כיצד לתפוס את התנועה הוא עמיד בפני סימפוזיון אמיתי קרואו בתכנון עירוני

כיצד לתפוס את התנועה מעצב מחדש את סימציה קרואו בתכנון עירוני

מתכננים עירוניים מתמודדים עם אתגר יסודי: כיצד לעצב ערים שבהחלטיות וביעילות להכיל אלפי אנשים – לפעמים מיליוני אנשים נעים – בין אם מדובר בתחנת רכבת בשעות העומס, כיכר ציבורית במהלך פסטיבל, או פינוי חירום מאצטדיון, הבנת התנהגות הולכי רגל היא קריטית.מודלים לעתים קרובות מסתמכים על הנחות פשוטות על תנועה אנושית.

שינוי זה ממודלים תיאורטיים לסימולציה המונעת על ידי נתונים מייצג קפיצת קדימה. על ידי הקלטה של איך אנשים בפועל הולכים, תור, תור, פונים, להגיב מכשולים, לכידת תנועה מספקת בסיס עבור קהלים דיגיטליים הפועלים כמו אלה אמיתיים.התוצאה היא ערים שאינן רק יעילות יותר, אלא בטוחות יותר, חד משמעית יותר, ותגובה יותר לקצבים מורכבים של החיים העירוניים.

מה זה Motion Catch Technology?

ללכוד תנועה (לעתים קרובות מקוצר ל- Mo-cap) הוא תהליך של הקלטת התנועה של אובייקטים או אנשים. בצורתו הנפוצה ביותר, מבצע לובש חליפה מצוידת סמנים רפלקטיביים או חיישנים אינפורמטיביים.מצלמות או מקלטים לעקוב אחר אותם סמנים בחלל תלת-ממדי, ומייצרים שלד דיגיטלי שמשכפל כל זווית משותפת, אורכו, וזרוע עם דיוקמי.

הטכנולוגיה מקורה במחקר ביומכניקה והתפוצצה לתעשיית הבידור לסרטי אנימציה ומשחקי וידאו.היום, מערכות לכידת תנועה נעות ממערך אופטי גבוה המשמש את הסאונד הוליוודי לחליפות לא רצויות ניידות שניתן להשתמש בהן בכל מקום.עבור תכנון עירוני, המפתח אינו רק לתפוס שחקן אחד אלא גם ללכוד עשרות או אפילו מאות דפוסים ייחודיים לבניית ספריית הולכי רגל מייצגת של התנהגויות.

מערכות אופטיות, אינפורמטיביות ומרקר חסרות

שלושה סוגים עיקריים של לכידת תנועה רלוונטיים לסימולציה ההמונים:

• (FLT:0) לכידת תנועה אופטית: FLT:1IR משתמשת במצלמות מרובות כדי לעקוב אחר סמנים רפלקטיביים.
• (FLT:0) לכידת תנועה אינפורמטיבית: FLT:1 Relies on gyroscopes, accelerometers, ומגנטים בתוך התביעה, אפילו בחוץ. פרויקטים רבים בתכנון עירוני משתמשים עכשיו בחליפות בלתי-מחדשת לתפוס תנועה בהגדרות בעולם האמיתי כמו פלטפורמות רכבת או מרכזי קניות.
• (FLT:0) לכידת תנועה ללא תשלום: FLT:1ir משתמש ראיית מחשב ולמידה עמוקה להעריך תנוחות אנושיות מצילומי וידאו בלבד.זהו האזור הצומח ביותר כי הוא אינו דורש שום חליפות מיוחדות והוא יכול לעבד הזנת מצלמות מעקב קיימות (עם אמצעי הגנה נאותים לפרטיות) בעוד פחות מדויק מאשר מערכות מבוססות סימון, קיבולת ללא סימן הופכת כלי מעשי לאיסוף נתונים עירוניים.

לכל שיטה יש פערים בין דיוק, עלות וגמישות פריסה.עבור סימולציה של קהל, המטרה היא לאסוף מספיק נתונים מגוונים כדי להכשיר מודלים כי הכללת פריסות תשתיות שונות ודני אוכלוסייה.

