真实世界和虚拟场景下行人绕障的实验研究

2020-05-26梁璇文宋卫国

火灾科学 2020年3期

梁璇文，张俊，宋卫国，叶锐

(中国科学技术大学火灾科学国家重点实验室，合肥，230026)

0 引言

随着火灾安全日益受到重视，火灾疏散引起了广泛研究。传统的研究方法主要包括三个方面，分别为可控实验[1,2]，模型模拟[3,4]以及实地观测[5,6]。可控实验，即在实验室条件下开展的实验，又可分为疏散演习实验[2]和非紧急情况下的行人动力学实验[1]。出于对实验参与者的安全考虑和伦理问题，真实火灾场景下的疏散实验难以开展。基于上述事实，虚拟现实实验得到了广泛的应用。虚拟现实实验不仅可重复性强，实验成本低，更重要的是，其可以在实验场景中模拟火灾，使实验场景更加接近火灾场景。

早期的用于行人研究领域的虚拟现实实验设备多由三面屏幕或投影仪组成[7-9]，但是这种设备存在沉浸感低的缺点。近几年来，CAVE(Cave Automatic Virtual Environment，洞穴状自动虚拟系统)虚拟现实系统开始用于行人研究[10-12]，此种设备沉浸感高，但价格高昂、便携性差。Schwebel等[13]利用智能手机和Google VR研究了学生过马路的行为。该设备虽然便宜，但是同样存在沉浸感低的问题。因此上述设备均不能同时满足高沉浸感、价格经济、便携性好的要求。这种情况下，类似于HTC Vive 和 Oculus等近几年上市的头戴式显示设备为上述问题提供了解决方案。

和其他实验方法一样，使用头戴式显示设备开展行人疏散实验前，我们须验证其有效性。Moussaid等[14]开展了真实世界与虚拟场景下的简单绕障实验和瓶颈疏散实验，分析了右行偏好和出口流量，发现真实行人在虚拟场景中表现出和真实世界一样的典型行为模式，包括右行行为和自组织行为。Deb等[15]开展了行人过马路实验，结果表明虚拟场景里的平均速度和已发布的真实世界规范匹配良好，认为虚拟现实用于开展行人实验具有一定的有效性。尽管如此，头戴式显示设备用于开展行人实验的有效性研究仍十分匮乏，尤其是基于微观层面的轨迹研究。

Olivier等[12]基于CAVE虚拟现实系统，利用游戏手柄、身体和头部偏移等多种方式控制参与者运动，发现不同的控制方式对虚拟实验的有效性也有影响。然而，不少研究采用鼠标、键盘来控制运动[16,17]。因此，研究鼠标和键盘在虚拟场景里的表现很有必要。另外，似乎还没有研究讨论利用头显控制运动方向的导航方式。针对头戴式虚拟现实设备，从微观层面定量比较不同控制方式的研究更为缺乏。基于此，本文开展了真实世界与虚拟场景下的绕障实验，分析参与者的运动轨迹，以研究利用头戴式显示设备开展行人疏散实验的有效性。同时，对于虚拟场景，本文设置了三种不同的控制方式(头显-鼠标(HM)、鼠标-鼠标(MM)、键盘-鼠标(KM))，以比较不同控制方式的优劣。

1 实验设计

1.1 实验人员和设备

本次实验在安徽省合肥市中国科学技术大学开展，实验中的参与者均为该校学生。实验分为真实世界实验和虚拟场景实验，分别有50名和19名学生参加。参与者年龄在21～25岁之间，身高在159 cm～180 cm之间。虚拟实验所用的实验平台采用Unreal Engine4游戏引擎和HTC Vive头戴显示设备实现。

1.2 实验场景和实验设置

1.2.1 真实世界实验

真实世界实验的实验场景为一个长12 m、宽2.4 m的长方形通道，如图1(a)所示。一名工作人员站定于通道正中心充当障碍物，其肩宽46.0 cm，身体厚度为22.8 cm。图1(d)为实验场景示意图。完整的实验过程为一名参与者以正常速度从通道一端的起点处行走至通道另一端的终线位置，再从终线的中心处走回起点所在的直线位置，下一名参与者重复上述相同任务，直至50名参与者全部完成实验。行走过程中，参与者不可以与通道两壁和通道中间的障碍物发生碰撞。起点位于图中虚线中心，起点所在直线和终线皆距通道1 m，如图1(d)所示。

