模方法
复杂网络的核心思想是通过探索来描述系统的宏观现象的微观个体的行为以及个体之间的交互。因此,复杂网络可以被看作是微观个体和宏观现象之间的桥梁。在这篇文章中,复杂网络理论应用于捕获信号交叉路口的行人行为,特别是当行人处境相符。
本文的目的是检查行人的从众现象在红色十字路口的信号的时间和放牧行为的传播规则。整个研究过程包括以下四个步骤:使用动作捕捉技术来收集的基本行为数据构建行人网络,构造一个行人步行网络的网络和分析统计参数,构建一个传播模型的行人违法违规行为使用SI模型的方法,和分析传播过程中行人的违法违规行为基于仿真结果。
3.2。网络模型构建
非法信号交叉路口的行人可以很好地描述复杂网络,节点代表了行人,和链接表示这些行人之间的关系或相互作用。根据他们的穿越行为,非法行人可分为领导人和放牧行人。领导人指行人走过十字路口首先在红灯。受到其他非法行人,行人提交违反因此被视为放牧行人。基于行人网络构建的,行人动力学机制时,可以看到情况相符。
行人网络具有以下特点。定向:行人之间的关系或相互作用方向,作为行人只有前面的行人,不影响观察行人的行为,在大多数情况下。复杂:节点复杂,作为行人本身是一个复杂的个体,其行为受个人因素的影响,其他行人的行为,和交通环境。和链接也复杂,指的是复杂性、可变性,行人行为的随机性,行人之间的关系是由他们的行为。增加:在从众心理的影响,行人的违法违规行为将会不断增加。行人动态网络的节点将会增长。
3.3。数据收集
路口十字路口行人大体积和许多非法行人选择为研究网站。人行横道行为研究通过收集到的数据直接观察行人活动使用两个摄像机设置在人行横道的旁边。相机放置在相对隐蔽的位置,比如广告牌和街附近的树木,所以相机的存在不会影响行人的正常行为。尽管行人穿越行为如违反或没有,相机也可能电影行人的微观移动磁头的活动,如运动,把放在一边,看,扫视。
后领域研究中,研究人员从南京科技大学获得的信息记录的视频。详细的程序来确定不同行人行为之间的关系提出了如下。首先,行人互动区域的视频来判断。文献所示(16),观察范围的行人是椭圆形的。这个结果可以大致确定行人的交互区域。然后,观察行人的行为交互地区是否有一些直接的行人运动之间的相互作用。如果行人进行一些运动,如头部运动,把放在一边,看,扫视,说话,行人与其他行人的交互。之后,研究人员可以记录有用的数据和做笔记对行人的行为和相关的信息,如信号周期,信号时间,行人性别,并影响行人数量。
这项调查是在早晚高峰时段进行。摄像机放置在每个人行横道行人的表情和动作记录清楚。根据行为的基本方法测定的影响关系,行人之间的关系在不同的红光阶段,不同性别被记录。表1显示了行人交互的数据记录单。
3.4。网络特征的行人违法违规行为
为了研究行人的动态特征的整合违法违规行为,网络的基本指标需要首先进行了分析和计算。鉴于扩散机制和传播研究的目标是探索群体行为进化的行人,行人量化网络中不同类型的个人状态,和关键个人筛选行人群体行为,本文打算计算分析的拓扑特征一致性程度违反行为。
度是指节点与其他节点的数量。网络中,节点的度包括出度和入度。有关学位意味着数量的节点指向他人,入度意味着其他节点指向节点的数量。和网络中所有节点的平均叫做网络的平均度。
(1)平均出度在不同的红光阶段。通过计算行人平均500年学位不同的信号周期,行人平均学位第一阶段(清廉s)。学位的平均是1.5,这意味着每个人行横道街头非法的行为可以吸引1.5其他行人跟踪他。随着等待时间的增加,行人平均出度逐渐增加。在第四阶段(50或更多),平均行人网络的出度为2.8,表明行人等待更长的时间;等待行人更有可能提交违反首先当别人呢。图1显示的相关分析结果行人平均学位和红光阶段。是0.84,这表明这两个变量是高度相关的。因此,为了减少群组织非法行人,行人信号应设置合理。例如,红灯的时间不应该太长。
(2)男性和女性的平均出度行人。通过平均计算的出度和入度的男性和女性非法行人、性别因素的影响可以判断行人的从众行为。它的数据中可以看到2(一个)和2 (b)入度和出度,男性高于女性的价值观,这就意味着男性行人比女性更容易跟随别人。这个结果是一样的结论在文献[17]。学位的男性也比女性行人,表明男性的行为不仅更有可能影响并吸引其他行人,也起着关键作用的非法组织比女性行人。
(一)
(b)
4所示。传播模型的行人的非法越境行为基于改进SI
4.1。如果模型
如果模型是一个经典的模型用于分析生物学的疾病传播。这个模型可以定量分析和数值模拟动力学形态模型广泛应用于复杂网络领域。如果模型中,每个节点只在两个离散状态之一:一个是健康的敏感,名叫“敏感”,另一种是受感染的传染性,名叫“感染”。
最初,随机选择的一个或多个网络节点被感染节点,和其他人都是健康的。在每个时间步,感染周围的节点节点可能感染了某种概率。随着时间的流逝,平行进化规则网络中进行。在计算机网络,计算机病毒传播谣言传播在社区里,和疾病蔓延在人口可以被视为网络中的传播行为。行人信号交叉路口的从众行为的过程也与SI模型一致。所以如果模型用于分析行人从众行为,揭示了传播特征,寻找减少从众违法违规行为的有效控制方法。