כיצד לתפוס את התנועה משפרת את הסימולציות של Crowd Simulation

לפני שתפסו את התנועה, מודלים ממוחשבים של תנועת הולכי רגל השתמשו לעתים קרובות כללים פשוטים.סוכנים עקבו אחר נתיבים סטרייטים, החזיקו בחלל האישי, ועברו במהירות מתמדת.בעוד הם שימושיים לתכנון מוקדם, המודלים האלה לא הצליחו לשחזר את התנועות העדינות והסמוטיות של קהל אנושי אמיתי.אנשים לא הולכים קווים סטרייטיים; הם מתקשים, ממהרים, מתי הם מרגישים פתח, איטיים, כדי להימנע מהתנגשות, ולהתאים את ההתאמות שלהם כאשר הם עושים זאת כאשר הם עושים זאת כאשר הם עושים זאת כאשר הם עושים זאת או דוחפים שקיות.

נתונים ללכוד תנועה מביאים את ההתנהגויות האלה לסימולציה.כאשר סוכן דיגיטלי מונע על ידי מסד נתונים תנועה המצולם מאנשים אמיתיים, הוא יכול לשכפל דפוסי צעד טבעיים, תנודות זרוע, ופונה הופך להיות "אורגני" ולא רובוטיקה.

• חיזוי איך קהלים ישעשעו במעברים צרים או צווארי בקבוק.
• הבנת האופן שבו הטרוגניות (גיל, ניידות, רכיבה על עומס) משפיעה על זרימת.
• בדיקת הליכים חירום שבהם פאניקה יכולה לייצר תנועות לא סדירות שלא נתפסו על ידי מודלים סטנדרטיים.

מתוך Individual Gaits to Collective Dynamics

לכידת התנועה אינה רק משפרת את התנהגות הסוכן הבודד; היא גם עוזרת לשחזר תופעות קולקטיביות.לדוגמה, כאשר אנשים צועדים בקהל צפוף, הם מסנכרנים באופן לא מודע את צעדיהם ולהתאים את הכיוון שלהם כדי לשמור על זרימה. Capturing אינטראקציות אלה דורש קבוצות הקלטה של אנשים נעים יחד.פרויקטים מחקר אחרונים השתמשו ללכוד כדי ללמוד תופעות כמו " היווצרות מלנפי" בזרימות דו-צדדיות ו" גלים "stop-and-גו" בתובנות גבוהות" כמו פרמטרים עירוניים, כמו צורות תאורה ישירות.

תהליך איסוף נתונים: Capturing Real Movements

בניית סט נתונים באיכות גבוהה עבור סימולציה הקהל כוללת מספר שלבים, כל אחד עם שיקולים משלו.

גיוס מתנדבים וגיוון

מחקר טיפוסי עשוי לגייס 50 עד 200 מתנדבים המייצגים את תחום הצלב של האוכלוסייה: גילים שונים, סוגי גוף, מהירויות הליכה ורמות ניידות.גיוון הוא חיוני כי סימולציה שהוכשרו רק על צעירים, אתלטים יצפו דינמיקות קהל שונה מאוד מאשר אחד הכולל משפחות, אנשים מבוגרים, או אנשים המשתמשים בכיסא גלגלים.

פרוטוקולים וסדרינס

המתנדבים מבצעים סדרה של פעולות מוגדרות מראש באולפן או בסביבה חיצונית מבוקרת.תרחישים נפוצים כוללים:

• (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
• (ב) ⁇ :0) , ⁇ : ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
• (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
• (ב) דינמיקה של FLT:0Group:cioFLT:1 (בעבור זוגות, טריוס או קבוצות גדולות יותר, אשר משנה ספיגה ומהירות.
• (ב) ,0) ,לואד נושא: 1 מחזיק שקיות, דוחף מטיילים או משיכת מזוודות.

כל פעולה תועדו עשרות פעמים כדי ללכוד את הווריאציות הטבעיות.התמונים המתקבלים יכולים להכיל שעות של נתונים בתנועה, לעתים קרובות עם מסלולים של סימון עבור 30-50 מפרקים לאדם ב 60 עד 120 מסגרות לשנייה.

