في عالم اليوم، تُعتبر محاكاة حركة الحشود (Crowd Movement Simulation) أداة حيوية لضمان سلامة المشاة وتحسين تصميم المرافق. ولقد أثبتت النماذج القائمة على البيانات (Data-Driven Models) قدرتها على تعزيز دقة توقع المسارات، إلا أنها تعاني من معدلات اصطدام مرتفعة في حالات الحركة ثنائية الاتجاه ومتعددة الاتجاهات.

في دراسة جديدة، تم تقديم نموذج مبتكر لتقليص الاصطدامات، يجمع بين آلية الاصطدام وإدخالها في دالة الخسارة (Loss Function). هذا النموذج، المسمى CPGAN (Collision-Penalized GAN)، يستند إلى بنية الشبكات التنافسية التوليدية ويهدف إلى تحسين محاكاة حركة المشاة.

تتضمن هذه الدراسة اقتراح دالة خسارة جديدة تعتمد على تسارع الجانبي (Lateral-Acceleration) بالإضافة إلى طريقة لاستخراج ميزات الحركة تعتمد على مُخطط فورو (Voronoi). تم تقييم أداء CPGAN تحت سيناريوهات الحركة ثنائية الاتجاه، التي تتميز بسلوكيات تجنب الاصطدام المتكررة.

أظهرت النتائج أن دالة الخسارة المستندة إلى التسارع الجانبي تخفض بشكل ملحوظ معدلات الاصطدام بين المشاة القادمين من الاتجاه المعاكس، لتصل إلى مستويات مماثلة لما لوحظ في التجارب المدروسة. كما أثبت CPGAN فعاليته في محاكاة الحركة ثنائية الاتجاه، حيث أعاد تشكيل صفوف المشاة ومنحنيات N-t بدقة.

تتيح مخرجات هذه الدراسة فتح آفاق جديدة لدمج آليات ديناميات المشاة في دوال الخسارة لتحسين نماذج محاكاة حركة الحشود المدفوعة بالبيانات، مما يزيد من إمكانية استخدام هذه النماذج في تطبيقات السلامة والمرافق العامة.