近日，四川大學教授馬毅和團隊研發出一種高精度的行人追蹤技術（如下圖所示），能夠實現密集人群環境下行人移動及步態的精確追蹤。這使得對行人移動行為進行全面深入的分析成為可能。
（來源：資料圖）
借助行人追蹤技術，充分揭示行人移動的行為規律
借助研發的行人追蹤技術，團隊開展了行人移動實驗，采集了行人移動數據，對行人移動行為進行了系統觀測與定量分析，揭示了行人在移動時是如何根據感知到的環境信息調節運動速度、方向及步態這一問題。
研究發現，行人在移動時會展現出三種不同的動力學狀態（自由狀態、慢移動狀態和擁堵狀態）。當人群密度低于約 0.75 人/平米時，行人能夠處于自由流動狀態。此時，行人的移動不會受到約束，能夠以正常速度移動。當人群密度介于 0.75 至 1.80 人/平米時，行人將處于慢移動狀態。此時，行人會通過降低速度及步長來防止與周圍的人或障礙物發生碰撞。當人群密度高于約 1.80 人/平米時，行人將處于擁堵狀態，其速度會大幅降低，會通過頻繁改變步態及方向來實現移動及避碰。
研究還發現，行人的速度及步長與人群密度的倒數呈指數關系。此外，研究還在實驗觀測的基礎上構建了一個能夠模擬大規模行人運動并預測行人步態的理論模型。研究結論及理論模型在人流疏散預測、人形機器人步態設計、自動駕駛汽車行人移動預測領域中具有重要的應用價值。
這項研究得到了國際同行的高度肯定。審稿人在審稿過程中對這項研究分別給予了“這項研究解決了行人動力學研究中存在的一個挑戰性問題--行人步態追蹤”、“這項研究充分揭示了行人移動的行為規律，研究結果在交通科學領域具有重要的應用價值”等高度肯定的評語。
“這項研究在自動駕駛、人形機器人等領域中具有重要的應用價值，能夠助力自動駕駛、人形機器人的發展?！瘪R毅告訴 DeepTech。
首先，行人移動預測是自動駕駛汽車必不可少的技術模塊。這項研究提出了一個能夠深度預測行人步態的行人移動預測模型，使得行人移動預測結果更加的全面準確。這對于提高自動駕駛汽車的行駛安全性至關重要。
另外，這項研究通過行人步態追蹤充分揭示行人在移動時，如何根據感知到的環境信息調節運動速度、方向及步態這一問題，為人形機器人運動導航及步態規劃與設計奠定了理論基礎。
圖 | 馬毅（來源：馬毅）
行人動力學研究具有重要社會應用價值
據介紹，馬毅的研究主要以行人動力學（Pedestrian Dynamics）為中心，涵蓋人流疏散、自動駕駛、人形機器人等研究領域。行人動力學是專門研究行人在各種復雜環境中如何移動、如何導航、如何根據感知到的環境信息調節速度方向、如何與周圍事物進行交互、如何避免與周圍事物發生碰撞等科學問題的一門學科。
科學源于生活，馬毅選擇這一研究方向也正是受現實生活的影響。其博士階段在香港城市大學完成。香港是全球人口密度最大的城市之一，每天在街道上、大型建筑及交通樞紐內部都會聚集大量的行人，這給城市的日常交通以及突發災害情況下人流的安全疏散帶來了巨大的壓力和挑戰。這些現實生活問題觸發了馬毅對行人問題的思考，慢慢也對這一研究方向產生了興趣。因此，馬毅選擇了行人動力學作為自己的研究方向。
在完成博士學習后馬毅開始尋找工作。在這期間馬毅了解到，四川大學災后重建與管理學院由四川大學與香港理工大學聯合創建，在防災減災與災后重建管理方面具有較高的知名度。馬毅的研究涉及人流疏散問題，這正好是防災減災與災后重建管理中的重要一環。并且，該學院所在地四川省人口眾多、自然災害多發頻發。在災害發生時需要及時對人口進行疏散。這讓其感受到人流疏散研究在當地具有重要的社會應用價值，因此其選擇加入了四川大學災后重建與管理學院。
而行人動力學研究不但能夠用于指導災害發生時的人流疏散，而且在自動駕駛、人形機器人等產業領域具有重要的應用價值。特別是對于自動駕駛汽車來講，了解行人的移動規律性并對行人的移動進行精確的預測，是保障自動駕駛汽車行駛安全性的前提。從人形機器人的角度，充分理解人的移動導航、步行行為、避碰和步態，是人形機器人運動導航及步態規劃與設計的基礎。
盡管研究行人動力學、探索行人移動行為規律具有重要的應用價值，但目前人們對行人動力學的研究和認識仍然不足。