1.2.2 虚拟实验

为了比较不同控制方法在虚拟场景中的有效性和优缺点，本次实验采用了以下三种常用的控制方法：

(1)头显-鼠标(headset-mouse，本文简称HM)控制方法。此种方法结合使用了头戴显示设备和鼠标，参与者可通过转动头戴显示设备控制运动方向，通过是否按住鼠标左键控制前进与停止。

(2)鼠标-鼠标(mouse-mouse，本文简称MM)控制方法。与HM方法不同，此导航方法只需利用鼠标即可，转动鼠标可控制运动方向，是否按住鼠标左键可控制前进与停止。

(3)键盘-鼠标(keyboard-mouse，本文简称KM)控制方法。此方法需用到键盘和鼠标，通过转动鼠标改变方向，通过是否按住键盘上的“w”键控制前进与停止。

本次虚拟实验包含两个场景，分别为训练场景和实验场景。参与者参与虚拟绕障实验之前，须先在训练场景中熟悉虚拟场景的导航方式，即分别用上述三种控制方法控制自身在虚拟场景中的运动。训练场景示意图如图1(c)所示，参与者在此场景中须沿着虚线箭头所示的运动路径依次绕过前方圆柱形障碍物。虚拟实验场景与真实世界实验场景相同，以便于比较参与者在两种场景中的运动，如图1(b)所示，真实世界中的障碍物在虚拟场景中用一个相同尺寸的柱体表示。图1(b)为虚拟实验中某一帧的截图，本次虚拟实验采用第一人称视角。实验流程如图2所示，图2中HM训练场景表示参与者须先在训练场景中通过HM方法控制自身在虚拟场景里运动，即绕行如图1(c)所示的圆柱体，直至参与者认为自身可熟练使用HM控制方法。之后，参与者利用HM控制方法完成虚拟实验，即从起点到终线，再从终线中心回到起点所在直线，此过程与真实世界实验相同。虚拟场景中，参与者须来回行走两次。如上述完成HM实验场景，图2后续MM场景、KM场景与HM场景类似。当一名参与者完成了以上所有实验后，下一名参与者再依次完成上述实验，直至19名参与者全部完成。

图2 虚拟实验流程图

1.3 实验数据采集与处理

真实世界实验利用两台摄像机(Sony FDR-AX700)记录实验过程。利用PeTrack软件跟踪参与者头部，得到参与者每一帧的三维位置，帧率为25 HZ，从而得到参与者的行走轨迹。我们对真实世界实验的参与者行走轨迹进行了平滑处理，每一帧的三维位置分别为前12帧、此帧以及后12帧的三维位置的平均值。本次虚拟实验平台可自动保存并输出参与者在虚拟场景中每一帧的位置。图3为真实世界实验的时间-平均速度图(中间黑色线条表示平均速度，上下边界表示标准差)。由图3可知，真实世界下，参与者通道内的平均速度基本保持稳定，约为1.54 m/s。参与者在虚拟场景里有静止和行走两种状态，我们将行走的速度设为定值，为1.54 m/s。

图3 真实世界实验参与者每一帧的平均速度图

2 数据分析与结果

2.1 实验轨迹

为方便数据分析，我们建立了如图1(d)所示的平面直角坐标系。将通道中心，也即障碍物的中心，设为坐标原点。分别将图示水平向右方向、竖直向上方向设置为x轴、y轴正方向。在真实世界和虚拟场景里，行人绕障均未出现明显的左右偏好，因此本文不考虑行人的左右偏好。基于此，为方便数据分析，参照图1(d)所示的坐标系，将沿x轴下方绕障的实验轨迹，以x轴为对称轴，作轴对称变换。变换后，轨迹结果如图4所示，RE表示真实世界实验(下同)。由图4可知，真实与虚拟场景下，均未发生参与者与障碍物或通道两侧碰撞的情况。同时，不同个体之间的轨迹呈现较大差异。为了消除个体差异，得到轨迹的一般特性，我们将每种场景下的轨迹进行平均处理。具体而言，我们将实验场地在x轴方向上的范围(-7 m，7 m)划分成200个小区间，对于落在每个小区间里的轨迹点的x坐标和y坐标分别作平均。如此，得到各个场景下，所有参与者的平均轨迹，再做25帧的平滑处理，处理方法与本文1.3节提到的真实轨迹处理方法相同，平滑后的平均轨迹如图5所示。