行人过马路在红灯期间,可以通过运动特征分为两类:行人行走(非法行人)和行人仍等待(本文这行人被定义为在一个等待状态)。一旦一个拥挤的行人穿过街道非法,受到对方的违法违规行为的影响,行人等待过马路会认为选择穿越红色或不是。这些行人被称为“等待状态。“从众的心态下,等待行人可能追随领导者的一部分非法行人,而另一个行人遵守交通法规的一部分,继续等待行人绿灯亮。
因此,行人在人行横道上的十字路口可以通过他们的行为分为四类:领导者,放牧非法的行人,看着行人,行人等待。的领导人是行人穿过红色的首先。领导人的违法行为开始在人群中传播。行人接受非法过街行为变成看状态的信息。行人观看状态可以选择提交违反或仍在等待绿灯后,影响部队如交通环境、心理、社会约束。详细的变化过程如图3。
在这个模型中,假定(1)行人看状态有一定的概率通过观察过街非法状态,然后有一定的概率从看状态等待状态;(2)对行人过马路如果他们追随领导者,然后行人的等待状态转换到过街非法状态;(3)在时间,过街的行人数量比例的非法状态和行人看状态和分别;(4)基于的原则邻居,可以观察到每个非法行人周围的行人和影响其他行人。是一个常数。
根据假设,可以观察到每个行人的行为非法周围的行人。由于行人的数量在看状态,有看行人过马路会非法。因此,行人过马路的增长率非法: 另外,随着在最初的时候(),非法行人的比例;然后
解方程,结果。
4.2。仿真模型的行人违法违规行为
复杂系统仿真软件“NetLogo”应用于模拟行人穿越的违反行为的传播模型。图4显示了传播模型的仿真结果。红点代表了非法行人过马路,而绿点代表了行人等待绿灯。通过仿真分析,传播违反规则的行为在不同的网络结构。此外,进一步分析提出研究传播率的因素在行人穿越行为。
(一)
(b)
(c)
行人违法违规行为传播模型建立了基于改进SI。在仿真过程中,传播行为的影响因素,分析两个关键参数的改变:网络的平均度和扩散率。传播率设置为10%,违法违规行为的传播特性时模拟网络中网络的平均度是2,3,5,6,8。此外,分析传播率的因素,模拟行人违法违规行为的传播特点,当网络的平均度是6和扩散率分别是10%和15%。
4.2.1。准备违法违规行为在不同的网络结构的传播特征
根据仿真结果,当网络的平均度小于3,违法行为不能行人网络上传播。领导者的违法行为只能吸引周围的几个行人过马路非法,但非法行为不能进一步蔓延。和其他行人过马路不参加非法组织。当网络的平均度接近或大于5,穿越街道违法行为可以在网络中传播,产生从众效应。
此外,详细的分析表明,当网络的平均度是5,其他行人过马路会逐渐加入到队伍非法非法行人当领袖。和大约50%的行人过马路非法,因为从众效应。当网络的平均度6或8,行人过马路的速度非法稳定在60%或80%。可以看出非法行为的传播规则有一个稳定的效果,所以影响范围的行为传播最终会达到一个稳定状态;当行人的连通性强多了(平均程度较高),违法行为将更加广泛和快速传播。
4.2.2。违法违规行为的传播特征在不同的传播率
传播率被定义为非法的行人行为的概率是影响其他行人。传播速度能代表一个人的的数量一致的概率。不同的仿真结果平均程度时(参见图6和扩散率10%5(一个)(见图)和15%5 (b)得到了)。当扩散率是10%,非法穿越街道最终稳定在60%,而当传播率是15%,非法穿越率达到80%。一个重要的结果是实现:传播速度较高时,行人过街非法率较高。传播率可能会导致轻微的增加显著增加行人违法违规行为传播范围。所以提高行人的安全意识和合规意识可以有效地减少行人违法违规行为的概率,提高信号交叉路口的行人的安全。
(一)
(b)
5。结论
行人违反一致性行为在中国是很常见的现象在路口十字路口。基于复杂网络理论,行人的整合违法违规行为进行了研究。首先,行人过马路的网络构建和行人网络的度分布进行了分析。然后使用SI模型的基本思想,行人过街非法行为建立传播模型。此外,模拟方法应用于行人违法违规行为的交流趋势在不同的网络结构和不同的传播率。
得出随着等待时间的增加,更多的行人将提交非法违反当第一个行人穿过街道。此外,行人在入度和出度,男性高于女性。这意味着男性行人比女性更容易跟随别人,和男性行人的行为更有可能吸引其他行人。通过分析行人违法行为传播规则,发现一个重要的结论是:随着传播率的增加,行人过街的违反率较高。因此,提高行人的安全意识和合规意识可以减少行人违规的概率,提高信号交叉路口的行人的安全。
利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项研究支持由中国国家自然科学基金(51308298和51308298),中国住房和城乡建设部项目(2013 - k5 - 20),和项目南京科技大学。