首先，對行人移動行為規律的探索需要借助行人移動追蹤技術，但現有的行人移動追蹤技術普遍采用行人頭追蹤的方式（即通過鳥瞰視角去記錄追蹤行人的移動）。但這種方式難以追蹤行人的腳移動，難以發現行人在每一步是如何根據感知到的環境信息調節運動速度、方向及步態這一問題。
其次，現有行人移動預測技術普遍難以去深度預測行人的步態，因而很難適用于自動駕駛汽車行人移動預測及人形機器人移動導航的現實需求。特別對于人形機器人來講，深度預測行人的步態是必不可少的。因為與人類一樣，人形機器人在每一步移動時需要根據感知到的環境信息對移動的步長、步頻等步態參數進行精確的預測。
基于上述原因，馬毅啟動了本項研究，旨在弄清楚行人在移動時是如何根據感知到的環境信息調節運動速度、方向及步態這一問題。
整項研究時間跨度長達 10 年，后續將結合人工智能及機器學習方法
整項研究的時間跨度長達 10 年，在馬毅讀博的時候（大約在 2015 年）就設想通過追蹤行人步態來深度探索行人移動的行為規律。但在密集人群中精確追蹤行人步態具有很大的挑戰性，同時也由于人力物力的限制，這項研究也一直擱置。
一直到 2018 年事情有了轉機。馬毅首次嘗試了在隊列行人流中追蹤行人步態，成果順利發表在物理學領域高水平期刊 Physical Review E 上，并被該期刊作為 Highlighted Article 進行了重點報道。這項研究成果給了馬毅極大的鼓舞，也意識到這一研究的潛在重要性。此后研究團隊進一步改進了行人追蹤技術，深度揭示了隊列行人流中的行人動力學，成果于 2021 年發表在 Nature 出版社期刊 Nature Human Behaviour 上。
但在后面的研究過程中，課題組先后遭遇嚴重的研究經費、人力資源和設備短缺等困難。幸運的是，馬毅所在的學院給了馬毅在精神上、研究經費上、實驗場地上的極大支持，同時馬毅的同事牛志攀副教授、馬毅的同門中南民族大學施朦副教授、上海海事大學王維莉副教授、四川大學謝瑋副教授、西南交通大學戶佐安副教授、馬毅的學生現于香港理工大學攻讀博士的曾添與魏易東同學、以及馬毅在香港城市大學的良師益友李偉民教授、袁國杰教授在精神上或研究經費上給予了這項研究極大的支持。最終成功克服困難，成功研發出了能夠實現二維密集人群環境下追蹤行人步態的高精度的行人追蹤技術，揭示行人在移動時是如何根據感知到的環境信息調節運動速度、方向及步態這一重要科學問題，并順利在 Science 出版社期刊 Science Advances 上發表。
接下來，馬毅將繼續深挖行人動力學，并結合人工智能及機器學習方法，開發基于數據驅動的高精度行人移動及步態預測模型與技術。另外，課題組在未來幾年還將積極尋求與自動駕駛及人形機器人工業界的合作，以實現在自動駕駛、人形機器人領域的實際應用。
參考資料：
1.Ma, Y., Lee, E. W. M., Shi, M., & Yuen, R. K. K. (2021). Spontaneous synchronization of motion in pedestrian crowds of different densities. Nature human behaviour, 5, 447-457.
2.Ma, Y., Niu, Z., Shi, M., Xie, W., Hu, Z., Wei, Y., Zeng, T., & Lee, E. W. M. (2025). Unraveling human crowd dynamics through the foot tracking of pedestrians. Science Advances, 11, eadw2688.
3.Ma, Y., Sun, Y. Y., Lee, E. W. M., & Yuen, R. K. K. (2018). Pedestrian stepping dynamics in single-file movement. Physical Review E, 98, 062311.