עיבוד נתונים ופרטיות

נתוני סימון Raw נקיים כדי להסיר גלימות מעקב, ולאחר מכן נורמטיבי כדי להתאים מודל של השלד סטנדרטי.עבור סימולציה הקהל, זהויות בודדות מופשטות - רק הדפוסים הקלינימטיים נשמרים.גישה זו מבוססת פרטיות היא חיונית כאשר עובדת עם נושאים אנושיים.

שילוב ל-Simulation Engines

לאחר ניקוי, נתוני התנועה מייצאים לפורמטים שניתן לקרוא על ידי פלטפורמות סימולציה כגון Simio, כלולוגי, או פלטפורמת הקוד הפתוח GAMA. ניתן להשתמש בנתונים בשתי דרכים עיקריות:

• (ב) [15] ה-FLT:0) הסוכנים חוזרים להופעות שנרשמו בדיוק, אשר מועיל לדמיון התאמות.
• (FLT:0) גרפים שלMotion ומיזוג: FIRLT:1) המערכת לומדת גרף של מעברים אפשריים בין קליפים מתועדוים, ומאפשרת לסוכנים להגיב באופן דינמי לשינויים בתנאים (למשל, לעצור בפתאומיות כאשר דלת נפתחת).

יישומים מתקדמים משתמשים בלמידה של מכונה כדי ליצור תנועות חדשות שמתאימות לנכסים הסטטיסטיים של הנתונים המקוריים, ובכך יוצרים ביעילות מגוון אינסופי ממערך הקלטות סופי.

יישומים בתכנון עירוני

היתרונות המעשיים של סימולציה הקהל של תנועה-capture-enhanced משתרעים על פני תחומים רבים של עיצוב עירוני וניהול.

אופטימיזציה של תשתיות Pedestrian

מתכננים יכולים לבחון רוחב המדרכה שונה, תצורה של הליכה, ופריסה ציבורית לפני שבירת הקרקע.לדוגמה, עיר תכנון מרכז תחבורה חדש יכול לדמות כיצד נוסעים יזרמו מפלטפורמות רכבת למסוף אוטובוס. על ידי שינוי המיקום של עמודות, מכונות כרטיסים וספסלים, מעצבים יכולים לזהות תצורה כי ממזערת עומס ושמירה על התנדנות נוחות.

שיפור תחבורה

שדות תעופה, תחנות רכבת ומסופי אוטובוס הם סביבות בעלות גבוהה שבו הפריסה גרועה מובילה לעיכובים ולסיכון בטיחותי. מקרה ידוע הוא עיצוב מחדש של טרמינל מרכזי גרנד סנטרל טרמינלFLT:1 ב ניו יורק, שבו מתכננים להשתמש סימולציה מבוססת סוכן עם נתונים אמפיריים כדי לסדר מחדש של כרטיסי קי"ק ומידע על ידי קבוצות.

תכנון חירום

ייתכן שהיישום הקריטי ביותר הוא פינוי מודלים.כאשר מעצבים אצטדיוןים, אולמות קונצרטים או בנייני משרדים גבוהים, מתכננים לדעת כמה מהר אנשים יכולים לצאת תחת לחץ. Motion ללכוד נתונים ממקדחים אמיתיים (או מניסויים הדומים דחיפות) מגלים שאנשים לעתים קרובות עוברים מהר יותר אבל גם מקבלים החלטות לא נכונות יותר - רדיפה, דחיפה והתעלמות מ- 10.10.

יצירת חללים בלתי-אפשריים ואינטגרטיביים

תכנון עירוני מודרני חייב לשרת את כל האזרחים, כולל אלה עם מוגבלויות, מבוגרים, הורים עם ילדים צעירים. Motion ללכוד יכול להקליט את דפוסי התנועה של אנשים באמצעות קונס, מטיילים, או כסאות גלגלים, כמו גם אלה שהולכים עם gait איטי יותר או עם ילדים. כאשר פרופילים אלה משולבים לתוך סימולציות המונים, מתכננים יכולים לזהות בעיות גישה פוטנציאליות.

