一 、基于扩散模型的“人群发射器” - Crowd Emitter#

为了在空旷场景中合理地生成人流，系统首先需要对所处环境的空间几何特征进行深度解析。

1. 空间布局感知

CrowdES 以环境图像为输入，自动提取多维度的空间布局信息。系统不仅能识别建筑、草坪、可通行道路等语义分割区域，还能推测出人群出现的潜在位置（如建筑出入口、街道边缘的外观图）以及可能发生拥堵的密集区域（人口密度图）。

2. 时序连续生成：条件扩散模型

在获取环境特征后，系统需要动态生成每一时刻的智能体初始参数。

扩散模型 (Diffusion Model)

扩散模型是当前主流的生成式 AI 技术。其基本原理是通过在训练数据中逐步加入噪声直至完全无序，随后训练神经网络学习“去噪”过程，从而从随机噪声中还原出具有特定结构的高质量数据。

在 CrowdES 框架中，扩散模型并未直接用于图像画面生成，而是被用于生成虚拟智能体的“特征参数”。通过学习真实世界的数据分布，扩散模型可以从随机噪声中逐步“去噪”，输出每一个新个体的合理属性（包括配速、移动方式以及精确的起止坐标等）。这种机制使得系统能够在时间轴上源源不断地向场景中投放新角色，维持场景长期的动态活性。

二、具备环境感知能力的“人群模拟器” - Crowd Simulator#

在完成智能体投放后，规划逼真的运动轨迹是该框架的另一项核心任务。真实的个体除了简单的点对点直线运动，还会表现出复杂的中间状态，如避让障碍物或短暂停留交谈。

为模拟这种复杂的动态过程，CrowdES 引入了切换动力系统 (Switching Dynamical System, SDS)。

马尔可夫链 (Markov Chain)

马尔可夫链是一种用于描述系统状态转移的数学模型，其核心特征为“无后效性”，即系统下一时刻的状态仅取决于当前状态，而与更早的历史状态无关。通过状态转移概率，模型可以预测系统下一步行为变化的趋势。

在 CrowdES 的设定中，连续的人类行为被离散化为 直行、转弯、停止、避让等多种具体模式。系统利用马尔可夫链来计算智能体在下一时刻切换至另一种行为模式的概率。同时，模拟器会综合评估周围其他行人的状态（提取社交交互特征）以及前方的可通行区域（借助导航网格）。这一机制确保了智能体能够展现出极其自然的群体互动动态，如主动避障与合理避让，而非机械式地穿模或死板移动。

全新评估基准：如何科学衡量生成人群的真实度#

针对这一全新的连续行为生成任务，研究团队制定了一套包含 8 项指标的量化评估基准（Benchmark Protocol）。其中最具代表性的是以下两个数学维度的考量：

1. 宏观真实感评估：推土机距离 (Earth Mover’s Distance, EMD)

技术概念解析：推土机距离

EMD 是一种用于衡量两个概率分布差异的指标。可以将其直观地理解为：将一个“数据分布形状”转换成另一个“数据分布形状”所需的最小“搬运工作量”（质量乘以移动距离）。该指标能够准确量化 AI 生成的人群密度分布与真实人类活动分布的相似程度。

2. 微观轨迹准确性评估：动态时间规整 (Dynamic Time Warping, DTW)

技术概念解析：动态时间规整

DTW 是一种衡量两个时间序列相似度的算法。当两条运动轨迹在空间走向相似但移动速度存在差异时，传统的逐点对齐比对方法容易失效。DTW 算法允许在时间轴上进行非线性拉伸或压缩，从而纯粹地比较两段轨迹在形状和趋势上的相似度，非常适合评估具有变速特征的复杂运动轨迹。

在 ETH、SDD 等多个真实世界数据集的严格交叉测试中，结合上述指标的量化结果表明，CrowdES 框架在宏观群体分布与微观运动轨迹上均显著优于传统的模拟方法。

核心价值与应用前景 (Key Takeaways)#