Kerangka Kerja Pembelajaran Imitasi Generatif Adversarial Multi-Agen Berbasis Model Kekuatan Sosial yang Disempurnakan untuk Prediksi Lintasan Pejalan Kaki

ABSTRAK
Baru-baru ini, prediksi lintasan kerumunan telah menarik perhatian yang semakin meningkat. Secara khusus, simulasi pergerakan pejalan kaki dalam skenario seperti evakuasi kerumunan telah mendapatkan fokus yang semakin meningkat. Model kekuatan sosial merupakan metode yang menjanjikan dan efektif untuk memprediksi pergerakan pejalan kaki secara stokastik. Namun, heterogenitas individu, kerja sama yang didorong oleh kelompok, dan kemampuan interaktif lingkungan yang adaptif terhadap diri sendiri yang buruk belum dipertimbangkan secara komprehensif. Hal ini sering kali menyulitkan untuk mereproduksi skenario nyata. Oleh karena itu, kerangka kerja pembelajaran imitasi adversarial generatif multi-agen yang digerakkan oleh model kekuatan sosial yang diaktifkan oleh kelompok, yaitu, SFMAGAIL, diusulkan. Secara khusus, (1) skema heterogenitas individu yang diaktifkan oleh kelompok digunakan untuk memperoleh lintasan ahli terkait, yang sepenuhnya dimasukkan ke dalam paradigma kekuatan keinginan dan yang diaktifkan oleh kelompok; (2) Kebijakan bersama digunakan untuk mengeksploitasi hubungan antara agen dan lingkungan; dan (3) Untuk mengeksplorasi fitur intrinsik dari lintasan ahli, kerangka kerja pembelajaran imitasi adversarial multi-agen berbasis aktor-kritikus disajikan untuk menghasilkan lintasan yang efektif. Akhirnya, eksperimen ekstensif berdasarkan skenario virtual 2D dan 3D dilakukan untuk memvalidasi metode kami. Hasilnya menunjukkan bahwa metode yang kami usulkan lebih unggul daripada metode yang dibandingkan.