《Accident Analysis & Prevention》：Inferring crowd crush accidents in typical high-density pedestrian movement zones via the vision–trajectory fusion neural network
編輯推薦：
人群運動軌跡預(yù)測與踩踏事故風(fēng)險分析基于雙模態(tài)融合模型
傳志·托馬斯·謝|張宏亮|張旭欣|楊曉霞|何兆成|田一軍
中國中山大學(xué)智能系統(tǒng)工程學(xué)院
摘要
行人步行是日常出行的不可或缺的方式，然而，在相關(guān)設(shè)施中，例如火車站的節(jié)假日高峰期，頻繁出現(xiàn)的高密度人群聚集被廣泛認(rèn)為是可能導(dǎo)致人群擠壓事故的高風(fēng)險因素。為了有效預(yù)防此類事故，本研究通過準(zhǔn)確的行人軌跡預(yù)測，為理解代表性高密度移動區(qū)域中人群的時空演變特征提供了基礎(chǔ)步驟。技術(shù)上，我們開發(fā)了一個雙模態(tài)數(shù)據(jù)驅(qū)動框架——視覺-軌跡交叉融合人群預(yù)測神經(jīng)網(wǎng)絡(luò)（VT-CrowdNet），該框架整合了用于結(jié)構(gòu)化軌跡建模的增強型圖學(xué)習(xí)模塊、用于鳥瞰監(jiān)控特征提取的擴展視覺變換器，以及用于雙模態(tài)整合的適應(yīng)型交叉注意力殘差融合機制，從而實現(xiàn)對個體軌跡的高保真預(yù)測，這些預(yù)測為后續(xù)的多指標(biāo)事故推斷提供了依據(jù)。后者使用捕捉人群危險性和通行效率的區(qū)域級指標(biāo)，以及反映集體移動流動性的全局級指標(biāo)來進行。首先，我們在代表性的高密度人群移動區(qū)域（包括單向和雙向走廊以及四向交叉口）上，將VT-CrowdNet與經(jīng)典模型和最先進的基線模型進行了對比實驗。在驗證了VT-CrowdNet在微觀層面的性能后，選擇了最復(fù)雜的四向交叉口作為測試對象，該交叉口以頻繁和異質(zhì)的行人互動為特征，以評估該模型在區(qū)域和全局尺度上推斷人群擠壓風(fēng)險時空模式的能力。結(jié)果表明，VT-CrowdNet不僅在所有移動區(qū)域?qū)崿F(xiàn)了優(yōu)越的微觀軌跡預(yù)測，而且在推斷與人群擠壓相關(guān)的時間空間特征方面也始終表現(xiàn)出領(lǐng)先性能。兩個關(guān)鍵發(fā)現(xiàn)是：i) 在雙模態(tài)框架下，只有當(dāng)圖像和結(jié)構(gòu)化數(shù)據(jù)有效對齊時，性能才能持續(xù)提升；而模態(tài)不對齊可能會對準(zhǔn)確性產(chǎn)生不利影響；ii) 相對準(zhǔn)確的軌跡預(yù)測并不一定能確保可靠的人群擠壓特征推斷，如果基于錯誤的輸出，可能會誤導(dǎo)行人交通流的管理和干預(yù)。
引言
行人步行長期以來一直被視為現(xiàn)代交通系統(tǒng)的微觀循環(huán)組成部分（Otsuka等人，2021年）。例如，在城市間通過火車或飛機旅行時，旅行者不可避免地需要在交通樞紐內(nèi)行走以獲取登機服務(wù)（Wen等人，2024年）。然而，在重大節(jié)假日或極端天氣等破壞性事件期間，交通相關(guān)設(shè)施經(jīng)常會出現(xiàn)嚴(yán)重的行人擁堵（見圖1），這可能會演變成人群擠壓事故。典型的案例包括：（i）2025年2月，在印度新德里火車站發(fā)生踩踏事件，造成至少18人死亡，大多數(shù)受害者試圖前往瑪哈昆布節(jié)（CBS News，2025年）；（ii）2017年9月，在印度孟買的一場暴雨中，埃爾芬斯通路火車站的踩踏事件導(dǎo)致23人死亡和39人受傷（Kant和Khobragade，2023年）；（iii）2008年中國農(nóng)歷新年期間，廣州火車站發(fā)生類似事故，造成100多人傷亡（Ip和Wang，2011年）。仔細(xì)研究這些事件可以發(fā)現(xiàn)一些共同特征，即它們很可能發(fā)生在產(chǎn)生典型高密度行人流動模式的移動區(qū)域，例如擁擠的多向交叉口和瓶頸路段；此外，在極其密集的條件下，行人動態(tài)中的微小擾動可能會引發(fā)連鎖故障，包括大規(guī)模的滑倒和摔倒。上述特征強調(diào)了系統(tǒng)管理代表性移動區(qū)域中高密度行人交通的必要性，以支持預(yù)防人群擠壓事故。