图5表明不同场景下，参与者的平均轨迹趋势相近。为了定量分析虚拟场景与真实世界轨迹的差异，基于图5，我们计算了上述200个小区间里，每个小区间内虚拟场景轨迹点与真实世界轨迹点纵坐标的差值。每个小区间内共有四个轨迹点，即RE、HM、KM和MM四个场景分别有一个对应的轨迹点。由于四个点的横坐标不一定相等，为了使纵坐标的差值具有可比性，我们对HM、KM和MM所对应的轨迹点做插值处理，使其横坐标均等于真实世界实验轨迹点的横坐标，并通过插值运算得到该横坐标对应的HM、KM、MM的纵坐标。如此，我们可得每个小区间里三个虚拟场景与真实世界实验的轨迹点的纵坐标差值。将这些差值分成了4个部分，分别为横坐标落在区间(-7，-5)、区间(-5，-3)、区间(-3，-1)和区间(-1，1)的点所对应的差值，绘制箱型图如图6所示。由于参与者绕过障碍物后，其运动为不考虑障碍物的自由行走状态，因此本文此处不考虑区间(1，7)。观察箱型图最大值可知，当x<1 m时，相同横坐标处，虚拟场景与真实世界平均轨迹的差值在10 cm之内，因此我们认为基于虚拟现实的行人运动实验具有一定的有效性。对于区间(-7，-5)、区间(-5，-3)和区间(-1，1)，相较于MM和KM，HM与真实世界轨迹之间的差距更小。而对于区间(-3，-1)，相较HM，KM与MM明显更接近真实世界轨迹。

图4 对称变换后的轨迹图

图6 不同区间内真实世界和虚拟实验平均轨迹的差值

图5 各个实验场景下的平均轨迹图

2.2 绕障距离

我们计算了参与者的平均绕障距离，即参与者在穿越y轴时，其自身与障碍物中心之间距离的平均值。如图7所示，RE、HM、MM和KM里的平均绕障距离分别为(0.59±0.11) m、(0.64±0.08) m、(0.67±0.14) m、(0.69±0.15) m。通道内壁与障碍物外侧的中间位置的纵坐标为0.715，如图7中虚线所示。由图7可知，参与者在虚拟场景里的平均绕障距离均大于真实世界实验的平均绕障距离，这可能是因为参与者在虚拟场景里对距离更不自信，因此在到达y轴时，整体倾向于靠近通道内壁和障碍物的中间位置，以避免和障碍物或通道墙壁发生碰撞。而HM里参与者的平均绕障距离相较于MM、KM更小，可能是因为参与者避让通道墙壁所致。图8表示各个场景下参与者转弯点的横坐标。所谓转弯点，即参与者在y轴方向的速度为0的点。由图8可知，真实世界实验里，在y轴之前、之后转弯的参与者人数约各占50%。KM和MM场景下，接近70%的参与者在通过y轴之后转弯。而HM场景下，大部分的参与者在到达y轴之前转弯，表明HM场景里整体转弯更早。这是因为HM场景里，参与者在到达转弯点之前，其速度方向偏向通道墙壁，因此参与者头部须偏向通道墙壁，而非直视前方，这使得参与者更害怕与通道内壁碰撞，因此其整体转弯更早，从而减小了平均绕障距离。绕障距离的不同导致了4种不同实验下，参与者在障碍物附近的轨迹差异。HM的绕障距离更接近真实世界实验，解释了为何靠近障碍物时，相较于其他两种控制方式，HM的平均轨迹更接近真实世界，即图6(d)的结果。

