群衆分析とは、集団や物体の自然な動きに関するデータを解釈する手法です。特に人間などの集団は、特定の群衆がどのように動き、いつ動きのパターンが変化するかなど、群衆追跡分析の対象となります。[1]研究者はこれらのデータを用いて、将来の群衆の動きや群衆の密度を予測し、避難経路の確保など、潜在的な事態への対応を計画します。[2]群衆分析の応用範囲は、ビデオゲームの群衆シミュレーションから警備や監視まで多岐にわたります。
背景
人口増加に伴い、群衆分析は社会・技術分野における主要な関心事となっています。[3]群衆分析は、公共イベント、公共空間の設計、視覚監視、仮想環境における群衆管理戦略の策定に活用されています。その目的は、地域の利便性向上や群衆災害の防止などです。[3]
群衆の中には、他の群衆ほど簡単に分析できないものがあります。群衆の心理は、群衆をどのように分類し、研究するかに影響を与えます。群衆は、道路を歩いている歩行者の集団のように偶発的なものもあれば、マラソンや抗議活動に参加する人々のように計画的なものもあり得ます。暴徒のように積極的かつ気まぐれな群衆もあれば、観客のように受動的な群衆もあります。分析の大部分は主要な群衆を対象としますが、交通の流れに逆らう人物や、歩行者の集団の中を進む自転車乗りのような異常な群衆も考慮に入れる必要があります。したがって、個人の集団の目的が、得られたデータの解釈を決定します。衝突が発生する可能性のある場所を予測するために、群衆の動き方を理解するための重要な研究が行われてきました。[4]この研究は、群衆からのデータを分析し、次にソフトウェアを使用して同様の状況のモデルを作成することによって行われます。群衆の行動をシミュレートするモデルは数多く存在し、その中には「ネットワークベースのモデルや流体力学モデルのようなマクロなモデルだけでなく、社会力モデルやセルオートマトンのようなミクロなモデルもある」と述べるものもある。[4]
方法論
群集密度とは、単位面積あたりの物体の数、例えば1平方メートルあたりの人数を指します。[5]密度は、安全上の懸念に対処するために、部屋や建物の最大収容人数を決定する上で重要です。他のエリアよりも密集するエリアを分析することは、建物や避難経路の設計に不可欠です。こうした懸念に対処するには、群集の管理と最適化が含まれ、移動パターンを予測することが可能になります。
群集の流れとは、空間内を移動する物体の速度を指します。臨界容量に達すると、群集密度が増加するにつれて、流れは減少し始めます。ヤーキーズ・ドットソンの法則は、個人にかかるストレスの量がパフォーマンスに及ぼす影響を説明しています。ストレスは、物体が個人に向かってくる、個人がタスクを遂行するための時間的制約、あるいは個人を取り囲むエージェントの数といった外的要因によって引き起こされます。[6]
コンピュータアニメーションにおいては、シミュレートされた個体（エージェントと呼ばれる）が、リアルな群衆のような行動を表現するために記述されることが多い。エージェントは、ストレス、ナビゲーションフィールド、そして周囲のエージェントに基づくアルゴリズムに従って行動を操作する。人間のような行動をとるインテリジェントエージェントを開発する研究は、人工知能の分野に属する。
アプリケーション
群衆分析から得られるデータは、さまざまな分野や実際の実装において非常に貴重です。
群衆人工知能
群集知能とも呼ばれる群衆の動きの分析と応用は、生物学的モデルや人工モデルに基づく集団行動のモデリングに貢献します。[7]社会本能行動は、複数のエージェントとその相互作用をモデル化する複雑系に適用されます。集団ベースの手法は、エージェントとその周囲環境との局所的な相互作用を表現するために使用されます。[8]
社会学
群衆分析の社会応用は、映画やビデオゲーム業界から公共計画まで、無数に存在します。群衆シミュレーションは集団力学と群衆心理学に基づいているため、現実の状況との正確性と関連性は明らかです。公共計画における群衆分析の活用の大部分は、緊急避難のための状況表現の領域にあります。避難計画は、群衆の相互作用と反応をモデル化し、研究することで実現できます。これらの表現は生物学的モデルとパターンに基づいているため、予測される動きは非常にリアルです。同様のモデルは映画業界でも利用されており、リアルで実物そっくりのシミュレーションやシーンを制作しています。
シミュレーション
システムは、与えられた入力からリアルな群衆シミュレーションを生成し、シミュレートされた移動物体（エージェント）が互いに、そして環境とどのように相互作用するかをシミュレートすることができます。目標は、与えられた空間内に多数のエージェントが存在する状況で、群衆の動きのパターンを再現することです。群衆分析に基づくアルゴリズムは、群衆の動きを制御しようとします。シミュレーションがより効率的かつリアルになるほど、アルゴリズムはより複雑になります。ソフトウェアは、エージェントの目標、ストレス、障害物、覚醒レベルなどの変数に基づいて、個々のエージェントの軌道を操作できなければなりません。
参照
参考文献
- ^ ガンマ、「データ駆動型群衆シミュレーションと群衆追跡」、ノースカロライナ大学チャペルヒル校、2015年
- ^ ジャック、ジュリオ、「コンピュータビジョン技術を用いた群衆分析」、『IEEE信号処理マガジン』、2010年9月
- ^ ab Zhan, Beibei; Monekosso, Dorothy N.; Remagnino, Paolo; Velastin, Sergio A.; Xu, Li-Qun (2008). 「群衆分析：概観」 .マシンビジョンとアプリケーション. 19 ( 5–6 ): 345. doi :10.1007/s00138-008-0132-4. S2CID 1417739.
- ^ ab M. Butenuth他「歩行者シミュレーション、追跡、イベント検出の統合による群衆分析」、2011 IEEE International Conference on Computer Vision Workshops (ICCV Workshops)、バルセロナ、2011年、pp. 150-157。ウェブ。
- ^ スティル、G. キース、「群衆の安全とリスク分析」、G. キース スティル、2016年8月
- ^ S. Kim、S. Guy、D. Manocha、M. Lin、「一般適応症候群理論を用いた動的群衆行動のインタラクティブシミュレーション」、Gamma研究グループ、2015年2月
- ^ ボナボー、エリック、ドリゴ、マルコ、セラウラズ、ガイ (1999年1月1日). 自然から人工の群知能へ. オックスフォード大学出版局. ISBN 978-0-19-513158-1。
- ^ Hinchey, MG; Sterritt, R.; Rouff, C. (2007-04-01). 「群集と群知能」(PDF) . Computer . 40 (4): 111– 113. doi :10.1109/MC.2007.144. ISSN 0018-9162. S2CID 2836636.
