机构名称：
¥ 1.0
人群模拟在各种方面都有关键的应用，例如城市规划，建筑设计和传统安排。近年来，物理知识的机器学习方法在人群模拟中实现了最新的性能，但无法全面地对人类运动的异质性和多模式进行建模。在本文中，我们提出了一个名为SPDIFF的社会物理信息扩散模型，以减轻上述差距。SPDIFF同时将人群中人群的互动和历史信息扭转，以扭转扩散过程，从而在子范围内进行了行人运动的分布。受到众所周知的社会物理模型的启发，即社会力量，关于人群的动态，我们签署了人群互动模块，以指导denoings的过程，并通过人群相互作用的等效性属性进一步增强了该模块。为了减轻长期模拟中的误差累积，我们提出了一种用于扩散建模的多帧推出训练算法。在两个现实世界数据集上进行的实验证明了SPDIFF在宏观和Mi-Croscopic评估指标方面的表现。代码和附录可在https://github.com/tsinghua-fib-lab/spdiff上提供。
社会物理学知情的人群模拟扩散模型
主要关键词
相关文件推荐
