Humans make their evacuation decisions first at strategic/tactical levels, deciding their exit and route choice and then at operational level, navigating to a way-point, avoiding collisions. What influences an individuals at tactical level is of importance, for modelers to design a high fidelity simulation or for safety engineers to create efficient designs/codes. Does an unlit exit sign dissuades individual(s) to avoid a particular exit/route and vice versa? What effect does the crowd's choices have on individual's decision making? To answer these questions, we studied the effect of exit signage (unlit/lit), different proportions of crowd movement towards the exits, and the combined (reinforcing/conflicting) effect of the sign and the crowd treatment on reaction times and exit choices of participants in an immersive virtual reality(VR) evacuation experiment. We found that there is tolerance for queuing when different sources of information, exit signage and crowd movement reinforced one another. The effect of unlit exit signage on dissuading individuals from using a particular exit/route was significant. The virtual crowd was ineffective at encouraging utilization of a particular exit/route but had a slight repulsive effect. Additionally, we found some similarities between previous studies based on screen-based evacuation experiments and our VR-based experiment.


翻译:人类首先在战略/战术层面做出撤离决定,决定其退出和路线选择,然后在操作层面做出撤离决定,向一条路点行驶,避免碰撞。在战术层面影响一个人的人,对于模型设计高度忠诚模拟或安全工程师设计高效设计/编码至关重要,对于模型设计高忠诚模拟或安全工程师设计高效设计/编码至关重要。一个不亮退出标志是否劝阻个人避免特定退出/路线和反向?人群选择对个人决策产生何种影响?为了回答这些问题,我们研究了退出标志(不利/利)、人群向出口移动的不同比例以及标志和人群对反应时间和参与者退出选择的综合(强化/冲突)效应。我们发现,当不同的信息来源、退出标志和人群移动运动相互加强时,排队是容忍的。为了回答这些问题,我们研究了退出标志和人群向出口/路向出口运动运动的不同比例的影响,以及标志和人群对参与者的反应时间和退出选择的综合(强化/冲突)效应(强化/加强)影响。虚拟人群对于鼓励使用特定退出/流路面的实验,我们以前发现,在前一个细微的实验中发现,在鼓励利用特定退出/后退选之间没有效果。

0
下载
关闭预览

相关内容

【干货书】真实机器学习,264页pdf,Real-World Machine Learning
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
强化学习最新教程,17页pdf
专知会员服务
176+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
40+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
相关基金
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员