לבדוק את המרחב הירוק ואת הבטיחות הציבורית

פארקים ציבוריים וכיכרים נועדו לעודד אינטראקציה חברתית, אבל הפריסה גרועה יכולה ליצור פינות נסתרות או נתיבים שמרגישים לא בטוחים לאחר סימולציה מונחת תנועה כהה. Motion-capture-capture-capture-capture-capture-capture-capture-capture-capture-capture-s יכולים לעצב את קווי הראייה ואת הקישוריות הנתיב לשיפור מעקב טבעי ולעודד שימוש ציבורי תוסס.

מגמות עתידיות ב- Crowd Simulation

הצומת של לכידת תנועה, סימולציה ותכנון עירוני מתקדם במהירות. מגמות מספריות יעצבו את הדור הבא של כלים.

ספין-זמן אמיתי עבור תאומים דיגיטליים

תאומים דיגיטליים – העתקים וירטואליים של ערים פיזיות – הופכים נפוצים יותר.עם האינטרנט של דברים (IoT) והזנת חיישן חי, תאומים אלה יכולים לשלב נתונים בזמן אמת ממצלמות מעקב, מעקב Wi-Fi, וסימנים טלפוניים ניידים. לכידת תנועה ללא תשלום יכולה לעבד את המזינים האלה כדי להעריך תנוחות ומדנות בזמן אמת.

AI-Driven Synthetic Motion Generation

מודלים למידה עמוקה, במיוחד רשתות ניווניות (גנים) ו autoencoders וריאציות (VAEs), יכולים כעת לייצר רצפי תנועה סינתטיים שאינם ניתנים להפרדה סטטיסטית מהנתונים האמיתיים ללכוד.מודלים אלה יכולים ליצור דפוסי תנועה חדשים עבור סוכנים מגוונים ללא צורך להקליט כל תרחיש עירוני אפשרי.

שיקולים אתיים ופרטיים

כאשר לכידת התנועה הופכת ליותר ויותר מתפשטת, מתעוררות שאלות אתיות. מערכות חסרות ערך שמניבות נתונים ממצלמות ציבוריות מעלות חששות מעקב.ערים חייבות להקים מסגרות ממשל ברורות – מה שמבטיח כי הנתונים הם אנונימיים, בשימוש רק לתכנון, ולא מאוחסנים יותר מאשר הכרחי.כמה ערים אירופיות כבר אימצו סטנדרטים "פריווי-בי-עיצוב" עבור איסוף נתונים הולכי רגל.

עלויות נמוכות יותר ואימוץ Wider

מחיר הנפילה של חליפות אינפורמטיביות ועלייה של תוכנה ללא סימן הם עושים גישה נגישה לרשויות קטנות יותר וחברות אדריכליות. לפני כמה שנים, מפגש לכידת תנועה באיכות גבוהה יכול לעלות עשרות אלפי דולרים כיום, מערכת אי-ממשלתית ניידת יכולה לרכוש עבור מתחת ל-5,000 דולר, ושירותי עיבוד מבוססי ענן עוד להפחית את המחסומים.

מסקנה

לכידת תנועה הופכת את האופן שבו אנו מדמיינים ומבינים תנועה אנושית בערים.על ידי החלפת מודלים מופשטים עם התנהגויות מונעות נתונים, מתכננים יכולים לעצב תשתיות שבאמת משקף את האופן שבו אנשים הולכים, תור, ופינוי.הטכנולוגיה מביאה ריאליזם חסר תקדים לסימולציה ההמונים – מה שהופך את תחנות הרכבת שלנו פחות מחוספס, הכיכרות הציבוריות שלנו יותר ויותר מבטיחות.

(בקריאה נוספת, חקר מחקר של קבוצת המחקר של אוניברסיטת לידס, אשר חלוץ את השימוש בלכידת תנועה עבור מודלים להולכי רגל:2 Ansys סימולציה פלטפורמה סימולציה סימולציה סימולציה הולכי רגל 1 באוניברסיטת לידס, אשר מספק גם מחקרים מקרה על כמה רשויות תחבורה גדולות ליישם טכניקות אלה.