為了減少與行人相關(guān)的事故，準(zhǔn)確預(yù)測個體行為的重要性在先前的研究中得到了廣泛證實（Rasouli等人，2017年），研究工作大致根據(jù)空間環(huán)境分為室外和室內(nèi)環(huán)境。在室外場景中，大量工作集中在預(yù)測行人過街意圖和個體軌跡上，以降低車輛與行人碰撞的風(fēng)險，Pu等人（2025年）、Wang等人（2024年）、Liu等人（2025年）的報告證明了其有效性。然而，這些研究主要針對孤立或稀疏的行人流動，盡管有一些先驅(qū)性研究（例如Kwon等人，2024年）考慮了集體移動模式，但其中研究的人群密度遠低于行人服務(wù)設(shè)施在擁堵期間通常觀察到的密度，從而限制了這些室外方法對高密度行人動態(tài)預(yù)測的相關(guān)性，而這正是本研究的重點。在室內(nèi)環(huán)境中，主要挑戰(zhàn)在于預(yù)測擁擠條件下的行人移動。傳統(tǒng)的基于物理的方法，例如基于代理的模型（ABMs）（Liu等人，2019年；Xie等人，2024a），因其能夠在復(fù)雜、高密度和異質(zhì)場景中模擬個體連續(xù)軌跡而被廣泛采用。然而，正如Korbmacher和Tordeux（2022年）所指出的，這些方法的軌跡準(zhǔn)確性有限，并且在預(yù)測開始后無法實時整合數(shù)據(jù)。相比之下，數(shù)據(jù)驅(qū)動的方法，包括基于序列的方法（Bisagno等人，2021年）和基于結(jié)構(gòu)的方法（Li等人，2025年），由于其輸入-輸出公式與準(zhǔn)確實時軌跡預(yù)測的需求高度契合，越來越被視為可行的替代方案。然而，考慮到在擁擠設(shè)施中個體之間復(fù)雜的互動（例如不同的目的地），這些模型的預(yù)測性能可能并不理想。此外，如果僅關(guān)注個體軌跡預(yù)測而不擴展到區(qū)域動態(tài)的推斷（例如，識別易發(fā)生人群擠壓的區(qū)域或瓶頸，以及捕捉全球交通場景的系統(tǒng)級人群流動特性），則無法為室內(nèi)行人交通安全管理提供可行的見解。因此，一個能夠捕捉高密度和異質(zhì)人群動態(tài)的跨粒度數(shù)據(jù)驅(qū)動預(yù)測框架是必不可少的。
應(yīng)特別注意行人預(yù)測模型的輸入模態(tài)，因為對現(xiàn)有研究的回顧性分析顯示，大多數(shù)模型采用單一模態(tài)設(shè)計，僅依賴于結(jié)構(gòu)化軌跡數(shù)據(jù)，而很少有研究探索圖像和結(jié)構(gòu)化輸入的整合。然而，從視頻中提取的軌跡主要描述了標(biāo)注行人的運動歷史，并沒有明確編碼行走環(huán)境的幾何信息，例如其整體布局、人群擁堵發(fā)生的空間特征，或人群密度和其他自組織現(xiàn)象（例如車道形成）在更廣泛場景中的瞬時分布。這些全局的、場景級的線索，以及關(guān)于行人進入或離開視野的信息，直接存在于頭頂監(jiān)控圖像中，但僅從軌跡本身無法間接且常常含糊地推斷出來。鑒于行人設(shè)施中的實時監(jiān)控主要依靠頭頂CCTV監(jiān)控，可以合理推斷，結(jié)合視覺和結(jié)構(gòu)化模態(tài)可以提高預(yù)測準(zhǔn)確性，這與單一模態(tài)方法相比具有更大的潛力。應(yīng)當(dāng)認(rèn)識到，盡管少數(shù)先驅(qū)性研究（例如Mangalam等人，2021年）探索了雙模態(tài)行人交通預(yù)測，但它們的重點主要在于道路交通環(huán)境中的個體或稀疏行人流動，這在方法上具有創(chuàng)新性且在概念上有價值，但由于依賴于以自我為中心的數(shù)據(jù)源（例如車載 dash 相機，見圖2(a)），而不適用于室內(nèi)環(huán)境中的人群動態(tài)和事故風(fēng)險預(yù)測，后者依賴于頭頂鳥瞰監(jiān)控特征（見圖2(b)）。因此，開發(fā)一個復(fù)雜且本質(zhì)統(tǒng)一的雙模態(tài)數(shù)據(jù)融合組件對于構(gòu)建適用于室內(nèi)行人系統(tǒng)的跨粒度預(yù)測模型至關(guān)重要，特別是在擁擠設(shè)施中早期檢測易發(fā)生事故的條件方面。