图7 不同实验场景参与者的平均绕障距离

图8 各个场景的转弯点横坐标箱线图

2.3 绕障起始时间

如图9所示，实线和虚线是真实世界实验里两条典型轨迹的一部分。本次实验中，参与者既可以在实验开始时便开始绕障，如图中实线轨迹所示，也可以直行一段时间后，再开始绕障，如图中虚线轨迹所示。图中实线和虚线箭头分别指向其开始绕障的位置。可见，参与者的绕障起始时间不同。基于轴对称处理后的轨迹，当第i帧的纵坐标大于3 cm且其后三帧的纵坐标皆大于前一帧时，我们认为参与者在第i帧开始绕障，此即参与者的绕障起始时间。绕障起始时间概率直方分布图如图10所示。观察图10可知，真实世界中，约一半的参与者在实验开始0.5 s内开始绕障。HM场景的绕障起始时间分布与真实世界相似度高，超过40%的参与者在实验开始0.5 s内开始绕障；与真实世界相近，约20%的参与者在实验开始0.5 s～1.5 s内开始绕障。相较于RE和HM场景，MM和KM场景下，参与者绕障起始时间更晚，参与者主要在实验开始0.5 s～1.5 s内开始绕障，其比例大于40%，在实验开始0.5秒内绕障的参与者比例不足10%。HM控制方式根据头部的转动来改变运动方向。一方面，参与者很难保持头部处于完全静止不动状态；另一方面，参与者需要转动头部来观察周围的环境，尤其是其与通道内壁的距离。因此，使用HM控制方式，绕障起始时间短。相反，利用MM或KM控制方式时，参与者极易保持鼠标不动，且参与者更倾向于在实验开始后保持鼠标静止一段时间，即直行一段时间，因为这样有利于其适应虚拟环境和自身的运动速度，同时，也没有发生碰撞的风险。这使得MM 和KM绕障起始时间更长。绕障起始时间的差异导致实验前期四种实验的轨迹差异，HM的绕障起始时间与RE更接近导致相较KM和MM，HM实验前期的平均轨迹与RE的平均轨迹更为接近，这解释了出现图6(a)、图6(b)中结果的原因。

图9 绕障起始时间示意图

图10 绕障起始时间概率分布图

2.4 时间归一化下的横向距离

由本文2.3节可知，不同实验场景，参与者的绕障起始时间分布图差异较大，同一场景不同参与者的绕障起始时间也表现出很大的差异性。为了消除上述差异性，以研究绕障行为本身，我们这里仅仅关注绕障阶段。绕障阶段始于参与者开始绕障，结束于参与者到达本文所建坐标系的y轴。图9分别标注了实线轨迹和虚线轨迹的绕障阶段。将绕障起始时间设为0，将绕障结束时间设为1，以此对绕障阶段的轨迹作时间归一化处理。我们计算了各个场景下每个参与者在归一化时间下的横向距离，即参与者与x轴之间的距离，如图11所示。绕障过程本质上是一个任务，即参与者要在绕障阶段逐渐实现安全的横向距离，使其在穿过y轴时，与障碍物不发生碰撞。在这个意义上，归一化时间下，每一时刻的横向距离可以衡量参与者截至该时刻绕障任务的完成量。

图11 归一化时间下的横向距离图

与计算平均轨迹所用的方法相同，我们计算了各个场景的平均横向距离，并进行平滑处理，结果如图12(a)所示。观察图12(a)可知，在变化趋势上，KM、MM与RE更为接近，皆为在绕障阶段的前80%的时间内，即归一化时间在(0，0.8)之间时，平均横向距离与时间大致呈线性关系，而HM并没有表现出此特性。在绕障阶段的后20%部分，四种场景下，随着归一化时间的增大，平均横向距离的增量下降。这可以理解为参与者接近障碍物时进行的运动调整，有利于其以更自适的距离和运动方式绕过障碍物。我们计算了归一化时间下三种不同控制方式的平均横向距离与真实世界实验的平均横向距离的差距，具体计算方法类比于本文2.1节平均轨迹差值的计算，计算结果如图12(b)所示。HM、MM、KM与真实世界实验平均横向距离差距分别为4.60±2.41 cm、2.38±1.17 cm、3.61±2.15 cm，表明使用MM控制方式，绕障阶段的轨迹与真实世界实验最为接近。由此可见，在趋势上，MM、KM控制方式与真实世界实验相近；在数值上，MM控制方式与真实世界差距最小。