為了彌合上述知識空白，本文的主要貢獻可以概括如下：（i）從理論角度來看，我們引入了一個新型模型——視覺-軌跡交叉融合人群預(yù)測神經(jīng)網(wǎng)絡(luò)（VT-CrowdNet），這是最早嘗試將鳥瞰視覺數(shù)據(jù)和結(jié)構(gòu)化行人軌跡整合起來，用于各種典型高密度人群移動區(qū)域的多粒度行人流量預(yù)測的模型之一，重點在于個體軌跡預(yù)測、人群擠壓事故預(yù)測和宏觀流量動態(tài)；（ii）從實際角度來看，廣泛的實驗不僅通過嚴(yán)格的基準(zhǔn)測試證明了VT-CrowdNet在多種評估指標(biāo)上的預(yù)測優(yōu)勢，還強調(diào)了對異構(gòu)數(shù)據(jù)模態(tài)進行對齊的關(guān)鍵重要性，因為無法有效整合雙源輸入的模型其預(yù)測性能會低于單一模態(tài)模型。本文的其余部分結(jié)構(gòu)如下：第2節(jié)回顧了包括基于物理和數(shù)據(jù)驅(qū)動方法在內(nèi)的行人流量預(yù)測文獻；第3節(jié)詳細(xì)闡述了所提出的VT-CrowdNet的架構(gòu)；第4節(jié)報告了將VT-CrowdNet與廣泛認(rèn)可的基線模型進行比較的實驗評估。
相關(guān)工作
為了準(zhǔn)確推斷行人人群動態(tài)特征，例如易發(fā)生事故的區(qū)域，一個必要的前提是對個體行人行為的徹底理解，這在學(xué)術(shù)上對應(yīng)于準(zhǔn)確預(yù)測個體軌跡，這些軌跡是通過連貫整合得出更高層次時空特征的基礎(chǔ)輸入。因此，第2節(jié)重點介紹了在人群環(huán)境中進行軌跡預(yù)測的方法。
我們的方法
為了預(yù)測高密度行人人群動態(tài)并支持在行人設(shè)施中早期識別潛在的人群擠壓事故，我們開發(fā)了一個名為VT-CrowdNet的新型雙模態(tài)個體軌跡預(yù)測模型。盡管可以從視頻記錄中提取每個行人的位置和軌跡，但這些運動序列本身并不能完全反映代理人移動的周圍環(huán)境，例如結(jié)構(gòu)的位置
數(shù)據(jù)集
在研究大型交通建筑時，通常會將它們復(fù)雜且異質(zhì)的空間布局分解為幾個典型的高密度行人移動區(qū)域（Karbovskii等人，2019年）。從這個角度來看，我們的工作考察了三個代表性數(shù)據(jù)集，包括（i）四向行人交叉口流量；（ii）單向走廊流量；（iii）雙向走廊流量。本研究中使用的所有數(shù)據(jù)集均來自BaSiGo項目
總結(jié)與討論
室內(nèi)行人交通設(shè)施中頻繁發(fā)生的人群擠壓事故，尤其是在擁擠的交通樞紐中，存在嚴(yán)重的災(zāi)難性人群擠壓事故風(fēng)險。在這些設(shè)施中有效預(yù)測此類事故對于保護行人安全至關(guān)重要；然而，傳統(tǒng)的預(yù)測模型在以下幾個方面存在明顯局限性：（i）對行人動態(tài)的表示不足
CRediT作者貢獻聲明
傳志·托馬斯·謝：撰寫——原始草稿、資源、方法論、調(diào)查。張宏亮：撰寫——原始草稿、方法論。張旭欣：形式分析、數(shù)據(jù)整理。楊曉霞：撰寫——審閱與編輯、形式分析。何兆成：撰寫——審閱與編輯、監(jiān)督、方法論。田一軍：監(jiān)督、方法論、形式分析。
致謝
我們感謝編輯和匿名審稿人的寶貴反饋。同時感謝深圳大學(xué)亞熱帶建筑與城市科學(xué)國家重點實驗室的助理教授袁志璐博士提供支持這項工作的深度學(xué)習(xí)計算資源。
利益沖突聲明
作者聲明他們沒有已知的競爭性財務(wù)利益或個人關(guān)系可能會影響本文報告的工作。
